最短路径Dijkstra算法详解

news2024/11/24 14:50:27

目录

最短距离问题

最短路径问题

进阶--标尺增多

升级方法

例题应用

最短距离问题

Dijkstra算法的策略：

设置集合S存放已被访问的顶点，然后执行n次下面的两个步骤（n为顶点个数）：

（1）每次从集合V-S中选择与起点s的最短距离最小的一个顶点（记为u），访问并加入集合S（即令其已被攻占）。

（2）之后，令顶点u为中介点，优化起点s与所有从u能到达的顶点v之间的最短距离。

Dijkstra算法的具体实现：

由于Dijkstra算法的策略比较偏重理论化，因此为了方便编写代码，需要想办法来实现策略中两个较为关键的东西，即集合S的实现、起点s到达顶点V_{i}的最短距离的实现。

（1）集合S可以用一个bool型数组vis[]来实现，即当vis[i]==true时表示顶点V_{i}已被访问，当vis[i]==false时表示顶点V_{i}未被访问。

（2）令int型数组d[]表示起点s到达顶点V_{i}的最短距离，初始时除了起点s的d[s]赋为0，其余顶点都赋为一个很大的数，可以使用1000000.

邻接矩阵版

int n,G[maxn][maxn];
int d[maxn];
bool vis[maxn]={false};
void dijkstra(int s){
	fill(d,d+maxn,INF);
	d[s]=0;
	for(int i=0;i<n;i++){
		int u=-1,MIN=INF;
		for(int j=0;j<n;j++){
			if(vis[j]==false&&d[j]<MIN){
				u=j;
				MIN=d[j];
			}
		}
		if(u==-1){
			return;
		}
		vis[u]=true;
		for(int v=0;v<n;v++){
			if(vis[v]==false&&G[u][v]!=INF&&d[u]+G[u][v]<d[v]){
				d[v]=d[u]+G[u][v];
			}
		}
	}
}

邻接表版

struct node{
	int v,dis;
};
vector<node> Adj[maxn];
int n;
int d[maxn];
bool vis[maxn]={false};
void dijkstra(){
	fill(d,d+maxn,INF);
	d[s]=0;
	for(int i=0;i<n;i++){
		int u=-1,MIN=INF;
		for(int j=0;j<n;j++){
			if(vis[j]==false&&d[j]<MIN){
				u=j;
				MIN=d[j];
			}
		}
		if(u==-1){
			return;
		}
		vis[u]=true;
		for(int j=0;j<Adj[u].size();j++){
			int v=Adj[u][j].v;
			if(vis[v]==false&&d[u]+Adj[u][j].dis<d[v]){
				d[v]=d[u]+Adj[u][j].dis;
			}
		}
	}
}

上面的做法都是复杂度O\left ( V^{2} \right )级别的，其中由于必须把每个顶点都标记为已被访问，因此外层循环的O\left ( V \right )时间是无法避免的，但是寻找最小d[u]的过程却可以不必达到O\left ( V \right )的复杂度，而可以使用堆优化来降低复杂度。最简洁的写法是直接使用STL中的优先队列，这样使用邻接表实现的Dijkstra算法的时间复杂度可以降为O\left ( VlogV+E \right )。此外，Dijkstra算法只能应对所有边权都是非负数的情况，如果边权出现负数，那么Dijkstra算法很可能出错，这时最好用SPFA算法。

下面给出使用Dijkstra算法求解问题的完整算法模板：

#include<cstdio>
#include<iostream>
#include<algorithm>
using namespace std;
const int maxn=1000;
const int INF=1000000000;
int n,m,s,G[maxn][maxn];//顶点数，边数，起点 
int d[maxn];//起点到达各点的最短路径长度
bool vis[maxn]={false};
void dijkstra(int s){
	fill(d,d+maxn,INF);
	d[s]=0;
	for(int i=0;i<n;i++){
		int u=-1,MIN=INF;
		for(int j=0;j<n;j++){
			if(vis[j]==false&&d[j]<MIN){
				u=j;
				MIN=d[j];
			}
		}
		if(u==-1){
			return;
		}
		vis[u]=true;
		for(int v=0;v<n;v++){
			if(vis[v]==false&&G[u][v]!=INF&&d[u]+G[u][v]<d[v]){
				d[v]=d[u]+G[u][v];
			}
		}
	}
}
int main(){
	int u,v,w;
	cin>>n>>m>>s;
	fill(G[0],G[0]+maxn*maxn,INF);//初始化图G
	for(int i=0;i<m;i++){
		cin>>u>>v>>w;
		G[u][v]=w;
	} 
	dijkstra(s);
	for(int i=0;i<n;i++){
		cout<<d[i]<<" ";
	}
	return 0;
}

