二叉树 -- 堆(详解)
目录
1、堆的概念及结构
2、堆的实现(附代码)
2.1、向下调整算法建堆
3、堆的应用(附代码)
3.1、堆排序
3.2、TOP-K问题
1、堆的概念及结构
如果有一个关键码的集合K = { k0,k1 ,k2 ,…,k(n-1) },把它的所有元素按完全二叉树的顺序存储方式存储在一个一维数组中,并满足:ki<=k(2*i+1) 且 ki<=k(2*i+2) ( ki>=k(2*i+1) 且ki>=k(2*i+2) ) (i = 0,1,2…,)则称为小堆(或大堆)。
将根节点作为最大值的堆叫做最大堆或大根堆,根节点作为最小值的堆叫做最小堆或小根堆。
通俗一点讲就是:
小堆:任意一个父结点的值都小于或者等于其子结点。
大堆:任意一个父结点的值都大于或者等于其子结点。
至于同一个父结点的两个子结点谁大谁小都无所谓。
堆的性质:
(1)堆中某个节点的值总是不大于或不小于其父节点的值。
(2)堆总是一棵完全二叉树。
补充一个问题:
堆的意义是什么?
答:选数,选最大值或最小值 -- 时间复杂度为O(logN)。
ex:
(1)堆排序,时间复杂度为O(N*logN)。 -- 选出每个节点所需时间为O(logN),选出N个节点所需的总时间为O(N*logN)。
(2)top k问题 -- ex:从100万个值中找出最大的10个值或者说找出最小的10个值。
2、堆的实现(附代码)
对于堆的创建有两种方法,一种是插入法(使用向上调整,时间复杂度为N*logN),一种是向下调整法(也叫筛选法)(向下调整建堆,时间复杂度为O(N))。
typedef int HPDataType;
typedef struct Heap
{HPDataType *array;int size;int capacity;
} HP;
堆的底层看起来像是顺序表,但和顺序表是不一样的,从逻辑结构上,要把堆看作是一颗完全二叉树。
Heap.h:
#include <stdio.h>
#include <assert.h>
#include <stdlib.h>
#include <stdbool.h>
#include <time.h>typedef int HPDataType;typedef struct Heap
{HPDataType* array;int size;int capacity;
} HP;
// 堆的底层看起来像是顺序表,但和顺序表是不一样的,从逻辑结构上,要把堆看作是一颗完全二叉树。// 堆的初始化
void HeapInit(HP* php);// 堆的销毁
void HeapDestory(HP* php);// 判断是否需要扩容
void CheckCapacity(HP* php); // 交换
void Swap(HPDataType* p1, HPDataType* p2);// 获取堆顶的元素
HPDataType HeapTop(HP* php);// 获取堆的大小
int HeapSize(HP* php);// 判空
bool HeapEmpty(HP* php);// 小堆的插入
void SmallHeapPush(HP *php, HPDataType x);// 小堆的向下调整
void SmallAdjustDown(HPDataType *a, int size, int parent);// 小堆的删除(规定删除栈顶元素)
void SmallHeapPop(HP *php);// 大堆的插入
void BigHeapPush(HP* php, HPDataType x);// 大堆向下调整
void BigAdjustDown(HPDataType* a, int size, int parent);// 大堆的删除(规定删除栈顶元素)
void BigHeapPop(HP* php);
Heap.c:
#include "Heap.h"// 堆的初始化
void HeapInit(HP* php)
{assert(php);php->array = NULL;php->capacity = php->size = 0;
}// 堆的销毁
void HeapDestory(HP* php)
{assert(php);free(php->array); // 连续的空间,直接free即可,不用像链表那种,还要去一个一个节点的freephp->array = NULL;php->capacity = php->size = 0;
}void CheckCapacity(HP* php) // 判断是否需要扩容
{if (php->size == php->capacity){int newcapacity = php->capacity ? 2 * php->capacity : 4;HPDataType* tmp = (HPDataType*)realloc(php->array, sizeof(HPDataType) * newcapacity);if (tmp == NULL){ perror("realloc fail");exit(-1);}php->array = tmp;php->capacity = newcapacity;}
}// 交换
void Swap(HPDataType* p1, HPDataType* p2)
{HPDataType tmp = *p1;*p1 = *p2;*p2 = tmp;
}// 获取堆顶的元素
HPDataType HeapTop(HP* php)
{assert(php);assert(php->size);return php->array[0];
