【贪心算法】贪心算法三

news2024/11/13 18:54:07

贪心算法三

  • 1.买卖股票的最佳时机
  • 2.买卖股票的最佳时机 II
  • 3.K 次取反后最大化的数组和
  • 4.按身高排序
  • 5.优势洗牌(田忌赛马)

在这里插入图片描述

点赞👍👍收藏🌟🌟关注💖💖
你的支持是对我最大的鼓励,我们一起努力吧!😃😃

1.买卖股票的最佳时机

题目链接: 121. 买卖股票的最佳时机

题目分析:

在这里插入图片描述

买卖股票的最佳时机既可以用贪心也可以用动规,其中所有的股票问题都可以只用动规来解,但是有些题用贪心来解思路和写法是更优的。

你只能选择 某一天 买入这只股票,并选择在 未来的某一个不同的日子 卖出该股票。这句话的意思是买卖股票只能执行一次。返回你可以从这笔交易中获取的最大利润。如果你不能获取任何利润,返回 0 。

算法原理:

我们用圆圈代表数组中一个个元素。

如果我们把题意搞清楚,我们很容易想到一个暴力策略,我们要最大利润的话,无非就是在数组中挑出两个位置,一个位置是买入,一个位置是卖出,使这两个位置的值的差是最大的。此时我们有一个暴力解法可以把所有的二元组枚举出来,也就是两次for循环,第一层for依次从左往右固定一个卖出位置,第二层for依次枚举买入位置,每到一个位置就用卖出位置 - 买入位置,把所有情况的差求一个最大值。当固定完一个卖出位置之后,卖入位置往后走一步,然后买入位置继续从头开始枚举。

解法一:暴力解法,两层 for 循环的暴力枚举

但是时间复杂度是O(N^2)

在这里插入图片描述

有了这两层 for 循环的暴力枚举,我们可以想到一个优化方式,固定卖出位置的时候,我们想找到这一段的最大利润,我们之前是从头开始枚举。我们买入点其实就是在找以该卖出点位置的最大利润,此时贪心就来了,我们其实进行找到卖入位置之前买入的最小值就行了,然后拿卖出减去前面买入的最小值,就是这个点卖出的最大利润。所以我们仅需知道卖出之前所有买入位置的最小值就可以了。

我们求最小值如果从前往后遍历,时间复杂度是O(N),如果固定完一个卖出位置就已经知道前面买入位置的最小值,时间复杂度就是O(1),那整体时间复杂度就是O(N)

在这里插入图片描述

当我们把这个卖出位置的最大利润知道之后,接下来要求下一个卖出位置的最大利润,我们可以在去下一个卖出位置之前,拿之前的 prevMin 和 该卖出位置 做比较 求一个最小值,就知道 下一个卖出位置之前所有买入位置的最小值。

在这里插入图片描述
解法二: 贪心 + 一个变量标记 “前缀最小值”
时间复杂度O(N)

我们这个贪心策略其实适合暴力解法结果是一样的依旧把所有情况都枚举到,所以暴力是对的,贪心也是对的。

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        int n = prices.size();
        int ret = 0, prevmin = INT_MAX;
        for(int i = 0; i < n; ++i)
        {
            ret = max(ret, prices[i] - prevmin);// 先更新结果
            prevmin = min(prevmin, prices[i]); // 在更新最⼩值
        }
        return ret;

    }
};

动态规划:

因为这个动态规划思想其实就和上面贪心几乎是一模一样的,都是找前 i 天 的最低价格,所以我们直接给代码。

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        // int n = prices.size();
        // int ret = 0, prevmin = INT_MAX;
        // for(int i = 0; i < n; ++i)
        // {
        //     ret = max(ret, prices[i] - prevmin);// 先更新结果
        //     prevmin = min(prevmin, prices[i]); // 在更新最⼩值
        // }
        // return ret;

        // 动态规划
        //dp[i] 表示: 前 i 天 价格最低点
        int n = prices.size(), ret = 0;
        vector<int> dp(n + 1);
        dp[0] = INT_MAX;
        for(int i = 1; i <= n; ++i)
        {
            ret = max(ret, prices[i - 1] - dp[i - 1]);
            dp[i] = min(dp[i - 1], prices[i - 1]);
        }
        return ret;
    }
};

