【优选算法篇】化繁为简，见素抱朴：从乱象中重构秩序的艺术

news2024/12/31 5:31:29

文章目录

  • 分治专题（一）：快速排序核心思想与应用
    • 前言
    • 第一章：快速排序的应用与延展
      • 1.1 颜色分类（medium）
        • 解法（分治思想 - 三指针法实现三分）
        • C++ 代码实现
        • 易错点提示
        • 时间复杂度和空间复杂度
      • 1.2 快速排序（medium）
        • 解法（数组分三块 + 随机基准元素的快速排序）
        • C++ 代码实现
        • 易错点提示
        • 时间复杂度和空间复杂度
      • 1.3 快速选择算法（medium）
        • 解法（快速选择算法）
        • C++ 代码实现
        • 易错点提示
        • 时间复杂度和空间复杂度
      • 1.4 最小的 k 个数（medium）
        • 解法（快速选择算法）
        • C++ 代码实现
        • 易错点提示
        • 时间复杂度和空间复杂度
    • 写在最后

分治专题（一）：快速排序核心思想与应用

🚀 欢迎讨论：如果你有任何问题或见解，欢迎在评论区留言。

👍 点赞、收藏与分享：如果觉得这篇文章对你有帮助，请点赞、收藏并分享给更多朋友。

💡 分享给更多人：一起学习分治策略，掌握快速排序的精髓！

前言

快速排序不仅是一种算法，更是一种从局部到整体的思维方式。分治的本质在于将复杂的问题拆解为更小的子问题，并逐步推进至全局最优。快排通过递归的力量，在无序中找到秩序，将数组分块，再在细小的区间中一一排列。这种策略不仅适用于排序，也广泛应用于高效查找。在这里，我们将围绕快速排序，深入探讨其核心分治思想在算法中的应用，从理论到实践，一步步领略其简洁之美。

第一章：快速排序的应用与延展

1.1 颜色分类（medium）

题目链接：75. 颜色分类

题目描述：

给定一个包含红色、白色和蓝色的数组 nums，共 n 个元素，要求对它们进行原地排序，使得相同颜色的元素相邻，并按红色、白色、蓝色的顺序排列。这里使用整数 0、1 和 2 分别表示红色、白色和蓝色，且不能使用库的排序函数。

示例 1：

  • 输入：nums = [2,0,2,1,1,0]
  • 输出：[0,0,1,1,2,2]
解法（分治思想 - 三指针法实现三分）

算法思路：

颜色分类问题可以视为一种简化的排序问题。我们可以通过“分治”思想，将数组分为三块，分别存储 0、1 和 2，实现“快速”分类。这种方法可以类比于快速排序的分区思想，使用三个指针高效地将数组分成三部分。

  1. 指针定义：

    • left：用于标记 0 序列的末尾位置，初始为 -1。
    • cur：当前扫描位置，初始为 0。
    • right：用于标记 2 序列的起始位置，初始为 n（数组长度）。

  2. 区域划分：

    • [0, left]：全部为 0。
    • [left + 1, cur - 1]：全部为 1。
    • [cur, right - 1]：待定元素。
    • [right, n - 1]：全部为 2。

  3. 扫描与分区：

    • 当 cur < right 时，根据 nums[cur] 的值执行不同操作：
      • 若 nums[cur] == 0：将 cur 位置的 0 与 left + 1 位置的元素交换，并将 left 和 cur 均右移一位。
      • 若 nums[cur] == 1：当前元素 1 已在正确位置，无需交换，直接将 cur 右移。
      • 若 nums[cur] == 2：将 cur 位置的 2 与 right - 1 位置的元素交换，将 right 左移一位，但保持 cur 不变（因为交换过来的元素需要重新判断）。

  4. 循环终止：

    • 当 cur 遇到 right 时，整个数组已被正确分类。最终得到 [0, left] 为 0，[left + 1, right - 1] 为 1，[right, n - 1] 为 2。
C++ 代码实现
class Solution {
public:
    void sortColors(vector<int>& nums) {
        int n = nums.size();
        int left = -1, right = n, cur = 0;
        while (cur < right) {
            if (nums[cur] == 0) {
                swap(nums[++left], nums[cur++]); // 将当前 0 移到 0 区间末尾
            } else if (nums[cur] == 1) {
                cur++; // 当前为 1，位置已正确，直接跳过
            } else {
                swap(nums[--right], nums[cur]); // 将当前 2 移到 2 区间起始位置
            }
        }
    }
};
易错点提示

