Count occurrences of a number in a sorted array with duplicates using Binary Search

例如, 数组 A = [1, 2, 3, 4, 4,, 4, 4, 2]

输入x = 4

output: 4, 即4 重复的次数为4次

输入: 7

output: 0, 即出现了0次(没有出现)

方法一: 线性搜索: scan the whole array and count the occurrences of the number.

伪代码为:


上述的代码当然没有用到array 是sorted 这一信息。 利用sorted array 这一个信息, 我们有如下的优化后的代码:


分析: 

worst case: O(n)


方法二: 更好的解决办法: 使用二叉搜索。 因为是sorted array, 很自然的想到二叉搜索。 

我们只需要找到x 第一次出现的位置, 和最后一次出现的位置, 就可以得出结果。 伪代码如下:



算法复杂度: O(logn)

int BinarySearch(int A[], int n, int x) {
    int low = 0, high = n - 1;
    int result = -1;
    while(low <= high) {
        int mid = (low + high) /2;
        if(A[mid] == x) { 
            retult = mid;
            //high = mid -1; // Go on search towards left(lower indice)
            low = mid + 1; //Go on searching towards right(higher indice)
        }
        else if(x < A[mid]) high = mid - 1;
        else low = mid + 1;
    }
    return result;
}


由于FindFirst函数和FindLast 基本上相同的, 可能只有一行代码不同, 所以我们将其合并起来实现, 代码如下:

#include <iostream>

using namespace std;

int BinarySearch(int A[], int n, int x, bool searchFirst) {
    int low = 0, high = n - 1;
    int result = -1;
    while(low <= high) {
        int mid = (low + high) /2;
        if(A[mid] == x) {
            result = mid;
            if(searchFirst) {
                high = mid -1; // Go on search towards left(lower indice)
            }
            else {
                low = mid + 1; //Go on searching towards right(higher indice)
            }
        }
        else if(x < A[mid]) high = mid - 1;
        else low = mid + 1;
    }
    return result;
}

int main() {
    int A[] = {1, 2, 3, 5, 5, 5, 5, 5, 6};
    int x = 0;
    cin >> x;
    int firstIndex = BinarySearch(A, sizeof(A)/sizeof(A[0]), x, true);
    if (firstIndex == -1) {
        cout << "not exist" << endl;
    }
    else {
        int lastIndex = BinarySearch(A, sizeof(A)/sizeof(A[0]), x, false);
        cout << "count: " << lastIndex - firstIndex + 1<< endl;

    }

    return 0;
}

运行结果如下:








 

内容概要:本研究聚焦于绿电直连型电氢氨园区的优化运行,提出一种集成绿色电力直接供给、电解水制氢及氢气合成氨工艺的综合能源系统架构。通过建立包含风光发电、电解槽、氨合成反应器、储氢罐、电网交互及多类型负荷在内的系统模型,综合考虑绿电直供优先、能量梯级利用与多能互补原则,构建以系统综合运行成本最小化为目标的优化调度模型。研究采用Matlab与Python工具进行算法求解和仿真分析,利用实际气象与负荷数据完成案例验证,评估了不同运行策略下系统的经济性、可再生能源消纳能力与碳减排效益,为新型电氢氨一体化园区的规划与运行提供了理论依据和技术支撑。; 适合人群:具备一定电力系统、新能源或化工背景的研究生、科研人员及从事综合能源系统规划与优化工作的工程技术人员。; 使用场景及目标:①用于科研学习,理解电-氢-氨多能转换系统的建模与优化方法;②为工业园区的低碳化、智能化改造提供技术参考与决策支持;③作为开发类似综合能源管理系统的理论基础。; 阅读建议:此资源包含完整的模型代码、数据与论文,使用者应结合代码仔细研读论文中的模型构建部分,重点关注目标函数与约束条件的设计逻辑,并尝试修改参数进行仿真,以深入掌握优化算法在实际系统中的应用。
内容概要:本文深入探讨了RS485通信协议在芯片行业自动化测试系统中的实际开发与应用,涵盖其关键概念、电气特性、通信机制及与Modbus RTU协议的结合使用。文章重点介绍了差分信号完整性设计、主从时序控制、CRC校验与重传机制等核心技术要点,并通过一个基于Python的完整代码实例,展示了如何实现RS485主站对探针台、自动分选机等芯片测试设备的控制与数据采集。此外,还分析了RS485在晶圆探针台、ATE设备集群和环境监控等典型场景的应用,并展望了其与工业以太网融合、智能化诊断、高速化及AI集成的发展趋势。; 适合人群:具备一定嵌入式系统或工业通信基础,从事芯片测试、自动化设备开发及相关领域的研发人员,尤其是工作1-3年希望提升现场总线应用能力的工程师。; 使用场景及目标:①理解RS485在高干扰芯片测试环境中稳定通信的设计原理;②掌握Modbus RTU协议在Python下的实现方法,用于实际控制探针台、Handler等设备;③构建可靠的数据采集与设备控制系统,支持CRC校验、异常处理和日志追踪;④为后续向高速通信和智能诊断系统升级提供技术储备。; 阅读建议:此资源强调实战开发,建议结合硬件环境动手调试代码,重点关注线程锁、CRC计算、帧解析和超时控制等关键环节,在真实产线中验证通信稳定性,并利用日志系统进行故障分析与优化。
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