博客
关于我
排序算法学习(3)
阅读量:735 次
发布时间:2019-03-21

本文共 533 字,大约阅读时间需要 1 分钟。

为了有效地找到25个不重复数字中的前三个最大值,小白程序员可以按照以下步骤进行:

  • 分组处理:将25个数字分成五组,每组五个,使用五次函数调用进行排序。这样每次处理五个数字,最终得到五个有序的数组。

  • 提取最大值:在每个有序数组的结尾,可以看到最大值。这样五次分组之后,每组的一个最大值已经确定了。这需要额外的五次函数调用吗?或者是否可以在原有的五次分组函数调用中提取最大值?不一定,所以可能需要再次调用五次函数,或者优化逻辑。

  • 为了简化,假设每组处理后,提取最大值不需要额外调用,那么五次分组后就能得到五个最大值。

    1. 确定最大的三个:这五个最大值中可能有重复的最大值吗?非也,因为数字是不重复的。因此,五次分组后得到的五个最大值其实是最大的五个数字。接下来需要比较这些五个数字,找出其中最大的三个。
    2. 为了实现这一点,可以对这五个数字进行排序,再次使用函数调用,得到最终的三个最大值。

      因此,分组五次后,进行一次函数调用将五个最大值排序,从而得到最大的三个数字。

      综上所述,最初的五次函数调用用于分组排序,第四次或第五次应用用于比较最大值,再进行一次排序(第六到第七次调用),从而确定最终的最大三个数字。因此,至少需要七次函数调用。

      答案:需要至少七次函数调用来完成任务。

    转载地址:http://sicgz.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | 使用OpenCV图像修复技术去除眩光
    查看>>
    OpenCV与AI深度学习 | 使用OpenCV检测并计算直线角度
    查看>>
    OpenCV与AI深度学习 | 使用OpenCV轮廓检测提取图像前景
    查看>>
    OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)
    查看>>
    OpenCV与AI深度学习 | 使用PyTorch进行小样本学习的图像分类
    查看>>
    OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
    查看>>
    OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
    查看>>
    OpenCV与AI深度学习 | 使用单相机对已知物体进行3D位置估计
    查看>>
    OpenCV与AI深度学习 | 初学者指南 -- 什么是迁移学习?
    查看>>
    OpenCV与AI深度学习 | 十分钟掌握Pytorch搭建神经网络的流程
    查看>>
    OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测
    查看>>
    OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别
    查看>>
    OpenCV与AI深度学习 | 基于OpenCV实现模糊检测 / 自动对焦
    查看>>
    OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
    查看>>
    OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
    查看>>
    OpenCV与AI深度学习 | 基于YoloV11自定义数据集实现车辆事故检测(有源码,建议收藏!)
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8 + BotSORT实现球员和足球检测与跟踪 (步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8实现高级目标检测和区域计数
    查看>>