当前位置: 首页 > news >正文

day37动态规划+三.Github链接本地仓库

一.动态规划

474.一和零

给你一个二进制字符串数组 strs 和两个整数 m 和 n 。

请你找出并返回 strs 的最大子集的长度,该子集中 最多 有 m 个 0 和 n 个 1 。

如果 x 的所有元素也是 y 的元素,集合 x 是集合 y 的 子集 。

思路:这道题更像是另一种的0-1背包问题 其中m和n相当于背包容量,字符串本身的个数相当于物品的价值(value[i])。首先初始化dp数组,然后要统计每个字符串的0和1的数量,才能进行下面的操作,

class Solution {
public:int findMaxForm(vector<string>& strs, int m, int n) {vector<vector<int>> dp(m + 1, vector<int> (n + 1, 0)); // 默认初始化0for (string str : strs) { // 遍历物品int oneNum = 0, zeroNum = 0;for (char c : str) {if (c == '0') zeroNum++;else oneNum++;}for(int i=m;i>=zeroNum;i--){//m n相当于背包容量 要从大到小去遍历for(int j=n;j>=oneNum;j--){// dp[i][j]=max(dp[i][j],dp[i-zeroNum][j-oneNum]+1);}}}return dp[m][n];}  
};  

 完全背包问题:

完全背包问题和0-1背包问题最主要的区别在于一个物品是能取一次还是取多次。

 在代码上的区别的话就是滚动数组,第二个for循环是正序遍历,因为正序遍历和倒序遍历的区别就是在于能否重复选取。

518.零钱兑换II

给你一个整数数组 coins 表示不同面额的硬币,另给一个整数 amount 表示总金额。

请你计算并返回可以凑成总金额的硬币组合数。如果任何硬币组合都无法凑出总金额,返回 0 。

假设每一种面额的硬币有无限个。 

题目数据保证结果符合 32 位带符号整数。

 思路: 是一种完全背包问题,amount是要凑的零钱数 相当于背包容量,coins相当于物品 用来凑成amount的(凑背包容量),注意 求装满背包有几种方法类似的题目,递推公式基本都是这样的

dp[j] += dp[j - nums[i]]

 如果求组合数就是外层for循环遍历物品,内层for遍历背包。

如果求排列数就是外层for遍历背包,内层for循环遍历物品。

为什么呢? 因为求组合数时 外层先遍历物品,就是先拿出一件物品遍历一遍,之后在拿出一件物品遍历一遍,不会出现{2,1}的情况,而外层for遍历背包,内层for循环遍历物品。物品是会被反复取到的。详细说一说的话就是:

先遍历物品后遍历背包是这样,比如,外层循环固定coins【1】,在内层循环遍历背包时,随着背包不断增加,coins【1】可以重复被添加进来,而由于外层循环固定了,因此coins【2】只能在下一次外层循环添加进不同大小的背包中,这么看的话,coins【i+1】只能在coins【i】之后了;如果先遍历背包后遍历物品,那么外层循环先固定背包大小j,然后在大小为j的背包中循环遍历添加物品,然后在下次外层循环背包大小变为j+1,此时仍要执行内层循环遍历添加物品,也就会出现在上一轮外层循环中添加coins【2】的基础上还能再添加coins【1】的情况,那么就有了coins【1】在coins【2】之后的情况了。

class Solution {
public:int change(int amount, vector<int>& coins) {//完全背包问题vector<int> dp(amount+1,0);dp[0]=1;for(int i=0;i<coins.size();i++){for(int j=coins[i];j<=amount;j++){dp[j]+=dp[j-coins[i]];}}return dp[amount];}
};

 377.组合问题④

 给你一个由 不同 整数组成的数组 nums ,和一个目标整数 target 。请你从 nums 中找出并返回总和为 target 的元素组合的个数。

题目数据保证答案符合 32 位整数范围。

class Solution {
public:int combinationSum4(vector<int>& nums, int target) {//组合不强调元素之间的顺序 排列强调元素之间的顺序。//1.先遍历物品在遍历背包是组合 //2.先遍历背包在遍历物品是排序数// 由于在题目下面的定义中 顺序不同的序列被视作不同的组合//所以选择第二个vector<int> dp(target+1,0);dp[0]=1;for(int i=0;i<=target;i++){for(int j=0;j<nums.size();j++){if(i>=nums[j]&&dp[i]<INT_MAX-dp[i-nums[j]])//当前的背包容量要大于物品容量 否则无意义//防止整数溢出 如果不进行这个判断,当dp[i]和dp[i-nums[j]]都很大时,直接相加可能会导致整数溢出。dp[i]+=dp[i-nums[j]];}}return dp[target];}
};

