大小堆的实现（C语言）

news2025/3/11 3:34:55

目录

前言

一种完全二叉树：堆

堆的概念

堆的性质

建堆的时间复杂度

建堆的空间复杂度：

小堆的实现

必要补充

堆的初始化

堆的销毁

向上调整算法

堆的插入

向下调整算法

堆的删除

获取堆顶元素

获取堆中元素个数

堆的判空

最终代码

Heap.h文件

Heap.c文件

test.c文件

大堆的实现

思考：堆的意义是什么？

1、堆排序

2、top k问题

前言        

        在上一篇中，我们学习了二叉树的基本概念：C语言二叉树的基本概念（一）现在我们来学习一种完全二叉树堆，以及大小堆的实现......

一种完全二叉树：堆

堆的概念

概念：如果有一个关键码的集合K = { k0，k1，k2，…}，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，若分别满足以下两种情况，则称该堆为小/大堆： 

根节点为最大值的堆叫做最大堆或大根堆，根节点为最小值的堆叫做最小堆或小根堆

堆的性质

  1. 堆是一个完全二叉树；
  2. 堆中每一个节点的值都必须大于等于（或小于等于）其子树中每个节点的值

建堆的时间复杂度

1、我们将一个高度为h的满二叉树转变成一个小堆，该小堆的结点总数为log(N+1)

一般来说对数的底我们将其忽略，所以这里原本是log(以2为底N+1的对数)

第一层的结点个数为2^0、第二层的结点个数为2^1......第h层的结点个数为2^(h-1)

结点总数为：2^0 + 2^1 +......+2^(h-1) = 2^h - 1 

（等比数列求和公式：Sn=a1 (1-q^n)/ (1-q)）
假设结点总数为N，则N与h的关系是N = 2^h - 1 == h = log(N+1)

即一个高h的满二叉树的结点个数为log(N+1)

2、进行堆的调整，得到最终的时间复杂度为O(N*logN)

第一层元素向上调整0次，第二层元素向上调整1次......第h层元素向上调整h-1次

同时每一层元素中的结点个数又分别为2^0、2^1......2^(h-1)

总调整次数T为：T = 2^0×0 + 2^1×1 +......2^(h-1)×(h-1)     ① 

利用错位相减法列出第二个式子：2*T = 2^1×0 + 2^2×1 +......2^h×(h-1)     ②

由① - ②得： T = 2 + 2^h * (h-2)     ③

将h = log（以2为底N+1的对数）代入③得④：

T = （N+1）log（以2为底N+1的对数）- 2 * N     ④

将④利用大O渐进表示法转换为 T(N) = O(N*log以2为底N的对数)

结论：建堆的时间复杂度为O(N*logN)

建堆的空间复杂度：

        小堆的空间复杂度为O(n)，其中n是小堆中元素的个数。在建堆的过程中，需要额外的空间来存储数组中的元素。

结论：建堆的空间复杂度为O(N)

小堆的实现

我们利用顺序表（顺序存储方式）实现堆

必要补充

堆的任何一个父结点的编号parent与其左孩子结点的编号leftchild满足如下关系式:

理解这里是我们后续在编写向上调整算法与向下调整算法时的基础 

堆的初始化

//初始化堆
void HeapInit(HP* php)
{
	//检查堆的有效性
	assetr(php);
	php->a = NULL;
	php->capacity = 0;
	php->size = 0;

}

堆的销毁

free可以用来检查是否为空，若指针为空，则free不执行任何操作，指针不为空就释放内存空间

//堆的销毁
void HeapDestroy(HP* php)
{
	assert(php);
	//释放a指针的内存空间并将a指针置为空
	free(php->a);
	php->a = NULL;
	php->capacity = 0;
	php->size = 0;
}