如果题目给出的是无向边而不是有向边，只需要把无向边当成两条指向相反的有向边即可。对邻接矩阵来说，一条u与v之间的无向边在输入时可以分别对G[u][v]和G[v][u]赋以相同的边权；而对邻接表来说，只需要在u的邻接表Adj[u]末尾添加上v，并在v的邻接表Adj[v]末尾添加上u即可。

最短路径问题

之前说的是在讲最短距离的求解，但是还没有讲到最短路径本身怎么求解。接下来叙述最短路径的求法。

只需要在求解最短距离的基础上，将路径信息记录下来，可以设置数组pre[]，令pre[v]表示从起点s到顶点v的最短路径上v的前一个顶点的编号。具体实现，以邻接矩阵作为举例：

int n,G[maxn][maxn];
int d[maxn];
int pre[maxn];
bool vis[maxn]={false};
void dijkstra(int s){
	fill(d,d+maxn,INF);
	for(int i=0;i<n;i++){
		pre[i]=i;
	}
	d[s]=0;
	for(int i=0;i<n;i++){
		int u=-1,MIN=INF;
		for(int j=0;j<n;j++){
			if(vis[j]==false&&d[j]<MIN){
				u=j;
				MIN=d[j];
			}
		}
		if(u==-1){
			return;
		}
		vis[u]=true;
		for(int v=0;v<n;v++){
			if(vis[v]==false&&G[u][v]!=IN&&d[u]+G[u][v]<d[v]){
				d[v]=d[u]+G[u][v];
				pre[v]=u;
			}
		}
	}
}

到这一步，求出了最短路径上每个点的前驱。当想知道整条路径时就可以用递归不断利用pre[]的信息寻找前驱，直至到达起点后从递归深处开始输出。

void dfs(int s,int v){//s为起点，v为当前访问的顶点 
	if(v==s){
		printf("%d\n",s);
		return;
	}
	dfs(s,pre[v]);
	printf("%d\n",v);
}

进阶--标尺增多

这种题目更多时候会出现有多条从起点到终点的最短路径，碰到这种有两条及以上可以达到最短距离的路径，题目就给出一个第二标尺，要求在所有最短路径中选择第二标尺最优的一条路径。而第二标尺常见的是以下三种出题方法或其组合：

（1）给每条边再增加一个权（比如说花费），然后要求在最短路径有多条时要求路径上的花费之和最小（如果边权有其他含义，也可以是最大）

（2）给每个点增加一个点权（例如每个城市能收集到的物资），然后在最短路径有多条时要求路径上的点权之和最大（如果点权是其他含义的话也可以是最小）

（3）直接问有多少条最短路径。

对这三种出题方法，都只需要增加一个数组来存放新增的边权或点权或最短路径条数，然后在Dijkstra算法中修改优化d[v]的那个步骤即可，其他部分不需要改动。

下面对这三种出题方法对代码的修改给出解释：

（1）新增边权。以新增的边权代表花费为例，用cost[u][v]表示u->v的花费（由题目输入），并增加一个数组c[]，令从起点s到达顶点u的最小花费为c[u]，初始化时只有c[s]为0、其余c[u]均为INF。这样就可以在d[u]+G[u][v]<d[v]（即可以使s到v的最短距离d[v]更优）时更新d[v]和c[v]，而当d[u]+G[u][v]==d[v]（即最短距离相同）且c[u]+cost[u][v]<c[v]（即可以使s到v的最少花费更优）时更新c[v]，代码如下：

for(int v=0;v<n;v++){
	if(vis[v]==false&&G[u][v]!=INF){
		if(d[u]+G[u][v]<d[v]){
			d[v]=d[u]+G[u][v];
			c[v]=c[u]+cost[u][v];
		}
		else if(d[u]+G[u][v]==d[v]&&c[u]+cost[u][v]<c[v]){
		     c[v]=c[u]+cost[u][v];
		}
	}
}