二.GitHub链接本地仓库

频繁出现git@github.com: Permission denied (publickey).的问题,跟着csdn上的博主重走一遍流程就好了

流程如下:

进入git bash界面然后:
第1步,git config --global --list 验证邮箱与GitHub注册时输入的是否一致

 可以通过git config --global user.name “yourname”,git config --global user.email “email@email.com ”(这里得名字和邮箱都是注册github时用的)设置全局用户名和邮箱。

 第2步,ssh-keygen -t rsa -C “这里换上你的邮箱”,一路回车(注意:不需要输入其他内容),直到生成密钥。

 注意;根据上面地址和文件名可知, 会在/Users/***/路径下生成一个.ssh\id_rsa.pub文件,密钥就存储在其中:

第3步,使用浏览器到git仓库,添加秘钥右上角--> settings --> SSH and GPG keys 根据生成的秘钥,在github上加入ssh秘钥

最后 ssh -T git@github.com 测试一下通不通,通了显示如下

三.将本地仓库的文件推送到远程仓库:

本地仓库和远程仓库的示意图如下:(取自GeekHour)

链接成功后,可以在本地仓库创建文件,并通过push命令将文件推送给远程仓库

首先通过

创建远程仓库别名和地址

然后通过

查看一下 可知 当前的远程仓库名为test001

我在创建一个test002(测试)

切换main分支

并将当前文件推送到远程仓库的main分支

github上显示

代表推送成功。

相关文章:

day37动态规划+三.Github链接本地仓库

一.动态规划 474.一和零 给你一个二进制字符串数组 strs 和两个整数 m 和 n 。 请你找出并返回 strs 的最大子集的长度&#xff0c;该子集中 最多 有 m 个 0 和 n 个 1 。 如果 x 的所有元素也是 y 的元素&#xff0c;集合 x 是集合 y 的 子集 。 思路:这道题更像是另一种的0-…...

设备运维故障排查与修复技巧

运维中最常见的40个故障问题及其解决方法: 1. 网络不通问题:无法访问网络资源。 解决方法:检查物理线路、交换机端口、网卡驱动和配置,使用ping、traceroute等工具定位问题。 2. 网络速度慢问题:访问网络资源速度慢。 解决方法:分析带宽使用情况,检查是否存在广播风…...

探索Python的自动化魔法:AutoIt库揭秘

文章目录 探索Python的自动化魔法&#xff1a;AutoIt库揭秘第一部分&#xff1a;背景介绍第二部分&#xff1a;AutoIt是什么&#xff1f;第三部分&#xff1a;如何安装AutoIt库&#xff1f;第四部分&#xff1a;AutoIt的五个简单函数第五部分&#xff1a;场景应用第六部分&…...

【I/O多路复用】

基于I/O多路复用的并发编程 I/O实现I/O多路复用select优缺点 pollepoll优点 I/O I/O复用是基于一个单进程或单线程的一个执行流当中监控多个输入输出流的技术&#xff08;网络套接字或者文件描述符进行监控&#xff09;。单进程或单线程&#xff0c;允许多个用户对单进程发起连…...

【python报错已解决】“IndexError: list index out of range”

&#x1f3ac; 鸽芷咕&#xff1a;个人主页 &#x1f525; 个人专栏: 《C干货基地》《粉丝福利》 ⛺️生活的理想&#xff0c;就是为了理想的生活! 引言 你是否在处理Python列表时遇到了“IndexError: list index out of range”的错误&#xff1f;这个错误可能会让你的程序中…...

oracle和mysql查询某字段在哪个表中

oracle和mysql查询某字段在哪个表中 oracle的 select TABLE_NAME from user_tab_columns where COLUMN_NAME字段名mysql的&#xff1a; select table_schema ,table_name from information_schema.columns where column_name ‘字段名’ 查询结果table_schema为数据库名&a…...

TCP vs UDP:揭秘可靠性与效率之争

概述 今天我们开始主要讲解TCP的相关知识点。在之前讲解分层章节的时候&#xff0c;我们提到过一个重要观点。在网络层及以下几层&#xff0c;更多的是让主机与主机建立连接&#xff0c;也就是说你的电脑需要知道另一台电脑在哪里才能连接上它。然而&#xff0c;在网络中的通信…...

“树”的高度的计算——CSP-J1真题详解

如同树有高度一样&#xff0c;数据结构中的“树”也有高度&#xff0c;只不过这个高度指的是第几“层”。就像武功可以修炼到第几层一样&#xff0c;树也可以长到第几层。 需要指明的是&#xff0c;树的根节点属于第几层是没有严格的定义的&#xff0c;一般被认为是处于第0层或…...