向上调整算法

//向上调整
void AdjustUP(HPDataType* a,int child)
{
	int parent = (child - 1) / 2;
	//当孩子等于0的时候它已经位于树顶了没有父亲了就应该结束循环
	while(child > 0)
	{
        //if (a[child] > a[parent])，就是它
		if (a[child] < a[parent])
		{
			//如果儿子小于父亲就交换父子位置，同时将此时
			Swap(&a[child], &a[parent]);
			child = parent;
			parent = (parent - 1) / 2;
		}
		//由于是写一个小堆，所以当孩子大于等于父亲时不需要交换，直接退出循环即可
		else
		{
			break;
		}
	}
}

堆的插入

//堆的插入
void HeapPush(HP* php, HPDataType x)
{
	assert(php);
	//扩容
	if (php->size == php->capacity)
	{
		size_t newCapacity = php->capacity == 0 ? 4 : php->capacity * 2;
		HPDataType* tmp = (HPDataType*)realloc(php->a, newCapacity * sizeof(HPDataType));

		if (tmp == NULL)
		{
			perror("realloc error");
			return -1;
		}
		php->a = tmp;
		php->capacity = newCapacity;

	}

	php->a[php->size] = x;
	php->size++;

	//向上调整,从顺序表最后一个元素开始调整，该元素的下标为size-1
	AdjustUP(php->a, php->size - 1);

}

每插入一个新的元素都需要进行一次向上调整的判断 

向下调整算法

//向下调整算法
void AdjustDown(HPDataType* a, int size, int parent)
{
	//根据之前的推论，左孩子的下标值为父亲下标值的两倍+1，左孩子的下标值为父亲下标值的两倍+2
	int child = parent * 2 + 1;
	//循环结束的条件是走到叶子结点
	while (child < size)
	{
        //if (child + 1< size && a[child + 1] > a[child])，它也是
		//假设左孩子小，若假设失败则更新child，转换为右孩子小，同时保证child的下标不会越界
		if (child + 1< size && a[child + 1] < a[child])
		{
			++child;
		}

		if (a[child] < a[parent])
		{
			//如果此时满足孩子小于父亲则交换父子位置，同时令父亲的下标变为此时的儿子所在下标，儿子所在下标变为自己的儿子所在的下标（向下递归）
			Swap(&a[child], &a[parent]);
			parent = child;
			child = parent * 2 + 1;
		}
		//如果父亲小于等于左孩子就证明删除后形成的新堆是一个小堆，不再需要向下调整算法，循环结束
		else
		{
			break;
		}
	}
}

堆的删除

//堆的删除
void HeapPop(HP* php)
{
	assert(php);
	assert(php->size > 0);
	//这里并不采用惯用的顺序表头删的办法（向前覆盖），因为那样会引起堆的顺序被完全打乱的问题，我们在这里选择交换堆顶元素与堆尾元素然后再进行一次顺序表的尾删（直接size--即可）
	Swap(&php->a[0], &php->a[php->size - 1]);
	php->size--;

	//在交换完并尾删完后，可能此时的堆并不能满足小堆的要求（堆顶元素比它的两个孩子都大），所以我们必须再次对堆进行调整，经过向下调整算法将堆恢复至小堆（由于是堆顶元素开始调整所以还需传入堆顶元素对应的下标0）
	AdjustDown(php->a, php->size, 0);
}

 每删除一个元素都需要进行一次向下调整的判断  

获取堆顶元素

//获取堆顶元素
HPDataType HeapTop(HP* php)
{
	assert(php);
	//获取堆顶元素则堆里应该有元素，故首先要保证size不小于等于零
	assert(php->size > 0);

	//确定堆中有元素后返回a[0]即可
	return php->a[0];
}

获取堆中元素个数

//获取堆中元素个数
size_t HeapSize(HP* php)
{
	assert(php);

	//判断size大于零后返回size大小即可
	return php->size;
}

堆的判空

//堆的判空
bool HeapEmpty(HP* php)
{
	assert(php);
	//返回对php->size == 0的判断结果
	return php->size == 0;
}

最终代码

Heap.h文件

#include <stdio.h>
#include <assert.h>
#include <stdlib.h>
#include <stdbool.h>

#pragma once
typedef int HPDataType;
typedef struct Heap
{
	HPDataType* a;  //指向存储元素的指针
	int capacity;	//当前顺序表容量
	int size;		//当前顺序表的长度
}HP;

