系统学习算法：动态规划（斐波那契+路径问题）

题目一：

思路：

作为动态规划的第一道题，这个题很有代表性且很简单，适合入门

先理解题意，很简单，就是斐波那契数列的加强版，从前两个数变为前三个数

算法原理：

这五步可以说是所有动态规划的通用步骤，基本按照这个逻辑步骤，正确地完成每一个步骤，最后就能得到正确结果

1.状态表示：

基本所有的动态规划都要先创建一个dp表，也就是一维数组或者二维数组，而这个数组中的每一个空对应的含义就是状态表示

像本道题，我们要创建一个一维数组，而数组下标n对应的值就应该为第n个泰波那契数，这个状态表示就是我们所定义的，这个是最重要的一步，跟之前递归专题的定义递归函数功能是一样的，你想怎么定义就怎么定义，这道题很明显这么定义就很符合第一反应，因此这就完成了动态规划的第一步，状态表示

2.状态转移方程

用人话来说就是靠这个方程将dp表所有给填满，而这一步就是动态规划最难的一步，这道题题目已经给出了状态转移方程，那就是dp[n]=dp[n-1]+dp[n-2]+dp[n-3]，所以我们就是根据这个状态转移方程去填这个dp表，当然其他动态规划题就不会像本题一样简单，就需要自己去推导状态转移方程

3.初始化

其实就跟数独一样，题目得先给你一些存在的数，你才能去填其他的空，不能什么都不给，就让你填，而初始化就是先填上一部分dp表的空，然后状态转移方程通过初始化的值去填剩下的空

本题就是给了前三个泰波那契数0，1，1，这样我们才能通过状态转移方程往后推出更多的泰波那契数

同时也这一步也用于避免填表时越界的问题，比如当n<=2时，根据状态转移方程，就会出现访问-1，-2下标的值，就越界了，所以我们需要对这些进行特判

4.填表顺序

其实就是从左往右填，还是从右往左填，这道题很明显是根据前面三个泰波那契数推导当前的泰波那契数，根据状态表示，也就是数组靠前的是前面的泰波那契数，因此就是从左往右填

5.返回值

dp表填完后，那就该返回答案了，根据状态表示，确定返回值，比如本题状态表示是下标为n的代表第n个泰波那契数，那么题目要求我们返回第n个泰波那契数，那么我们就返回下标为n的就可以了，这时题目也就解决了

代码1：

class Solution {public int tribonacci(int n) {//初始化加特判if(n<=2){if(n==0){return 0;}else{return 1;}}int[] dp=new int[n+1];dp[0]=0;dp[1]=1;dp[2]=1;//状态转移方程并填表for(int i=3;i<=n;i++){dp[i]=dp[i-1]+dp[i-2]+dp[i-3];}//返回值return dp[n];}
}

而这道题和后面的背包问题可以使用空间优化的方法，也就是滚动数组

我们可以发现有些数用完其实就没用了，就像一次性筷子一样，那么用完就该扔了，同理我们的数组其实就没必要继续保留那些用过的值了

像我们这道题，就只用4个变量，就可以解决了，abc代表前三个泰波那契数，d表示当前的泰波那契数，然后到下一个泰波纳锲数时，通过滚动的操作，将上一回的bcd赋给abc，然后再求出d，如此类推

这样我们的时间复杂度就从原来的O（N）变为O（1），所以这种办法可以降下一个指数级别的复杂度

代码2（空间优化）：

class Solution {public int tribonacci(int n) {//初始化加特判if(n<=2){if(n==0){return 0;}else{return 1;}}int a=0,b=1,c=1,d=0;for(int i=3;i<=n;i++){//状态转移方程d=a+b+c;//滚动数组a=b;b=c;c=d;}//返回值return d;}
}

题目二：

思路：

题意很简单，就是每次可以有3种跳台阶的选择，然后返回到某一阶台阶有多少种跳法 

以n=3为例，小孩从第0阶为出发点，可以选择（1，2，3）每次跳1步到达第3阶，也可以选择（1，3）第一次跳1步，第二次跳2步到达第3阶，也可以选择（2，3）第一次跳2步，第二次跳1步到达第3阶，还可以选择直接跳3步到第3阶