}// 获取堆的大小
int HeapSize(HP* php)
{assert(php);return php->size;
}// 判空
bool HeapEmpty(HP* php)
{assert(php);return php->size == 0;
}void AdjustUp(HPDataType *a, int child) // child至少是0
{int parent = (child - 1) / 2;while (a[child] < a[parent]) // 把这里改成 > 就是实现大堆了{Swap(&a[child], &a[parent]);child = parent;parent = (parent - 1) / 2; // parent怎么变都不会变成负数}
}// 堆的插入(建堆)--时间复杂度为log(N)--主要的时间消耗在于向上调整的时间消耗--最坏的情况要调整log(N)次
void HeapPush(HP *php, HPDataType x)
{assert(php);CheckCapacity(php);php->array[php->size++] = x;AdjustUp(php->array, php->size - 1); // 因为size至少是1
}// 向下调整--删除栈顶元素之后进行的调整--也可用于堆的创建,时间复杂度为O(N),比向上调整建堆更优
// 思路:
// 因为交换完根结点和尾结点,并删除栈顶元素之后,根结点的左子树和右子树仍旧符合堆的规定
// 所以如下
void AdjustDown(HPDataType *a, int size, int parent) // 将里面的孩子与父亲的大小比较改成>就变成是大堆的调整了
{// 分情况讨论法int leftchild = parent * 2 + 1;int rightchild = parent * 2 + 2;while (leftchild < size){// 如果左右孩子一样大,跟谁换都行(前提是左右孩子都存在)if (rightchild < size && a[leftchild] <= a[rightchild] && a[parent] > a[leftchild]) // 比左孩子大,就跟左孩子交换{Swap(&a[parent], &a[leftchild]);parent = leftchild;}else if (rightchild < size && a[leftchild] > a[rightchild] && a[parent] > a[rightchild]) // 比右孩子大,就跟右孩子交换{Swap(&a[parent], &a[rightchild]);parent = rightchild;}else if (a[leftchild] < a[parent]) // 一定要注意要讨论只有左孩子,没有右孩子的情况,不然就出现越界访问了,Bug{Swap(&a[parent], &a[leftchild]);parent = leftchild;}else // 如果孩子都比父结点大,那就不用再换了{break;}leftchild = parent * 2 + 1;rightchild = parent * 2 + 2;}// 假设法// int child = parent * 2 + 1;//就假设是左孩子更小// while(child < size)//{// if(child+1 < size && a[child+1] < a[child]) //这里可能出现越界,需要加一个判断child+1<size// //因为存在那种只有左孩子但没有右孩子的情况,这时child+1的值就已经和size相等了// //此时a[child+1]就已经是越界访问了// {// ++child;// }// if(a[child] < a[parent])// {// Swap(&a[parent],&a[child]);// parent = child;// child = parent * 2 + 1;// }// else// {// break;// }// }
}// 堆的删除(规定删除栈顶元素)
void HeapPop(HP *php)
{assert(php);assert(php->size);// 第一步,先将根结点和尾结点进行交换,然后删除栈顶元素Swap(&php->array[0], &php->array[php->size - 1]);php->size--;AdjustDown(php->array, php->size, 0);
}
2.1、向下调整算法建堆
因为向下调整需要先保证该节点的左右子树已经是大/小堆了,才能向下调整,所以先从尾开始调整(思路就是从尾开始调整,从最后一个叶结点的父结点开始调整,叶结点无需调整,因为叶结点可以看作是一种特殊的子树,既可以当作大堆,也可以当作小堆)。
for (int i = (size - 1 - 1) / 2; i >= 0; i--) // (size-1-1)/2是最后一个叶结点的父结点的下标
{AdjustDown(a, size, i); // a是一个完全二叉树
}
注:向下调整算法有一个前提:左右子树必须是一个堆,才能调整。
注:向下调整算法的两大优势:
- 在进行堆排序或者解决TOP-K问题时,写一个向下调整就能解决。
- 时间复杂度为O(N),效率更高。
补充:为什么用向下调整算法建堆的时间复杂度是O(N)?