（2）新增点权。以新增的点权代表城市中能收集到的物资为例。用weight[u]表示城市u中的物资数目（由题目输入），并增加一个数组w[]，令从起点s到达顶点u可以收集到的最大物资为w[u]，初始化时只有w[s]为weight[s]，其余w[u]均为0。这样就可以在d[u]+G[u][v]<d[v]（既可以使s到v的最短距离d[v]更优）时更新d[v]和c[v]，而当d[u]+G[u][v]==d[v]（即最短距离相同）且w[u]+weight[v]>w[v]（即可以使s到v的最大物资数目更优）时更新w[v]。代码如下：

for(int v=0;v<n;v++){
	if(vis[v]==false&&G[u][v]!=INF){
		if(d[u]+G[u][v]<d[v]){
			d[v]=d[u]+G[u][v];
			w[v]=w[u]+weight[v];
		}
		else if(d[u]+G[u][v]==d[v]&&w[u]+weight[v]>w[v]){
			w[v]=w[u]+weight[v];
		}
	}
}

（3）求最短路径条数。只需要增加一个数组num[]，令从起点s到达顶点u的最短路径条数为num[u]，初始化时只有num[s]=1、其余num[u]均为0.这样就可以在d[u]+G[u][v]<d[v]（即可以使s到v的最短距离d[v]更优）时更新d[v]，并让num[v]继承num[u]，而当d[u]+G[u][v]==d[v]（即最短距离相同）时将num[u]加到num[v]上。代码如下：

for(int v=0;v<n;v++){
	if(vis[v]==false&&G[u][v]!=INF){
		if(d[u]+G[u][v]<d[v]){
			d[v]=d[u]+G[u][v];
			num[v]=num[u];
		}
		else if(d[u]+G[u][v]==d[v]){
			num[v]+=num[u];
		}
	}
}

例题

给出N个城市，M条无向边，每个城市中都有一定数目的救援小组，所有边的边权已知。现在给出起点和终点，求从起点到终点的最短路径条数即最短路径上的救援小组数目之和。如果有多条最短路径，则输出数目之和最大的。

#include<iostream>
#include<cstring>
#include<algorithm>
using namespace std;
const int maxn=510;
const int INF=1000000000;
int n,m,st,ed,G[maxn][maxn],weight[maxn];//顶点数，边数，起点，终点
int d[maxn],w[maxn],num[maxn];
bool vis[maxn]={false};
void dijkstra(int s){
	fill(d,d+maxn,INF);
	memset(num,0,sizeof(num));
	memset(w,0,sizeof(w));
	d[s]=0;
	w[s]=weight[s];
	num[s]=1;
	for(int i=0;i<n;i++){
		int u=-1,MIN=INF;
		for(int j=0;j<n;j++){
			if(vis[j]==false&&d[j]<MIN){
				u=j;
				MIN=d[j];
			}
		}
		if(u==-1){
			return;
		}
		vis[u]=true;
		for(int v=0;v<n;v++){
			if(vis[v]==false&&G[u][v]!=INF){
				if(d[u]+G[u][v]<d[v]){
					d[v]=d[u]+G[u][v];
					w[v]=w[u]+weight[v];
					num[v]=num[u];
				}
				else if(d[u]+G[u][v]==d[v]){
					if(w[u]+weight[v]>w[v]){
						w[v]=w[u]+weight[v];
					}
					num[v]+=num[u];
				}
			}
		}
	}
}
int main(){
	cin>>n>>m>>st>>ed;
	for(int i=0;i<n;i++){
		cin>>weight[i];
	}
	int u,v;
	fill(G[0],G[0]+maxn*maxn,INF);
	for(int i=0;i<m;i++){
		cin>>u>>v;
		cin>>G[u][v];
		G[v][u]=G[u][v];
	}
	dijkstra(st);
	cout<<num[ed]<<" "<<w[ed]<<endl;
	return 0;
}

升级方法

上面给的三种情况都是以路径上边权或点权之和为第二标尺的。事实上也可能出现一些逻辑更为复杂的计算边权或点权的方式，此时按照上面的方式只使用dijkstra算法就不一定能算出正的结果（原因是不一定满足最优子结构），或者即便能算出，其逻辑也极其复杂。这里介绍一种更通用、又模板化的解决此类问题的方式--dijkstra+dfs。