//初始化堆
void HeapInit(HP* php);

//销毁堆
void HeapDestroy(HP* php);

//向上调整算法
void AdjustUP(HPDataType* a, int child);

//堆的插入
void HeapPush(HP* php,HPDataType x);

//向下调整算法
void AdjustDown(HPDataType* a, int child);

//堆的删除（删除堆顶的数据）
void HeapPop(HP* php);

//获取堆顶元素
HPDataType HeapTop(HP* php);

//获取堆中元素个数
size_t HeapSize(HP* php);

//堆的判空
bool HeapEmpty(HP* php);

Heap.c文件

#include "Heap.h"

//初始化堆
void HeapInit(HP* php)
{
	//检查堆的有效性
	assert(php);
	php->a = NULL;
	php->size = 0;
	php->capacity = 0;
}

//堆的销毁
void HeapDestroy(HP* php)
{
	assert(php);
	//释放a指针的内存空间并将a指针置为空
	free(php->a);
	php->a = NULL;
	php->capacity = 0;
	php->size = 0;
}

//交换父子位置
void Swap(HPDataType* p1,HPDataType* p2)
{
	HPDataType* tmp = *p1;
	*p1 = *p2;
	*p2 = tmp;
} 


//向上调整，此时传递过来的是最后一个孩子的元素下标我们用child表示
void AdjustUP(HPDataType* a,int child)
{
	//由于我们要调整父亲与孩子的位置所以此时也需要父亲元素的下标，而0父亲元素的下标值 = （任意一个孩子的下标值-1）/ 2 
	int parent = (child - 1) / 2;
	//当孩子等于0的时位于树顶（数组首元素的位置），树顶元素没有父亲，循环结束
	while(child > 0)
	{
		//如果孩子还未到顶且它的下标对应的元素值小于它的父亲的下标对应的元素值，就将父子位置交换，交换玩后还要将下标对应的值“向上移动”
        //if (a[child] > a[parent])，就是它
		if (a[child] < a[parent])
		{
			Swap(&a[child], &a[parent]);
			child = parent;
			parent = (child - 1) / 2;
		}
		//由于这是一个小堆，所以当孩子大于等于父亲时不需要交换，直接退出循环即可
		else
		{
			break;
		}
	
	}
}

//堆的插入
void HeapPush(HP* php, HPDataType x)
{
	assert(php);
	//扩容
	if (php->size == php->capacity)
	{
		int newCapacity = php->capacity == 0 ? 4 : php->capacity * 2;
		HPDataType* tmp = (HPDataType*)realloc(php->a, newCapacity * sizeof(HPDataType));

		if (tmp == NULL)
		{
			perror("realloc error");
			return -1;
		}
		php->a = tmp;
		php->capacity = newCapacity;

	}

	php->a[php->size] = x;
	php->size++;

	//向上调整,从顺序表最后一个元素开始调整，该元素的下标为size-1
	AdjustUP(php->a, php->size-1);
}

//向下调整算法
void AdjustDown(HPDataType* a, int size, int parent)
{
	//根据之前的推论，左孩子的下标值为父亲下标值的两倍+1，左孩子的下标值为父亲下标值的两倍+2
	int child = parent * 2 + 1;
	//循环结束的条件是走到叶子结点
	while (child < size)
	{
		//假设左孩子小，若假设失败则更新child，转换为右孩子小，同时保证child的下标不会越界
		//if (child + 1 < size && a[child + 1] < a[child])，它也是
        if (child + 1 < size && a[child + 1] < a[child])
		{
			++child;
		}

		if (a[child] < a[parent])
		{
			//如果此时满足孩子小于父亲则交换父子位置，同时令父亲的下标变为此时的儿子所在下标，儿子所在下标变为自己的儿子所在的下标（向下递归）
			Swap(&a[child], &a[parent]);
			parent = child;
			child = parent * 2 + 1;
		}
		//如果父亲小于等于左孩子就证明删除后形成的新堆是一个小堆，不再需要向下调整算法，循环结束
		else
		{
			break;
		}
	}
}