总共4种跳法，所以返回4

算法原理：

还是按照动态规划的五个步骤走

1.状态表示：

dp表的第i个下标表示到达第i阶有多少种跳法

2.状态转移方程：

因为有3种跳法，所以如果要到第i阶，只能从i-3阶，i-2阶，i-1阶分别跳3步，2步，1步才能到达第i阶，而dp[i-3],dp[i-2],dp[i-1]记录着到达对应台阶的跳法，因此状态转移方程为dp[i]=dp[i-1]+dp[i-2]+dp[i-3]

3.初始化：

因为有三种跳法，所以至少要初始化前3个台阶，易知dp[1]=1,dp[2]=2,dp[3]=4，所以初始化这三个值然后并进行特判

4.填表顺序：

从低台阶跳到高台阶，而dp表前面的值记录的低台阶的跳法，后面的就记录更高台阶的跳法，所以填表顺序是从左往右填

5.返回值：

因为状态表示中dp[i]表示第i阶有多少种跳法，所以第n阶有多少种跳法要返回dp[n]，问题就解决了

代码：

class Solution {public int waysToStep(int n) {//初始化并且特判if(n==1||n==2){return n;}if(n==3){return 4;}//求模数，e代表科学计数法，且默认为double类型int mod=(int)1e9+7;int[] dp=new int[n+1];dp[1]=1;dp[2]=2;dp[3]=4;//状态转移方程for(int i=4;i<=n;i++){dp[i]=((dp[i-1]+dp[i-2])%mod+dp[i-3])%mod;}//返回值return dp[n];}
}

其实这道题跟上面那道题几乎一模一样，因此也可以用滚动数组进行空间优化，就不多说了

题目三：

思路：

题意也很简单，就是可以选择跳1步还是跳2步，然后每次跳完要给钱，找到最小花费的值，唯一需要注意的是终点并不是最后一个元素，而是最后一个元素的后面，也就是数组越界的位置

算法原理：

 还是五个步骤

1.状态表示

一般都是以dp表的第i个位置，表示题目的要求，本题那就是dp[i]就表示，到达第i阶时所需要的最少花费

2.状态转移方程

一般根据dp表之前的填空情况来推导当前填表的答案，dp[i]表示第i阶时所需要的最少花费，那么如果要到第i阶，那么就只能从第i-1阶或者i-2阶开始跳，如果要求第i阶时所需要的最少花费，那么就从第i-1阶或者i-2阶的最少花费再加上对应的花费选较少的那个，而第i-1阶或者i-2阶的最少花费又是由dp[i-1]和dp[i-2]记录，因此就形成了闭环

所以状态转移方程：dp[i]=Math.min(dp[i-1]+cost[i-1],dp[i-2]+cost[i-2])

3.初始化

题目说可以从0下标和1下标开始跳，那么所以dp[0]=dp[1]=0，避免了当i过小时数组越界

4.填表顺序

还是从下往上跳，那么dp表左边的指向低台阶，dp表右边指向高台阶，高台阶的最少花费由低台阶的最少花费决定，所以填表顺序是从左往右

5.返回值

因为最后要跳出数组，所以要返回dp[n]，因此dp表在创建的时候要多创一个位置new int[n+1]

问题就解决了

代码1：

class Solution {public int minCostClimbingStairs(int[] cost) {//初始化int n=cost.length;int[] dp=new int[n+1];dp[0]=dp[1]=0;//状态转移方程for(int i=2;i<=n;i++){dp[i]=Math.min(dp[i-1]+cost[i-1],dp[i-2]+cost[i-2]);}//返回值return dp[n];}
}

同理也可以逆向思考

刚刚的状态表示是dp[i]为到第i阶的最少花费，那么也可以反过来，dp[i]为从第i阶为起点，到顶的最少花费，那么初始化也是先初始dp[n-1],dp[n-2]，填表顺序也变为从右往左，返回值则是dp[0]和dp[1]的最小值

代码2：

class Solution {public int minCostClimbingStairs(int[] cost) {//初始化int n=cost.length;int[] dp=new int[n];dp[n-1]=cost[n-1];dp[n-2]=cost[n-2];//状态转移方程for(int i=n-3;i>=0;i--){dp[i]=Math.min(dp[i+1],dp[i+2])+cost[i];}//返回值return Math.min(dp[0],dp[1]);}
}

