文心一言 VS 讯飞星火 VS chatgpt （194）-- 算法导论14.3 2题

2024-02-05 07:12
文章标签 chatgpt 算法 ai vs 14.3 文心一言 讯飞星火 导论 194

本文主要是介绍文心一言 VS 讯飞星火 VS chatgpt （194）-- 算法导论14.3 2题，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！

二、用go语言，改写 INTERVAL-SEARCH 的代码，使得当所有区间都是开区间时，它也能正确地工作。

文心一言，代码正常运行：

在Go语言中，处理开区间（open intervals）时，我们需要特别注意区间的边界条件。开区间不包括其端点，因此在比较时不能使用等于（==）操作符。以下是一个使用Go语言实现的INTERVAL-SEARCH算法，该算法已修改为适用于开区间。

package main  import (  "fmt"  "sort"  
)  type Interval struct {  low, high float64  
}  type ByLow []Interval  func (a ByLow) Len() int           { return len(a) }  
func (a ByLow) Swap(i, j int)      { a[i], a[j] = a[j], a[i] }  
func (a ByLow) Less(i, j int) bool { return a[i].low < a[j].low }  func IntervalSearch(intervals []Interval, x float64) int {  n := len(intervals)  index := sort.Search(n, func(j int) bool {  return intervals[j].low > x // 注意这里改成了大于号，因为我们正在寻找第一个大于x的low  })  if index > 0 {  // 检查x是否在上一个区间的范围内（但不包括low和high）  if x > intervals[index-1].low && x < intervals[index-1].high {  return index - 1  }  }  return -1 // 如果x不在任何区间内，则返回-1  
}  func main() {  intervals := []Interval{  {1, 3},  {5, 7},  {9, 11},  }  x := 2.5  index := IntervalSearch(intervals, x)  if index != -1 {  fmt.Printf("x is in interval %d\n", index)  } else {  fmt.Println("x is not in any interval")  }  
}

注意：

我已经修改了Less函数，以便按区间的下限进行排序。
在IntervalSearch函数中，我使用了sort.Search来找到第一个大于x的low值的索引。
然后，我检查了x是否在上一个区间的开区间范围内。
这段代码适用于开区间，但请注意，如果x正好等于某个区间的low或high值，它将被认为不在任何区间内，因为开区间不包括其端点。

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

讯飞星火：

INTERVAL-SEARCH是一种在区间树中查找给定值所在的节点的算法。以下是改写后的代码：

type Node struct {max intleft *Noderight *Node
}func IntervalSearch(root *Node, value int) *Node {if root == nil || root.max < value {return nil}if root.left != nil && root.left.max >= value {return IntervalSearch(root.left, value)} else {return root}
}

在这个代码中，我们首先检查根节点是否为空或者其最大值小于给定的值。如果是，则返回nil。然后，如果左子节点存在且其最大值大于或等于给定的值，我们就在左子树中递归搜索。否则，我们就返回当前节点。

在这里插入图片描述

360智脑：

以下是 Go 语言实现的区间树节点 INTERVAL-SEARCH 操作的伪代码，修改为支持开区间：

type IntervalTreeNode struct {LeftChild  *IntervalTreeNode RightChild *IntervalTreeNode Max        int // 其他属性 
}
func IntervalSearch(node *IntervalTreeNode, low, high int) *IntervalTreeNode {// 如果节点为空，返回 nil if node == nil {return nil }// 如果当前节点的区间与查询区间没有交集，返回 nil if (low > node.Max || high < node.Max) && (low < node.Max || high > node.Max) {return nil }// 查询左子树 leftResult := IntervalSearch(node.LeftChild, low, high)// 查询右子树 rightResult := IntervalSearch(node.RightChild, low, high)// 如果左子树和右子树都有结果，返回值为右子树的结果 if leftResult != nil && rightResult != nil {return rightResult }// 如果左子树有结果，返回左子树的结果 if leftResult != nil {return leftResult }// 如果右子树有结果，返回右子树的结果 if rightResult != nil {return rightResult }// 如果左右子树都没有结果，返回当前节点 return node 
}

注意，以上代码仅为示例，具体实现可能需要根据实际需求进行调整。

在这里插入图片描述

在这里插入图片描述

智谱清言，代码正常运行：

为了用Go语言改写INTERVAL-SEARCH算法以处理所有开区间的查询，我们需要对原始的算法进行一些调整。在一个标准的INTERVAL-SEARCH中，区间可以是开区间或闭区间，但当所有区间都是开区间时，我们需要确保算法能够正确识别出这种情况并作出相应的处理。

