看。。。很多算法问题都能找到它的现实原型

简介:

  

  昨晚在家看 “南洋十大邪术”,又发现徐锦江了,果然是在情色片中起家的,起兴处。。。被以前学校的一个小师弟抖屏搅了。。。悲剧!

由于金三银四的好时期,小师弟也跑去找工作了,也就碰到了各种各样的面试题,然后也就引出了今天的这篇博文,就是:如何产生1-100

之间的100个不重复的随机数,不过这里还好,在携程面试.net是没有笔试的:-)

 

     如果这是你是第一次看到这个题目,也许你的想法有很多。

 

1:首先从原始数组中随机选择一个数字,然后将该数字从数组中剔除,再随记选,再剔除,重复99次,就解决了。

    我们知道从数组中剔除一个元素的复杂度为O(N),那么随机选取n个数字,它的复杂度就是O(N2)了。

 

2:用hash作为中间过滤层,因为在数组中,我们采用随机数的话,也许随机数在多次随机中可能会有重复,所以需要用hash来判断一下,

    如果在hash中重复,则继续产生随机数,直到不重复为止,当然这个复杂度就不好说了,得要看随机数随机不随机了,好的话,O(N)搞定,

    不走运的话无上限~

 

3:就像标题说的一样,很多问题我们都能在现实生活中找到写照,毕竟很多东西是来源于现实,又抽象于现实,比如这个题目在现实生活中,

  可以对应到的就是“洗扑克牌”,在算法中也叫“洗牌原理”,我们知道洗扑克牌的方式就是随机的交换扑克牌的位置,又叫做"切牌",当你切了

   很多次后,我们的扑克牌就可以认为是足够乱了,复杂度也就变成了O(N),用代码实现就是这样的。

   <1> 先有序的生成52张牌,然后有序的放到数组中。

   <2>从1-52中随机的产生一个数,然后将当前次数的位置跟随机数的位置进行交换,重复52次,我们的牌就可以认为足够乱了。

 

4:代码实现

<1> 首先定义牌的数据结构,定义一个“花色”和“数字”

/// <summary>
        /// 具体扑克牌
        /// </summary>
        public class Card
        {
            public char suit;

            public string num;
        }

 

<2>有序的生成52张牌

/// <summary>
        /// 开牌
        /// </summary>
        public void NewCard()
        {
            for (int i = 1; i <= card.Length; i++)
            {
                var suit = ((i - 1) / 13) + 3;
                var num = i % 13;

                string temp;

                switch (num)
                {
                    case 1: temp = "A"; break;
                    case 11: temp = "J"; break;
                    case 12: temp = "Q"; break;
                    case 0: temp = "K"; break;
                    default: temp = num.ToString(); break;
                }

                card[i - 1] = new Card()
                {
                    suit = (char)suit,
                    num = temp
                };
            }
        }

<3> 然后就是切牌了,刚才也说了思路,就是拿随机数的位置与当前i的位置进行交换,不过一说到交换就想起了“冒泡排序”,可能被毒害太

  深了(┬_┬),不知道你感觉到了没。

/// <summary>
        /// 洗牌
        /// </summary>
        public void Shuffle()
        {
            for (int i = 0; i < card.Length; i++)
            {
                var rand = new Random((int)DateTime.Now.Ticks).Next(0, card.Length);

                //因为随机数是伪随记,正真的随机数是要跟硬件打交道的,所以这里设置了停留1ms
                System.Threading.Thread.Sleep(1);

                var temp = card[rand];

                card[rand] = card[i];

                card[i] = temp;
            }
        }

<4> 最后我们看看效果
using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using System.Threading.Tasks;

namespace ConsoleApplication1
{
    public class Program
    {
        static void Main(string[] args)
        {
            CardClass cc = new CardClass();

            cc.NewCard();

            Console.WriteLine("\n\n=======================洗牌之前  ===========================\n");
            cc.Output();

            Console.WriteLine("\n\n=======================洗牌之后  ===========================\n");
            cc.Shuffle();
            cc.Output();


            Console.Read();
        }
    }

    public class CardClass
    {
        public Card[] card = new Card[52];

        /// <summary>
        /// 具体扑克牌
        /// </summary>
        public class Card
        {
            public char suit;

            public string num;
        }

        /// <summary>
        /// 开牌
        /// </summary>
        public void NewCard()
        {
            for (int i = 1; i <= card.Length; i++)
            {
                var suit = ((i - 1) / 13) + 3;
                var num = i % 13;

                string temp;

                switch (num)
                {
                    case 1: temp = "A"; break;
                    case 11: temp = "J"; break;
                    case 12: temp = "Q"; break;
                    case 0: temp = "K"; break;
                    default: temp = num.ToString(); break;
                }

                card[i - 1] = new Card()
                {
                    suit = (char)suit,
                    num = temp
                };
            }
        }

        /// <summary>
        /// 洗牌
        /// </summary>
        public void Shuffle()
        {
            for (int i = 0; i < card.Length; i++)
            {
                var rand = new Random((int)DateTime.Now.Ticks).Next(0, card.Length);

                //因为随机数是伪随记,正真的随机数是要跟硬件打交道的,所以这里设置了停留1ms
                System.Threading.Thread.Sleep(1);

                var temp = card[rand];

                card[rand] = card[i];

                card[i] = temp;
            }
        }

        /// <summary>
        /// 输入牌型
        /// </summary>
        public void Output()
        {
            for (int i = 0; i < card.Length; i++)
            {
                if (i % 13 == 0)
                    Console.WriteLine();

