基础算法相关笔记
排序
最好情况下:
冒泡排序
最坏时间复杂度 O ( n 2 ) O(n^2) O(n2)。
插入排序
最坏时间复杂度为 O ( n 2 ) O(n^2) O(n2),最优时间复杂度为 O ( n ) O(n) O(n)。
平均情况下:
快速排序
最坏时间复杂度为 O ( n 2 ) O(n^2) O(n2),最好时间复杂度为 O ( n log n ) O(n\log n) O(nlogn)。
最坏情况下:
归并排序
时间复杂度稳定为 O ( n log n ) O(n\log n) O(nlogn)。
upd on 2023/2/19:
基数排序
基数排序,是桶排序的扩展。它的基本思想是,把整数按位切割,从低位到高位排序。
具体实现就是将所有待比较数值统一为同样的数位长度,数位较短的数前面补零。然后从最低位开始,依次进行一次排序。从最低位排序到最高位排序完成以后,数列就变成一个有序序列。
贪心
简介
贪心算法是从问题的初始状态出发,通过若干次的贪心选择而得到的最优值(或较优值)。
贪心策略必须具备无后效性,即某个状态以后的过程不会影响以前的状态,至于当前状态有关。
适用前提是,局部最优策略能导致全局最优策略。
基本思路
- 描述问题
- 分解问题
- 求解子问题,得到局部最优解
- 合并子问题最优解
简单贪心问题
最优装载问题
n n n 个物体,第 i i i 个物体重量为 w i w_i wi,选择尽量多的物体,使得总重量不超过 S S S。
贪心策略:先装最轻的。
部分背包问题
n n n 个物体,第 i i i 个物体重量为 w i w_i wi,价值为 v i v_i vi,选择物体,每一个物体可以只取走一部分,使得总重量不超过 S S S 且总价值尽量高。
贪心策略:先选出性价比高的。
乘船问题
n n n 个人,第 i i i 个人重量为 w i w_i wi,每艘船载重量为 C C C,最多可乘两人。用最少的船装载所有人。
贪心策略:最轻的人和最重的人配对。
常见应用
选择不相交区间问题
练手板子题
区间选点问题
练手板子题
将区间按照右端点的先后顺序排序,依次取每个区间的右端点(因为右端点可以覆盖尽量多的线段),递归操作即可。
区间覆盖问题
给 n n n 个闭区间 [ a i , b i ] [a_i,b_i] [ai,bi],选择尽量少的区间覆盖一条指定的线段区间 [ s , t ] [s,t] [s,t]。
练手板子题
将所有区间的左端点从大到小排序,每次选择覆盖点 s s s 的区间中右端点坐标最大的一个,并将 s s s 更新为该区间的右端点坐标,直到选择的区间包含 t t t 为止。
流水作业调度问题
练手板子题1
#include<bits/stdc++.h>
using namespace std;
#define int long longstruct node
{int x,y,id;
}a[1005];int n,m,k,ans,sum; bool cmp(node xx,node yy)
{return xx.x+max(xx.y,yy.x)+yy.y<yy.x+max(yy.y,xx.x)+xx.y;
}signed main()
{cin>>n; for(int i=1;i<=n;++i) cin>>a[i].x; for(int i=1;i<=n;++i) cin>>a[i].y; for(int i=1;i<=n;++i) a[i].id=i; sort(a+1,a+n+1,cmp); for(int i=1;i<=n;++i) sum+=a[i].x,ans=max(sum,ans)+a[i].y; cout<<ans<<endl;for(int i=1;i<=n;++i) cout<<a[i].id<<endl; return 0;
}
练手板子题2
和乘船问题类似,大配小即可。
#include <bits/stdc++.h>
using namespace std;const int maxn=1005;
int N,M1,M2,ans[maxn];struct node
{int id,t;friend bool operator < (node a,node b){return a.t>b.t;}
}mach[maxn];priority_queue<node> q1;
priority_queue<node> q2;int main()
{cin>>N>>M1>>M2;int tmp;for(int i=1;i<=M1;i++) cin>>tmp,q1.push({tmp,tmp});for(int i=1;i<=M2;i++) cin>>tmp,q2.push({tmp,tmp});for(int i=1;i<=N;i++){node now=q1.top();q1.pop();ans[i]+=now.t;q1.push({now.id,now.id+now.t});//把更新之后的时间压入}cout<<ans[N]<<' ';for(int i=N;i;i--)//注意因为建立的是小根堆,所以要倒着枚举{node now=q2.top();q2.pop();ans[i]+=now.t;q2.push({now.id,now.id+now.t});}sort(ans+1,ans+N+1);cout<<ans[N];return 0;
}
带限期和罚款的单位时间任务调度问题
练手板子题
前缀和、差分
前缀和
一维前缀和
-
预处理 O ( n ) O(n) O(n)(
s[i]
统计 a 1 ∼ a i a_1\sim a_i a1∼ai 的值)for(int i=1;i<=n;i++)s[i]=s[i-1]+a[i]