//堆的删除
void HeapPop(HP* php)
{
	assert(php);
	assert(php->size > 0);
	//这里并不采用惯用的顺序表头删的办法（向前覆盖），因为那样会引起堆的顺序被完全打乱的问题，我们在这里选择交换堆顶元素与堆尾元素然后再进行一次顺序表的尾删（直接size--即可）
	Swap(&php->a[0], &php->a[php->size - 1]);
	php->size--;

	//在交换完并尾删完后，可能此时的堆并不能满足小堆的要求（堆顶元素比它的两个孩子都大），所以我们必须再次对堆进行调整，经过向下调整算法将堆恢复至小堆（由于是堆顶元素开始调整所以还需传入堆顶元素对应的下标0）
	AdjustDown(php->a, php->size, 0);
}

//获取堆顶元素
HPDataType HeapTop(HP* php)
{
	assert(php);
	//获取堆顶元素则堆里应该有元素，故首先要保证size不小于等于零
	assert(php->size > 0);

	//确定堆中有元素后返回a[0]即可
	return php->a[0];
}

//获取堆中元素个数
size_t HeapSize(HP* php)
{
	assert(php);

	//判断size大于零后返回size大小即可
	return php->size;
}

//堆的判空
bool HeapEmpty(HP* php)
{
	assert(php);
	//返回对php->size == 0的判断结果
	return php->size == 0;
}

test.c文件

#include "Heap.h"

int main()
{
	int arr[] = { 4,6,2,1,5,8,2,9 };
	int sz = sizeof(arr) / sizeof(arr[0]);
	HP hp;
	HeapInit(&hp);

	for (int i = 0;i < sz; ++i)
	{
		HeapPush(&hp,arr[i]);
	}
	
	//堆不为空就获取堆顶元素并删除
	while (!HeapEmpty(&hp))
	{
		printf("%d ",HeapTop(&hp));
		HeapPop(&hp);
	}
	printf("\n");
	return 0;
}

大堆的实现

大堆的实现只需要将向上调整算法和向下调整算法中，只需要将注释掉的语句重新启用即可

思考：堆的意义是什么？

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：建堆与利用堆删除思想进行排序

  1. 建堆：升序：建大堆、降序：建小堆（很重要，下一篇我们会对升序建大堆的办法进行详细介绍）
  2. 利用堆删除思想来进行排序：建堆和堆删除中都用到了向下调整，因此掌握了向下调整，就可以完成堆排序（重要）

当一棵树为满二叉树时，高度h与结点总数N的关系是：h = log (N + 1)

当一棵树为完全二叉树时，高度h与结点总数N最坏的关系是：h = log N + 1

所以如果有一百万个数据组成一棵二叉树，那么这棵树的高度仅为20，十亿个数据，高度仅仅为30，即如果我们要用堆排序去查找100w个数据中的其中一个大概只需要查找二十次......

补充：在使用堆排序时，并不能说它能更高效地维护数据的有序性。相反，建立和调整一个完整的二叉树结构以及频繁进行元素交换和下沉操作可能会带来一些额外开销，并且在某些情况下可能比其他简单算法慢。但是，由于其稳定而可预测性能表现，在某些特殊情况下仍然被认为是有效和实用的算法之一。

2、top k问题

问题描述：获取N个数里找最大的前K个数（N远大于K）

解决思路一：

N个数插入进大堆中，Pop K次

时间复杂度：N*logN + K*logN == O(N*logN)

但如果N为100亿（100亿个整数需要40GB左右的内存空间），而只要查找前10个数（K为10）？ 

解决思路二：

1、取前K个值，建立K个数的小堆

2、再读取后面的值，跟堆顶元素比较，若大于堆顶元素，交换二者位置然后重新堆化成小堆

时间复杂度：O(N*logK)