2.买卖股票的最佳时机 II

题目链接: 122. 买卖股票的最佳时机 II

题目分析:

在这里插入图片描述

在每一天,你可以决定是否购买和/或出售股票,这句话的意思就决定了买卖股票是没有限制的。你在任何时候 最多 只能持有 一股 股票。这句话的意思是这一天你手里有股票是不能够在买的。要想这一天把股票买走,你必须把手里股票卖出之后才能在买。你也可以先购买,然后在 同一天 出售,这句话的意思是你可以今天买今天就卖,我们是可以进行这样操作的。

返回 你能获得的 最大 利润 。

算法原理:

我们把数组中的数放在一个二维平面,能够很清楚看见股票的增减关系,还能得到我们的策略。

在这里插入图片描述
这道题我们是可以执行任意多笔交易,也就是可以选任意点买入股票,任意点卖出股票。此时我们要获得最大利润,看这个图是否有这样的想法,你会选择在下降趋势买卖股票吗?肯定不会的。只要是下降趋势我们都不会买卖股票。
在这里插入图片描述

所以说我们的贪心策略非常简单,在这个图像中只要是股票价格是上升趋势的我就买和卖,在上升最低点买入,在上升最高点卖出。那么我就可以获得最大利润。

在这里插入图片描述

水平和下降我们都不会买卖股票。

贪心策略:只要能获得正收益,我就交易。

如何实现?实现方式有两种:

  1. 双指针

我们要在数组中找增加的区域,所以我们可以先定义一个指针 i 指向初始位置,同时定义一个指针 j ,从指针 i 位置开始往后遍历,只要当前位置的值小于后面位置的值,j 就往后走。如果发现后面的值小于或者等于 j 位置的值,说明 i 到 j 增长的区域已经被找到,此时搞一个全局的ret,ret += p[j] - p[i],当计算完这一段的时候,更新 i 到 j 位置 或者 j + 1位置,然后 j 进行从 i 位置开始。如果发现后面的值比 j 小,没关系,j 是不移动的,此时ret += p[j] - p[i] 是等于 0 的。

在这里插入图片描述
2. 拆分交易,把一段交易拆分成一天一天

我们求前面这段上升区域在双指针哪里其实是 p[3] - p[1],此时我们发现求这一整段的利润时,可以拆分成两段利润。我们会发现 p[3] - p[1] 正好等于 p[3] - p[2] + p[2] - p[1] 然后p[2]一抵消,两边就是相等的。左边是整体计算,右边是分开计算,它们的利润是一样的。所以只要是一段上升区域我们都可以拆分成一天一天。

在这里插入图片描述

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        // 实现方式一: 双指针
        // int ret = 0, n = prices.size();
        // for(int i = 0; i < n; )
        // {
        //     int j = i;
        //     while(j + 1 < n && prices[j] < prices[j + 1]) ++j;//找上升的末端
        //     ret += prices[j] - prices[i];
        //     i = j + 1;
        // }
        // return ret;

        // 实现⽅式⼆: 拆分成⼀天⼀天
        int ret = 0, n = prices.size();
        for(int i = 0; i < n - 1; ++i)
        {
            if(prices[i] < prices[i + 1])
                ret += prices[i + 1] - prices[i];
        }
        return ret;
    }
};

3.K 次取反后最大化的数组和

题目链接: 1005. K 次取反后最大化的数组和

题目分析:

在这里插入图片描述

对数组中的数取k次取反操作,注意可以多次选择同一个数进行进行取反操作。以这种方式修改数组后,返回数组 可能的最大和。

算法原理:

如果想对数组执行取反操作让数组和是最大的,我们下意识就会先挑选负数变成正数,而且是挑选最小的那个负数。

然后根据 k 和 数组中负数的个数的关系,我们进行分类讨论:

设整个数组中负数的个数是 m 个。

  1. m > k

负数的个数比取反k次要多

在这里插入图片描述
2. m == k

负数个数和k的个数一样,其实可以归类到第一类情况,直接把所有负数转化为整数。

在这里插入图片描述

  1. m < k

负数个数小于k的个数

在这里插入图片描述
此时在对 k - m 的奇偶性分析。如果整个数组是正数的话,我们非常不希望把里面的数变成负数。

当 k - m 是偶数的时候,那我们就疯狂的对一个数进行取反操作,对一个数进行偶数次取反操作这个数是不变的。

当 k - m 是奇数的时候,我们必须会让一个数变成负数,此时我们会让数组中最小的数变成负数。损失是最小的。

在这里插入图片描述

class Solution {
public:
    int largestSumAfterKNegations(vector<int>& nums, int k) {

        int m = 0, minElem = INT_MAX, n = nums.size();
        for(auto x : nums)
        {
            if(x < 0) ++m;
            minElem = min(minElem, abs(x));// 求绝对值最⼩的那个数
        }