只使用dijkstra算法时，算法中数组pre[]总是保持着最优路径，而这显然需要在执行dijkstra算法的过程中使用严谨的思路来确定何时更新每个结点v的前驱结点pre[v]，容易出错。事实上还有更简单的方法是：先在dijkstra算法中记录下所有最短路径（只考虑距离），然后从这些最短路径中选出一条第二标尺最优的路径（因为在给定一条路径的情况下，针对这条路径的信息都可以通过边权和点权很容易计算出来！）

（1）使用dijkstra算法记录所有最短路径

由于此时要记录所有最短路径，因此每个结点就会存在多个前驱结点，这样原先pre数组只能记录一个前驱结点的方法将不再适用。为了适应多个前驱的情况，不妨把pre数组定义为vector类型”vector<int> pre[maxn]"，这样对每个结点v来说，pre[v]就是一个变长数组vector，里面用来存放结点v的所有能产生最短路径的前驱结点。（对需要查询某个顶点u是否在顶点v的前驱中的题目，也可以把pre数组设置为set<int>数组，此时使用pre[v].count(u)来查询会比较方便）：

在此处的dijkstra算法部分，只需要考虑距离这一因素，因此不必考虑第二标尺的干扰，而专心于pre数组的求解。在之前的写法中，pre[i]被初始化为i，表示每个结点在初始状态下的前驱为自身，但是在此处，pre数组一开始不需要赋初值。

接下来就是考虑更新d[v]的过程中pre数组的变化。首先，如果d[u]+G[u][v]<d[v]，说明以u为中介点可以使d[v]更优，此时需要令v的前驱结点为u。并且即便原先pre[v]中已经存放了若干结点，此处也应当先清空，然后再添加u，如下面的代码所示。显然，对顶点v来说，由于每次找到更优的前驱时都会清空pre[v]，因此pre数组不需要初始化。

if(d[u]+G[u][v]<d[v]){
	d[v]=d[u]+G[u][v];
	pre[v].clear();
	pre[v].push_back(u);
}

之后，如果d[u]+G[u][v]==d[v]，说明以u为中介点可以找到一条相同距离的路径，因此v的前驱结点需要在原先的基础上添加上u结点（而不必先清空pre[v]），代码如下：

if(d[i]+G[u][v]==d[v]){
	pre[v].push_back(u);
}

这样就完成了pre数组的求解，完整的dijkstra算法部分代码如下所示，且对这一系列最短路的题目来说，下面的代码可以完全不修改而直接全部默写上去：

vector<int> pre[maxn];
void dijkstra(int s){
	fill(d,d+maxn,INF);
	d[s]=0;
	for(int i=0;i<n;i++){
		int u=-1,MIN=INF;
		for(int j=0;j<n;j++){
			if(vis[j]==false&&d[j]<MIN){
				u=j;
				MIN=INF;
			}
		}
		if(u==-1){
			return;
		}
		vis[u]=true;
		for(int v=0;v<n;v++){
			if(vis[v]==false&&G[u][v]!=INF){
				if(d[u]+G[u][v]<d[v]){
					d[v]=d[u]+G[u][v];
					pre[v].clear();
					pre[v].push_back(u);
				}
				else if(d[u]+G[u][v]==d[v]){
					pre[v].push_back(u);
				}
			}
		}
	}
}

（2）遍历所有最短路径，找到一条使第二标尺最优的路径

在之前的写法中曾使用一个递归来找出最短路径。此处的做法与之类似，不同点在于，由于每个结点的前驱结点可能有很多个，遍历的过程就会形成一棵递归树。

当对这棵树进行遍历时，每次到达叶子结点，就会产生一条完整的最短路径。因此，每得到一条完整路径，就可以对这条路径计算其第二标尺的值（例如把路径上的边权或是点权累加出来），令其与当前第二标尺的最优值进行比较。如果比当前最优值更优，则更新最优值，并用这条路径覆盖当前的最优路径。这样，当所有最短路径都遍历完毕后，就可以得到最有第二标尺与最优路径，

接下来就要考虑如何写DFS的递归函数。

首先，根据上面的分析，必须要有的是：

1.作为全局变量的第二标尺最优值optValue

2.记录最优路径的数组path（使用vector来存储）

3.临时记录dfs遍历到叶子结点时的路径tempPath（也使用vector存储）

由此就可以写出DFS的代码，如下所示：

int optValue;
vector<int> pre[maxn];
vector<int> path,tempPath;
void dfs(int v){
	if(v==st){
		tempPath.push_back(v);
		int value;
		if(value优于optvalue){
			optvalue=value;
			path=tempPath;
		}
		tempPath.pop_back();
		return;
	}
	tempPath.push_back(v);
	for(int i=0;i<pre[v].size();i++){
		dfs(pre[v][i]);
	}
	tempPath.pop_back();
}

