算法leetcode基础day6

## 思想 SPFA 算法是对 Bellman-Ford 算法的优化。 我们令一张图中所有顶点的数量为 $n$，所有边的数量为 $m$。 在 Bellman-Ford 算法中，我们需要对每一条边进行松弛操作，所以最终复杂度为 $O(nm)$。 显然按照这种方法，可以处理含有负边权的图。 我们考虑到， ......

泛型在 C# 中提供了更加灵活、安全和高效的编程方式，它可以提高代码的可重用性、可维护性和可扩展性，同时还能够减少错误并提高性能。这么好的东西必须得多安排安排！ ......

语雀不充钱出不了网，纯纯跳板，不定时更新。 # 反射 ## 概念 Java反射机制指的是： - 可以创建任意类的对象 - 可以获取任意对象所属类 - 可以访问任意类的，任意函数和成员 在Java安全里，我们通常利用这个来控制一些对象的成员、执行一些方法。 ## 获取Class对象 获取Class对象 ......

参考链接： https://zhuanlan.zhihu.com/p/419140323 https://blog.csdn.net/pengfeicfan/article/details/129374673 ECS：面向数据的编程，当处理大量的游戏对象时，大量Component在内存中会排列地紧凑 ......

### 整理代码块 代码块整理后存储，供后期使用 **JS版本** ```js function reverse(x) { let res = 0; while (x !== 0) { if (res > Math.floor(Number.MAX_SAFE_INTEGER / 10) || res ......

### 例题： 先看这样一道题，给定整数 $a,b$ ，求 $x,y$ 使得 $ax+by=1$。 ### 性质： #### 性质1： 这显然是一道数学题（~~废话~~），考虑将原式根据乘法分配律转换为 $\gcd(a,b)\times (\frac{a}{\gcd(a,b)}x+\frac{b}... ......

## 1. GPU简介 GPU与CPU的主要区别在于： - CPU拥有少数几个快速的计算核心，而GPU拥有成百上千个不那么快速的计算核心。 - CPU中有更多的晶体管用于数据缓存和流程控制，而GPU中有更多的晶体管用于算数逻辑单元。 所以，GPU依靠众多的计算核心来获得相对较高的并行计算性能。 一块 ......

# 题目 编写一个高效的算法来搜索 m x n 矩阵 matrix 中的一个目标值 target 。该矩阵具有以下特性： 每行的元素从左到右升序排列。 每列的元素从上到下升序排列。 **示例一** ![image](https://img2023.cnblogs.com/blog/2204134/2 ......

引言 基于SOA的功能测试中，Someip作为核心至关重要，但是常规的功能测试（不包括协议栈）针对Someip SD并不十分关注，用SomeipDLL实现也很麻烦。CANoe12.0版本提出了CO：Communication Object，CO将Someip的服务与接口抽象为具体单独的接口来供测试工 ......

前后端数据传输的编码格式（contentType）、Ajax提交JSON格式的数据、Ajax提交文件数据、Ajax结合layer弹窗实现删除的二次确认、批量插入数据 ......

## 思想 利用贪心，BFS。 首先确定一个起始点 $s$。 需要两个数组 $dist$ 和 $vis$。$dist_i$ 表示编号为 $i$ 的点到起始点 $s$ 的最短距离，$vis_i$ 表示编号为 $i$ 的点是否已经确定为到起始点路径最短的点。 做法：从 起始点 $s$ 开始，遍历与 $s ......

## # 977.有序数组的平方 题目链接： [有序数组的平方](https://leetcode.cn/problems/squares-of-a-sorted-array/) 题目： 给你一个按 非递减顺序 排序的整数数组 nums，返回 每个数字的平方 组成的新数组，要求也按 非递减顺序 排序 ......

一、安装docker 参考 https://blog.csdn.net/m0_59196543/article/details/124749175 这篇文章，感谢大佬分享 1、检查是否安装过docker，如果有，则卸载 yum remove docker \ docker-client \ dock ......

# 06-页面置换算法 ## 一、功能与目标 功能： 当缺页中断发生，需要调入新的页面而内存已满时，选择内存当中哪个物理页面被置换 目标： 尽可能地减少页面的换进换出次数（即缺页中断的次数）。具体来书，把未来不再使用的活短期内较少使用的页面换出，荣昌只能在局部性原理指导下依据过去的统计数据来进行预测 ......

首先, 本文基于 V3.5 , 官方文档在这里: https://docs.cocos.com/creator/3.5/manual/zh/physics/ 一. 明确 2D 物理引擎, 和 3D 物理引擎 在接口上有点区别, 实际区别我也不清楚在哪里, 官方文档也没说. 比如: 启用物理引擎 Ph ......