-
查询
时间复杂度: O ( 1 ) O(1) O(1)
对于区间 [ l , r ] [l,r] [l,r] 的和,用前缀和数组表示为 s r − s l − 1 s_r-s_{l-1} sr−sl−1。
二维前缀和
-
预处理 O ( m n ) O(mn) O(mn)
for(int i=1;i<=m;i++) {for(int j=1;j<=n;j++){scanf("%d",&a[i][j]);sum[i][j]=sum[i-1][j]+sum[i][j-1]-sum[i-1][j-1]+a[i][j];} }
-
查询 O ( 1 ) O(1) O(1)
-
s[i][j]
:第 i i i 行 j j j 列格左上部分所有元素的和。
以 ( x 1 , y 1 ) (x_1,y_1) (x1,y1) 为左上角, ( x 2 , y 2 ) (x_2,y_2) (x2,y2) 为右下角的子矩阵的和为: s ( x 2 , y 2 ) − s ( x 1 − 1 , y 2 ) − s ( x 2 , y 1 − 1 ) + s ( x 1 − 1 , y 1 − 1 ) s(x_2,y_2)-s(x_1-1,y_2)-s(x_2,y_1-1)+s(x_1-1,y_1-1) s(x2,y2)−s(x1−1,y2)−s(x2,y1−1)+s(x1−1,y1−1)
差分
差分数组
首先给定一个原数组 a a a: a 1 , a 2 , a 3 , ⋯ , a n a_1,a_2,a_3,\cdots,a_n a1,a2,a3,⋯,an,然后我们构造一个数组 b b b: b 1 , b 2 , b 3 ⋯ , b i b_1,b_2,b_3\cdots,b_i b1,b2,b3⋯,bi,使得 a i = b 1 + b 2 + b 3 + ⋯ + b i a_i=b_1+b_2+b_3+\cdots+b_i ai=b1+b2+b3+⋯+bi。
也就是说, a a a 数组是 b b b 数组的前缀和数组,反过来我们把 b b b 数组叫做 a a a 数组的差分数组。换句话说,每一个 a i a_i ai 都是 b b b 数组中从头开始的一段区间和。
差分
-
一维差分、
给 a a a 数组中的 [ l , r ] [l,r] [l,r] 区间中的每一个数都加上 c c c,只需对差分数组 b b b 做
b[l]+=c,b[r+1]-=c
。时间复杂度为 O ( 1 ) O(1) O(1)。 -
二维差分
s[x1][y1]+=c, s[x2+1][y1]-=c, s[x1][y2+1]-=c, s[x2+1][y2+1]+=c;
倍增
倍增,顾名思义就是成倍增长,主要是在进行递推时,如果状态空间很大,通常的线性做法无法满足时间与空间复杂度的要求,可以通过成倍增长的方式,递推状态空间中在 2 2 2的整数次幂位置上的值作为代表。当需要其他位置上的值时,通过“任意整数可以表示成若干个 2 2 2 的次幂项的和”这一性质,使用之前求出的代表值拼成所需的值。
“倍增”与“二进制划分”思想结合,降低了很多问题的时间与空间复杂度。
应用:
- 快速幂
- RMQ
- LCA
递归
卡特兰数
卡特兰数,又称卡塔兰数(Catalan Number),是组合数学中一个常用的数列。其前几项为: 1 , 2 , 5 , 14 , 42 , 132 , 429 , 1430 , 4862 , ⋯ \boxed{1,2,5,14,42,132,429,1430,4862,\cdots} 1,2,5,14,42,132,429,1430,4862,⋯
关于这个数列,显然我们是找不出什么规律的,所以直接把公式送给大家QwQ:
-
递归公式 1 1 1:
f ( n ) = ∑ i = 0 n − 1 f ( i ) × f ( n − i − 1 ) f(n)=\sum_{i=0}^{n-1}f(i)\times f(n-i-1) f(n)=i=0∑n−1f(i)×f(n−i−1) -
递归公式 2 2 2:
f ( n ) = f ( n − 1 ) × ( 4 × n − 2 ) n + 1 f(n)=\dfrac{f(n-1)\times(4\times n-2)}{n+1} f(n)=n+1f(n−1)×(4×n−2)
卡特兰数的组合数学公式,详见组合数学全家桶。
汉诺塔问题
汉诺塔问题,标准递归问题。
#include <bits/stdc++.h>
using namespace std;int k=0,n;void mov(int n,char a,char b,char c)
{if(n==0)return;mov(n-1,a,b,c);k++;cout<<k<<":from "<<a<<"-->"<<c<<endl;mov(n-1,a,c,b);
}int main()
{cout<<"n=";cin>>n;mov(n,'a','b','c');return 0;
}
函数:把 n n n 片从 a a a 柱移到 c c c 柱的函数 mov(n,a,c,b)
。
-
先调用函数
mov(n-1,a,b,c)
,把 n − 1 n-1 n−1 片从 a a a 柱移到 b b b 柱, c c c 柱作为过渡柱。 -
直接执行
把 a a a 柱上剩下的一片直接移到 c c c 上。
cout<<k<<":from "<<a<<"-->"<<c<<endl;
-
调用
mov(n-1,b,c,a)
,把 b b b 柱上的 n − 1 n-1 n−1 片从 b b b 移到 c c c 柱上, a a a 柱是过渡柱。 -
直到减少到 n = 0 n=0 n=0 就退出。
相关文章:

基础算法相关笔记
排序 最好情况下: 冒泡排序 最坏时间复杂度 O ( n 2 ) O(n^2) O(n2)。 插入排序 最坏时间复杂度为 O ( n 2 ) O(n^2) O(n2),最优时间复杂度为 O ( n ) O(n) O(n)。 平均情况下: 快速排序 最坏时间复杂度为 O ( n 2 ) O(n^2) O(n2)&…...

Mac电脑无法识别移动硬盘怎么办?
很多人都喜欢在Mac电脑上办公、学习,但有时我们将移动硬盘连接Mac电脑时,却会发现电脑无法识别移动硬盘。那么,Mac电脑无法识别移动硬盘怎么办呢? Mac无法识别移动硬盘的原因 导致Mac不识别移动硬盘的原因有很多,你可…...
14Maven与Tomcat面试题
1MAVEN Maven是一个基于项目对象模型(POM)的项目管理工具,它可以帮助开发者自动化构建、依赖管理、项目报告等。Maven通过一个中央信息片段能够管理项目的构建、报告和文档等步骤,同时也能够管理项目的依赖。Maven的核心概念是POM…...

会议OA小程序【首页布局】
目录 一. Flex布局介绍 1.1 什么是Flex布局 1.2 基本概念 1.3 Flex属性 二. 会议OA首页轮播图的实现 配置 Mock工具 swiper 效果展示 三. 会议OA首页会议信息布局 index.js index.wxml index.wxss 首页整体效果展示 一. Flex布局介绍 布局的传统解决方案&#x…...

高效表达三步
一、高效表达 高效表达定主题搭架子填素材 第一: 1个核心主题,让别人秒懂你的想法 (表达要定主题) 第二: 3种经典框架,帮你快速整理表达思路 第三: 2种表达素材,让发言更具说服力…...
怎样修改ESP32的CPU主频
ESP32的主频默认设置为160mhz,但ESP32最高可以跑到240mhz, 修改方法: idf.py menuconfig --> Component config --> ESP System Settings --> CPU frequency 可以看到三个选项,80,160, 240&…...

《视觉 SLAM 十四讲》V2 第 10 讲 后端优化2 简化BA 【位姿图】
文章目录 第10讲 后端210.1 滑动窗口滤波 和 优化10.1.2 滑动窗口法 10.2 位姿图10.3 实践: 位姿图优化本讲 CMakeLists.txt 10.3.1 g2o 原生位姿图 【Code】10.3.2 李代数上的位姿优化 【Code】 习题10题1 【没推完】 LaTex 第10讲 后端2 滑动窗口优化 位姿图优化…...