上面的代码中只有一处是需要根据实际题目情况进行填充的（语句"value优于optvalue"只需要根据实际情况填写大写或者小写），即计算路径tempPath上的value值时。而这个地方一般会涉及路径边权或者点权的计算。需要注意的是，由于递归的原因，存放在tempPath中的路径结点是逆序的，因此访问结点需要倒着进行。当然，如果仅是对边权或点权进行求和，那么正序访问也是可以的。以计算路径tempPath上边权之和与点权之和的代码为例：

//边权之和 
int value=0;
for(int i=tempPath.size()-1;i>0;i--){
	int id=tempPath[i],idNext=tempPath[i-1];
	value+=V[id][idNext];
}
//点权之和 
int value=0;
for(int i=tempPath.size()-1;i>=0;i--){
	int id=tempPath[i];
	value+=w[id]; 
}

最后指出，如果需要同时计算最短路径的条数，那么既可以按之前的做法在dijkstra代码添加num数组来求解，也可以开一个全局变量来记录最短路径条数，当dfs到达叶子结点时令该全局变量加1即可。

例题应用

有N个城市（编号为0~N-1）、M条道路（无向边），并给出M条道路的距离属性与花费属性。现在给出起点S与终点D，求从起点到终点的最短路径、最短距离及花费。注意：如果有多条最短路径，则选择花费最小的那条。

思路

本题除了求最短距离外，还要求两个额外信息：最短路径以及最短路径上的最小花费之和，因此只使用dijkstra算法或是使用dijkstra+dfs都是可以的。另外，本题很适合作为这两种方法的练习。

（1）对只使用dijkstra算法的写法，令cost[maxn][maxn]表示顶点间的花费（也即边权），c[maxn]存放从起点s到达每个结点u的在最短路径下的最小花费，其中c[s]在初始化时为0。而针对最短路径，可以用int型pre数组存放每个结点的前驱，接下来就是按前面说的过程在最短距离的更新过程中同时更新数组c和数组pre。代码如下：

if(vis[v]==false&&G[u][v]!=INF){
	if(d[u]+G[u][v]<d[v]){
		d[v]=d[u]+G[u][v];
		c[v]=c[u]+cost[u][v];
		pre[v]=u;
	}
	else if(d[u]+G[u][v]==d[u]){
		if(c[u]+cost[u][v]<c[v]){
			c[v]==c[u]+cost[u][v];
			pre[v]=u;
		}
	}
}

（2）对使用dijkstra+dfs的写法，dijkstra的部分可以直接把之前给出的模板写上。至于dfs的部分，对当前得到的一条路径tempPath，需要计算出该路径上的边权之和，然后令其与最小边权minCost进行比较，如果新路径的边权之和更小，则更新minCost和最优路径path，核心路径如下

if(v==st){
	tempPath.push_back(v);
	int tempCost=0;
	for(int i=tempPath.size()-1;i>0;i--){
		int id=tempPath[i],idNext=tempPath[i-1];
		tempCost+=cost[id][idNext];
	}
	if(tempCost<minCost){
		minCost=tempCost;
		path=tempPath;
	}
	tempPath.pop_back();
	return;
}