题目四：

 思路：

题意不是很难理解，就是返回一段字符串有多少种解码方法

需要注意的就是6是合法解码方式，06不是合法解码方式，最大解码为26，如果有一处出现了无法解码，那么整条解码方法就为0

算法原理：

还是五个步骤：

1.状态表示 

一般都是以某一个位置为起点或结尾+题目要求，本题就以i位置为结尾，有多少种解码数

2.状态转移方程

根据题意我们可以知道，要么是单独解码，要么是连续两个一起解码

这时就开始分类讨论

如果是单独解码，如果不为0，那么此时解码数就加上前一个位置的解码数，如果为0，那就不能单独解码，就不加上前一个位置的解码数，但也不能直接就认为解码失败，因为还有连续解码的情况，比如10，20

然后是连续解码，如果与前一个位置连起来在10-26之间，那么就说明能被连续解码，这时前一个位置和当前位置就成为了一个整体，因此加上的是i-2位置的解码数，反之，不在10-26之间就不加i-2位置的解码数

因为我们状态表示是以i位置为结尾，所以我们只用分析与前一个位置的连续解码情况，而不用管后面的位置

所以总体来说状态转移方程为

dp[i]+=dp[i-1]（单独解码如果成功）+dp[i-2]（连续解码如果成功）

3.初始化

为了避免越界情况，所以至少要先初始化dp[0]和dp[1]

dp[0]前面没有元素，那么只能单独解码，所以如果是0就为0，不是0就为1

dp[1]前面有dp[0]，所以可以单独解码也可以连续解码，同理单独解码时如果是0就不加，不是0就加1，连续解码时如果为10-26就加1，不是就不加

4.填表顺序

因为是以i位置为结尾，所以是根据前面填好的情况来填后面的空，因此是从左往右

5.返回值

因为要返回整个解码总数，所以是以n-1位置为结尾有多少解码方法，而状态表示以i位置为结尾，有多少种解码数，所以就返回dp[n-1]

代码1：

class Solution {public int numDecodings(String s) {//初始化int n = s.length();int[] dp = new int[n];char[] ch = s.toCharArray();//特判dp[0]和dp[1]if (ch[0] != '0') {dp[0] = 1;}if (n == 1) {return dp[0];}//单独解码if (ch[0] != '0' && ch[1] != '0') {dp[1] += 1;}//连续解码int num = (ch[0] - '0') * 10 + (ch[1] - '0');if (num >= 10 && num <= 26) {dp[1] += 1;}//状态转移方程for (int i = 2; i < n; i++) {//单独解码if (ch[i] != '0') {dp[i] += dp[i - 1];}//连续解码int num = (ch[i - 1] - '0') * 10 + (ch[i] - '0');if (num >= 10 && num <= 26) {dp[i] += dp[i - 2];}}//返回值return dp[n - 1];}
}

可以发现在初始化特判的时候非常冗杂，甚至比状态转移方程写的还多，而其中dp[1]的初始化流程和状态转移方程几乎一致，因此能不能直接将dp[1]的初始化流程放到状态转移方程中完成，当然是可以的

这里就用到了有些动态规划题目可以采用虚拟节点的方法进行初始化

就是多创建一个空，然后所有往后移动一位

dp[1]就是原来的dp[0]，那么还是只有单独解码的可能，因此是0就为0，不为0就为1，然后dp[2]就是原来的dp[1]，根据状态转移方程 

dp[i] = dp[i-1]（单独解码如果成功）+dp[i-2]（连续解码如果成功）

所以此时dp[2-2]应该设置为1，因为如果能连续解码，那么就加1，因此虚拟节点就初始化为1，如果连续解码不成功，那么就根本用不到dp[2-2]，无所谓dp[2-2]的值，所以综上要将dp[0]初始化为1

代码2：

class Solution {public int numDecodings(String s) {//初始化int n = s.length();int[] dp = new int[n+1];char[] ch = s.toCharArray();//dp[0]和dp[1]dp[0]=1;if (ch[0] != '0') {dp[1] = 1;}//状态转移方程for (int i = 2; i <= n; i++) {//单独解码if (ch[i-1] != '0') {dp[i] += dp[i - 1];}//连续解码int num = (ch[i - 2] - '0') * 10 + (ch[i-1] - '0');if (num >= 10 && num <= 26) {dp[i] += dp[i - 2];}}//返回值return dp[n];}
}