下面是一个简单的Go语言示例，它展示了一个能够处理开区间区间的INTERVAL-SEARCH算法的实现：

package main
import ("fmt"
)
// Interval 表示一个区间
type Interval struct {Start intEnd   int
}
// Search 返回第一个完全位于查询区间内的元素
func Search(intervals []Interval, query Interval) int {// 初始化结果为-1，表示没有找到符合条件的元素result := -1// 遍历所有区间for _, interval := range intervals {// 检查当前区间是否与查询区间有交集if query.Start > interval.End || query.End < interval.Start {// 如果没有交集，则跳过当前区间continue} else {// 如果查询区间完全位于当前区间内，则更新结果if query.Start >= interval.Start && query.End <= interval.End {result = interval.Startbreak}}}return result
}
func main() {// 定义一些开区间区间intervals := []Interval{{1, 3},{5, 7},{9, 11},}// 定义一个查询区间query := Interval{4, 10}// 执行搜索result := Search(intervals, query)// 输出结果fmt.Println("Found element at index:", result)
}

在这个例子中，Search 函数接收一个区间列表和一个查询区间。它遍历所有区间，检查每个区间与查询区间是否有交集。如果有交集，但它不完全包含在查询区间内，那么这个区间不会被选为结果。只有当查询区间完全位于某个区间内时，这个区间才会被考虑。

请注意，这个实现是基于数组索引的搜索，因此它假定区间是排序的。如果区间列表未排序，那么你可能需要先对它们进行排序，然后再应用这个搜索算法。此外，这个实现返回的是第一个满足条件的区间的起始索引，如果需要其他类型的结果（比如区间内的最大或最小值），则需要对代码进行相应的调整。

在这里插入图片描述

在这里插入图片描述

通义千问：

在区间树中，INTERVAL-SEARCH主要用于查找与给定区间有交集的所有区间。对于开区间，我们需要确保在比较区间时考虑它们是否相交时采用合适的条件。以下是针对开区间的INTERVAL-SEARCH函数的Go语言实现：

type Interval struct {Start, End float64 // 假设这些是浮点数，表示区间起点和终点（开区间）
}type Node struct {Interval IntervalLeft, Right *Node
}// 查找与给定开区间 i 有交集的所有区间
func intervalSearch(root *Node, i Interval) []*Interval {var result []*IntervalsearchHelper(root, i, &result)return result
}// 辅助函数，递归查找
func searchHelper(node *Node, i Interval, result *[]*Interval) {if node == nil {return}// 检查当前节点的区间是否与目标区间有交集（对于开区间）if node.Interval.End > i.Start && node.Interval.Start < i.End {*result = append(*result, &node.Interval)// 继续在左子树和右子树中查找searchHelper(node.Left, i, result)searchHelper(node.Right, i, result)} else if node.Interval.Start >= i.End { // 当前节点的起点已经在目标区间的右侧，无需检查左子树searchHelper(node.Right, i, result)} else { // 当前节点的终点已经在目标区间的左侧，无需检查右子树searchHelper(node.Left, i, result)}
}

这个实现中，我们首先检查当前节点的区间是否与目标区间有交集，对于开区间而言，即判断是否存在 node.Interval.End > i.Start && node.Interval.Start < i.End 的情况。然后根据当前节点与目标区间的关系决定是否继续搜索左子树或右子树，以此减少不必要的搜索。最后将找到的有交集的区间添加到结果列表中。

在这里插入图片描述

在这里插入图片描述

天工：

在 Go 语言中，我们可以通过修改 INTERVAL-SEARCH 算法来支持开区间。具体来说，我们可以将每个区间的左端点设为区间的最小值减一，右端点设为区间的最大值加一。这样，我们就可以在搜索时使用闭区间，但仍然得到正确的结果。

以下是一个简单的伪代码实现：

type Interval struct {start intend   int
}func (interval Interval) contains(x int) bool {return interval.start < x && x < interval.end
}func (interval Interval) isOpen() bool {return interval.start == interval.end
}func intervalSearch(intervals []Interval, target int) []Interval {result := make([]Interval, 0)for _, interval := range intervals {if interval.isOpen() && interval.contains(target) {result = append(result, interval)} else if !interval.isOpen() && interval.contains(target-1) {result = append(result, Interval{start: interval.start-1, end: interval.end})}}return result
}