答:经过计算时间复杂度的值是一个等比数列乘于等差数列的求和,结果为2^h-1-h(h为树的高度),因为2^h-1==N,所以时间复杂度为O(N)。
3、堆的应用(附代码)
3.1、堆排序
堆排序即利用堆的思想来进行排序,总共分为两个步骤:
1.建堆
升序:建大堆--注:建大堆,父节点是跟更大的孩子交换
降序:建小堆--注:建小堆,父节点是跟更小的孩子交换
2.利用堆删除思想来进行排序 -- 交换头尾,然后并不是真的删除掉尾,只是把除了尾之外的其他数看成新的堆,再对新的堆进行调整
总结:建堆和堆删除中都可以用向下调整,因此掌握了向下调整,就可以完成堆排序。
3.2、TOP-K问题
TOP-K问题:即求数据结合中前K个最大的元素或者最小的元素,一般情况下数据量都比较大。
比如:专业前10名、世界500强、富豪榜、游戏中前100的活跃玩家等。
对于Top-K问题,能想到的最简单直接的方式就是排序。--空间复杂度大(可能导致内存不够用),时间复杂度还不好说
但是:如果数据量非常大,排序就不太可取了(可能数据都不能一下子全部加载到内存中)。
所以:最佳的方式就是用堆来解决。--空间复杂度很小,时间复杂度仅为O(N(logK))--比较次数为N-K(K可以忽略不计),调整次数最多为logK次
基本思路如下:
第一步:用数据集合中前K个元素来建堆
要找前k个最大的元素,则建小堆
要找前k个最小的元素,则建大堆
第二步:用剩余的N-K个元素依次与堆顶元素来比较
如果是找前K个最大的元素,将剩余N-K个元素依次与堆顶元素比较,若比堆顶元素大,则替换堆顶元素(替换完后要进行一下向下调整)。
如果是找前K个最小的元素,将剩余N-K个元素依次与堆顶元素比较,若比堆顶元素小,则替换堆顶元素(替换完后要进行一下向下调整)。
最后堆中剩余的K个元素就是所求的前K个最大或者最小的元素。
代码示例:
#include<stdio.h>
#include<assert.h>
#include<stdlib.h>
#include<time.h>void Print(int* a, int n)
{for (int i = 0; i < n; i++){printf("%d ", a[i]);}printf("\n");
}// 堆排序即利用堆的思想来进行排序,总共分为两个步骤:
// 1. 建堆
// 升序:建大堆
// 降序:建小堆
// 2. 利用堆删除思想来进行排序 --交换头尾,然后并不是真的删除掉尾,只是把除了尾之外的其他数看成新的堆,再对新的堆进行调整
// 总结:建堆和堆删除中都可以用向下调整,因此掌握了向下调整,就可以完成堆排序。void HeapSort_ascending(int* a, int size) // 这里排升序
{assert(a);// 第一步把数组建成堆 --时间复杂度为N*log(N)// 思路:直接把数组的第一个元素看作是一个堆,从第二个元素开始看作是要插入(Push)的数据// 这里演示大堆的建成 for (int i = 1; i < size; ++i){int child = i;int parent = (child - 1) / 2;while (a[child] > a[parent]){// 交换int tmp = a[child];a[child] = a[parent];a[parent] = tmp;child = parent;parent = (child - 1) / 2;}}// 第二步,交换并进行向下调整--时间复杂度为N*logNfor (int end = size - 1; end > 0; --end){// 先交换头尾int tmp = a[0];a[0] = a[end];a[end] = tmp;// 再进行向下调整。这里用的是假设法,就假设左孩子更大,建大堆就是跟更大的孩子换,建小堆则是跟更小的孩子换int j = 0;int k = j * 2 + 1;while (k < end){if (k + 1 < end && a[k] < a[k + 1]){k++;}if (a[j] < a[k]){int tmp = a[j];a[j] = a[k];a[k] = tmp;}else{break;}j = k;k = j * 2 + 1;}}
}void HeapSort_descending(int* a, int size) // 这里排降序
{assert(a);// 假设第一个元素自身是一个小堆,将从第二个元素开始之后的元素都视为新插入的元素for (int i = 1; i < size; ++i){int child = i;int parent = (child - 1) / 2;while (a[child] < a[parent]){// 交换int tmp = a[child];a[child] = a[parent];a[parent] = tmp;child = parent;parent = (child - 1) / 2;}}// 开始排序,就是先交换头尾,再进行向下调整for (int i = size - 1; i > 0; --i){int tmp = a[i];a[i] = a[0];a[0] = tmp;int parent = 0;int leftchild = parent * 2 + 1;int rightchild = parent * 2 + 2;while (rightchild < i || leftchild < i){if (rightchild < i && a[rightchild] < a[leftchild] && a[rightchild] < a[parent]){int tmp = a[rightchild];a[rightchild] = a[parent];a[parent] = tmp;parent = rightchild;}else if (a[leftchild] < a[parent]){int tmp = a[leftchild];a[leftchild] = a[parent];a[parent] = tmp;parent = leftchild;}elsebreak;leftchild = parent * 2 + 1;rightchild = parent * 2 + 2;}}