题目五：

思路：

之前在记忆化搜索的章节做过这道题，因为记忆化搜索和动态规划其实大差不差，因此也可以用动态规划做

算法原理：

这道题因为涉及了二维表，与之前一维表有些不一样，但步骤都是那五步

1.状态表示

 因为是二维表，那么就是以dp[ i ][ j ]为结尾，加上题目要求，到达ij位置时的路径和

2.状态转移方程

因为只能向右或向下，所以到达该位置时，只能从上面到下面，从左边到右边，因此状态转移方程

dp[ i ] [ j ]=dp[i-1][ j-1]+dp[ i ][ j-1]

3.初始化

因为处于最左边和最上边的边界格子，在状态转移方程中会越界，所以要对此进行特殊处理，而在一维中是采用多开一个位置，即虚拟节点，而在二维中，往往会在左边多开一列，上边多开一行，那么边界情况就全部解决了，不会越界，而在起点dp[1][1]应该为1，所以可以直接给dp[1][1]赋值为1，也可以在dp[0][1]或者dp[1][0]赋值为1，然后dp[1][1]再通过状态转移方程赋值为1，都是可以的

4.填表顺序

因为是根据上边和左边来决定当前位置，因此应该是从上往下，且从左往右填表的

5.返回值

dp[ i ][ j ]表示为当前位置的路径和，题目要求返回到达终点有多少种不同路径，那么我们就返回dp[m][n]即可

代码：

class Solution {public int uniquePaths(int m, int n) {//初始化int[][] dp=new int[m+1][n+1];dp[0][1]=1;//状态转移方程for(int i=1;i<=m;i++){for(int j=1;j<=n;j++){dp[i][j]=dp[i-1][j]+dp[i][j-1];}}//返回值return dp[m][n];}
}

题目六：

思路：

跟上一道题几乎一模一样，就是多了障碍物这个设置

算法原理： 

还是五个步骤，除了状态转移方程与上一题不太一样，其他都一样

因为出现了障碍物，所以这个格子的dp值一定为0，因此只需要在填表时判断一下是否有障碍物，如果有就直接设为0，如果不是障碍物，则继续套用上一题的状态转移方程

代码：

class Solution {public int uniquePathsWithObstacles(int[][] obstacleGrid) {//初始化int row=obstacleGrid.length;int col=obstacleGrid[0].length;int[][] dp=new int[row+1][col+1];dp[0][1]=1;//状态转移方程for(int i=1;i<=row;i++){for(int j=1;j<=col;j++){if(obstacleGrid[i-1][j-1]==1){dp[i][j]=0;}else{dp[i][j]=dp[i-1][j]+dp[i][j-1]; }}}//返回值return dp[row][col];}
}

题目七：

思路：

还是路径问题，依然可以采用动态规划，题意很简单，就是从左上角为起点，右下角为终点，移动方向只能向下或向右，然后返回路径上的最大值

算法原理：

 依旧是五个步骤

1.状态表示

以i j位置为终点，到达这里的路径最大值

2.状态转移方程

因为只有向下和向右两个方向，那么能到达[i][ j ]位置的只能是[i-1][ j ]，或者[i][ j-1] ，而又要找到当前位置路径最大值，那么就选择这两格的最大值，再加上当前位置的值就是当前位置的最大值，因此状态转移方程是

dp[i][ j ]=Math.max(dp[i-1][ j ]，[i][ j-1]) + frame[i][ j ]

3.初始化

依旧多加一行多加一列，方便填表时不越界

4.填表顺序

根据移动方向可知，填表顺序是从上往下，从左往右

5.返回值

根据状态表示，返回dp[m][n]

代码：

class Solution {public int jewelleryValue(int[][] frame) {//初始化int row=frame.length;int col=frame[0].length;int[][] dp=new int[row+1][col+1];//状态转移方程for(int i=1;i<=row;i++){for(int j=1;j<=col;j++){dp[i][j]=Math.max(dp[i-1][j],dp[i][j-1])+frame[i-1][j-1];}}//返回值return dp[row][col];}
}

题目八：

思路：

依旧是路径问题，只是这回移动方向变成了只能向下，且左右可以对角移动，最后返回最小下降路径的值

算法原理：

依旧是五个步骤

1.状态表示

以i j位置为终点，表示到达此位置时的最小下降路径和

2.状态转移方程

因为方向多了对角线，且只能从上一行下来，因此为[i-1][ j-1 ]，[i-1][ j ]，[i-1][ j+1 ]

