当前位置: 首页 > news >正文

IS-LM模型:从失衡到均衡的模拟

IS-LM模型:从失衡到均衡的模拟

文章目录

1 I S − L M 1 IS-LM 1ISLM模型

I S − L M IS-LM ISLM是产品市场和货币市场共同均衡时的模型,它由两条曲线构成,分别是 I S IS IS曲线和 L M LM LM曲线。其中 I S IS IS曲线是在产品市场均衡(产品服务供给等于需求、计划支出等于实际支出、计划投资等于储蓄、非计划存货等于0)条件下,均衡实际收入 Y Y Y与实际利率 r r r之间的反向变化关系; L M LM LM曲线是在货币市场均衡(货币供给等于货币需求)条件下,均衡实际利率 r r r与实际收入 Y Y Y之间的正向变化关系。用方程表示为
{ Y = C ( Y ) + I ( r ) L ( r , Y ) = M / P \left\{\begin{array}{l} Y=C(Y)+I(r)\\ L(r,Y)=M/P \end{array}\right. {Y=C(Y)+I(r)L(r,Y)=M/P
其中 Y = C ( Y ) + I ( r ) Y=C(Y)+I(r) Y=C(Y)+I(r)为产品市场均衡条件(计划支出=实际支出)。消费 C ( Y ) C(Y) C(Y)是关于收入 Y Y Y的函数,假设是线性的:
C ( Y ) = α + β Y C(Y)=\alpha+\beta Y C(Y)=α+βY
其中 β ∈ ( 0 , 1 ) \beta\in(0,1) β(0,1)称为边际消费倾向, α > 0 \alpha>0 α>0为自主消费,即没有收入时的消费。在资本边际效率不变时,投资 I ( r ) I(r) I(r)是关于利率 r r r的递减函数,假设也是线性的:
I ( r ) = e − d r I(r)=e-dr I(r)=edr
其中 e > 0 e>0 e>0是自发投资, d d d是投资对利率的敏感程度。于是产品市场均衡条件可记作
Y = α + β Y + e − d r Y=\alpha+\beta Y+e-dr Y=α+βY+edr


L ( r , Y ) L(r,Y) L(r,Y)为实际货币需求,它是由 L 1 ( Y ) L_1(Y) L1(Y)需求和 L 2 ( r ) L_2(r) L2(r)需求构成。 L 1 ( Y ) L_1(Y) L1(Y)由交易性需求和预防性需求构成,随收入 Y Y Y增加而增加,不妨假定为正比例函数
L 1 ( Y ) = k Y L_1(Y)=kY L1(Y)=kY
其中 k k k表示用于支付日常开支(交易性需求)和未来不确定性(预防性需求)占实际收入的比重。 L 2 ( r ) L_2(r) L2(r)需求称为投机性需求,它是关于实际利率的递减函数,假设为负比例函数:
L 2 ( r ) = A − h r L_2(r)=A-hr L2(r)=Ahr
其中 A > 0 A>0 A>0是参数, h h h表示 L 2 L_2 L2对利率 r r r变化的敏感程度。 M M M表示名义货币供给, P P P表示价格水平, M / P M/P M/P表示实际货币供给。货币市场均衡条件可以记作
k Y + A − h r = M / P kY+A-hr=M/P kY+Ahr=M/P
我们将上述两个模型重新写在一起
{ Y = α + β Y + e − d r k Y + A − h r = M / P \left\{\begin{array}{l} Y=\alpha+\beta Y+e-dr\\ kY+A-hr=M/P \end{array}\right. {Y=α+βY+edrkY+Ahr=M/P
r , Y r,Y r,Y视为内生变量,两个方程组可以解出唯一均衡值,记作 ( r ∗ , Y ∗ ) (r^*,Y^*) (r,Y)。其中 r ∗ r^* r称为均衡实际利率, Y ∗ Y^* Y称为均衡实际收入,或均衡国民收入。从几何上看,也就是这两条直线的交点。


然而,初始的实际收入和实际利率并不是均衡的,很有可能并不在上述两条直线的交点处,例如下图 E ′ E' E, E ′ ′ E'' E′′ E ′ ′ ′ E''' E′′′
在这里插入图片描述

