数组

数组:把数据码成一排进行存放。

索引从0开始:
在这里插入图片描述

数组优点:快速查询。
数组最好应用于“索引有语意"的情况。

数组类:

public class Array<E> {
    private  E[] data;
    /**
     * size 元素个数+1(注意元素个数不是数组长度)
     */
    private int size;
    /**
     * capacity 数组容量
     * @param capacity
     */
    public Array(int capacity){
        data=(E[]) new Object[capacity];
        size=0;
    }
    /**
     * 默认的构造函数 数组容量为10
     */
    public Array(){
        this(10);
    }
    /**
     * 获取数组中的元素个数
     * @return
     */
    public int getSize(){
        return size;
    }
    /**
     * 获取数组容量
     */
    public int getCapacity(){
        return  data.length;
    }
    /**
     * 数组是否为空
     * @return
     */
    public boolean isEmpty(){
        return size==0;
    }
    /**
     * 向所有元素后添加一个元素
     * @param e
     */
    public void addLast(E e){
        add(size,e );
    }
    /**
     * 向所有元素前添加一个元素
     */
    public void addFirst(E e){
        add(0, e);
    }
    /**
     * 向指定位置添加元素
     */
    public void add(int index,E e){
        //设置index>size 是希望元素是紧密排列的,而不是散的
        if (index<0 || index>size)
            throw new IllegalArgumentException("AddLast failed . Require index >=0 and index <=size.");
        //空间已经满了  扩容
        if (size==data.length)
            resize(2*data.length);
        for (int i=(size-1);i>=index;i--)
            data[i+1]=data[i];
        data[index]=e;
        size++;
    }
    /**
     * 获取index索引位置的元素
     * @param index
     * @return
     */
    public E get(int index) {
        if (index<0 || index>= size)
            throw  new IllegalArgumentException("Get failed. Index is illegal");
        return data[index];
    }
    /**
     * 获取数组的最后一个元素
     * @return
     */
    public E getLast(){
        return get(size-1);
    }
    /**
     * 获取数组第一个元素
     * @return
     */
    public E getFirst(){
        return get(0);
    }
    /**
     * 更新数组元素
     * @return
     */
    void set(int index,E e){
        if (index<0 || index>= size)
            throw  new IllegalArgumentException("Get failed. Index is illegal");
        data[index]=e;
    }
    /**
     * 查找数组中是否有元素e
     * @param e
     * @return
     */
    public  boolean contains(E e)
        {
        for (int i=0;i<size;i++){
            if (data[i].equals(e))
                return true;
        }
        return false;
    }
    /**
     * 查找数组中元素e所在的索引,如果不存在元素e,则返回-1(只查找第一个)
     * @param e
     * @return
     */
    public int find(E e){
        for (int i=0;i<size;i++){
            if (data[i].equals(e))
                return i;
        }
        return -1;
    }
    /**
     * 查找所有元素e的索引  如果不存在元素,返回null,
     */
    public List<Integer> findAll(E e){
        List<Integer> list=new ArrayList();
        for (int i=0;i<size;i++){
            if (data[i]==e) {
                list.add(i);
            }
        }
        if (list.size()==0)
            return null;
        return list;
    }
    /**
     * 删除指定位置的元素,返回删除的元素
     * 删除指定位置的时候,后面的元素往前移动,但
     * size位置还会有一个多余的元素,因为是从后往前复制的
     * @return
     */
    public E remove(int index){
        if (index<0 || index>= size)
            throw  new IllegalArgumentException("remove failed. Index is illegal");
        E datum = data[index];
        for (int i=index+1;i<size;i++)
            data[i-1]=data[i];
        size--;
        // data[size]里存着一个类对象的引用,不会被回收,但
        //实际上这个元素没啥卵用了。让gc回收了这个多余的数据,设置为null,
        //那么这个对象就不再和程序中其他对象相关联了,可以被回收了。
        data[size]=null;
        //当数组的元素个数等于数组的长度的一半时
        //缩容 当缩容到length等于1时,就不能在缩了
        if(size==data.length/4 && data.length/2 !=0)
            resize(data.length/2);
        return datum;
    }
    /**
     * 删除第一个元素,返回删除的元素
     * @return
     */
    public E removeFirst(){
        return remove(0);
    }
    /**
     * 删除最后一个元素,返回删除的元素
     * @return
     */
    public E removeLast(){
        return remove(size-1);
    }
    /**
     * 如果数组中存在元素e,就删除元素e(如果有多个e,只删除第一个)
     * @return
     */
    public  String removeElement(E e){
        int index=find(e);
        if(index!=-1)
            remove(index);
        else
            return e+" is not find";
        return "deleted";
    }
    /**
     * 删除数组中的所有e
     * @return
     */
    public void removeAllElement(E e){
     List<E> all = (List<E>) findAll(e);
     all.forEach(a->{
         int i1 = find(e);
         remove(i1);
     });
    }
    @Override
    public  String toString(){
        StringBuilder res=new StringBuilder();
        res.append(String.format("Array: size= %d , capacity= %d\n",size,data.length));
        res.append("[");
        for (int i=0;i<size;i++){
            res.append(data[i]);
            if (i!=size-1)
                res.append(",");
        }
        res.append("]");
        return res.toString();
    }
    /**
     * 数组大小改变
     * @param newCapacity
     */
    private void resize(int newCapacity)
    {
        E[] newData=(E[])new Object[newCapacity];
        for (int i=0;i<size;i++)
            newData[i]=data[i];
        data=newData;
    }
}

分析动态数组的时间复杂度:

  • 添加操作 总的来说O(n)
    addLast(e) O(1)
    addFirst(e) O(n)
    add(index,e) O(n/2)=O(n) 严格计算需要概率论知识
    通常考虑的是最坏的情况
    resize O(n)
  • 删除操作 总的来说O(n)
    removeLast(e) O(1)
    removeFirst(e) O(n)
    remove(index,e) O(n/2)=O(n)
    resize O(n)
  • 修改操作
    set(index ,e) O(1)
  • 查询操作
    get(index) O(1)
    contains(e) O(n)
    find(e) O(n)

增 O(n)
删 O(n)
改 已知索引O(1) 未知索引 O(n)
查 已知索引O(1) 未知索引 O(n)
对于增删如果只对最后一个元素操作依然是O(n),因为resize;

resize复杂度分析
容量8的数组
在这里插入图片描述
平均每次addLast操作,进行两次基本操作,均摊下来,意味着时间复杂度是O(1)。在这个例子里,这样均摊计算,比计算最坏情况有意义。这样计算复杂度称为均摊复杂度。一个相对比较耗时的操作,如果我们能保证它不会每次都触发的话,那么相对比较耗时的操作相应的时间是可以分摊到其他的操作来的。
同理,removeLast操作,均摊时间复杂度也是O(1)。

复杂度震荡
同时看addLast和removeLast操作。
一个数组已经满元素,容量n。
在这里插入图片描述
先添加一个元素扩容时间复杂度O(n),然后又删除一个元素,触发缩容O(n) …
制造的情景,每一次addLast,removeLast都会耗费O(n)的复杂度,这就是复杂度的震荡。明明均摊的时候是O(1),但在某些特殊情况下,猛的窜到了O(n),产生了震荡。

出现的原因: removeLast时resize过于着急(Eager)。
解决方案:Lazy的方式,懒一些,懒机制
在这里插入图片描述
代码修改:
前:
在这里插入图片描述
后:
在这里插入图片描述

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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