完整代码

（1）dijkstra算法

#include<iostream>
#include<cstring>
#include<algorithm>
using namespace std;
const int maxn=510;
const int INF=1000000000;
int n,m,st,ed,G[maxn][maxn],cost[maxn][maxn];
int d[maxn],c[maxn],pre[maxn];
bool vis[maxn]={false};
void dijkstra(int s){
	fill(d,d+maxn,INF);
	fill(c,c+maxn,INF);
	for(int i=0;i<n;i++){
		pre[i]=i;
	}
	d[s]=0;
	c[s]=0;
	for(int i=0;i<n;i++){
		int u=-1,MIN=INF;
		for(int j=0;j<n;j++){
			if(vis[j]==false&&d[j]<MIN){
				u=j;
				MIN=d[j];
			}
		}
		if(u==-1){
			return;
		}
		vis[u]=true;
		for(int v=0;v<n;v++){
			if(vis[v]==false&&G[u][v]!=INF){
				if(d[u]+G[u][v]<d[v]){
					d[v]=d[u]+G[u][v];
					c[v]=c[u]+cost[u][v];
					pre[v]=u;
				}
				else if(d[u]+G[u][v]==d[v]){
					if(c[u]+cost[u][v]<c[v]){
						c[v]=c[u]+cost[u][v];
						pre[v]=u;
					}
				}
			}
		}
	}
}
void dfs(int v){
	if(v==st){
		cout<<v<<" ";
		return;
	}
	dfs(pre[v]);
	cout<<v<<" ";
}
int main(){
	cin>>n>>m>>st>>ed;
	int u,v;
	fill(G[0],G[0]+maxn*maxn,INF);
	for(int i=0;i<m;i++){
		cin>>u>>v;
		cin>>G[u][v]>>cost[u][v];
		G[v][u]=G[u][v];
		cost[v][u]=cost[u][v];
	}
	dijkstra(st);
	dfs(ed);//打印路径 
	cout<<d[ed]<<" "<<c[ed]<<endl;
	return 0;
}

（2）dijkstra+dfs

#include<iostream>
#include<cstring>
#include<vector>
#include<algorithm>
using namespace std;
const int maxn=510;
const int INF=1000000000;
int n,m,st,ed,G[maxn][maxn],cost[maxn][maxn];
int d[maxn],minCost=INF;
bool vis[maxn]={false};
vector<int> pre[maxn];
vector<int> tempPath,path;
void dijkstra(int s){
	fill(d,d+maxn,INF);
	d[s]=0;
	for(int i=0;i<n;i++){
		int u=-1,MIN=INF;
		for(int j=0;j<n;j++){
			if(vis[j]==false&&d[j]<MIN){
				u=j;
				MIN=d[j];
			}
		}
		if(u==-1){
			return;
		}
		vis[u]=true;
		for(int v=0;v<n;v++){
			if(vis[v]==false&&G[u][v]!=INF){
				if(d[u]+G[u][v]<d[v]){
					d[v]=d[u]+G[u][v];
					pre[v].clear();
					pre[v].push_back(u);
				}
				else if(d[u]+G[u][v]==d[v]){
					pre[v].push_back(u);
				}
			}
		}
	}
}
void dfs(int v){
	if(v==st){
		tempPath.push_back(v);
		int tempCost=0;
		for(int i=tempPath.size()-1;i>0;i--){
			int id=tempPath[i],idNext=tempPath[i-1];
			tempCost+=cost[id][idNext];
		}
		if(tempCost<minCost){
			minCost=tempCost;
			path=tempPath;
		}
		tempPath.pop_back();
		return;
	}
	tempPath.push_back(v);
	for(int i=0;i<pre[v].size();i++){
		dfs(pre[v][i]);
	}
	tempPath.pop_back();
}
int main(){
	cin>>n>>m>>st>>ed;
	int u,v;
	fill(G[0],G[0]+maxn*maxn,INF);
	fill(cost[0],cost[0]+maxn*maxn,INF);
	for(int i=0;i<m;i++){
		cin>>u>>v;
		cin>>G[u][v]>>cost[u][v];
		G[v][u]=G[u][v];
		cost[v][u]=cost[u][v];
	}
	dijkstra(st);
	dfs(ed);
	for(int i=path.size()-1;i>=0;i--){
		cout<<path[i]<<" ";
	}
	cout<<d[ed]<<" "<<minCost<<endl;
	return 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.coloradmin.cn/o/1813432.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

go-zero整合Excelize并实现Excel导入导出

go-zero整合Excelize并实现Excel导入导出

go-zero整合Excelize并实现Excel导入导出 本教程基于go-zero微服务入门教程&#xff0c;项目工程结构同上一个教程。 本教程主要实现go-zero框架整合Excelize&#xff0c;并暴露接口实现Excel模板下载、Excel导入、Excel导出。 go-zero微服务入门教程&#xff1a;https://blo…
阅读更多...
科技云报道：“元年”之后，生成式AI将走向何方？

科技云报道：“元年”之后，生成式AI将走向何方？

科技云报道原创。 近两年&#xff0c;以大模型为代表的生成式AI技术&#xff0c;成为引爆数字原生最重要的技术奇点&#xff0c;人们见证了各类文生应用的进展速度。Gartner预测&#xff0c;到2026年&#xff0c;超过80%的企业将使用生成式AI的API或模型&#xff0c;或在生产环…
阅读更多...
分布式光纤测温DTS与红外热成像系统的主要区别是什么？