假设初始状态在 E ′ ′ ′ E''' E′′′,此时计划投资大于储蓄 I > S I>S I>S,实际收入 Y Y Y增加,实际利率 r r r增加,即 E ′ ′ ′ E''' E′′′点即向右移动,又向上移动,合力为右上方,直至进入 I I II II区域。在 I I II II区域中, I < S I<S I<S,实际收入减少,于是向左移动; L > M L>M L>M,实际利率继续向上移动,合力为左上方,此时进入 I I I区域。在 I I I区域, Y Y Y减少, r r r降低,合力在左下方,进入 I V IV IV区域。在 I V IV IV区域, Y Y Y增加, r r r降低,进入 I I I III III区域,于是重新回到 I I I III III区域。但每次都与均衡点 E E E不断接近。


为了使上述模型动态化,引入时间因素 t t t,于是
{ C t = α + β Y t I t = e − d r t Y t + 1 = C t + I t k Y t + A − h r t + 1 = M / P \left\{\begin{array}{l} C_t = \alpha+\beta Y_t\\ I_t=e-dr_t\\ Y_{t+1}= C_t+I_t\\ kY_t+A-hr_{t+1}=M/P \end{array}\right. Ct=α+βYtIt=edrtYt+1=Ct+ItkYt+Ahrt+1=M/P
整理得到
{ C t = α + β Y t I t = e − d r t Y t + 1 = C t + I t r t + 1 = ( k Y t + A − M / P ) / h \left\{\begin{array}{l} C_t = \alpha+\beta Y_t\\ I_t=e-dr_t\\ Y_{t+1}= C_t+I_t\\ r_{t+1} = (kY_t+A-M/P)/h \end{array}\right. Ct=α+βYtIt=edrtYt+1=Ct+Itrt+1=(kYt+AM/P)/h


在长期中,非均衡逐渐向均衡靠拢, r t ≈ r t + 1 ≈ r ∗ r_t\approx r_{t+1} \approx r^* rtrt+1r, Y t ≈ Y t + 1 ≈ Y ∗ Y_t\approx Y_{t+1}\approx Y^* YtYt+1Y,于是
{ C ∗ = α + β Y ∗ I ∗ = e − d r ∗ Y ∗ = C ∗ + I ∗ r ∗ = ( k Y ∗ + A − M / P ) / h \left\{\begin{array}{l} C^* = \alpha+\beta Y^*\\ I^*=e-dr^*\\ Y^*= C^*+I^*\\ r^* = (kY^*+A-M/P)/h \end{array}\right. C=α+βYI=edrY=C+Ir=(kY+AM/P)/h
使用行列式求解得到长期均衡点为
{ r ∗ = k ( α + e ) + ( 1 − β ) ( A − M / P ) k d + h ( 1 − β ) Y ∗ = h ( α + e ) − d ( A − M / P ) k d + h ( 1 − β ) \left\{\begin{array}{l} r^* = \dfrac{k(\alpha+e)+(1-\beta)(A-M/P)}{kd+h(1-\beta)} \\ Y^* = \dfrac{h(\alpha+e)-d(A-M/P)}{kd+h(1-\beta)} \\ \end{array}\right. r=kd+h(1β)k(α+e)+(1β)(AM/P)Y=kd+h(1β)h(α+e)d(AM/P)


2 数值模拟

2.1 长期均衡解

令参数 α = 500 \alpha=500 α=500, β = 0.5 \beta=0.5 β=0.5 e = 1250 e=1250 e=1250 d = 250 d=250 d=250 k = 0.5 k=0.5 k=0.5 h = 250 h=250 h=250 A = 1000 A=1000 A=1000 M = 1250 M=1250 M=1250 P = 1 P=1 P=1,代入上述均衡解得到

alpha = 500
beta = 0.5
e = 1250
d = 250
k = 0.5
h = 250
A = 1000
M = 1250
P = 1
r_star = (k*(alpha+e)+(1-beta)*(A-M/P))/(k*d+h*(1-beta))
Y_star =( h*(alpha+e)-d*(A-M/P))/(k*d+h*(1-beta))
r_star
Y_star
# 3
# 2000