  1. 区间含义理解：

    • left 表示 0 序列的末尾，cur 表示当前扫描位置，right 表示 2 序列的起始位置。在移动指针时，要确保每个区间内的元素始终符合定义。

  2. 保持 cur 不变：

    • 当 nums[cur] == 2 时，交换后需要重新判断 cur 位置，因为此位置交换过来的元素还未被处理。

  3. 确保原地修改：

    • 本题要求在原数组上进行分类，避免额外的空间消耗，因此所有操作都在 nums 数组内完成，符合分治的原地修改原则。
时间复杂度和空间复杂度
  • 时间复杂度：O(n)，cur 指针遍历数组一次，每个元素仅被处理一次。
  • 空间复杂度：O(1)，使用常数个指针进行排序，无额外空间开销。

1.2 快速排序（medium）

题目链接：912. 排序数组

题目描述：

给定一个整数数组 nums，请将该数组按升序排列。

示例 1：

  • 输入：nums = [5,2,3,1]
  • 输出：[1,2,3,5]

示例 2：

  • 输入：nums = [5,1,1,2,0,0]
  • 输出：[0,0,1,1,2,5]
解法（数组分三块 + 随机基准元素的快速排序）

算法思路：

快速排序的核心在于“分区”：将数据按基准元素划分为小于基准、等于基准和大于基准的三部分。通过分治的思想，递归对两侧的分区进行排序。

  1. 随机选择基准元素：

    • 快速排序的效率受基准元素的选取影响。若基准选取不佳，递归的深度增加，影响排序性能。（具体证明详见《算法导论》）
    • 在 getRandom 函数中，使用随机数来生成基准下标，这样在数据量大或元素重复较多的情况下，能有效避免最坏情况。

  2. 三分区思想：

    • 类似于荷兰国旗问题，将数组划分为小于基准、等于基准和大于基准的三部分。
    • 使用三个指针来划分区间：
      • left 指向小于基准的部分末尾。
      • right 指向大于基准的部分起始。
      • i 用于遍历数组，根据当前值的大小，决定其在三分区的位置。

  3. 递归排序左右分区：

    • 对于小于基准和大于基准的部分，递归应用快速排序，最终实现数组的整体有序。
C++ 代码实现
class Solution {
public:
    vector<int> sortArray(vector<int>& nums) {
        srand(time(NULL)); // 初始化随机数种子
        qsort(nums, 0, nums.size() - 1);
        return nums;
    }

    // 快速排序
    void qsort(vector<int>& nums, int l, int r) {
        if (l >= r) return; // 递归终止条件

        // 选择基准元素
        int key = getRandom(nums, l, r);
        int i = l, left = l - 1, right = r + 1;
        
        // 分区过程
        while (i < right) {
            if (nums[i] < key) swap(nums[++left], nums[i++]); // 移动到小于基准的区域
            else if (nums[i] == key) i++;                     // 等于基准，跳过
            else swap(nums[--right], nums[i]);                // 移动到大于基准的区域
        }
        
        // 递归处理左右区域
        qsort(nums, l, left);           // 左分区
        qsort(nums, right, r);          // 右分区
    }

    // 随机基准选择
    int getRandom(vector<int>& nums, int left, int right) {
        int r = rand(); // 生成随机数
        return nums[r % (right - left + 1) + left]; // 生成基准的随机下标
    }
};
易错点提示

  1. 递归终止条件：

    • 在快速排序中，l >= r 时停止递归，否则会陷入无限递归。确保左右分区都有终止条件，避免栈溢出。

  2. 随机基准选取：

    • getRandom 中使用 rand() % (right - left + 1) + left 随机生成基准索引，确保基准在 [left, right] 区间内选择，以应对重复数据。

  3. 三分区逻辑：

    • left 表示小于基准的区域末尾，right 表示大于基准的区域起点，i 为当前扫描位置。确保每轮 i 的位置经过判断后处理到对应的区间，避免重复处理或漏处理。
时间复杂度和空间复杂度
  • 时间复杂度：平均 O(n log n)。使用随机基准元素有效避免最坏 O(n^2) 的情况，提升了排序效率。
  • 空间复杂度：O(log n)，主要为递归栈的空间消耗，最坏情况为 O(n)。

1.3 快速选择算法（medium）

题目链接：215. 数组中的第K个最大元素

题目描述：

给定一个整数数组 nums 和一个整数 k，返回数组中第 k 个最大的元素。
请注意，你需要找的是数组排序后的第 k 个最大的元素，而不是第 k 个不同的元素。

示例1：

  • 输入：[3,2,1,5,6,4], k = 2
  • 输出：5

示例2：

  • 输入：[3,2,3,1,2,4,5,5,6], k = 4
  • 输出：4

提示：

  • 1 <= k <= nums.length <= 10^5
  • -10^4 <= nums[i] <= 10^4
解法（快速选择算法）

算法思路：

快速选择算法是快速排序的变种，可以在不完全排序的情况下找到第 k 大的元素，从而将时间复杂度控制在 O(n)。我们通过分区思想来缩小查找范围，避免对整个数组排序。