        // 分类讨论
        int ret = 0;
        if(m > k)
        {
            sort(nums.begin(), nums.end());
            for(int i = 0; i < k; ++i)// 前 k ⼩个负数,变成正数
                ret += abs(nums[i]);
            for(int i = k; i < n; ++i)// 后⾯的数不变
                ret += nums[i];
        }
        else
        {
            // 把所有的负数变成正数
            for(auto x : nums) ret += abs(x);
            if((k - m) % 2)// 判断是否处理最⼩的正数
            {
                ret -= minElem * 2;
            }
        }
        return ret;
    }
};

4.按身高排序

题目链接: 2418. 按身高排序

题目分析:

在这里插入图片描述

这道题并不是一道贪心题,它只是一道排序题。但是这道题里面的排序思想会用到下到题里面。

给你一个字符串数组 names ,和一个由 互不相同 的正整数组成的数组 heights 。两个数组的长度均为 n 。对于每个下标 i,names[i] 和 heights[i] 表示第 i 个人的名字和身高,也就是说这两个数组是绑定的。按身高 降序 顺序返回对应的名字数组 names。

算法原理:

这道题主要就是排序,接下来我们就想如何排序就可以了。

我们要对身高进行降序排序,但是不能直接排,如果不管名字直接拿升高排序,排完序之后身高和姓名就可能不是对应的了。 我们必须要保证排完序后姓名和升高映射关系要能对应上。

此时我们有三种解决方式:

解法一:创建二元组

  1. 创建一个新的数组pair<int,string>,把原始身高和姓名绑定重新放在pair数组里面
  2. 对新的数组按照第一个元素排序
  3. 按照顺序把名字提取出来即可

在这里插入图片描述

解法二: 利用哈希表存下映射关系

  1. 先用哈希表存下映射关系 <身高,名字>
  2. 对身高数组排序
  3. 根据排序后的结果,往哈希表里找名字即可

在这里插入图片描述

虽然这两种方法都能解决问题,但是都是有缺陷的。统一的缺陷就是既要存身高也要存名字,第二个缺陷就是解法二的缺陷,有可能身高时重复的,但是我们的hash里key是不能相同的,此时解决方法就是把string改成string数组。

解法三:对下标排序(非常常用的一个技巧)

在排序的时候,虽然想排序但是并不想改变元素原始的位置。也就是说排序之前元素在那个位置排序后该元素还在那个位置。刚好我们这道题就符合这样排序,排序后身高和姓名还是和之前一一对应。

  1. 创建一个下标数组
  2. 仅需对下标数组排序
  3. 根据下标数组排序后的结果,找到原数组的信息

假如有下面的姓名数组和身高数组,我们的策略就是创建一个下标数组,下标数组保存对应的信息的下标。然后仅需对下标数组排序,排序的时候就按照要求来排,这里下标数组排序按照身高的降序来排,所以我们要重写一个排序比较方法。排序我们也是也是对下标数组排序,原始的数组我们可没动,接下来通过下标就可以找到对应的身高和姓名。

在这里插入图片描述

class Solution {
public:
    vector<string> sortPeople(vector<string>& names, vector<int>& heights) {

        // 解法一 
        // // 1. 创建一个pair<int,string>数组
        // int n = heights.size();
        // vector<pair<int,string>> x(n);
        // for(int i = 0; i < n; ++i)
        //     x[i] = make_pair(heights[i],names[i]);
        // // 2. 对数组元素进行排序
        // sort(x.begin(), x.end(), [](const pair<int,string>& p1, const pair<int,string>& p2)
        // {
        //     return p1.first > p2.first;
        // });
        // // 3. 提取结果
        // vector<string> ret;
        // for(auto p : x)
        // {
        //     ret.push_back(p.second);
        // }
        // return ret;