现在假设初始实际利率为 r 0 = 10 r_0=10 r0=10 Y 0 = 5000 Y_0=5000 Y0=5000,基于下列公式
{ C t = α + β Y t I t = e − d r t Y t + 1 = C t + I t r t + 1 = ( k Y t + A − M / P ) / h \left\{\begin{array}{l} C_t = \alpha+\beta Y_t\\ I_t=e-dr_t\\ Y_{t+1}= C_t+I_t\\ r_{t+1} = (kY_t+A-M/P)/h \end{array}\right. Ct=α+βYtIt=edrtYt+1=Ct+Itrt+1=(kYt+AM/P)/h

rm(list = ls())
# 参数初始化
alpha = 500
beta = 0.5
e = 1250
d = 250
k = 0.5
h = 250
A = 1000
M = 1250
P = 1
T = 100  # 迭代次数r = numeric()
Y = numeric()
# 初始值
r[1] = 10
Y[1] = 5000
# 迭代
for (t in 1:T) {C = 500+0.5*Y[t]I = 1250-250*r[t]Y[t+1] = C+Ir[t+1] = (k*Y[t]+A-M/P)/h}
par(mfrow=c(1,2),mar = c(5,5,5,5))
plot(Y,type = "l",lwd=2,xlab = "实际收入Y",ylab = "实际利率r",main = "实际利率均衡过程",cex.axis = 2, cex.lab = 2,cex.main = 2,family = "ST")
grid(col = "black")
plot(r,type = "l",lwd=2,xlab = "实际收入Y",ylab = "实际利率r",main = "实际收入均衡过程",cex.axis = 2, cex.lab = 2,cex.main = 2,family = "ST")
grid(col = "black")par(mfrow=c(1,1))
plot(Y,r,typ="l",lwd=2,xlab = "实际收入Y",ylab = "实际利率r",main = "均衡点收敛过程",cex.axis = 2, cex.lab = 2,cex.main = 2,family = "ST")
grid(col = "black")

在这里插入图片描述
在这里插入图片描述


2.2 政府部门引入

引入政府部门,政府决策变量包括政府支出 G G G、税收 T T T和转移支付 T r T_r Tr,此时均衡条件如下:
{ C t = α + β ( Y t − T + T r ) I t = e − d r t Y t + 1 = C t + I t + G r t + 1 = ( k Y t + A − M / P ) / h \left\{\begin{array}{l} C_t = \alpha+\beta (Y_t-T+T_r)\\ I_t=e-dr_t\\ Y_{t+1}= C_t+I_t +G\\ r_{t+1} = (kY_t+A-M/P)/h \end{array}\right. Ct=α+β(YtT+Tr)It=edrtYt+1=Ct+It+Grt+1=(kYt+AM/P)/h
令政府购买 G = 500 G=500 G=500,税收 T = 20 T=20 T=20,转移支付 T r = 5 T_r=5 Tr=5

rm(list = ls())
# 参数初始化
alpha = 500
beta = 0.5
e = 1250
d = 250
k = 0.5
h = 250
A = 1000
M = 1250
P = 1
T = 20
Tr = 5
G = 500T = 100  # 迭代次数r = numeric()
Y = numeric()
# 初始值
r[1] = 10
Y[1] = 5000
# 迭代
for (t in 1:T) {C = 500+0.5*(Y[t]-T+Tr)I = 1250-250*r[t]Y[t+1] = C+I+Gr[t+1] = (k*Y[t]+A-M/P)/h}
par(mfrow=c(1,2),mar = c(5,5,5,5))
plot(Y,type = "l",lwd=2,xlab = "实际收入Y",ylab = "实际利率r",main = "实际利率均衡过程",cex.axis = 2, cex.lab = 2,cex.main = 2,family = "ST")
grid(col = "black")
plot(r,type = "l",lwd=2,xlab = "实际收入Y",ylab = "实际利率r",main = "实际收入均衡过程",cex.axis = 2, cex.lab = 2,cex.main = 2,family = "ST")
grid(col = "black")par(mfrow=c(1,1))
plot(Y,r,typ="l",lwd=2,xlab = "实际收入Y",ylab = "实际利率r",main = "均衡点收敛过程",cex.axis = 2, cex.lab = 2,cex.main = 2,family = "ST")
grid(col = "black")