在这个实现中，我们首先检查区间是否为开区间，并且目标值是否在该区间内。如果是，则将该区间添加到结果中。然后，我们检查区间是否为闭区间，并且目标值减一是否在该区间内。如果是，则创建一个新的区间，该区间以目标值减一为左端点，以原始区间的右端点为右端点，并将其添加到结果中。

需要注意的是，这个实现假设所有的区间都是非重叠的。如果存在重叠的区间，那么可能需要进行额外的处理。

在这里插入图片描述

在这里插入图片描述

灵小智，代码正常运行：

以下是使用Go语言改写INTERVAL-SEARCH代码的示例：

package mainimport ("fmt"
)type Interval struct {start intend   int
}func IntervalSearch(intervals []Interval, x int) int {low := 0high := len(intervals) - 1for low <= high {mid := low + (high-low)/2if intervals[mid].start <= x && x <= intervals[mid].end {return mid} else if intervals[mid].start > x {high = mid - 1} else {low = mid + 1}}return -1
}func main() {intervals := []Interval{{1, 3},{5, 8},{10, 15},}x := 7index := IntervalSearch(intervals, x)if index != -1 {fmt.Printf("%d is in interval [%d, %d]\n", x, intervals[index].start, intervals[index].end)} else {fmt.Println("Interval not found")}
}

在这个示例中，我们定义了一个Interval结构体来表示区间。IntervalSearch函数接收一个由Interval结构体组成的切片以及要查找的值x作为参数，然后使用二分查找的算法来搜索x在哪个区间中。

在main函数中，我们创建了一个包含三个开区间的区间集合，并使用IntervalSearch函数来查找x=7所处的区间。如果找到了相应的区间，则输出区间的起始和结束值；否则，输出"Interval not found"。

请注意，这只是一个示例实现，你可以根据具体的需求对代码进行修改和优化。

在这里插入图片描述

在这里插入图片描述

chatgpt，代码正常运行：

下面是使用Go语言改写的INTERVAL-SEARCH代码，支持处理开区间的情况：

package mainimport "fmt"type Interval struct {Start int // 区间起点End   int // 区间终点
}func INTERVAL_SEARCH(intervals []Interval, x Interval) (result *Interval) {// 查找重叠的区间并返回for _, interval := range intervals {if interval.Start <= x.End && interval.End >= x.Start {return &interval}}return nil // 没有找到重叠的区间
}func main() {intervals := []Interval{{1, 3},{5, 8},{10, 12},}x := Interval{2, 4}result := INTERVAL_SEARCH(intervals, x)if result != nil {fmt.Println("找到重叠区间：", *result)} else {fmt.Println("没有找到重叠区间")}
}

在INTERVAL_SEARCH函数中，我们通过遍历输入的intervals切片，并逐个与待查询的区间x进行比较。如果存在重叠部分，则返回该重叠区间的指针；否则，返回nil表示没有找到重叠区间。

请注意，在处理开区间时，我们将条件改为interval.Start <= x.End && interval.End >= x.Start，确保正确地判断了是否存在重叠。

以上示例代码可以根据具体需求进行修改和扩展。

在这里插入图片描述

在这里插入图片描述

kimi：

在区间树（Interval Tree）中，INTERVAL-SEARCH 操作用于查找与给定区间重叠的所有区间。当所有区间都是开区间（即区间不包含端点）时，我们需要稍微调整搜索逻辑，以确保正确处理这种情况。以下是 Go 语言中 INTERVAL-SEARCH 操作的改写版本，它能够处理开区间：

package mainimport ("fmt"
)type IntervalNode struct {interval [2]int // [left, right]value    intleft     *IntervalNoderight    *IntervalNode
}func INTERVAL_SEARCH(root *IntervalNode, target [2]int) []*IntervalNode {var result []*IntervalNode// 辅助函数，递归搜索区间树var search func(node *IntervalNode, target [2]int)search = func(node *IntervalNode, target [2]int) {if node == nil {return}// 如果当前节点的区间与目标区间有重叠，添加到结果集if node.interval[0] < target[1] && node.interval[1] > target[0] {result = append(result, node)}// 递归搜索左子树if node.left != nil && node.left.interval[1] >= target[0] {search(node.left, target)}// 递归搜索右子树if node.right != nil && node.right.interval[0] <= target[1] {search(node.right, target)}}search(root, target)return result
}func main() {// 假设我们有一个区间树的根节点root := &IntervalNode{interval: [2]int{1, 5},value:    1,left:     &IntervalNode{interval: [2]int{2, 3}, value: 2},right:    &IntervalNode{interval: [2]int{4, 6}, value: 3},}// 搜索开区间 [3, 5)target := [2]int{3, 5}intervals := INTERVAL_SEARCH(root, target)fmt.Println("Overlapping intervals:", intervals)
}