        // 解法二
        // // 1.创建一个hash表
        // unordered_map<int,string> hash;
        // int n = heights.size();
        // for(int i = 0; i < n; ++i)
        //     hash[heights[i]] = names[i];
        // // 2. 对身高数组进行排序
        // sort(heights.begin(), heights.end(), greater<int>());
        // // 3.提取结果
        // vector<string> ret;
        // for(auto x: heights)
        // {
        //     ret.push_back(hash[x]);
        // }
        // return ret;


        // 解法三
        // 1. 创建一个下标数组
        int n = heights.size();
        vector<int> index(n);
        for(int i = 0; i < n; ++i) index[i] = i;
        // 2. 对下标进行排序
        sort(index.begin(), index.end(), [heights](const int& i, const int& j)
        {
            return heights[i] > heights[j];
        });
        // 3. 提取结果
        vector<string> ret;
        for(auto i : index)
        {
            ret.push_back(names[i]);
        }
        return ret;
        
    }
};

5.优势洗牌(田忌赛马)

题目链接: 870. 优势洗牌

题目分析:

在这里插入图片描述

给定两个长度相等的数组 nums1 和 nums2,nums1 相对于 nums2 的优势可以用满足 nums1[i] > nums2[i] 的数目来描述。也就是说相同位置只要nums1数组的数比nums2数组的数大就存在一个优势。

返回 nums1 的任意排列,使其相对于 nums2 的优势最大化。也就是想办法对第一个数组进行排序,使排序后的优势使最大的。

在这里插入图片描述

算法原理:

我们先回忆田忌赛马的故事,当把这道题题意搞清楚后你会发现它和田忌赛马的故事是一模一样的。田忌赛马无非就三匹马在比,我们这里是有很多马在比。但是它的策略和田忌赛马的策略是一样的。我们从田忌赛马的故事提取最优策略。

田忌赛马故事很简单,齐威王和田忌在赛马,按照等级把马划分为上、中、下三匹马,它们每次都按照上、中、下的顺序比较,但是同级别下齐威王的马比田忌的好,所以结果都每次都是齐威王赢。这个时候来了一个孙膑,它给田忌出了一个策略,让田忌更改一下马的出场顺序,改成 下、上、中。此时田忌在和齐威王比较,虽然他的下等马对齐威王的上等马是惨败的,但是他的上等马是胜于齐威王的中等马,中等马胜于齐威王的下等马。此时田忌获得胜利。

在这里插入图片描述

接下来我们从这个故事中提取孙膑的最优策略,为了方便叙述我们将他俩的马从小到大排序。刚开始拿着田忌的下等马去比齐威王的下等马你会发现是干不过的,如果比不过就相当于齐威王所有的马,田忌的下等马都比不过。因为我们已经按照从小到大排序了,如果田忌的下等马连齐威王最差的那匹马都比不过,那它所有的马都比不过。这里我们的第一个贪心策略,如果连最差的比不过,那就去拖累掉最强的那匹马(废物利用最大化)。接下来考虑田忌的中等马,发现中等马能打过齐威王的下等马,上等马也能打过齐威王的下等马,此时第二个贪心策略,当前最差的马就已经能比掉齐威王最差的马,绝对不会浪费更优秀的马。

在这里插入图片描述
总结一下最优策略

  1. 排序
  2. 如果比不过,就去拖累掉对面最强的那一个
  3. 如果能比过,那就直接比

接下来我们模拟一下:

先对数组进行排序,(我们是要把nums1数组修改成ret)

在这里插入图片描述

8比不过11,我们的策略是废物利用最大化,直接去匹配最强的32

在这里插入图片描述

12比的过11,直接放

在这里插入图片描述

24比的过13,直接放

在这里插入图片描述

32比的过25,直接放

在这里插入图片描述

这个ret就是我们最优的策略,但是这个结果和答案给的不一样!

在这里插入图片描述

原因是答案是按照未排序之前的num2的顺序来匹配最终结果的。意思就是如果是11对12,应该是原始的nums2数组的11的位置放12,而不是在排完序后的第一个位置放12.