Docker介绍、docker安装以及实现docker的远程管理

1.Docker介绍 1.Docker介绍 Docker 是⼀个开源的应用容器引擎&#xff0c;可以实现虚拟化&#xff0c;完全采用“沙盒”机制&#xff0c;容器之间不会存在任何接口。 Docker 通过 Linux Container&#xff08;容器&#xff09;技术将任意类型的应用进行包装&#xff0c;变成一…...

【UE5】基于摄像机距离逐渐剔除角色

效果 步骤 1. 新建一个工程&#xff0c;在内容浏览器中添加第三人称游戏内容包 2. 找到第三人称角色的材质实例“MI_Quinn_01”并打开 找到材质实例的父项材质“M_Mannequin” 打开材质“M_Mannequin” 在材质图表中添加如下节点 此时运行效果如文章开头所示。 参考视频&#…...

LabVIEW优化内存使用

在LabVIEW中&#xff0c;优化内存使用的关键在于理解LabVIEW的内存管理机制并采用一些最佳实践。以下是一些可能帮助减少内存占用的方法&#xff1a; 1. 减少数据副本的生成 避免不必要的数据复制&#xff1a;每当你在程序中传递数组或子数组时&#xff0c;LabVIEW可能会创建副…...

多进程和多线程基础概念LINUX

进程和程序的区别 程序是静态的&#xff0c;它是保存在磁盘上的指令的有序集合&#xff0c;没有任何执行的概念进程是一个动态的概念&#xff0c;它是程序执行的过程&#xff0c;包括了动态创建、调度和销毁的整个过程 并行&#xff1a;在 cpu 多核的支持下&#xff0c;实现物…...

React Native的Android端fetch的网络请求FormData请求错误:TypeError:Network request failed

// formdataconst formData new FormData();formData.append("code", appUserCode);formData.append("wallet", appName);// const formDataStr code appUserCode &wallet appName;// 参数形式//const _body code${appUserCode}&wallet${app…...

python之matplotlib (1 介绍及基本用法)

介绍 matplotlib是Python中的一个绘图库&#xff0c;它提供了一个类似于 MATLAB 的绘图系统。使用matplotlib你可以生成图表、直方图、功率谱、条形图、错误图、散点图等。matplotlib广泛用于数据可视化领域&#xff0c;是 Python 中最著名的绘图库之一。 同样matplotlib的安…...

ROS2常用指令

ROS2&#xff08;Robot Operating System 2&#xff09;是一个用于机器人软件开发的灵活框架&#xff0c;它提供了一套丰富的工具和库来支持机器人的开发、模拟、部署和测试。ROS2的常用指令可以大致分为几个类别&#xff0c;包括功能包管理、节点管理、话题管理、服务管理、动…...

SQL注入(原理、分类、union、POST注入)

目录 【学习目标、重难点知识】 【学习目标】 【重难点知识】 SQL注入简介 SQL注入原理 SQL注入类型 MySQL与SQL注入的相关知识 information_schema 数据库的结构 数据库查询语句 limit的用法 需要记住的几个函数 注释符号 SQL注入探测方法 SQL注入漏洞攻击流程…...

【勒索病毒应急响应流程】

概述 不同应急事件响应方式不同,建议大家阅读以下案例,解决自己当前的困扰,当然也可以根据自己的经验对文章进行补充和修正,欢迎在评论区留言。 案例1 事件概述 某安服团队接到某政府部门的远程应急响应求助,要求对被勒索服务器进行排查分析并溯源。 排查溯源 1、应…...

C ++初阶:C++入门级知识点

目录 &#x1f31e;0.前言 &#x1f688;1.C输入输出 &#x1f688;2.缺省参数 &#x1f69d;2.1全缺省参数 &#x1f69d;2.2半缺省参数 &#x1f688;3.函数重载 &#x1f69d;3.1参数类型不同 &#x1f69d; 3.2参数个数不同 &#x1f69d;3.3参数类型顺序不同 ​…...

php中如何高效地实现一个函数以判断给定日期是否位于多个预定义的时间范围内,同时确保代码的可读性、可维护性和性能优化

背景信息&#xff1a; 我有一个包含多个时间范围的数组&#xff0c;每个时间范围由起始日期和结束日期组成&#xff08;目前以字符串形式给出&#xff09;&#xff0c;例如&#xff1a; $ranges [[start > 2023-01-01, end > 2023-03-31],[start > 2023-06-01, end …...

存在重复元素 II(LeetCode)

题目 给你一个整数数组 nums 和一个整数 k &#xff0c;判断数组中是否存在两个 不同的索引 i 和 j &#xff0c;满足 nums[i] nums[j] 且 abs(i - j) < k 。如果存在&#xff0c;返回 true &#xff1b;否则&#xff0c;返回 false 。 解题 """ 时间复杂度…...