注意事项：必须要建立小堆，不能建立大堆，如果建立大堆，一旦第一大的数字在建堆时位于堆顶，后续第n大的数字就无法进堆，同时第二大的数字可能还会被挤出去，如果不信可以用[4,6,1,2,8,9,5,3]这个我随机想出来数组用以上方法取前三个最大的数字试一试

        有时候你可能会很想刨根问底的知道这些办法都是怎么想出来的，其实我也不知道，这就跟你骑自行车的时候去思考这些链子为什么要这样组合在一起，为什么组合在一起就可以产生这样的效果，其实我们根本不需要思考那么多，我们只需要骑上自行车去干我们要干的事情即可，它只是一个用于解决我们问题的工具，我们说的解题思路也是一样的，这些东西都是哪些很nb的人发明出来的，如果你是一个很nb的人你也不会看到这里不是，前人栽树后人乘凉，作为一个还没有完全深入学习数据结构的菜鸟既然已经知道了有这种解决办法那么你就直接用，等你什么时候感觉自己已经很nb了再来思考为什么吧......（当然也不是说都不要思考一些必要的思考还是需要的）别钻牛角尖了🤡

模拟实现：

使用数组[7, 8, 15, 4, 20, 23, 2, 50]演示如何使用最小堆找出前3个最大的元素。

首先，我们创建一个最小堆，并将数组的前3个元素[7, 8, 15]插入堆中，初始堆的表示如下：

       7
     /   \
    8     15

接下来遍历数组，发现 4 < 7，因此我们不做任何操作

继续遍历数组，发现 20 > 7，因此将 7 替换为 20 并重新堆化成小堆

       8
     /   \
    20    15

继续遍历数组，发现 23 大于 8，因此我们将 8 替换为 23 并重新堆化成小堆

       15
     /    \
    20     23

继续遍历数组，发现 2 < 15，因此我们不做任何操作

继续遍历数组，发现 50 > 15，因此我们将 15 替换为 50 并重新堆化成小堆

       20
     /    \
    50     23

最后，数组遍历完成，得到了最终的最小堆

       20
     /    \
    50     23

此时，堆中的前3个最大元素为 `[20, 50, 23]`，它们就是原数组中的前3个最大元素

~over~

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.coloradmin.cn/o/1280171.html

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，一经查实，立即删除！

相关文章

SpringSecurity 三更草堂 学习笔记

SpringSecurity 三更草堂 学习笔记

SpringSecurity从入门到精通 0. 简介 Spring Security 是 Spring 家族中的一个安全管理框架。相比与另外一个安全框架Shiro&#xff0c;它提供了更丰富的功能&#xff0c;社区资源也比Shiro丰富。 一般来说中大型的项目都是使用SpringSecurity 来做安全框架。小项目有Shiro的…
阅读更多...
数据结构奇妙旅程之顺序表和链表

数据结构奇妙旅程之顺序表和链表

꒰˃͈꒵˂͈꒱ write in front ꒰˃͈꒵˂͈꒱ ʕ̯•͡˔•̯᷅ʔ大家好&#xff0c;我是xiaoxie.希望你看完之后,有不足之处请多多谅解&#xff0c;让我们一起共同进步૮₍❀ᴗ͈ . ᴗ͈ აxiaoxieʕ̯•͡˔•̯᷅ʔ—CSDN博客 本文由xiaoxieʕ̯•͡˔•̯᷅ʔ 原创 CSDN …
阅读更多...
第一百八十六回 DropdownMenu组件

第一百八十六回 DropdownMenu组件

文章目录 1. 概念介绍2. 使用方法2.1 DropdownMenu2.1 DropdownMenuEntry 3. 示例代码4. 内容总结 我们在上一章回中介绍了"如何禁止页面跟随手机自动旋转"相关的内容&#xff0c;本章回中将介 绍DropdownMenu组件.闲话休提&#xff0c;让我们一起Talk Flutter吧。 …
阅读更多...
TeXworks 初次使用 debug方法