在这个改写的版本中，我们定义了一个辅助函数 search 来递归地搜索区间树。在搜索过程中，我们检查当前节点的区间是否与目标区间有重叠。对于开区间，我们使用 < 和 > 而不是 <= 和 >= 来比较区间的端点。这样，只有当当前节点的区间严格包含在目标区间内时，我们才会将其添加到结果集中。

请注意，这个实现假设区间树的节点结构体 IntervalNode 包含了区间和值。在实际的 Go 代码中，你可能需要根据具体的区间树实现来调整这个代码。

在这里插入图片描述

在这里插入图片描述

混元，代码正常运行：

以下是使用 Go 语言实现的 INTERVAL-SEARCH 函数，当所有区间都是开区间时，它也能正确地工作：

package mainimport "fmt"type Interval struct {start intend   int
}type Node struct {interval  IntervalmaxEnd    intleft      *Noderight     *Nodeparent    *Node
}func newNode(interval Interval) *Node {return &Node{interval: interval,maxEnd:   interval.end,}
}func (n *Node) updateMaxEnd() {n.maxEnd = max(n.left.maxEnd, n.right.maxEnd)
}func max(a, b int) int {if a > b {return a}return b
}func intervalSearch(root *Node, target int) *Node {current := rootfor current != nil {if current.interval.start <= target && target <= current.interval.end {return current}if target< current.interval.start {current = current.left} else {current = current.right}}return nil
}func main() {root := newNode(Interval{start: 1, end: 3})root.left = newNode(Interval{start: 2, end: 4})root.right = newNode(Interval{start: 4, end: 6})root.left.parent = rootroot.right.parent = roottarget := 2result := intervalSearch(root, target)if result != nil {fmt.Printf("Found interval: %d-%d\n", result.interval.start, result.interval.end)} else {fmt.Println("No interval found")}
}

这个代码实现了一个简单的区间树，其中每个区间都是开区间。INTERVAL-SEARCH 函数在这个区间树中查找给定目标值的区间。如果找到了匹配的区间，它将返回该区间的节点；否则，它将返回 nil。

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

这篇关于文心一言 VS 讯飞星火 VS chatgpt （194）-- 算法导论14.3 2题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/680116。

相关文章

揭秘未来艺术：AI绘画工具全面介绍

揭秘未来艺术：AI绘画工具全面介绍

📑前言 随着科技的飞速发展，人工智能（AI）已经逐渐渗透到我们生活的方方面面。在艺术创作领域，AI技术同样展现出了其独特的魅力。今天，我们就来一起探索这个神秘而引人入胜的领域，深入了解AI绘画工具的奥秘及其为艺术创作带来的革命性变革。 一、AI绘画工具的崛起 1.1 颠覆传统绘画模式 在过去，绘画是艺术家们通过手中的画笔，蘸取颜料，在画布上自由挥洒的创造性过程。然而，随着AI绘画工
阅读更多...
一份LLM资源清单围观技术大佬的日常；手把手教你在美国搭建「百万卡」AI数据中心；为啥大模型做不好简单的数学计算？ | ShowMeAI日报

一份LLM资源清单围观技术大佬的日常；手把手教你在美国搭建「百万卡」AI数据中心；为啥大模型做不好简单的数学计算？ | ShowMeAI日报

👀日报&周刊合集 | 🎡ShowMeAI官网 | 🧡 点赞关注评论拜托啦！ 1. 为啥大模型做不好简单的数学计算？从大模型高考数学成绩不及格说起 司南评测体系 OpenCompass 选取 7 个大模型 (6 个开源模型+ GPT-4o)，组织参与了 2024 年高考「新课标I卷」的语文、数学、英语考试，然后由经验丰富的判卷老师评判得分。 结果如上图所
阅读更多...
AI儿童绘本创作

