python讲师陈越_【数据结构_浙江大学MOOC】第一讲 基本概念

本文主要是介绍python讲师陈越_【数据结构_浙江大学MOOC】第一讲 基本概念,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

本系列数据结构专题为中国大学MOOC-陈越、何钦铭-数据结构-2018秋课程的学习记录。主要记录内容为编程题解答。每篇内容将会不定期更新,以补充更好的方法。

函数题

01-复杂度3 二分查找(20 分)

本题要求实现二分查找算法。

函数接口定义:

Position BinarySearch( List L, ElementType X );

其中List结构定义如下:

typedef int Position;

typedef struct LNode *List;

struct LNode {

ElementType Data[MAXSIZE];

Position Last; /* 保存线性表中最后一个元素的位置 */

};

L是用户传入的一个线性表,其中ElementType元素可以通过>、==、

裁判测试程序样例:

#include

#include

#define MAXSIZE 10

#define NotFound 0

typedef int ElementType;

typedef int Position;

typedef struct LNode *List;

struct LNode {

ElementType Data[MAXSIZE];

Position Last; /* 保存线性表中最后一个元素的位置 */

};

List ReadInput(); /* 裁判实现,细节不表。元素从下标1开始存储 */

Position BinarySearch( List L, ElementType X );

int main()

{

List L;

ElementType X;

Position P;

L = ReadInput();

scanf("%d", &X);

P = BinarySearch( L, X );

printf("%d\n", P);

return 0;

}

/* 你的代码将被嵌在这里 */

输入样例1:

5

12 31 55 89 101

31

输出样例1:

2

输入样例2:

3

26 78 233

31

输出样例2:

0

代码

编译器:C (gcc)

Position BinarySearch( List L, ElementType X ){

Position position;

Position left = 0;

Position right = L->Last;

ElementType flag = 0;

while(left <= right){

Position mid = left + (right -left)/2;

if(L->Data[mid] == X){

position = mid;

flag = 1;

break;

}

else if(L->Data[mid] > X){

right = mid-1;

}else{

left = mid+1;

}

}

if(flag == 0)

position = NotFound;

return position;

}

提交结果:

a0cbfc11d204531435543456c37ee2d9.png

编程题

01-复杂度1 最大子列和问题(20 分)

给定K个整数组成的序列 $\{N_1,N_2, ···,N_k \}$,“连续子列”被定义为 $\{N_i,N_{i+1}, ···,N_j \}$,其中 $1≤i≤j≤K$。“最大子列和”则被定义为所有连续子列元素的和中最大者。例如给定序列 { -2, 11, -4, 13, -5, -2 },其连续子列 { 11, -4, 13 } 有最大的和20。现要求你编写程序,计算给定整数序列的最大子列和。

本题旨在测试各种不同的算法在各种数据情况下的表现。各组测试数据特点如下:

数据1:与样例等价,测试基本正确性;

数据2:$10^2$ 个随机整数;

数据3:$10^3$ 个随机整数;

数据4:$10^4$ 个随机整数;

数据5:$10^5$ 个随机整数;

输入格式:

输入第 1 行给出正整数 $K (≤100000)$;第 2 行给出 $K$ 个整数,其间以空格分隔。

输出格式:

在一行中输出最大子列和。如果序列中所有整数皆为负数,则输出 0。

输入样例:

6

-2 11 -4 13 -5 -2

输出样例:

20

代码

编译器:C (gcc)

/*

编程题-01【最大子列和问题】

中国大学MOOC-陈越、何钦铭-数据结构-2018秋

标签:复杂度

2018-09-08

*/

# include

int MaxSubseqSum(int A[], int N);

int main()

{

int numK;

int maxSum;

int k;

scanf("%d", &numK);

int a[numK];

for(k=0; k

scanf("%d", &a[k]);

maxSum = MaxSubseqSum(a, numK);

printf("%d\n", maxSum);

return 0;

}

int MaxSubseqSum (int A[], int N)

{

int thisSum, maxSum;

int i, j;

thisSum = maxSum = 0;

/* 逐个向右累加 */

for( i = 0; i < N; i++) //i 为子列左端位置

{

/* A[i]到A[j]的子列和 */

thisSum = 0;

for(j=i; j

{

/* 对于相同起点的一系列子列和,只需更新终点即可 */

/* 即对于相同的i,不同的j,只需在j-1次循环的基础上累加1项 */

/* 降低了算法复杂度 */

thisSum +=A[j];

/* 当前子列和大于最大子列和,更新 */

if(thisSum > maxSum)

maxSum = thisSum;

/* 当前子列和为负,后面再加子列和不可能变大,故抛弃 */

else if(thisSum < 0)

thisSum = 0;

}

}

return maxSum;

}

提交结果:

6a9872366aae16d433ce8a48b430c3fe.png

01-复杂度2 Maximum Subsequence Sum(25 分)

Given a sequence of $K$ integers $\{N_1,N_2, ···,N_k \}$. A continuous subsequence is defined to be $\{N_i,N_{i+1}, ···,N_j \}$ where $1≤i≤j≤K$ . The Maximum Subsequence is the continuous subsequence which has the largest sum of its elements. For example, given sequence { -2, 11, -4, 13, -5, -2 }, its maximum subsequence is { 11, -4, 13 } with the largest sum being 20.

Now you are supposed to find the largest sum, together with the first and the last numbers of the maximum subsequence.

Input Specification:

Each input file contains one test case. Each case occupies two lines. The first line contains a positive integer $K (≤10000)$. The second line contains $K$ numbers, separated by a space.