而要找的是最小的，所以就是状态转移方程为

dp[i][ j ]=Math.min(dp[i-1][ j-1 ]，Math.min(dp[i-1][ j ]，dp[i-1][ j+1 ]))

3.初始化

为了避免越界问题，所以依旧要扩容来将原数组包围，所以就是多加一行，但是这回就要多加两列，因为左边要有一列，右边要有一列，这样才能全部包围住，不会越界

因为要找最小的，所以扩容的位置的值不能初始化为0，不然会影响到真正的结果，因此要初始化为最大值

4.填表顺序

根据移动方向顺序，还是从上到下，从左往右

5.返回值

最后都会到达最后一行，所以只用返回最后一行的最小dp值即可

代码：

class Solution {public int minFallingPathSum(int[][] matrix) {//初始化int row=matrix.length;int col=matrix[0].length;int[][] dp=new int[row+1][col+2];for(int i=1;i<=row;i++){dp[i][0]=dp[i][col+1]=Integer.MAX_VALUE;}//状态转移方程for(int i=1;i<=row;i++){for(int j=1;j<=col;j++){dp[i][j]=Math.min(dp[i-1][j-1],Math.min(dp[i-1][j],dp[i-1][j+1]))+matrix[i-1][j-1];}}//返回值int ret=dp[row][1];for(int j=2;j<=col;j++){ret=ret>dp[row][j]?dp[row][j]:ret;}return ret;}
}

题目九：

思路：

还是路径问题，只是变成要求最小值，其他的要求和之前珠宝那道题目几乎一样

算法原理：

依旧是五步：

1.状态表示

以i j位置为终点，表示到达此位置时的最小路径和

2.状态转移方程

因为只有向下和向右两个方向，那么能到达[i][ j ]位置的只能是[i-1][ j ]，或者[i][ j-1] ，而又要找到当前位置路径最小值，那么就选择这两格的最小值，再加上当前位置的值就是当前位置的最小值，因此状态转移方程是

dp[i][ j ]=Math.min(dp[i-1][ j ]，[i][ j-1]) + grid[i][ j ]

3.初始化

依旧多加一行多加一列，方便填表时不越界，只是这里要求最小值，所以扩容的位置要初始化为MAX，而从起点开始，因此它的上一格或者左一格任选一个初始化为0即可

4.填表顺序

根据移动方向可知，填表顺序是从上往下，从左往右

5.返回值

根据状态表示，返回dp[m][n]

代码：

class Solution {public int minPathSum(int[][] grid) {//初始化int row=grid.length;int col=grid[0].length;int[][] dp=new int[row+1][col+1];for(int j=2;j<=col;j++){dp[0][j]=Integer.MAX_VALUE;}for(int i=1;i<=row;i++){dp[i][0]=Integer.MAX_VALUE;}//状态转移方程for(int i=1;i<=row;i++){for(int j=1;j<=col;j++){dp[i][j]=Math.min(dp[i-1][j],dp[i][j-1])+grid[i-1][j-1];}}//返回值return dp[row][col];}
}

题目十：

 思路：

依旧是路径，题意也很好理解，跟游戏中打怪boss一样，正数表示为补给包，负数代表有怪物，0表示为空房间，每次只能选择进入右边的房间或者下边的房间，从左上角出发，到右下角结束，但过程中要保持有血量（路径和）要大于等于1，问一开始起点初始的最低血量

以示例1为例子，按照该路径走可以算出起始最低血量为7，但不要认为就是-2+-3+3+1+-5=-6，所以直接-6取反再加1就可以了，这里就容易出现一个误区，那就是这个-6是所有路径上所需血量的最小值，这道题刚好是最后一格是所有路径上的所需血量的最小值，所以是-6

如果还有疑惑，举个游戏中的例子就明白，你进入一个房间，遇到超级大怪兽，假设打倒需要10000血，然后打完这个怪兽后面有个房间有9999血的补给包，那这里你能直接

10000-9999+x(初始血量)>=1，x=2，能这样算嘛，你都打不过那个怪兽，后面补给包不可能拿到的

初始最低血量应该为10001滴血

算法原理：

依旧是路径问题，大致步骤也是一样的

但是从第一步就容易出错，根据之前的题目，我们状态表示都是以某个位置为结尾，怎么这么样，而这道题用以结尾这种状态表示则是错误的，因为具有“有后效性”