在这里插入图片描述

在这里插入图片描述


2.3 价格水平影响

使价格水平 P P P不断下降,实际货币供给不断增加,实际货币供给增加又导致均衡实际利率不断降低,进而导致投资不断增加,均衡国民收入不断增加。

rm(list = ls())
# 参数初始化
alpha = 500
beta = 0.5
e = 1250
d = 250
k = 0.5
h = 250
A = 1000
M = 1250
T = 20
Tr = 5
G = 500
T = 100  # 迭代次数
r = numeric()
Y = numeric()
# 初始值
r[1] = 10
Y[1] = 5000
# 迭代P = c(1,0.8,0.6,0.4)
par(mfrow=c(2,2),mar = c(5,5,5,5))
for(j in P){for (t in 1:T) {C = 500+0.5*(Y[t]-T+Tr)I = 1250-250*r[t]Y[t+1] = C+I+Gr[t+1] = (k*Y[t]+A-M/j)/h}plot(Y,r,typ="l",lwd=2,xlab = "实际收入Y",ylab = "实际利率r",main = paste("价格水平P=",j),cex.axis = 2, cex.lab = 2,cex.main = 2,family = "ST")grid(col = "black")
}

在这里插入图片描述


2.4 随机扰动因素

除收入外,还有其他一些因素也会影响消费;同理,除了利率,也有其他因素也会影响投资大小;货币需求和货币供给之间也存在随机误差。因此,均衡条件进一步改进为
{ C t = α + β ( Y t − T + T r ) + ε t I t = e − d r t + v t Y t + 1 = C t + I t + G r t + 1 = ( k Y t + A − M / P + w t ) / h ε t , v t , w t ∼ N ( 0 , 1 ) \left\{\begin{array}{l} C_t = \alpha+\beta (Y_t-T+T_r)+\varepsilon_t \\ I_t=e-dr_t+v_t\\ Y_{t+1}= C_t+I_t +G\\ r_{t+1} = (kY_t+A-M/P+w_t)/h\\ \varepsilon_t,v_t,w_t\sim N(0,1) \end{array}\right. Ct=α+β(YtT+Tr)+εtIt=edrt+vtYt+1=Ct+It+Grt+1=(kYt+AM/P+wt)/hεt,vt,wtN(0,1)
其中 ε t , v t , w t \varepsilon_t,v_t,w_t εt,vt,wt假定服从标准正态分布。

#------------------------随机扰动影响-----------------------------
rm(list = ls())
# 参数初始化
alpha = 500
beta = 0.5
e = 1250
d = 250
k = 0.5
h = 250
A = 1000
M = 1250
P = 1
T = 20
Tr = 5
G = 500
T = 100  # 迭代次数
r = numeric()
Y = numeric()
# 初始值
r[1] = 4
Y[1] = 2450
# 迭代
for (t in 1:T) {C = 500+0.5*(Y[t]-T+Tr)+rnorm(1,0,1)I = 1250-250*r[t]+rnorm(1,0,1)Y[t+1] = C+I+Gr[t+1] = (k*Y[t]+A-M/P+rnorm(1,0,1) )/h}
par(mfrow=c(1,2),mar = c(5,5,5,5))
plot(Y,type = "l",lwd=2,xlab = "实际收入Y",ylab = "实际利率r",main = "实际利率均衡过程",cex.axis = 2, cex.lab = 2,cex.main = 2,family = "ST")
grid(col = "black")
plot(r,type = "l",lwd=2,xlab = "实际收入Y",ylab = "实际利率r",main = "实际收入均衡过程",cex.axis = 2, cex.lab = 2,cex.main = 2,family = "ST")
grid(col = "black")par(mfrow=c(1,1))
plot(Y,r,typ="l",lwd=2,xlab = "实际收入Y",ylab = "实际利率r",main = "均衡点收敛过程",cex.axis = 2, cex.lab = 2,cex.main = 2,family = "ST")
grid(col = "black")