- ### 欧拉函数 - 欧拉函数$\varphi(N)$ : 1-N中与N互质的数的个数 - 若$N = p_1^{a_1} · p_2^{a_2} · p_3^{a_3} ··· ·p_n^{a_n}$ 其中p为N的所有质因子 - 则$\varphi(N) = N(1-\frac{1}{p_1} ......

Given an integer array `nums` of length n and an integer `target`, find three integers in nums such that the sum is closest to `target`. Return the su ......

#学习/java 1. 对象 Object (Is a/Is like) a. 向上转型 upcasting （解耦） i. 圆形也是一种形状 b. 向下转型 i. 参数化类型机制（Parameterized Type Mechanism） c. 多态（Polymorphism）--动态绑定实现多态 ......

点击查看目录 [TOC] ## 前置知识： 建议虽然是简单的前置知识，还是打开略过一遍。 * 浮点数与误差分析（少用除法） * 向量相关 向量 向量，就是带有方向和大小两个属性的边，通常形式为$\overrightarrow{AB}=(a_1，a_2)=A$。 运算与性质： * 判等：两点坐标重合。 ......

上一篇讲了Jenkins的下载与安装：https://www.cnblogs.com/gancuimian/p/16247703.html 接着说一下Jenkins的简单使用。（使用公司Jenkins的话，依照公司使用规范。这里介绍的是个人使用常用的一些配置） 首先各种配置好后，输入账密登录，进入首 ......

以前用的比较多的语言是java，但是自从从事测试行业以来，发现“通用的语言”竟然是python！呜呼~ 各种评论都说python学习很简单，but一点也不简单好吗， 本次分享就是一个记录，给一些小白同学做参考，大神请帮忙指正错误~~ 本期学习笔记： 1、python语言使用变量直接赋值即可，不用声明 ......

## 数据结构起源 早期人们都把计算机理解为数值计算工具，就是感觉计算机当然是用来计算的，所以计算机解决问题，应该是先从具体问题中抽象出一个适当的数据模型，设计出一个解此数据模型的算法，然后再编写程序，得到一个实际的软件。 可现实中，我们更多的不是解决数值计算的问题，而是需要一些更科学有效的手段（比 ......

>语雀不支持公开分享了，打算将博客转移阵地，目前先把以前的博客转录进来 #1.介绍 **git cmd** 类似Windows的cmd操作 **git Bash** 类似Linux下的操作 **git Gui** 图形化操作，操作太慢了，一般不使用 #2.基本命令（Linux） - `cd` ..回 ......

数组方法备忘单： 添加/删除元素： push(...items) —— 向尾端添加元素， pop() —— 从尾端提取一个元素， shift() —— 从首端提取一个元素， unshift(...items) —— 向首端添加元素， splice(pos, deleteCount, ...items ......

如何看懂一个程序，分三步： 1. 流程2. 每个语句的功能3. 试数 如何学习一些需要算法的程序【如何掌握一个程序】： 1. 尝试自己去编程解决它 但要意识到大部分人都是自己无法解决的，如果解决不了，这时不要气馁，如果十五分钟还想不出来，此时我建议您就可以看答案了 2. 如果解决不了，就看答案 关键 ......

[TOC] ​ 卡尔曼滤波算法（Kalman Filtering Algorithm）是一种用于估计系统状态的数学方法，它具有广泛的应用范围，包括控制系统、导航系统、机器人、信号处理等领域。本文将从原理、概念、方法、代码和应用几个方面详细介绍卡尔曼滤波算法。 # 第一部分：原理和概念 ​ 卡尔曼滤波 ......

## Java基础语法 ### 注释 **写注释是一个很好的习惯** - 单行注释 - 多行注释 - 文档注释 **创建一个空项目** > **file** > **new** > **model** (注意这里不能new 一个project，因为空项目本身就是一个project) > 然后就是一套 ......

一、镜像篇1.查看镜像 docker images 2.查看所有镜像id docker images -q 3.搜索镜像 docker search 镜像名称 4.拉取镜像 docker pull 镜像名称(:版本号) 5.删除镜像 docker rmi 镜像id #删除指定本地镜像 docker ......

前言 概念 树、决策树、二叉树、随机森林、随机蕨、CART分类回归树； GBDT 的全称是 Gradient Boosting Decision Tree，梯度提升决策树。 简介 One Millisecond Face Alignment with an Ensemble of Regressio ......

239. 滑动窗口最大值 （一刷至少需要理解思路） 卡哥建议：之前讲的都是栈的应用，这次该是队列的应用了。本题算比较有难度的，需要自己去构造单调队列，建议先看视频来理解。 题目链接/文章讲解/视频讲解：https://programmercarl.com/0239.%E6%BB%91%E5%8A%A ......