Output Specification:

For each test case, output in one line the largest sum, together with the first and the last numbers of the maximum subsequence. The numbers must be separated by one space, but there must be no extra space at the end of a line. In case that the maximum subsequence is not unique, output the one with the smallest indices i and j (as shown by the sample case). If all the $K$ numbers are negative, then its maximum sum is defined to be 0, and you are supposed to output the first and the last numbers of the whole sequence.

Sample Input:

10

-10 1 2 3 4 -5 -23 3 7 -21

Sample Output:

10 1 4

代码

编译器:C++ (g++)

#include

#include

using namespace std;

int main(int argc, const char * argv[])

{

//input

int K;

cin>>K;

vector vec;

int value;

for (int i=0; i

{

cin>>value;

vec.push_back(value);

}

//Process

int first=0,last=0,sum=0,max=-1;

int flag_max=0;//flag represent whether max has been rewrite

int flag=0;//sum归零一次,有可能后续子数列会出现大于当前max的数列

int maybe_first=0;//可能成为最大子列和的第一个结点

for (int i=0; i

{

sum+=vec[i];

if (sum>max)//更新最大子列和

{

flag_max=1;

if (flag==0)//sum更新为0后再次出现大于之前max的最大子列和,更新最大子列和的第一个结点

{

first=maybe_first;

flag=1;

}

max=sum;

last=i;//每次出现新的最大子列和都要更新该子列的最后一个结点

}else if(sum<0)//sum出现小于0的情况,后续子列若出现更大的子列和,则该子列的第一个结点保存为maybe_first

{

maybe_first=i+1;

sum=0;

flag=0;

}

}

//Output

if (flag_max==0)

{

cout<

}else

{

cout<

}

return 0;

}

提交结果:

1a3a02d15f885471a939c8581402f291.png

编译器:Python (python3)

num = int(input())

a = input()

a = a.split(' ')

max = -1

sum = 0

temp = 0

first = 0

last = 0

for i in range(0,num):

sum = sum + int(a[i])

if sum > max:

max = sum

last = i

first = temp

elif sum < 0:

sum = 0

temp = i+1

if(max >= 0):

print(max,a[first],a[last],sep=' ')

else:

print(0,a[0],a[len(a) -1],sep=' ')

提交结果:

af28a52ca99c4bb78913604f700fb13a.png

不足之处,欢迎指正。

$$$$

这篇关于python讲师陈越_【数据结构_浙江大学MOOC】第一讲 基本概念的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/197126

相关文章

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

【数据结构】——原来排序算法搞懂这些就行,轻松拿捏

前言:快速排序的实现最重要的是找基准值,下面让我们来了解如何实现找基准值 基准值的注释:在快排的过程中,每一次我们要取一个元素作为枢纽值,以这个数字来将序列划分为两部分。 在此我们采用三数取中法,也就是取左端、中间、右端三个数,然后进行排序,将中间数作为枢纽值。 快速排序实现主框架: //快速排序 void QuickSort(int* arr, int left, int rig

【Python编程】Linux创建虚拟环境并配置与notebook相连接

1.创建 使用 venv 创建虚拟环境。例如,在当前目录下创建一个名为 myenv 的虚拟环境: python3 -m venv myenv 2.激活 激活虚拟环境使其成为当前终端会话的活动环境。运行: source myenv/bin/activate 3.与notebook连接 在虚拟环境中,使用 pip 安装 Jupyter 和 ipykernel: pip instal

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

6.1.数据结构-c/c++堆详解下篇(堆排序,TopK问题)

上篇:6.1.数据结构-c/c++模拟实现堆上篇(向下,上调整算法,建堆,增删数据)-CSDN博客 本章重点 1.使用堆来完成堆排序 2.使用堆解决TopK问题 目录 一.堆排序 1.1 思路 1.2 代码 1.3 简单测试 二.TopK问题 2.1 思路(求最小): 2.2 C语言代码(手写堆) 2.3 C++代码(使用优先级队列 priority_queue)

nudepy,一个有趣的 Python 库!

更多资料获取 📚 个人网站:ipengtao.com 大家好,今天为大家分享一个有趣的 Python 库 - nudepy。 Github地址:https://github.com/hhatto/nude.py 在图像处理和计算机视觉应用中,检测图像中的不适当内容(例如裸露图像)是一个重要的任务。nudepy 是一个基于 Python 的库,专门用于检测图像中的不适当内容。该

pip-tools:打造可重复、可控的 Python 开发环境,解决依赖关系,让代码更稳定

在 Python 开发中,管理依赖关系是一项繁琐且容易出错的任务。手动更新依赖版本、处理冲突、确保一致性等等,都可能让开发者感到头疼。而 pip-tools 为开发者提供了一套稳定可靠的解决方案。 什么是 pip-tools? pip-tools 是一组命令行工具,旨在简化 Python 依赖关系的管理,确保项目环境的稳定性和可重复性。它主要包含两个核心工具:pip-compile 和 pip

《数据结构(C语言版)第二版》第八章-排序(8.3-交换排序、8.4-选择排序)

8.3 交换排序 8.3.1 冒泡排序 【算法特点】 (1) 稳定排序。 (2) 可用于链式存储结构。 (3) 移动记录次数较多,算法平均时间性能比直接插入排序差。当初始记录无序,n较大时, 此算法不宜采用。 #include <stdio.h>#include <stdlib.h>#define MAXSIZE 26typedef int KeyType;typedef char In

HTML提交表单给python

python 代码 from flask import Flask, request, render_template, redirect, url_forapp = Flask(__name__)@app.route('/')def form():# 渲染表单页面return render_template('./index.html')@app.route('/submit_form',