在这里插入图片描述
在这里插入图片描述


相关文章:

IS-LM模型:从失衡到均衡的模拟

IS-LM模型&#xff1a;从失衡到均衡的模拟 文章目录 IS-LM模型&#xff1a;从失衡到均衡的模拟[toc] 1 I S − L M 1 IS-LM 1IS−LM模型2 数值模拟2.1 长期均衡解2.2 政府部门引入2.3 价格水平影响2.4 随机扰动因素 1 I S − L M 1 IS-LM 1IS−LM模型 I S − L M IS-LM IS−LM是…...

【Linux】进程终止

进程退出场景 代码运行完毕&#xff0c;结果正确代码运行完毕&#xff0c;结果不正确代码异常终止 可以用return 的不同的返回值数字&#xff0c;表征不同的出错原因退出码&#xff0c;所以进程运行正不正常我们可以查看退出码来判断&#xff1b; 如果进程异常&#xff0c;退…...

55.跳跃游戏

题目描述&#xff1a;给你一个非负整数数组 nums &#xff0c;你最初位于数组的 第一个下标 。数组中的每个元素代表你在该位置可以跳跃的最大长度。 判断你是否能够到达最后一个下标&#xff0c;如果可以&#xff0c;返回 true &#xff1b;否则&#xff0c;返回 false 。 示…...

php实现钉钉机器人推送消息和图片内容(完整版)

先来看下实现效果: 代码如下: function send_dingtalk_markdown($webhook , $title , $message "", $atMobiles [], $atUserIds []) {$data ["msgtype" > "markdown","markdown" > ["title" > $title,&quo…...

A Survey on Neural Network Interpretability

A Survey on Neural Network Interpretability----《神经网络可解释性调查》 摘要 随着深度神经网络的巨大成功&#xff0c;人们也越来越担心它们的黑盒性质。可解释性问题影响了人们对深度学习系统的信任。它还与许多伦理问题有关&#xff0c;例如算法歧视。此外&#xff0c;…...

代码随想录 Day41 动态规划09 LeetCode T121 买卖股票的最佳时机 T122 买卖股票的最佳时机II

前言 这两题看起来是不是有点眼熟,其实我们在贪心章节就已经写过了这两道题,当时我们用的是将利润分解,使得我们始终得到的是最大利润 假如第 0 天买入&#xff0c;第 3 天卖出&#xff0c;那么利润为&#xff1a;prices[3] - prices[0]。 相当于(prices[3] - prices[2]) (pri…...

ubuntu18-recvfrom接收不到广播报文异常分析

目录 前言 一、UDP广播接收程序 二、异常原因分析 总结 前言 在ubuntu18.04系统中&#xff0c;编写udp接收程序发现接收不到广播报文&#xff0c;使用抓包工具tcpdump可以抓取到广播报文&#xff0c;在此对该现象分析解析如下文所示。 一、UDP广播接收程序 UDP广播接收程序如…...

漏刻有时百度地图API实战开发(6)多个标注覆盖层级导致不能响应点击的问题

漏刻有时百度地图API实战开发(1)华为手机无法使用addEventListener click 的兼容解决方案漏刻有时百度地图API实战开发(2)文本标签显示和隐藏的切换开关漏刻有时百度地图API实战开发(3)自动获取地图多边形中心点坐标漏刻有时百度地图API实战开发(4)显示指定区域在移动端异常的解…...

使用Net2FTP轻松打造免费的Web文件管理器并公网远程访问

文章目录 1.前言2. Net2FTP网站搭建2.1. Net2FTP下载和安装2.2. Net2FTP网页测试 3. cpolar内网穿透3.1.Cpolar云端设置3.2.Cpolar本地设置 4.公网访问测试5.结语 1.前言 文件传输可以说是互联网最主要的应用之一&#xff0c;特别是智能设备的大面积使用&#xff0c;无论是个人…...

