1到n全排列的hash函数(o(n))


  全排列的hash函数,可以利用N位变进制,一般做法是用逆序数,但时间复杂度比较大。

 

 

  设n位变进制数M,+i位逢i+1进一,显然M可表示的数的范围为[0, n!)共n!个

  要生成n个数的排列,可以先从n个数挑一个,再从剩下的n-1个数挑一下,如此反复n次。

  若最初的n个数是 0,1,2 ... n-1,第一次挑选的数是t,则可以将t放入到M的n-1位,
  若第二次挑选的数是m,则 0 <= r <= n-1 且 r != t,当r等于n-1时,
  不能将r放入到M的n-2位(可以放的最大数为n-2),但是注意到r值不可能为t,
  该情况下将它的值改为t,得到的新r值肯定小等于n-2,因而可放入到M的n-2位。

  重复上面的处理,最终得到的M值与排列是一一对应的。

 

 

#include < algorithm >
#include
< cstdio >
#include
< cassert >


// template<int n> 
// struct Factorial { enum { v = Factorial<n - 1>::v * n}; };
//
// template<> struct Factorial<0> { enum { v = 1}; };
//
// static const int Max_n = 12; 
// static const int factorial[Max_n] = {   // 0! 1! 2! .. 11!   12!= 4.8e8
//   Factorial<0>::v, Factorial<1>::v, Factorial<2>::v,
//   Factorial<3>::v, Factorial<4>::v, Factorial<5>::v,
//   Factorial<6>::v, Factorial<7>::v, Factorial<8>::v,
//   Factorial<9>::v, Factorial<10>::v, Factorial<11>::v,  
// };

static  inline  bool  init_factorial( int  arr[],  int  len) 
{
  
for  ( int  i  =   0 , k  =   1 ; i  <  len; k  *=   ++ i) arr[i]  =  k;  // arr[i]为i!
   return   true ;
}

int  hash_permutation( int  arr[],  const   int  len)
{
  
static   const   int  Max_n  =   12 ;       //  12!= 4.8e8
   static   int  factorial[Max_n];
  
static   bool  tmp  =  init_factorial(factorial, Max_n);
  (
void )tmp;
  assert(len 
>=   1   &&  len  <=  Max_n);
  
// mapped[i]记录数i最终被映射到哪个数字,index[i]记录数i在mapped数组中的位置
   int  mapped[Max_n], index[Max_n];
  
for  ( int  i  =   0 ; i  <  len;  ++ i) mapped[i]  =  index[i]  =  i;
  
  
int  ret  =   0 ;
  
// 设变进制数M的+i位为(i+1)进制。从高位到低位放入数字
   for  ( int  i  =  len  -   1 ; i  >   0 -- i) { 
    assert(arr[i] 
>=   0   &&  arr[i]  <  len);  
    
int  k  =  mapped[arr[i]];      // mapped数组中所有的数是0,1, 2, ... i的一个排列,
    ret  +=  k  *  factorial[i];     // 因而可以将数字k放到变进制数M的+i位
    
    
int  idx  =  index[i];          // 将k从mapped数组中删除,删除k前                 
    mapped[idx]  =  k;             // 先将mapped数组中最大的数(也就是i)映射到k,
    index[k]  =  idx;              // 保证删除k后剩下的数恰好是0,1,2 ... i-1的一个排列
  }
  
return  ret;
}

int  main()
{
  
const   int  N  =   4 ;
  
int  arr[N];
  
for  ( int  i  =   0 ; i  <  N;  ++ i) arr[i]  =  i;
  
int  count  =   0 ;
  
do  {
    printf(
"  %3d:   " ++ count);
    
for  ( int  i  =   0 ; i  <  N;  ++ i) printf( "  %2d " , arr[i]);
    printf(
"   %6d\n " , hash_permutation(arr, N));
  } 
while (std::next_permutation(arr, arr  +  N));
}

 

 

 

 

转载于:https://www.cnblogs.com/flyinghearts/archive/2011/05/08/2040612.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值