可以简单去尝试下，就是填dp表时，刚根据上左dp值得出当前dp值，但是后面依然会影响当前dp值

如上图，假设设置状态表示为到达ij位置时，所需最低初始健康点数

那么-2这个格根据上左扩容的dp就应该为3，到了-3这个格子，发现最低应该是6，3这个格子为6，然后到3这个格子，你就不知道怎么填了，因为你不能6-3就填3吧，那就犯了一开始的误区，也不能不管仍然填6吧，那后面就完全乱套了，最后返回-5这个格子的dp值肯定是错的，这就是被后面的状态给影响了，也就是“有后效性”

简单来说还是被后面的血包影响了，以为你能欠血后面再还，实际是全程都不能低于1

因此就需要改变状态表示，反正不是以结尾，就是以起点

1.状态表示

以i j为起点，所需最低初始健康点数

2.状态转移方程

因为是以起点，那么就需要根据后面的dp值来填，即右格和下格的dp值

因为要找最低的，所以是用右格和下格的min，然后再减去当前格子dungeon的值，也就是dp值

当然因为dungeon有可能为正数（血包），所以减去后有可能为负数，此时又犯了欠血的误区，因此要if判断一下，如果为负数，那么就直接修改为1，因为至少需要活着

所以状态转移方程为

dp[i][j]=Math.min(dp[i+1][j],dp[i][j+1])-dungeon[i][j];

                if(dp[i][j]<=0){

                    dp[i][j]=1;

                }

3.初始化

为了避免越界问题，所以要将原数组包围起来，因此要多加一行多加一列，但只用包越界的那边，因为这次是向右和向下，所以围的是右边和下边

因为要找最小值，所以应该初始化为MAX，因为终点下右的都是初始化的，所以要任选一个更改为1，表示最低需要1滴血

4.填表顺序

如果状态表示是以起点，那么填表顺序就反过来了，从下往上，从右往左

5.返回值

根据状态表示返回第一格的dp就是

代码：

class Solution {public int calculateMinimumHP(int[][] dungeon) {//初始化int row=dungeon.length;int col=dungeon[0].length;int[][] dp=new int[row+1][col+1];for(int i=0;i<=row;i++){dp[i][col]=Integer.MAX_VALUE;}for(int j=0;j<=col;j++){dp[row][j]=Integer.MAX_VALUE;}dp[row-1][col]=1;//状态转移方程for(int i=row-1;i>=0;i--){for(int j=col-1;j>=0;j--){dp[i][j]=Math.min(dp[i+1][j],dp[i][j+1])-dungeon[i][j];if(dp[i][j]<=0){dp[i][j]=1;}}}//返回值return dp[0][0];}
}

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如若转载，请注明出处：http://www.pswp.cn/diannao/81889.shtml
繁体地址，请注明出处：http://hk.pswp.cn/diannao/81889.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

《让内容“活”起来：Flutter社交应用瀑布流布局的破界实践》

《让内容“活”起来：Flutter社交应用瀑布流布局的破界实践》

用户动态的展示方式如同舞台的布景&#xff0c;直接影响着观众——用户的体验。而瀑布流布局&#xff0c;以其独特的美感和高效的信息展示能力&#xff0c;成为众多社交应用的心头好。当我们滑动着Instagram、Pinterest&#xff0c;或是国内热门的小红书&#xff0c;那种内容如…
阅读更多...
微机控制技术复习【一】

微机控制技术复习【一】

填空题&#xff1a; 简答题&#xff1a; 1、什么是计算机控制系统?其典型形式有哪些? 2、给出 DDC &#xff08;直接数字控制&#xff09;控制系统结构框图&#xff0c;并说明各组成部分的作用&#xff1f; 3、采样周期选择的理论依据是什么?工程应用中应如何选择?选择采样…
阅读更多...
前端学习基础—VScode环境配置及html基础知识

前端学习基础—VScode环境配置及html基础知识

作为初学者&#xff0c;一个好的开发环境能极大地提高理解与学习的效率&#xff0c;本文分享我的VScode环境配置方法&#xff0c;涵盖插件、主题、快捷键等&#xff0c;希望能助你快速搭建舒适边界的前端学习环境。 一、VSCode环境配置 首先找到vscode插件商店&#xff0c;在这…
阅读更多...
【一】 基本概念与应用领域【830数字图像处理】