在这里插入图片描述

同理其他都是如此,然后这个数组才是我们要的最终结果

在这里插入图片描述

原因就在于我们排完序之后是要按照之前排序之前的数组来还原的,所以就出现了,虽然想排序,但是原来的顺序我还要知道。那如何实现这一点呢?《身高排序》 这到题我们正好用了这个技巧,又想让数组排序,又想找到之前的相对位置,我们的策略是直接排序下标数组。不排原始数组,对下标数组进行排序,然后通过下标数组找到原始的数,最终就能把ret对应到原始的位置。

接下来我们在模拟一下这个过程。

先对下标数组排序,如何排序之前已经说过改变排序规则,这里我们还需要两个指针,left指向num2下标数组排序后的第一个元素的下标,right指向nums2下标数组排序后的最后一个元素的下标。
在这里插入图片描述
依次遍历nums1,每次和left所指向的下标对应nums2中的元素做比较nums2[index2[left]],

8比不过11,把8放在最后一个位置,此时并不是把8放在ret最后一个位置,而是把8放在nums2排完序之后的最后一个位置所对应的下标的位置。也ret下标为2的位置。然后right–,代表之前的数已经匹配过了,此时最后一个位置的就是下标1。

在这里插入图片描述

12比的过left所指向下标对应的数11,就放在第一个位置,第一个位置下标是3,然后left++

在这里插入图片描述

24比的过left所指向下标对应的数13,就放在0位置,然后left++

在这里插入图片描述

32比的过left所指向下标对应的数25,放在下标1的位置,此时nums1遍历完就结束了。

在这里插入图片描述

class Solution {
public:
    vector<int> advantageCount(vector<int>& nums1, vector<int>& nums2) {
        
        int n = nums1.size();
        // 1. 排序
        sort(nums1.begin(), nums1.end());
        vector<int> index2(n);
        for(int i = 0; i < n; ++i) index2[i] = i;
        sort(index2.begin(), index2.end(), [&](const int& i, const int& j)
        {
            //所有下标按照nums2里面升序形式排序
            return nums2[i] < nums2[j];
        });

        // 2. 田忌赛马
        vector<int> ret(n);
        int left = 0, right = n - 1;
        for(int i = 0; i < n; ++i)
        {
            if(nums1[i] > nums2[index2[left]])
            {
                ret[index2[left]] = nums1[i];
                ++left;
            }
            else
            {
                ret[index2[right]] = nums1[i];
                --right;
            }
        }
        return ret;
    }
};

证明:

证明方法:交换论证法

nums1表示排序后升序的样子,nums2也表示排序后的样子,并且nums1表示的贪心解

在这里插入图片描述

在来一个nums1表示最优解的情况

在这里插入图片描述

交换论证法就是在最优解不失去最优性的情况下调整成贪心解的话,那我们就说贪心解就是最优解。

从左往右扫描贪心解和最优解的匹配情况,当遇到第一个它们俩匹配不同的情况,就考虑这个点。

我们要分两种情况讨论:

  1. 贪心解比的过

贪心解比得过,那就去匹配第一个,最优解和贪心解不一样,最优解就去匹配后面的。然后最优解后面的在和第一个匹配

在这里插入图片描述

接下来就看最优解调整成贪心解会不会变差。

如何调整就是调的和贪心解一样就可以了,这里我们设一些变量,然后在贪心解比得过我们有一个不等式 b > a > x1

在这里插入图片描述

a > x1,b > x1,这两条线可以抵消

在这里插入图片描述
剩下两条线我们不容易得出胜负情况, 我们仅知道 b > a > x1,我们并不知道a是否大于x2,也并不知道b是否大于x2。但是我们可以粗略估计一下用b来比较x2是更优的,原因是最优解之前拿的是较小的a都能和x2匹配,调整完之后拿较大的b和x2匹配,所以绝对是更优的。a能胜过x2,b一定能胜过,a打不过x2,但是b比a大是有可能打得过x2的。 所以我们第一种情况是可以的。

  1. 贪心解比不过

如果比不过,贪心选择的策略就是和最后一个抵消,最优解肯定不是最后一个,接下来我们继续调整。依旧是调整后的别比之前的差就可以。

在这里插入图片描述

我们的谈贪心解是比不过第一个才会抵消最后一个,也就是比nums2最小的还要小。调整之前拿最优解的a和nums2前面的匹配,调整后和nums2最后一个匹配,反正都不会得分所以可以抵消。

在这里插入图片描述
剩下还有两条线,你会发现调整最优解b之后是更优的,b是固定的,之前b是去匹配较大的的x2,现在是匹配较小的x1,b能打过x1一定能打过x2,b打不过x2可能会打过x1。