MySQL的表格去重,史上最简便的算法,一看就会

首先&#xff0c;表格my_tab02存在很多重复的数据&#xff1a; #表格的去重 方法一&#xff1a; 详细内容传送门&#xff1a;表格的去重 -- 思路&#xff1a; -- 1.先创建一张临时表 my_tmp,该表的结构和my_tab02一样 -- 2.把my_tmp的记录通过distinct关键字 处理后 把记录复…...

this是指向的哪个全局变量,改变this指向的方法有几种?

在JavaScript中&#xff0c;this关键字指向当前执行上下文中的对象。它的具体指向取决于函数的调用方式。 改变this指向的方法有四种&#xff1a; 1.使用call()方法&#xff1a;call()方法在调用函数时将指定的对象作为参数传递进去&#xff0c;从而改变函数的this指向。用法示…...

电脑msvcp110.dll丢失怎么办,msvcp110.dll缺失的详细修复步骤

在现代科技发展的时代&#xff0c;电脑已经成为我们生活和工作中不可或缺的工具。然而&#xff0c;由于各种原因&#xff0c;电脑可能会出现一些问题&#xff0c;其中之一就是msvcp110.dll文件丢失。这个问题可能会导致一些应用程序无法正常运行&#xff0c;给我们的生活和工作…...

cookie 里面都包含什么属性?

结论先行&#xff1a; Cookie 中除了名称和值外&#xff0c;还有几个比较常见的&#xff0c;例如&#xff1a; Domain 域&#xff1a;指定了 cookie 可以发送到哪些域&#xff0c;只有发送到指定域或其子域的请求才会携带该cookie&#xff1b; Path 路径&#xff1a;指定哪些…...

LinuxMySql

结构化查询语言 DDL&#xff08;数据定义语言&#xff09; 删除数据库drop database DbName; 创建数据库create database DbName; 使用数据库use DbName; 查看创建数据库语句以及字符编码show create database 43th; 修改数据库属性&#xff08;字符编码改为gbk&#xff09;…...

《微服务架构设计模式》之三:微服务架构中的进程通信

概述 交互方式 客户端和服务端交互方式可以从两个维度来分&#xff1a; 维度1&#xff1a;一对一和多对多 一对一&#xff1a;每个客户端请求由一个实例来处理。 一对多&#xff1a;每个客户端请求由多个实例来处理。维度2&#xff1a;同步和异步 同步模式&#xff1a;客户端…...

μC/OS-II---内核:任务调度

目录 内核&#xff1a;调度&#xff08;oc_core.c文件的函数&#xff09;OS_TCB&#xff08;任务控制块&#xff09;初始化任务控制块列表(ucos_ii.h文件的函数)系统调用&#xff0c;主动让渡CPU发生中断&#xff0c;强制当前任务让渡CPU就绪表(ucos_ii.h文件的函数)设置任务进…...

小程序发成绩

在这个数字化快速发展的时代&#xff0c;让学生能够方便快捷地获取自己的成绩已经成为一项基本的需求。那么&#xff0c;如何实现这一目标呢&#xff1f;对于许多老师来说&#xff0c;可能首先想到的是使用各种代码或者Excel来发布成绩查询。今天&#xff0c;我们就来探讨一下这…...

tensorflow内存泄漏或模型只加载不运行

使用tf2模型进行推理的过程中&#xff0c;发现模型的内存占用在逐步增加&#xff0c;甚至会因为OOM被kill掉进程&#xff0c;有时候模型只加载不运行&#xff0c;搜索得到很多五花八门的答案&#xff0c;有些认为是tf2本身的问题&#xff0c;但在使用内存追踪的时候发现&#x…...

npm和yarn的一些命令

文章目录 前言 前言 提示&#xff1a;生命并不短暂&#xff0c;短暂的是人。 --阿多尼斯 yarn config set registry https://registry.npmjs.org --globalnpm install -g cnpm --registryhttps://registry.npm.taobao.org # 切换淘宝源&#xff1a; yarn config set registry…...

Linux开发工具之自动化构建工具-make/Makefile

文章目录 1.make/Makefile的介绍2.简单编写及使用3.ACM时间4.extern的复习5.多文件的编译5.0复习翻译过程5.1多文件的构成5.2手动编译5.3利用Makefile 1.make/Makefile的介绍 make是一个命令 makefile是一个文件[makefile也对] 之前的学习都没有维护项目结构 当有多个.c文件 先…...