}// TOP-K问题
// 基本思路如下:
// 第一步:用数据集合中前K个元素来建堆
// 要找前k个最大的元素,则建小堆
// 要找前k个最小的元素,则建大堆
// 第二步:用剩余的N-K个元素依次与堆顶元素来比较
// 如果是找前K个最大的元素,将剩余N-K个元素依次与堆顶元素比较,若比堆顶元素大,则替换堆顶元素(替换完后要进行一下向下调整)。
// 如果是找前K个最小的元素,将剩余N-K个元素依次与堆顶元素比较,若比堆顶元素小,则替换堆顶元素(替换完后要进行一下向下调整)。
// 最后堆中剩余的K个元素就是所求的前K个最大或者最小的元素。
// 补充:
// 当N不大时(N太大,会有内存不够的问题),可以选择建个大小为N的堆,然后 pop K次即可。 // 但不管怎样,这个思路都不如上面的好。// 造数据
void CreateData()
{int n = 1000000;FILE* pf = fopen("data.txt", "w");if (!pf){perror("fopen fail");exit(-1);}for (int i = 0; i < n; i++){int x = (rand() + i) % 100000; // 注意rand()产生的随机数是有范围的,范围为0到RAND MAX(32767)之间fprintf(pf, "%d ", x);}fclose(pf);pf = NULL; // 好习惯,置不置空都行,因为出了函数就自动销毁了
}void PrintfTopK(int k)
{FILE* pf = fopen("data.txt", "r");if (!pf){perror("fopen fail");return;}// 第一步,建堆(这里建小堆,找大数)int* minheap = (int*)malloc(sizeof(int) * k);if (!minheap){perror("malloc fail");return;}for (int i = 0; i < k; i++){// 边读边建堆int x = 0;if (fscanf(pf, "%d", &x) != EOF) // fscanf的用法,笔记那里没写例子!!{minheap[i] = x; int j = i;while (minheap[j] < minheap[(j - 1) / 2]) // 向上调整{int tmp = minheap[j];minheap[j] = minheap[(j - 1) / 2];minheap[(j - 1) / 2] = tmp;j = (j - 1) / 2;}}}int x = 0;while (fscanf(pf, "%d", &x) != EOF){if (x > minheap[0]){// 手动打个条件断点 --因为该例子中,数据太多了,一个一个调试,那得调试一辈子// if (x > 100000)// {// int condition = 0; // 因为断点不能打在空语句上,这里只是随便写一句代码,让断点打一下// }minheap[0] = x;// 开始向下调整int L = 0;int y = L * 2 + 1;while (L * 2 + 1 < k){if (y + 1 < k && minheap[y + 1] < minheap[y]){y++;}if (minheap[L] > minheap[y]){int tmp = minheap[L];minheap[L] = minheap[y];minheap[y] = tmp;}else{break;}L = y;y = L * 2 + 1;}}}for (int i = 0; i < k; i++){printf("%d ", minheap[i]);}printf("\n");free(minheap);fclose(pf);
}int main()
{srand((unsigned int)time(NULL));// CreateData();int k = 0;printf("请输入你想获取的最大数的个数:\n");scanf("%d", &k);PrintfTopK(k);//int n = 10;//int a[10] = { 0 };//for (int i = 0; i < n; i++)//{// a[i] = rand() % 100 + 1;//}//HeapSort_ascending(a, sizeof(a) / sizeof(int)); // 堆排序//Print(a, sizeof(a) / sizeof(int));//HeapSort_descending(a, sizeof(a) / sizeof(int));//Print(a, sizeof(a) / sizeof(int));return 0;
}
相关文章:

二叉树 -- 堆(详解)
目录 1、堆的概念及结构 2、堆的实现(附代码) 2.1、向下调整算法建堆 3、堆的应用(附代码) 3.1、堆排序 3.2、TOP-K问题 1、堆的概念及结构 如果有一个关键码的集合K { k0,k1 ,k2 ,…,k(n-1) },把它的所有元素…...

【Apache Paimon】-- 11 -- Flink 消费 kakfa 写 S3 File
目录 1、项目构建 2、项目新增和修改 2.1 pom.xml 新增依赖 2.2 本地测试或者 flink on k8s 时,新增 S3FileSystemFactory.java 第一步:创建包=org.apache.flink.fs.s3hadoop 第二步:新增 java 类 S3FileSystemFactory 特别注意 (1)本地测试时需要新增以下内容 (…...

SQL MID()
SQL中的MID()函数是一个用于从指定位置开始截取字符串中指定长度的子串的函数。这个函数在数据库查询和数据处理中经常被使用,特别是在需要从较长的文本字段中提取特定信息时。 MID()函数的基本语法是:SELECT MID(column_name, start, length) FROM tab…...

jsp | servlet | spring forEach读取不了对象List
导致这个问题的原因有很多的,这里讲到的只是原因之一 原因 taglib不认识forEach 解决办法 添加<% taglib uri"http://java.sun.com/jsp/jstl/core" prefix"c" %> (我忘写这个东西了哈哈哈)...

【ArcGIS Pro微课1000例】0063:处理无人机数据(空三、生成DOM、DSM、DTM)
使用ArcGIS Pro 正射拼接处理无人机数据流程化工具,不需要额外产品许可的支持,只需要桌面是高级版许可即可支持。ArcGIS Pro处理无人机摄影测量数据主要内容有:空三、生成DOM、DSM、DTM。 文章目录 一、创建映射项目二、提交自由空三三、添加控制点优化四、提交产品生产一、…...

【pytorch】深度学习计算
1 层和块 块由类(class)表示。它的任何子类都必须定义一个将其输入转换为输出的前向传播函数,并且必须存储任何必需的参数。注意,有些块不需要任何参数。最后,为了计算梯度,块必须具有反向传播函数。 1.1…...

详解磁盘IO、网络IO、零拷贝IO、BIO、NIO、AIO、IO多路复用(select、poll、epoll)
1、什么是I/O 在计算机操作系统中,所谓的I/O就是输入(Input)和输出(Output),也可以理解为读(Read)和写(Write),针对不同的对象,I/O模式可以划分为…...

VPN技术-GRE隧道的配置
GRE隧道的配置 1, 在AR1上配置DHCP接口地址池,AR3上配置DHCP全局地址池 2, PC1获取的IP地址为10.10.10.253,PC2获取的IP地址为10.10.30.253 3,通过ip route-static将目的地址为10.10.30.253的流量引入到Tunnel #配…...