分布式光纤测温DTS与红外热成像系统的主要区别是什么？

分布式光纤测温DTS和红外热成像系统在应用领域和工作原理上存在显著的区别&#xff0c;两者具有明显的差异性。红外热成像系统适用于表现扩散式发热、面式场景以及环境条件较好的情况下。它主要用于检测物体表面的温度&#xff0c;并且受到镜头遮挡或灰尘等因素的影响会导致失效…
阅读更多...
论文中表格跨页了做续表的正确方法

论文中表格跨页了做续表的正确方法

在上方加表格 粘贴即可 文章来源于论文中表格跨页了做续表的正确方法&#xff01;论文人快来学习_哔哩哔哩_bilibili 小姐姐用WPS弄的&#xff0c;微软的不理想&#xff0c;我试了试&#xff0c;觉得在上面增加格子再粘贴表头&#xff0c;效果还行
阅读更多...
Python | Leetcode Python题解之第145题二叉树的后序遍历

Python | Leetcode Python题解之第145题二叉树的后序遍历

题目&#xff1a; 题解&#xff1a; class Solution:def postorderTraversal(self, root: TreeNode) -> List[int]:def addPath(node: TreeNode):count 0while node:count 1res.append(node.val)node node.righti, j len(res) - count, len(res) - 1while i < j:res…
阅读更多...
使用fprintf函数实现写日志文件的功能（附源码）

使用fprintf函数实现写日志文件的功能（附源码）

输出打印日志是排查软件异常问题一个非常重要的手段，无论是业务上的异常，还是软件异常崩溃。一个成熟的软件产品，必然有一个功能完备的日志记录与打印系统。本文就来介绍一种简单易用的写日志文件的方法，给大家提供一个参考。 1、实现思路 主要使用C库中的fopen、fprintf和…
阅读更多...
问题：设开环系统的频率特性为则其相频特性穿越-180°线时对应的频率为（）。 #学习方法#微信

问题：设开环系统的频率特性为则其相频特性穿越-180°线时对应的频率为（）。 #学习方法#微信

问题&#xff1a;设开环系统的频率特性为则其相频特性穿越-180线时对应的频率为&#xff08;&#xff09;。 ? A、10rad1s B、3rad/s C、lradIs D、√3rad/s 参考答案如图所示
阅读更多...
AIGC简介

AIGC简介

目录 1.概述 2.诞生背景 3.作用 4.优缺点 4.1.优点 4.2.缺点 5.应用场景 5.1.十个应用场景 5.2.社交媒体内容 6.如何使用 7.未来展望 8.总结 1.概述 AIGC 是“人工智能生成内容”&#xff08;Artificial Intelligence Generated Content&#xff09;的缩写&#x…
阅读更多...
uniapp自定义tabbar——中间特殊按钮放大

uniapp自定义tabbar——中间特殊按钮放大

在APP.vue里面 .uni-tabbar__item:nth-child(4) .uni-tabbar__icon {width: 50px !important;height: 50px !important;position: relative;bottom: 30rpx;}.uni-tabbar__item:nth-child(4) .uni-tabbar__label {position: relative;bottom: 25rpx;}
阅读更多...
Stability AI发布AI音频模型Stable Audio Open，文本生成47秒高清音效

Stability AI发布AI音频模型Stable Audio Open，文本生成47秒高清音效

前言 Stability AI这家以开源图像生成模型 Stable Diffusion 而闻名的公司&#xff0c;在 6 月 6 日宣布开源其最新的 AI 音频模型 Stable Audio Open。这一新模型可以根据简单的文本提示生成最多 47 秒的高质量音频数据&#xff0c;为音乐制作和声音设计领域带来了新的可能性…
阅读更多...
背景渐变动画登录页

背景渐变动画登录页

b站视频演示效果： 效果图： 完整代码： <!DOCTYPE html> <html lang="en"> <head><meta charset="UTF-8"><meta name="viewport" content="width=device-width, initial-scale=1.0"><title>背景…
阅读更多...
分布式安装安装LNMP_......

分布式安装安装LNMP_......