设计模式和设计原则回顾

设计模式和设计原则回顾 23种设计模式是设计原则的完美体现,设计原则设计原则是设计模式的理论基石, 设计模式 在经典的设计模式分类中(如《设计模式:可复用面向对象软件的基础》一书中),总共有23种设计模式,分为三大类: 一、创建型模式(5种) 1. 单例模式(Sing…...

iOS 26 携众系统重磅更新,但“苹果智能”仍与国行无缘

美国西海岸的夏天&#xff0c;再次被苹果点燃。一年一度的全球开发者大会 WWDC25 如期而至&#xff0c;这不仅是开发者的盛宴&#xff0c;更是全球数亿苹果用户翘首以盼的科技春晚。今年&#xff0c;苹果依旧为我们带来了全家桶式的系统更新&#xff0c;包括 iOS 26、iPadOS 26…...

Leetcode 3576. Transform Array to All Equal Elements

Leetcode 3576. Transform Array to All Equal Elements 1. 解题思路2. 代码实现 题目链接&#xff1a;3576. Transform Array to All Equal Elements 1. 解题思路 这一题思路上就是分别考察一下是否能将其转化为全1或者全-1数组即可。 至于每一种情况是否可以达到&#xf…...

Cesium1.95中高性能加载1500个点

一、基本方式&#xff1a; 图标使用.png比.svg性能要好 <template><div id"cesiumContainer"></div><div class"toolbar"><button id"resetButton">重新生成点</button><span id"countDisplay&qu…...

Linux云原生安全:零信任架构与机密计算

Linux云原生安全&#xff1a;零信任架构与机密计算 构建坚不可摧的云原生防御体系 引言&#xff1a;云原生安全的范式革命 随着云原生技术的普及&#xff0c;安全边界正在从传统的网络边界向工作负载内部转移。Gartner预测&#xff0c;到2025年&#xff0c;零信任架构将成为超…...

unix/linux,sudo,其发展历程详细时间线、由来、历史背景

sudo 的诞生和演化,本身就是一部 Unix/Linux 系统管理哲学变迁的微缩史。来,让我们拨开时间的迷雾,一同探寻 sudo 那波澜壮阔(也颇为实用主义)的发展历程。 历史背景:su的时代与困境 ( 20 世纪 70 年代 - 80 年代初) 在 sudo 出现之前,Unix 系统管理员和需要特权操作的…...

css3笔记 (1) 自用

outline: none 用于移除元素获得焦点时默认的轮廓线 broder:0 用于移除边框 font-size&#xff1a;0 用于设置字体不显示 list-style: none 消除<li> 标签默认样式 margin: xx auto 版心居中 width:100% 通栏 vertical-align 作用于行内元素 / 表格单元格&#xff…...

企业如何增强终端安全?

在数字化转型加速的今天&#xff0c;企业的业务运行越来越依赖于终端设备。从员工的笔记本电脑、智能手机&#xff0c;到工厂里的物联网设备、智能传感器&#xff0c;这些终端构成了企业与外部世界连接的 “神经末梢”。然而&#xff0c;随着远程办公的常态化和设备接入的爆炸式…...

技术栈RabbitMq的介绍和使用

目录 1. 什么是消息队列&#xff1f;2. 消息队列的优点3. RabbitMQ 消息队列概述4. RabbitMQ 安装5. Exchange 四种类型5.1 direct 精准匹配5.2 fanout 广播5.3 topic 正则匹配 6. RabbitMQ 队列模式6.1 简单队列模式6.2 工作队列模式6.3 发布/订阅模式6.4 路由模式6.5 主题模式…...

Golang——9、反射和文件操作

反射和文件操作 1、反射1.1、reflect.TypeOf()获取任意值的类型对象1.2、reflect.ValueOf()1.3、结构体反射 2、文件操作2.1、os.Open()打开文件2.2、方式一&#xff1a;使用Read()读取文件2.3、方式二&#xff1a;bufio读取文件2.4、方式三&#xff1a;os.ReadFile读取2.5、写…...