【spring-cloud-gateway总结】
文章目录 什么是gateway如何导入gateway依赖路由配置gateway配置断路器导包配置 什么是gateway 在微服务架构中,gateway网关是一个服务,它作为系统的唯一入口点,处理所有的客户端请求,然后将这些请求路由到适当的服务。提供了几个…...
数组相关简单算法
目录 1. 数据结构与算法 2. 数组中涉及的算法 2.1 2.2 数值型数组相关运算 2.3 数组赋值 2.4 数组复制/反转 2.5 数组查找 2.6 排序 1. 数据结构与算法 《数据结构与算法》是大学些许专业的必修或选修课,主要包含两方面知识: (1&#…...

在VBA中结合正则表达式和查找功能给文档添加交叉连接
在VBA中搜索文本有两种方式可用,一种是利用Range.Find对象(更常见的形式可能是Selection.Find,Selection是Range的子类,Selection.Find其实就是特殊的Range.Find),另一种方法是利用正则表达式,但…...

动手学深度学习-多层感知机-7前向传播、反向传播和计算图
目录 前向传播 前向传播计算图 反向传播 训练神经网络 小结 我们已经学习了如何用小批量随机梯度下降训练模型。 然而当实现该算法时,我们只考虑了通过前向传播(forward propagation)所涉及的计算。 在计算梯度时,我们只调用…...

【Python】基于Python的CI/CD工具链:实现自动化构建与发布
《Python OpenCV从菜鸟到高手》带你进入图像处理与计算机视觉的大门! 解锁Python编程的无限可能:《奇妙的Python》带你漫游代码世界 在现代软件开发中,持续集成(CI)和持续交付(CD)已经成为提高开发效率和软件质量的重要实践。CI/CD流程帮助开发团队自动化构建、测试、…...

FPGA-PS端编程1:
目标 在小梅哥的zynq 7015上,完成以下目标: 读取 S1 按键的电平, 当 S1 按键为按下状态时,驱动 PS LED 以 1S 的频率闪烁(注意理解 1S 的频率闪烁和 1S的时间翻转两种描述之间的差别), 当 S1 释放后,停止…...

自制数据库迁移工具-C版-06-HappySunshineV1.5-(支持南大Gbase8a、PostgreSQL、达梦DM)
目录 一、环境信息 二、简述 三、架构图 四、升级点 五、支持功能 六、后续计划支持功能 七、安装包下载地址 八、配置参数介绍 九、安装步骤 1、用户创建 2、安装包解压 3、环境变量配置 4、环境变量生效 5、动态库链接检验 (1)HsManage…...

了解RPC
本文来自智谱清言 --------- RPC(Remote Procedure Call,远程过程调用)是一种允许程序调用位于远程计算机上的子程序或服务的技术。这种技术使得构建分布式计算变得更加容易,因为它提供了强大的远程调用能力,同时保持…...

centos7 安装docker
文章目录 介绍docker特点安装1.前提准备2.下载1.移除旧版docker命令2.切换centos7的镜像源3.配置docker yum源4.安装最新docker5.输入命令验证docker 安装是否成功6.配置docker 镜像加速7.设置为开机自启 总结 介绍 Docker是一种开源的容器化平台,旨在简化应用…...

Docker 入门:如何使用 Docker 容器化 AI 项目(一)
引言 在人工智能(AI)项目的开发和部署过程中,环境配置和依赖管理往往是开发者遇到的挑战之一。开发者通常需要在不同的机器上运行同样的代码,确保每个人使用的环境一致,才能避免 “在我的机器上可以运行”的尴尬问题。…...

LLMs之rStar:《Mutual Reasoning Makes Smaller LLMs Stronger Problem-Solvers》翻译与解读
LLMs之rStar:《Mutual Reasoning Makes Smaller LLMs Stronger Problem-Solvers》翻译与解读 导读:这篇论文提出了一种名为rStar的自我博弈互推理方法,用于增强小型语言模型 (SLMs) 的推理能力,无需微调或依赖更强大的模型。rStar…...