【一】 基本概念与应用领域【830数字图像处理】

考纲 文章目录 1 概念2005甄题【名词解释】2008、2012甄题【名词解释】可考题【简答题】可考题【简答题】 2 应用领域【了解】2.1 伽马射线成像【核医学影像】☆2.2 X射线成像2.3 紫外波段成像2.4 可见光和红外波段成像2.5 微波波段成像2.6 无线电波段成像2.7 电子显微镜成像2…
阅读更多...
QuecPython错误码汇总

QuecPython错误码汇总

QuecPython中定义的各种错误代码常量 错误码常量错误码释义QUEC_PY_FAIL-1Generic failure codesQUEC_PY_OK0Quec_py value indicating success (no error)QUEC_PY_EPERM1Operation not permittedQUEC_PY_ENOENT2No such file or directoryQUEC_PY_ESRCH3No such processQUEC_…
阅读更多...
C++学习-入门到精通-【4】函数与递归入门

C++学习-入门到精通-【4】函数与递归入门

C学习-入门到精通-【4】函数与递归入门 函数与递归入门 C学习-入门到精通-【4】函数与递归入门一、 数学库函数sqrt()ceil()cos()exp()fabs()floor()fmod()log()log10()pow()sin()tan()总结 二、具有多个形参的函数定义三、函数原型、函数签名和实参的强制类型转换函数原型函数…
阅读更多...
天线测试报告解读学习

天线测试报告解读学习

提示&#xff1a;文章写完后&#xff0c;目录可以自动生成&#xff0c;如何生成可参考右边的帮助文档 文章目录 前言一、无源测试和有源测试二、无源测试报告1.驻波2.回损3.史密斯圆图4.效率5.增益6.天线方向图7.天线隔离度8.无源测试总结 三、有源测试报告1.TRP与TIS2.测试指标…
阅读更多...
GEC6818蜂鸣器驱动开发

GEC6818蜂鸣器驱动开发

相关知识&#xff1a;Linux设备驱动开发 insmod 编译好的.ko文件后再运行beep_app.c编译完成的可执行文件即可使板子蜂鸣。 beep_drv.c: #include <linux/module.h> //包含了加载模块时需要使用的大量符号和函数声明 #include <linux/kernel.h> //包含了printk内…
阅读更多...
电脑定时管家！Wise Auto Shutdown 深度测评：多任务执行 + 灵活定时

电脑定时管家！Wise Auto Shutdown 深度测评：多任务执行 + 灵活定时

各位电脑小达人&#xff0c;今天给大家介绍一款超厉害的Windows系统定时任务管理工具——Wise Auto Shutdown&#xff01;这玩意儿就像电脑的贴心小管家&#xff0c;能自动执行关机、重启这些操作&#xff0c;时间设定灵活得很&#xff0c;还有提醒机制呢。下面我给大家好好唠唠…
阅读更多...
vscode 配置qt

vscode 配置qt

工具&#xff1a;vscode、qttools、qtconfigure Search Mode改成基于cmake的。 # 在项目中指定Qt的路径 set(Qt5_DIR "/home/jp/qt-everywhere-src-5.12.9/arm-qt/lib/cmake/Qt5") # 用于指定 Qt5 的安装路径 find_package(Qt5 REQUIRED COMPONENTS Widgets)这样就…
阅读更多...
基于Boost库、Jsoncpp、cppjieba、cpp-httplib等构建Boost搜索引擎

基于Boost库、Jsoncpp、cppjieba、cpp-httplib等构建Boost搜索引擎

⭐️个人主页&#xff1a;小羊 ⭐️所属专栏&#xff1a;项目 很荣幸您能阅读我的文章&#xff0c;诚请评论指点&#xff0c;欢迎欢迎 ~ 目录 项目背景技术栈和项目环境正排索引和倒排索引数据去标签与清洗下载数据源去标签 建立索引构建正排索引构建倒排索引 建立搜索引擎h…
阅读更多...
QMK机械键盘固件开发指南：从源码到实践

QMK机械键盘固件开发指南：从源码到实践

QMK机械键盘固件开发指南&#xff1a;从源码到实践 前言 QMK&#xff08;Quantum Mechanical Keyboard&#xff09;是一款开源的键盘固件&#xff0c;支持众多自定义键盘的功能配置。通过QMK&#xff0c;您可以完全掌控键盘的每一个按键&#xff0c;实现复杂的宏指令、多层按…
阅读更多...
WPF 导航