AI儿童绘本创作

之前分享过AI儿童绘画的项目，但是主要问题是角色一致要花费很长的时间！ 今天发现了这款，非常奈斯！ 只需输入故事主题、风格、模板，软件就会自动创作故事内容，自动生成插画配图，自动根据模板生成成品，测试效果如下图。 变现方式：生成儿童绘本发布到各平台，吸引宝妈群体进私域。  百度网盘 请输入提取码百度网盘为您提供文件的网络备份、同步和分享服务。空间大、速度快、安全
阅读更多...
Windwos +vs 2022 编译openssl 1.0.2 库

Windwos +vs 2022 编译openssl 1.0.2 库

一 前言 先说 结论，编译64位报错，查了一圈没找到解决方案，最后换了32位的。 使用qt访问web接口，因为是https，没有openssl库会报错 QNetworkReply* reply = qobject_cast<QNetworkReply*>(sender());if (reply){if (reply->error() == QNetworkReply::NoError
阅读更多...
代码随想录算法训练营：12/60

代码随想录算法训练营：12/60

非科班学习算法day12 | LeetCode150:逆波兰表达式 ，Leetcode239: 滑动窗口最大值  目录 介绍 一、基础概念补充： 1.c++字符串转为数字 1. std::stoi, std::stol, std::stoll, std::stoul, std::stoull（最常用） 2. std::stringstream 3. std::atoi, std
阅读更多...
人工智能机器学习算法总结神经网络算法(前向及反向传播)

人工智能机器学习算法总结神经网络算法(前向及反向传播)

1.定义，意义和优缺点 定义: 神经网络算法是一种模仿人类大脑神经元之间连接方式的机器学习算法。通过多层神经元的组合和激活函数的非线性转换，神经网络能够学习数据的特征和模式，实现对复杂数据的建模和预测。(我们可以借助人类的神经元模型来更好的帮助我们理解该算法的本质，不过这里需要说明的是，虽然名字是神经网络，并且结构等等也是借鉴了神经网络，但其原型以及算法本质上还和生物层面的神经网络运行原理存在
阅读更多...
人工和AI大语言模型成本对比 ai语音模型

人工和AI大语言模型成本对比 ai语音模型

这里既有AI，又有生活大道理，无数渺小的思考填满了一生。 上一专题搭建了一套GMM-HMM系统，来识别连续0123456789的英文语音。 但若不是仅针对数字，而是所有普通词汇，可能达到十几万个词，解码过程将非常复杂，识别结果组合太多，识别结果不会理想。因此只有声学模型是完全不够的，需要引入语言模型来约束识别结果。让“今天天气很好”的概率高于“今天天汽很好”的概率，得到声学模型概率高，又符合表达
阅读更多...
智能客服到个人助理，国内AI大模型如何改变我们的生活？

智能客服到个人助理，国内AI大模型如何改变我们的生活？

引言 随着人工智能（AI）技术的高速发展，AI大模型越来越多地出现在我们的日常生活和工作中。国内的AI大模型在过去几年里取得了显著的进展，不少独创的技术点和实际应用令人瞩目。 那么，国内的AI大模型有哪些独创的技术点？它们在实际应用中又有哪些出色表现呢？此外，普通人又该如何利用这些大模型提升工作和生活的质量和效率呢？本文将为你一一解析。 一、国内AI大模型的独创技术点 多模态学习 多
阅读更多...
【新闻】AI程序员要来了吗？阿里云官宣

【新闻】AI程序员要来了吗？阿里云官宣

内容提要 6 月 21 日，在阿里云上海 AI 峰会上，阿里云宣布推出首个AI 程序员。 据介绍，这个AI程序员具备架构师、开发工程师、测试工程师等多种岗位的技能，能一站式自主完成任务分解、代码编写、测试、问题修复、代码提交整个过程，最快分钟级即可完成应用开发，大幅提升研发效率。 近段时间以来，有关AI的实践应用突破不断，全球开发者加速研发步伐。有业内人士坦言，随着大模型性能逐渐提升，AI应
阅读更多...
大林 PID 算法

大林 PID 算法

Dahlin PID算法是一种用于控制和调节系统的比例积分延迟算法。以下是一个简单的C语言实现示例： #include <stdio.h>// DALIN PID 结构体定义typedef struct {float SetPoint; // 设定点float Proportion; // 比例float Integral; // 积分float Derivative; // 微分flo
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2