Betaflight飞控系统:如何通过3个关键步骤解决你的无人机飞行难题?

Betaflight飞控系统&#xff1a;如何通过3个关键步骤解决你的无人机飞行难题&#xff1f; 【免费下载链接】betaflight Open Source Flight Controller Firmware 项目地址: https://gitcode.com/gh_mirrors/be/betaflight 你是否曾经在飞行中遭遇机身抖动、响应迟钝或者…...

C# 14原生AOT调用Dify流式响应API:如何安全绕过HttpClientHandler AOT不兼容?微软.NET 9 Preview 7补丁已验证

第一章&#xff1a;C# 14 原生 AOT 部署 Dify 客户端 最佳实践C# 14 的原生 AOT&#xff08;Ahead-of-Time&#xff09;编译能力显著提升了 .NET 应用的启动性能与部署轻量化水平&#xff0c;结合 Dify 的开放 API 设计&#xff0c;可构建零依赖、秒级启动的跨平台客户端。本章…...

如何用Illustrator脚本库在5分钟内完成设计自动化?提升22倍效率的完全指南

如何用Illustrator脚本库在5分钟内完成设计自动化&#xff1f;提升22倍效率的完全指南 【免费下载链接】illustrator-scripts Adobe Illustrator scripts 项目地址: https://gitcode.com/gh_mirrors/il/illustrator-scripts 你是否曾在Adobe Illustrator中花费数小时重复…...

SSM框架在零售业数字化转型中的实践:超市管理系统全流程解析

1. 为什么零售业需要数字化转型&#xff1f; 最近几年我走访了不少中小型超市&#xff0c;发现一个共同痛点&#xff1a;很多老板还在用纸质小本本记录进货和销售数据&#xff0c;月底对账时经常出现"货卖完了但钱对不上"的情况。有个开社区超市的张老板跟我吐槽&am…...

ERNIE-4.5-0.3B-PT轻量级部署:vLLM框架助力,Chainlit打造友好对话前端

ERNIE-4.5-0.3B-PT轻量级部署&#xff1a;vLLM框架助力&#xff0c;Chainlit打造友好对话前端 1. 环境准备与快速部署 1.1 系统要求与依赖安装 部署ERNIE-4.5-0.3B-PT模型需要满足以下基础环境要求&#xff1a; 操作系统&#xff1a;推荐Ubuntu 20.04/22.04 LTS或CentOS 7G…...

春联生成模型-中文-base效果实测:输入‘平安‘、‘富贵‘,对联寓意满满

春联生成模型-中文-base效果实测&#xff1a;输入平安、富贵&#xff0c;对联寓意满满 1. 模型效果初体验 春节将至&#xff0c;家家户户都开始准备贴春联。传统春联创作需要深厚的文学功底&#xff0c;而如今AI技术让这一过程变得简单有趣。今天我们要实测的是一款基于阿里达…...

SD-PPP:Photoshop与AI绘图工作流的革命性融合

SD-PPP&#xff1a;Photoshop与AI绘图工作流的革命性融合 【免费下载链接】sd-ppp A Photoshop AI plugin 项目地址: https://gitcode.com/gh_mirrors/sd/sd-ppp 在创意设计领域&#xff0c;传统工作流程中设计师需要在多个软件间频繁切换&#xff0c;这种割裂的操作模式…...

gte-base-zh开源可部署优势:支持国产昇腾/寒武纪芯片适配路线

gte-base-zh开源可部署优势&#xff1a;支持国产昇腾/寒武纪芯片适配路线 1. 快速了解gte-base-zh模型 gte-base-zh是由阿里巴巴达摩院训练的中文文本嵌入模型&#xff0c;基于BERT框架构建。这个模型专门为中文文本处理设计&#xff0c;能够将文本转换为高质量的向量表示&am…...

2026年降AI工具第一梯队实测:这3款AI率降到10%以下最稳

降AI工具这个赛道现在品牌太多&#xff0c;光我知道的就有七八个。但实测下来&#xff0c;真正能把AI率稳定压到10%以下的&#xff0c;没几个。 说一下我自己的测试方法&#xff1a;用同一批论文段落&#xff0c;分别在知网、维普检测&#xff0c;看哪款工具能把AI率降到10%以…...

Qwen3-14B成本效益分析:RTX 4090D月租成本 vs A100 80G部署性价比对比

Qwen3-14B成本效益分析&#xff1a;RTX 4090D月租成本 vs A100 80G部署性价比对比 1. 引言&#xff1a;大模型私有部署的成本挑战 在人工智能技术快速发展的今天&#xff0c;企业面临一个关键决策&#xff1a;如何在有限的预算内实现大语言模型的高效部署。Qwen3-14B作为通义…...