WPF 导航

WPF 导航相关控件/机制 控件 / 类说明常用属性/方法Frame用来承载不同的页面 (Page) 并在它们之间切换的容器。Source&#xff08;导航到的 URI&#xff09; Navigate()&#xff08;导航方法&#xff09; CanGoBack / GoBack() CanGoForward / GoForward()Page表示一个单独的可…
阅读更多...
时序建模演进之路：从 MLP、RNN 到 LSTM 与 GRU

时序建模演进之路：从 MLP、RNN 到 LSTM 与 GRU

时序建模演进之路&#xff1a;从 MLP、RNN 到 LSTM 与 GRU 您是否好奇机器如何能像人类一样理解、生成流畅的文本&#xff0c;甚至是从海量代码中自动生成文档&#xff1f;这些自然语言处理 (NLP) 领域的迷人挑战&#xff0c;其核心在于模型处理和记忆 序列数据 的能力。 然而…
阅读更多...
【Redis——数据类型和内部编码和Redis使用单线程模型的分析】

【Redis——数据类型和内部编码和Redis使用单线程模型的分析】

文章目录 Redis的数据类型和内部编码单线程模型的工作过程Redis在处理命令时虽然是一个单线程模型&#xff0c;为啥效率那么高&#xff0c;速度快呢&#xff1f; 总而言之&#xff0c;Redis提供的哈希表容器并不一定真的是真的哈希表&#xff0c;而是在特点的场景下&#xff0c…
阅读更多...
鸿蒙NEXT开发动画（风格的旋转加载动画组件）

鸿蒙NEXT开发动画（风格的旋转加载动画组件）

1.创建空白项目 2.Page文件夹下面新建Spin.ets文件&#xff0c;代码如下&#xff1a; /*** SpinKit 风格的旋转加载动画组件。** component* param spinSize - 动画容器大小&#xff08;必须为正数&#xff09;* param spinColor - 动画颜色&#xff08;支持资源引用&#xf…
阅读更多...
后端接口请求http改为https

后端接口请求http改为https

1、使用 OpenSSL 生成自签名证书 在Linxu服务器上执行如下命令&#xff1a; openssl req -x509 -newkey rsa:4096 -keyout key.pem -out cert.pem -days 365 -nodes 运行此命令后&#xff0c;会提示输入一些信息&#xff08;如国家、省份、城市、组织名称等&#xff09;&…
阅读更多...
工作记录 2017-12-12 + 在IIS下发布wordpress

工作记录 2017-12-12 + 在IIS下发布wordpress

工作记录 2017-12-12 序号 工作 相关人员 1 修改邮件上的问题。 更新RD服务器。 在IIS下发布wordpress。 郝 服务器更新 RD服务器更新了&#xff0c;更新的文件放在190的D:\Temp\CHTeam\fnehr_update_20171212\下了。 数据库更新: 数据库没有更新 更新的文件&#xf…
阅读更多...
【PostgreSQL数据分析实战：从数据清洗到可视化全流程】1.2 安装与配置PostgreSQL（Windows/Linux/macOS）

【PostgreSQL数据分析实战：从数据清洗到可视化全流程】1.2 安装与配置PostgreSQL（Windows/Linux/macOS）

👉 点击关注不迷路 👉 点击关注不迷路 👉 点击关注不迷路 文章大纲 1.2 安装与配置 PostgreSQL（Windows/Linux/macOS）1.2.1 操作系统兼容性与硬件要求1.2.2 Windows 安装与配置1.2.2.1 安装步骤1.2.2.2 服务管理1.2.2.3 配置文件路径1.2.3 Linux 安装与配置（以 Ubuntu…
阅读更多...
epub格式转txt格式工具，txt批量转PDF

epub格式转txt格式工具，txt批量转PDF

epub格式转txt格式工具&#xff0c;功能如图&#xff1a; txt格式批量转PDF 参考原文&#xff1a;epub格式转txt格式工具&#xff0c;txt批量转PDF 轻轻一点就关注, 好运连连挡不住&#xff0c;点个关注吧。
阅读更多...
最新文章

Copyright @ 2022~2023