在这里插入图片描述

因为我们最优解调整后是更优的,所以最优解肯定能在不失去最优性的前提下调整到贪心解。

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/2238725.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

【Android、IOS、Flutter、鸿蒙、ReactNative 】文本点击事件

Android Studio 版本 Android Java TextView 实现 点击事件 参考 import androidx.appcompat.app.AppCompatActivity; import android.os.Bundle; import android.util.Log; import android.view.View; import android.widget.TextView; import android.widget.Toast;public c…

超30万亿消费规模下,低龄VS高龄、他VS她、共性VS个性的市场机会

作者 | NewAgingPro团队 前言 NewAgingPro团队基于多年研究沉淀&#xff0c;发现每个行业都具备为老年人群再次细分的机会&#xff0c;中国的银发经济市场将围绕老年人需求不断往细分场景垂直深耕。具体哪些需求是市场增长的源动力&#xff1f;40岁泛银发群体的需求趋势如何…

贪心算法-汽车加油

这道题目描述了一个汽车旅行场景&#xff0c;需要设计一个有效的算法来决定在哪几个加油站停车加油&#xff0c;以便最小化加油次数。题目给出了汽车加满油后的行驶距离n公里&#xff0c;以及沿途若干个加油站的位置。我们需要找出一个方案&#xff0c;使得汽车能够完成整个旅程…

【动手学电机驱动】STM32-FOC(6)基于 IHM03 的无感方波控制

STM32-FOC&#xff08;1&#xff09;STM32 电机控制的软件开发环境 STM32-FOC&#xff08;2&#xff09;STM32 导入和创建项目 STM32-FOC&#xff08;3&#xff09;STM32 三路互补 PWM 输出 STM32-FOC&#xff08;4&#xff09;IHM03 电机控制套件介绍 STM32-FOC&#xff08;5&…

CNN实现地铁短时客流预测

项目源码获取方式见文章末尾&#xff01; 600多个深度学习项目资料&#xff0c;快来加入社群一起学习吧。 《------往期经典推荐------》 项目名称 1.【基于CNN-RNN的影像报告生成】 2.【卫星图像道路检测DeepLabV3Plus模型】 3.【GAN模型实现二次元头像生成】 4.【CNN模型实现…

SDL打开YUV视频

文章目录 问题1&#xff1a;如何控制帧率&#xff1f;问题2&#xff1a;如何触发退出事件&#xff1f;问题3&#xff1a;如何实时调整视频窗口的大小问题4&#xff1a;YUV如何一次读取一帧的数据&#xff1f; 问题1&#xff1a;如何控制帧率&#xff1f; 单独用一个子线程给主线…

Linux 系统结构

Linux系统一般有4个主要部分&#xff1a;内核、shell、文件系统和应用程序。内核、shell和文件系统一起形成了基本的操作系统结构&#xff0c;它们使得用户可以运行程序、管理文件并使用系统。 1. linux内核 内核是操作系统的核心&#xff0c;具有很多最基本功能&#xff0c;它…

使用vscode 连接linux进行开发

1. 在Vscode中安装扩展功能remote ssh 2. 打开命令窗口 3. 在弹出的命令窗口输入ssh&#xff0c;并从弹出的提示中选择 Add New SSH Host 4. 在弹出的输入窗口中输入类似下面形式的 连接地址&#xff1a; 5. 输入回车后出现下面的对话框&#xff0c;这个对话框是说你要用哪个…

【C++】 C++游戏设计---五子棋小游戏

1. 游戏介绍 一个简单的 C 五子棋小游戏 1.1 游戏规则&#xff1a; 双人轮流输入下入点坐标横竖撇捺先成五子连线者胜同一坐标点不允许重复输入 1.2 初始化与游戏界面 初始化界面 X 输入坐标后 O 输入坐标后 X 先达到胜出条件 2. 源代码 #include <iostream> #i…

计算机新手练级攻略——如何搜索问题

目录 计算机学生新手练级攻略——如何搜索问题1.明确搜索意图2.使用精确关键词3.使用专业引擎搜索4.利用好技术社区1. Stack Overflow2. GitHub3. IEEE Xplore4. DBLP 5.使用代码搜索工具1. GitHub 代码搜索2. Stack Overflow 代码搜索3. Papers with Code4. IEEE Xplore 6.查阅…