                Console.Write("{0}{1} ", card[i].suit, card[i].num);
            }
        }
    }
}

 


相关文章
|
算法
转:johnson算法的现实意义
Johnson算法是一种用于解决边数与节点数之间关系为O(n^2)的带权图的最短路径问题的算法。它是一种结合了Dijkstra算法和Bellman-Ford算法的技术,通过使用一个负权重的环检测器来消除负权重的影响。这种算法的时间复杂度为O(n^2+m log n)。
155 1
|
算法 C++
【STL算法】常用算法原型整理
【STL算法】常用算法原型整理
79 0
|
8天前
|
算法 数据安全/隐私保护 计算机视觉
基于Retinex算法的图像去雾matlab仿真
本项目展示了基于Retinex算法的图像去雾技术。完整程序运行效果无水印,使用Matlab2022a开发。核心代码包含详细中文注释和操作步骤视频。Retinex理论由Edwin Land提出,旨在分离图像的光照和反射分量,增强图像对比度、颜色和细节,尤其在雾天条件下表现优异,有效解决图像去雾问题。
|
8天前
|
算法 数据可视化 安全
基于DWA优化算法的机器人路径规划matlab仿真
本项目基于DWA优化算法实现机器人路径规划的MATLAB仿真,适用于动态环境下的自主导航。使用MATLAB2022A版本运行,展示路径规划和预测结果。核心代码通过散点图和轨迹图可视化路径点及预测路径。DWA算法通过定义速度空间、采样候选动作并评估其优劣(目标方向性、障碍物距离、速度一致性),实时调整机器人运动参数,确保安全避障并接近目标。
104 68
|
18天前
|
算法 数据安全/隐私保护
室内障碍物射线追踪算法matlab模拟仿真
### 简介 本项目展示了室内障碍物射线追踪算法在无线通信中的应用。通过Matlab 2022a实现,包含完整程序运行效果(无水印),支持增加发射点和室内墙壁设置。核心代码配有详细中文注释及操作视频。该算法基于几何光学原理,模拟信号在复杂室内环境中的传播路径与强度,涵盖场景建模、射线发射、传播及接收点场强计算等步骤,为无线网络规划提供重要依据。
|
30天前
|
机器学习/深度学习 算法
基于改进遗传优化的BP神经网络金融序列预测算法matlab仿真
本项目基于改进遗传优化的BP神经网络进行金融序列预测,使用MATLAB2022A实现。通过对比BP神经网络、遗传优化BP神经网络及改进遗传优化BP神经网络,展示了三者的误差和预测曲线差异。核心程序结合遗传算法(GA)与BP神经网络,利用GA优化BP网络的初始权重和阈值,提高预测精度。GA通过选择、交叉、变异操作迭代优化,防止局部收敛,增强模型对金融市场复杂性和不确定性的适应能力。
173 80
|
19天前
|
机器学习/深度学习 数据采集 算法
基于GA遗传优化的CNN-GRU-SAM网络时间序列回归预测算法matlab仿真
本项目基于MATLAB2022a实现时间序列预测,采用CNN-GRU-SAM网络结构。卷积层提取局部特征,GRU层处理长期依赖,自注意力机制捕捉全局特征。完整代码含中文注释和操作视频,运行效果无水印展示。算法通过数据归一化、种群初始化、适应度计算、个体更新等步骤优化网络参数,最终输出预测结果。适用于金融市场、气象预报等领域。
基于GA遗传优化的CNN-GRU-SAM网络时间序列回归预测算法matlab仿真
|
19天前
|
算法
基于龙格库塔算法的锅炉单相受热管建模与matlab数值仿真
本设计基于龙格库塔算法对锅炉单相受热管进行建模与MATLAB数值仿真,简化为喷水减温器和末级过热器组合,考虑均匀传热及静态烟气处理。使用MATLAB2022A版本运行,展示自编与内置四阶龙格库塔法的精度对比及误差分析。模型涉及热传递和流体动力学原理,适用于优化锅炉效率。
|
16天前
|
移动开发 算法 计算机视觉
基于分块贝叶斯非局部均值优化(OBNLM)的图像去噪算法matlab仿真
本项目基于分块贝叶斯非局部均值优化(OBNLM)算法实现图像去噪,使用MATLAB2022A进行仿真。通过调整块大小和窗口大小等参数,研究其对去噪效果的影响。OBNLM结合了经典NLM算法与贝叶斯统计理论,利用块匹配和概率模型优化相似块的加权融合,提高去噪效率和保真度。实验展示了不同参数设置下的去噪结果,验证了算法的有效性。
|
15天前
|
算法 决策智能
基于SA模拟退火优化算法的TSP问题求解matlab仿真,并对比ACO蚁群优化算法
本项目基于MATLAB2022A,使用模拟退火(SA)和蚁群优化(ACO)算法求解旅行商问题(TSP),对比两者的仿真时间、收敛曲线及最短路径长度。SA源于金属退火过程,允许暂时接受较差解以跳出局部最优;ACO模仿蚂蚁信息素机制,通过正反馈发现最优路径。结果显示SA全局探索能力强,ACO在路径优化类问题中表现优异。