【斗破年番】再遭群嘲,美杜莎怀孕之事被魔改,三方联手除萧潇?
【侵权联系删除】【文/郑尔巴金】 斗破苍穹年番第67集已经更新了。和很多人一样,小郑也去看了,只是小郑万万没有想到,我满怀期待的去看这一集,这一集却能魔改成这样。魔改成什么样了呢?下面来分析下吧! 一&…...
字节面试题——计算机网络,附答案
1.TCP 三次握手和四次挥手 相关面试题: 计算机网络常见面试题总结(上) | JavaGuide(Java面试 学习指南) 为什么要三次握手?第 2 次握手传回了 ACK,为什么还要传回 SYN?为什么要四次挥手?为什么不能把服务器发送的 ACK 和 FIN…...

Flask Web 安装bootstrap失败pip install bootstrap
失败原因:网速太慢了 把公共wifi换成手机热点,成功:) 😃 更新:开了手机热点还是报下面的错,但是把科学上网关了,就成功了,反正就是网络问题...

可视化 | python可视化相关库梳理(自用)| pandas | Matplotlib | Seaborn | Pyecharts | Plotly
文章目录 📚Plotly🐇堆叠柱状图🐇环形图🐇散点图🐇漏斗图🐇桑基图🐇金字塔图🐇气泡图🐇面积图⭐️快速作图工具:plotly.express🐇树形图…...

黑豹程序员-架构师学习路线图-百科:Java的第二春Spring框架
文章目录 1、 Spring的发展历史2、为什么Spring能霸屏?2.1、容器的设计2.2、通过四个策略2.3、三种方式 3、学习编程设计的典范 1、 Spring的发展历史 正当SUN公司的EJB在全球开始热炒时,正当程序员纷纷转型EJB开发时,正当程序员为跑通EJB程…...
C#获取指定软件安装路径
作用 每个电脑安装的路径不一致会导致无法动态获取指定软件的安装路径,通过注册表来获取安装路径 代码 RegistryKey registryKeyPro Registry.LocalMachine.OpenSubKey("SOFTWARE\\****"); string installDir (string)(registryKeyPro.GetValue(&quo…...
统计射击比赛成绩
题目描述 给定一个射击比赛成绩单,包含多个选手若干次射击的成绩分数,请对每个选手按其最高3个分数之和进行降序排名,输出降序排名后的选手ID序列。 条件如下 ① 一个选手可以有多个射击成绩的分数,且次序不固定。 ② 如果一个选手成绩少于3个,则认为选手的所有成绩无效…...
flink的TwoPhaseCommitSinkFunction怎么做才能提供精准一次保证
背景 TwoPhaseCommitSinkFunction是flink中基于二阶段事务提交和检查点机制配合使用实现的精准一次的输出数据汇,但是想要实现精准一次的输出,实际使用中需要注意几个方面,否则不仅仅达不到精准一次输出,反而可能导致数据丢失&am…...
CMake系列讲解(入门篇)1.8 基础命令CMake-set() unset()
基础命令set() unset() 〓〓〓〓〓〓〓〓踏实学CMake总目录〓〓〓〓〓〓〓〓〓〓 8. set() unset() 在CMake中,set用于设置变量的值。这个变量可以为普通变量、Cache或者是环境变量。 如果提供了一个或多个 <value> 参数,则将 <variable> 设…...

【C++ 学习 ㉙】- 详解 C++11 的 constexpr 和 decltype 关键字
目录 一、constexpr 关键字 1.1 - constexpr 修饰普通变量 1.2 - constexpr 修饰函数 1.3 - constexpr 修饰类的构造函数 1.4 - constexpr 和 const 的区别 二、decltype 关键字 2.1 - 推导规则 2.2 - 实际应用 一、constexpr 关键字 constexpr 是 C11 新引入的关键字…...

js获取视频编码
一.背景 有些浏览器不支持某些视频的编码方式导致播放出现问题,这个时候要限制视频上传 二.插件 https://unpkg.com/mediainfo.js0.1.4/dist/mediainfo.min.js 三.完整html代码 <!DOCTYPE html> <html lang"en"> <head><meta ch…...
560. 和为 K 的子数组 --力扣 --JAVA
题目 给你一个整数数组 nums 和一个整数 k ,请你统计并返回 该数组中和为 k 的连续子数组的个数 。 子数组是数组中元素的连续非空序列。 解题思路 数组项累加可以使用双层循环进行遍历;子数组的长度是不确定的,也可能存在1 1 2和1 1 - 1…...