分布式安装安装LNMP LNMP是什么Nginx源码编译安装准备工作关闭安全防护配置上传源码包并解压安装编译源码依赖包创建运行用户 编译安装预配置安装选项编译源代码&&安装 配置优化优化路径添加 Nginx 系统服务 Mysql源码编译安装准备工作关闭安全防护配置卸载mariadb上传…
阅读更多...
【云原生】创建harbor私有仓库及使用aliyun个人仓库

【云原生】创建harbor私有仓库及使用aliyun个人仓库

1.安装docker #删除已有dockersystemctl stop docker yum remove docker \docker-client \docker-client-latest \docker-common \docker-latest \docker-latest-logrotate \docker-logrotate \docker-engine #安装docker yum install -y docker-ce-20.10.1…
阅读更多...
经济订货批量EOQ模型

经济订货批量EOQ模型

一、什么是EOQ模型 EOQ是economic order quantity&#xff08;经济订货&#xff09;原理非常简单。就是把订货带来的成本&#xff0c;分为采购成本和持有成本两部分。 采购成本&#xff1a;每次订货时发生的&#xff0c;谈判、签约、物流等成本 持有成本&#xff1a;货物入仓后…
阅读更多...
Linux kernel本地权限提升漏洞（CentOS8升级内核的解决方案）

Linux kernel本地权限提升漏洞（CentOS8升级内核的解决方案）

一、CentOS8升级kernel内核的必要性 1、增强系统的安全性。 升级CentOS内核可以提供更好的安全性保障。新的内核版本通常包含了的安全补丁和漏洞修复&#xff0c;可以有效防止系统遭受恶意攻击&#xff0c;提高系统的稳定性和安全性。 2、优化硬件兼容性。 CentOS升级内核可以…
阅读更多...
HTML静态网页成品作业(HTML+CSS)—— 小米商城首页网页(1个页面)

HTML静态网页成品作业(HTML+CSS)—— 小米商城首页网页(1个页面)

&#x1f389;不定期分享源码&#xff0c;关注不丢失哦 文章目录 一、作品介绍二、作品演示三、代码目录四、网站代码HTML部分代码 五、源码获取 一、作品介绍 &#x1f3f7;️本套采用HTMLCSS&#xff0c;未使用Javacsript代码&#xff0c;共有1个页面。 二、作品演示 三、代…
阅读更多...
【ARM Cache 及 MMU 系列文章 1.3 -- 如何判断 L2 Cache 是否实现？】

【ARM Cache 及 MMU 系列文章 1.3 -- 如何判断 L2 Cache 是否实现？】

请阅读【ARM Cache 及 MMU/MPU 系列文章专栏导读】 及【嵌入式开发学习必备专栏】 文章目录 CPU Configuration Register代码实现CPU Configuration Register 在 Armv9 架构中，我们可以通过arm 提供的自定义寄存器IMP_CPUCFR_EL1 来判断当前系统中是否实现了 L2 Cache, 如下所…
阅读更多...
【stm32】——基于I2C协议的OLED显示

【stm32】——基于I2C协议的OLED显示

目录 一、I2C通讯 二、U8G2 1.U8g2简介 2.CubexMX配置 3.移植U8g2 4.编写移植代码 三、显示汉字 四、字体滚动 五、图片显示 总结 一、I2C通讯 IIC(Inter&#xff0d;Integrated Circuit)总线是一种由 PHILIPS 公司开发的两线式串行总线&#xff0c;用于连接微控制器及其外围设…
阅读更多...
【Ardiuno】使用ESP32单片机创建web服务通过网页控制小灯开关的实验（图文）

【Ardiuno】使用ESP32单片机创建web服务通过网页控制小灯开关的实验（图文）

经过实验测试ESP32单片机的网络连接还是很方便的&#xff0c;这里小飞鱼按照程序实例的代码亲自实验一下使用Esp32生成的网页服务来实现远程无线控制小灯开关功能&#xff0c;这样真的是离物联网开发越来越近了&#xff0c;哈哈&#xff01; 连接好开发板和电路&#xff0c;将…
阅读更多...
Linux电话本的编写-shell脚本编写

Linux电话本的编写-shell脚本编写

该电话本可以实现以下功能 1.添加用户 2.查询用户 3.删除用户 4.展示用户 5.退出 代码展示&#xff1a; #!/bin/bash PHONEBOOKphonebook.txt function add_contact() { echo "Adding new contact..." read -p "Enter name: " name …
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023