【RK3588 Linux 5.x 内核编程】-内核中断与ThreadedIRQ
内核中断与ThreadedIRQ 文章目录 内核中断与ThreadedIRQ1、Threaded IRQ介绍2、Threaded IRQ相关API3、驱动实现4、驱动验证当 Interrupt 触发时,Interrupt handler 应该执行得非常快,它不应该运行更多的时间(它不应该执行耗时的任务)。 如果我们有执行更多任务的中断处理程…...

Message Processing With Spring Integration高级应用:自定义消息通道与端点
一、Spring Integration 简介 Spring Integration 是 Spring 框架的扩展,支持企业集成模式(EIP),提供轻量级的消息处理功能,帮助开发者构建可维护、可测试的企业集成解决方案。 核心目标: 提供简单的模型…...

S32K324 MCAL中的Postbuild和PreCompile使用
文章目录 前言Postbuild和PreCompile的概念MCAL中配置差异总结 前言 之前一直看到MCAL配置中有这个Postbuild和PreCompile的配置,但是不太清楚这两个的区别和使用方法。最近在使用中出现了相关问题,本文介绍一下MCAL中这两种配置的区别和使用。 Postbu…...

kubeadm_k8s_v1.31高可用部署教程
kubeadm_k8s_v1.31高可用部署教程 实验环境部署拓扑图**部署署架构****Load Balance****Control plane node****Worker node****资源分配(8台虚拟机)**集群列表 前置准备关闭swap开启ipv4转发更多设置 1、Verify the MAC address and product_uuid are u…...

【AI日记】24.12.22 容忍与自由 | 环境因素和个人因素
【AI论文解读】【AI知识点】【AI小项目】【AI战略思考】【AI日记】 工作 内容:看 OpenAi 这周的发布会和其他 AI 新闻,大佬视频时间:3 小时 读书 书名:富兰克林自传时间:1 小时评估:读完,总体…...

【Java基础面试题030】Java和Go的区别?
回答重点 可以从语言的设计理念、并发模型、内存管理、生态系统与应用场景来说: 1)语言设计理念: Java:Java是一种面向对象编程语言,强调继承、多态和封装等OOP特性。它运行在Java虚拟机(JVM)…...

学习嵩山版《Java 开发手册》:编程规约 - 常量定义(P5)
概述 《Java 开发手册》是阿里巴巴集团技术团队的集体智慧结晶和经验总结,他旨在提升开发效率和代码质量 《Java 开发手册》是一本极具价值的 Java 开发规范指南,对于提升开发者的综合素质和代码质量具有重要意义 学习《Java 开发手册》是一个提升 Jav…...

洛谷 P1595 信封问题 C语言递归
题目描述 某人写了 n 封信和 n 个信封,如果所有的信都装错了信封。求所有信都装错信封共有多少种不同情况。 输入格式 一个信封数 n,保证 n≤20。 输出格式 一个整数,代表有多少种情况。 输入输出样例 输入 #1 2 输出 #1 1 输入 #2 …...

QT创建一个模板槽和信号刷新UI
文章目录 信号与槽的声明work.cpp 信号与槽的连接 在Qt中,若您想设计一个仅含一个信号和槽函数框架,用以刷新UI上多个类型相同但可能属性各异的控件,我们可以借助QVariant的灵活性来传递不同种类的数据,同时利用控件的名称或某种标…...

【计算机视觉基础CV-图像分类】01- 从历史源头到深度时代:一文读懂计算机视觉的进化脉络、核心任务与产业蓝图
1.计算机视觉定义 计算机视觉(Computer Vision)是一个多学科交叉的研究领域,它的核心目标是使计算机能够像人类一样“看”并“理解”视觉信息。换句话说,它希望赋予计算机从图像、视频中自动提取、有意义地分析、理解并解释视觉场…...

C# cad启动自动加载启动插件、类库编译 多个dll合并为一个
可以通过引用costura.fody的包,编译后直接变为一个dll 自动加载写入注册表、激活码功能: 【CAD二次开发教程-实例18-启动加载与自动运行-哔哩哔哩】 https://b23.tv/lKnki3f https://gitee.com/zhuhao1912/cad-atuo-register-and-active...