TeXworks 初次使用 debug方法

下载Texlive&#xff0c;打开TeXworks editor 编译排版&#xff0c;可能会报很多错&#xff1a; 1. ! Fatal Package fontspec Error: The fontspec package requires either XeTeX or (fontspec) LuaTeX. (fontspec) (fontspec) …
阅读更多...
【前沿技术】扩散模型是什么

【前沿技术】扩散模型是什么

0. 前言 扩散模型的灵感来自非平衡热力学。他们定义了一个马尔可夫扩散步骤链&#xff0c;以缓慢地将随机噪声添加到数据中&#xff0c;然后学习逆转扩散过程以从噪声中构建所需的数据样本。与VAE或流动模型不同&#xff0c;扩散模型是通过固定程序学习的&#xff0c;并且潜在变…
阅读更多...
【学术精选】地球系统科学顶级国际会议 IGARSS 2024

【学术精选】地球系统科学顶级国际会议 IGARSS 2024

顶级会议推荐 英文名称&#xff1a;International Symposium of Geoscience and RemoteSensing, IGARSS 2024 英文简称&#xff1a;IGARSS 2024 中文名称&#xff1a;国际地球科学与遥感研讨会 ​会议信息 重要日期&#xff1a; Community Contributed Session Proposal Dea…
阅读更多...
基于ZLMediaKit的webrtc实时视频传输demo搭建

基于ZLMediaKit的webrtc实时视频传输demo搭建

环境 ubuntu 20.04 ​ gcc version 9.4.0 ​ cmake version 3.16.3 部署ZLMediaKit流媒体服务器 安装openssl 首先可以检查一下自己的openssl的版本如果是1.1.1以上就可以忽略这一步 wget https://www.openssl.org/source/openssl-1.1.1k.tar.gz tar -xvzf openssl-1.1.1k…
阅读更多...
基于springboot 学生学情预警系统-计算机毕设 附源码57567

基于springboot 学生学情预警系统-计算机毕设 附源码57567

springboot 学生学情预警系统 摘 要 科技进步的飞速发展引起人们日常生活的巨大变化&#xff0c;电子信息技术的飞速发展使得电子信息技术的各个领域的应用水平得到普及和应用。信息时代的到来已成为不可阻挡的时尚潮流&#xff0c;人类发展的历史正进入一个新时代。在现实运…
阅读更多...
Python如何使用pip安装模块和包与绘图时如何显示中文

Python如何使用pip安装模块和包与绘图时如何显示中文

Python如何使用pip安装模块和包 使用pip安装python模块和包 方式一&#xff1a;1.进入命令行2.敲入pip命令&#xff1a;pip install 包名 。由于python官网下载速度太慢&#xff0c;可以通过添加参数从清华镜像下载包&#xff08;-i https://pypi.tuna.tsinghua.edu.cn/simpl…
阅读更多...
Web漏洞分析-SQL注入XXE注入（上）

Web漏洞分析-SQL注入XXE注入（上）

随着互联网的不断普及和Web应用的广泛应用&#xff0c;网络安全问题愈发引起广泛关注。在网络安全领域中&#xff0c;SQL注入和XXE注入是两个备受关注的话题&#xff0c;也是导致许多安全漏洞的主要原因之一。本博客将深入研究这两种常见的Web漏洞&#xff0c;带您探寻背后的原…
阅读更多...
curl --compressed报错，此版本不支持此命令

curl --compressed报错，此版本不支持此命令

出现这个问题是因为微软windows自带的curl不支持这个选项,验证如下 执行where curl 时,可以看到输出为 C:\Windows\System32\curl.ee 解决方法是使用其它curl,下载地址如下 curl for Windows https://curl.se/windows/ 然后把安装目录的bin目录放到path环境变量里最开始, 让…
阅读更多...
十大经典系统架构设计面试题