【趣味随笔】农业机器人的种类与发展前景
📢:如果你也对机器人、人工智能感兴趣,看来我们志同道合✨ 📢:不妨浏览一下我的博客主页【https://blog.csdn.net/weixin_51244852】 📢:文章若有幸对你有帮助,可点赞 👍…...
MySQL Binlog 数据恢复全指南
MySQL Binlog 数据恢复全指南 一、Binlog 核心概念 1. 什么是 Binlog? Binlog(二进制日志)是 MySQL 记录所有修改数据的 SQL 语句的日志文件,采用二进制格式存储。它是 MySQL 最重要的日志之一,具有三大核心功能&am…...

使用MinIO搭建自己的分布式文件存储
目录 引言: 一.什么是 MinIO ? 二.MinIO 的安装与部署: 三.Spring Cloud 集成 MinIO: 1.前提准备: (1)安装依赖: (2)配置MinIO连接: &…...
Three.js怎么工作的?
Three.js 是怎么工作的? Three.js 的核心工作是: 构建一个虚拟的 3D 世界(Scene) 模拟摄像机视角(Camera) 用 WebGL 把这个场景“渲染成一张图片” 把这张图片画在 canvas 上 👉 所以 Three…...

【Linux操作系统】基础开发工具(yum、vim、gcc/g++)
文章目录 Linux软件包管理器 - yumLinux下的三种安装方式什么是软件包认识Yum与RPMyum常用指令更新软件安装与卸载查找与搜索清理缓存与重建元数据 yum源更新1. 备份现有的 yum 源配置2. 下载新的 repo 文件3. 清理并重建缓存 Linux编辑器 - vim启动vimVim 的三种主要模式常用操…...

windows命令行面板升级Git版本
Date: 2025-06-05 11:41:56 author: lijianzhan Git 是一个 分布式版本控制系统 (DVCS),由 Linux 之父 Linus Torvalds 于 2005 年开发,用于管理 Linux 内核开发。它彻底改变了代码协作和版本管理的方式,现已成为软件开发的事实标准工具&…...

Pluto论文阅读笔记
主要还是参考了这一篇论文笔记:https://zhuanlan.zhihu.com/p/18319150220 Pluto主要有三个创新点: 横向纵向用lane的query来做将轨迹投回栅格化地图,计算碰撞loss对数据进行正增强和负增强,让正增强的结果也无增强的结果相近&a…...
Python Cookbook-7.12 在 SQLite 中储存 BLOB
任务 想将 BLOB 存入一个 SQLite 数据库, 解决方案 Python的 PySQLite 扩展提供了 sqlite.encode 函数,它可帮助你在 SOLite 数据库中插入二进制串。可以基于这个函数编写一个小巧的适配器类: import sqlite,cPickle class Blob(object):自动转换二进制串def __init__(self…...
打卡第47天
作业:对比不同卷积层热图可视化的结果 核心差异总结 浅层卷积层(如第 1-3 层) 关注细节:聚焦输入图像的边缘、纹理、颜色块等基础特征(例:猫脸的胡须边缘、树叶的脉络)。热图特点:区…...
Spring中循环依赖问题的解决机制总结
一、解决机制 1. 什么是循环依赖 循环依赖是指两个或多个Bean之间相互依赖对方,形成一个闭环的依赖关系。最常见的情况是当Bean A依赖Bean B,而Bean B又依赖Bean A时,就形成了循环依赖。在Spring容器初始化过程中,如果不加以特殊…...
损坏的RAID5 第十六次CCF-CSP计算机软件能力认证
纯大模拟 提前打好板子 我只通过4个用例点 然后就超时了。 #include<iostream> #include<cstring> #include<algorithm> #include<unordered_map> #include<bits/stdc.h> using namespace std; int n, s, l; unordered_map<int, string>…...