【MySQL】MySQL基础知识复习(下)

前言 上一篇博客介绍了MySQL的库操作&#xff0c;表操作以及CRUD。 【MySQL】MySQL基础知识复习&#xff08;上&#xff09;-CSDN博客 本篇将进一步介绍CRUD操作&#xff0c;尤其是查找操作 目录 一.数据库约束 1.约束类型 1.1NULL约束 1.2UNIQUE&#xff1a;唯一约束 …

从0开始学docker (每日更新 24-11-6)

限制容器运行的资源 限制容器的内存使用 容器的内存包括两部分&#xff1a;物理内存和交换空间&#xff08;swap&#xff09; 用户内存限制 -m,--memory&#xff1a;容器可用的最大内存&#xff0c;该值最低为4MB --memory-swap&#xff1a;允许容器置入磁盘交换空间的内存…

C++初阶——vector

一、什么是vector vector是表示可变大小的数组的序列容器&#xff0c;就像数组一样&#xff0c;vector也采用连续空间来存储元素。也就是说它的访问和数组一样高效&#xff0c;但是它的大小是动态可变的&#xff0c;并且它的大小会被容器自动处理。 二、vector的构造 常用的构…

GIT的基本使用与进阶

GIT的简单入门 一.什么是git&#xff1f; Git 是一个开源的分布式版本控制系统&#xff0c;用于跟踪文件更改、管理代码版本以及协作开发。它主要由 Linus Torvalds 于 2005 年创建&#xff0c;最初是为 Linux 内核开发而设计的。如今&#xff0c;Git 已经成为现代软件开发中…

CulturalBench :一个旨在评估大型语言模型在全球不同文化背景下知识掌握情况的基准测试数据集

2024-10-04&#xff0c;为了提升大型语言模型在不同文化背景下的实用性&#xff0c;华盛顿大学、艾伦人工智能研究所等机构联合创建了CulturalBench。这个数据集包含1,227个由人类编写和验证的问题&#xff0c;覆盖了包括被边缘化地区在内的45个全球区域。CulturalBench的推出&…

C语言中,“extern”关键字的含义与用法

在C语言中&#xff0c;extern 关键字用于声明一个已经在其他地方定义的变量或函数。它的主要作用是告诉编译器&#xff0c;某个变量或函数是在当前文件之外定义的&#xff0c;编译器应该在链接阶段找到这个变量或函数的实际定义。以下是 extern 的一些常见用途和用法&#xff1…

「Mac玩转仓颉内测版1」入门篇1 - Cangjie环境的搭建

本篇详细介绍在Mac系统上快速搭建Cangjie开发环境的步骤&#xff0c;涵盖VSCode的下载与安装、Cangjie插件的离线安装、工具链的配置及验证。通过这些步骤&#xff0c;确保开发环境配置完成&#xff0c;为Cangjie项目开发提供稳定的基础支持。 关键词 Cangjie开发环境搭建VSC…

Kubernetes网络揭秘:从DNS到核心概念,一站式综述

文章目录 一.overlay vs underlayL2 underlayL3 underlay 二、calico vs flannel2.1 calico架构2.2 flannel架构 三、iptables四、Vxlan五、kubernetes网络架构综述六、DNS七、Kubernetes域名解析策略 一.overlay vs underlay overlay网络是在传统网络上虚拟出一个虚拟网络&am…

飞凌嵌入式FET527N-C核心板现已适配Android 13

飞凌嵌入式FET527N-C核心板现已成功适配Android13&#xff0c;新系统的支持能够为用户提供更优质的使用体验。那么&#xff0c;运行Android13系统的FET527N-C核心板具有哪些突出的优势呢&#xff1f; 1、性能与兼容性提升 飞凌嵌入式FET527N-C核心板搭载了全志T527系列高性能处…

破解仓库管理难题!库存管理流程详解

随着市场竞争加剧和客户需求不断提升&#xff0c;企业的仓库管理在日益复杂的供应链环境中面临诸多挑战。许多企业在仓库管理上仍停留在传统手工操作或基础的数字化管理阶段&#xff0c;这种方式容易导致库存信息不准确、管理效率低下、数据滞后等问题。 企业现状 当前&#…