十大经典系统架构设计面试题

十大经典系统架构设计面试题_架构_程序员石磊_InfoQ写作社区翻译自&#xff1a;https://medium.com/geekculture/top-10-system-design-interview-questions-10f7b5ea123d在我作为微软和Facebhttps://xie.infoq.cn/article/4c0c9328a725a76922f6547ad 任何 SDI 问题的提示 通过…
阅读更多...
能源企业管理ERP系统都有哪些?可以帮助企业解决哪些难点

能源企业管理ERP系统都有哪些?可以帮助企业解决哪些难点

能源企业在不同的发展阶段面对的经营压力以及遇到的管理问题各异&#xff0c;随着部分产品结构的复杂化&#xff0c;日常经营管理工作也愈加繁琐。 有些能源企业内部存在信息传递不畅、经营数据统计不及时、部门协作效率低、多仓库和多平台数据不统一等情况&#xff0c;而这些…
阅读更多...
web:very_easy_sql（sql、ssrf、gopher协议sql注入）

web:very_easy_sql（sql、ssrf、gopher协议sql注入）

题目 页面显示如下 显示不是内部用户&#xff0c;无法识别信息 查看源码&#xff0c;找到一个use.php 访问之后显示如下 随便输入了一个&#xff0c;发现url有参数显示 试一下靶机的网址&#xff0c;返回nonono 联系之前原始页面写的“不是内网用户&#xff0c;无法别识身份”…
阅读更多...
简单句子成分、阅读技巧

简单句子成分、阅读技巧

四、段落的主旨题&#xff1a;问这一段讲了什么&#xff08;一般都在段落的第一句话或最后一句话&#xff09; 词汇题的答案一般都在生词的上一句或者下一句 做题步骤&#xff1a; 1、先标段落 2、看题&#xff0c;划出关键词 3、去原文定位&#xff0c;标注中文意思 4、第一遍…
阅读更多...
半导体工艺发展概述

半导体工艺发展概述

集成电路发展到今天&#xff0c;经历从1940年的PN结发现&#xff0c;到1950年BJT三极管发明&#xff0c;再到1963年CMOS电路发明。从单纯基于Si的半导体电路&#xff0c;再到GaAs, GaN&#xff0c;SiGe, InP等化合物半导体集成电路。不断的通过化学材料配比&#xff0c;基本单元…
阅读更多...
vs 安装 qt qt扩展

vs 安装 qt qt扩展

1 安装qt 社区版 免费 Download Qt OSS: Get Qt Online Installer 2 vs安装 qt vs tools 3 vs添加 qt添加 bin/cmake.exe 路径 3.1 扩展 -> qt versions 3.2
阅读更多...
使用外部编辑器编辑执行MAXScript代码的方法

使用外部编辑器编辑执行MAXScript代码的方法

如何使用外部编辑器编辑执行MAXScript代码&#xff1f;这里我们要借助一个3dMax插件程序MXSCOM&#xff0c;MXSCOM允许从外部代码编辑器编辑和执行3ds Max MaxScript和Python文件。 2005年&#xff0c;Simon Feltman发布了第一个MXSCOM&#xff0c;这是一个小型的Visual Basic …
阅读更多...
DAPP【】nodejs安装与npm路径更换

DAPP【】nodejs安装与npm路径更换

正确路径可以解决的问题&#xff1a; 1.无法将XXX项识别为 cmdlet、函数、脚本文件或可运行程序的名称 官网下载nodejs 下载完成后 我们要先配置npm的全局模块的存放路径以及cache的路径&#xff0c;例如我希望将以上两个文件夹放在nodejs的主目录下&#xff0c;便在nodejs下…
阅读更多...
多线程（初阶七：阻塞队列和生产者消费者模型）

多线程（初阶七：阻塞队列和生产者消费者模型）

一、阻塞队列的简单介绍 二、生产者消费者模型 三、模拟实现阻塞队列 一、阻塞队列的简单介绍 首先&#xff0c;我们都知道&#xff0c;队列是先进先出的一种数据结构&#xff0c;而阻塞队列&#xff0c;是基于队列&#xff0c;做了一些扩展&#xff0c;在多线程有就非常有意…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023