  1. 分区思想：

    • 快速排序将数组分成三块：小于基准、等于基准和大于基准。快速选择算法基于同样的分区思想，通过选择一个基准元素，将数组划分为左、中、右三部分。
    • 在每次划分后，可以根据每个区域的元素个数，确定第 k 大的元素所在的区域，从而递归地只处理该部分，逐步缩小范围。

  2. 基准元素的随机选择：

    • 为避免最坏情况，使用 getRandom 函数随机选取基准元素位置，生成随机下标，确保基准在 [left, right] 范围内。

  3. 分区计数与递归：

    • 使用 left、right 和 i 指针对数组进行划分：
      • [l, left]：存放小于基准的元素。
      • [left + 1, right - 1]：存放等于基准的元素。
      • [right, r]：存放大于基准的元素。
    • 划分完成后，通过以下判断确定第 k 大元素所在区间：
      • 若 k 小于等于 c（即右侧元素数），则递归在右侧区间 [right, r] 中继续查找；
      • 若 k 位于中间区间，则直接返回基准元素；
      • 否则递归在左侧区间 [l, left] 中继续查找。

在这里插入图片描述

C++ 代码实现
class Solution {
public:
    int findKthLargest(vector<int>& nums, int k) {
        srand(time(NULL)); // 初始化随机数种子
        return qsort(nums, 0, nums.size() - 1, k);
    }

    // 快速选择
    int qsort(vector<int>& nums, int l, int r, int k) {
        if (l == r) return nums[l]; // 递归终止条件

        // 1. 随机选择基准元素
        int key = getRandom(nums, l, r);
        
        // 2. 根据基准元素将数组分三块
        int left = l - 1, right = r + 1, i = l;
        while (i < right) {
            if (nums[i] < key) swap(nums[++left], nums[i++]); // 移动到小于基准的区域
            else if (nums[i] == key) i++;                     // 等于基准，跳过
            else swap(nums[--right], nums[i]);                // 移动到大于基准的区域
        }

        // 3. 分情况判断
        int c = r - right + 1;     // 大于基准元素的个数
        int b = right - left - 1;  // 等于基准元素的个数
        if (c >= k) return qsort(nums, right, r, k);          // 查找右侧区间
        else if (b + c >= k) return key;                      // 查找中间区间
        else return qsort(nums, l, left, k - b - c);          // 查找左侧区间
    }

    // 随机基准选择
    int getRandom(vector<int>& nums, int left, int right) {
        return nums[rand() % (right - left + 1) + left];
    }
};
易错点提示

  1. 递归出口控制：

    • if (l == r) return nums[l]; 确保当数组已缩小到单元素时返回该元素，避免陷入无止境的递归。

  2. 基准随机选取：

    • getRandom 中使用 rand() % (right - left + 1) + left 确保基准元素在 [left, right] 区间内随机选取，减少最坏时间复杂度的可能。

  3. 划分后的区域判断：

    • c 表示大于基准的元素个数；b 表示等于基准的元素个数。通过 k 与这些区域大小的比较，递归进入相应的区间，避免不必要的处理。
时间复杂度和空间复杂度
  • 时间复杂度：平均 O(n)。每次选择的基准元素有效缩小搜索范围，递归深度为 log n，总共需遍历 n 个元素。
  • 空间复杂度：O(log n)，用于递归栈的深度开销。

1.4 最小的 k 个数（medium）

题目链接：剑指 Offer 40. 最小的k个数

注：题目叙述有所调整，但整体要求保持一致。

题目描述：

输入整数数组 arr，找出其中最小的 k 个数。例如，输入 [4,5,1,6,2,7,3,8]，则最小的 4 个数字是 [1,2,3,4]。

示例 1：

  • 输入：arr = [3,2,1], k = 2
  • 输出：[1,2] 或者 [2,1]

示例 2：

  • 输入：arr = [0,1,2,1], k = 1
  • 输出：[0]

限制：

  • 0 <= k <= arr.length <= 10000
  • 0 <= arr[i] <= 10000
解法（快速选择算法）

算法思路：

快速选择算法是快速排序的变体，可以在 O(n) 的时间复杂度下找到最小的 k 个数。通过分区，将数组划分为小于基准、等于基准和大于基准的三部分，逐步缩小查找范围，直到找到前 k 小的元素。

  1. 分区策略：

    • 使用随机基准元素，将数组划分为小于基准、等于基准和大于基准的三部分。
    • 通过计算每个区间的元素个数，判断最小的 k 个数应在哪个区间中，递归地缩小查找范围。

  2. 随机选择基准：

    • 为避免最坏情况，使用 getRandom 函数随机选取基准元素。通过生成随机下标，将其作为当前基准元素，确保划分的高效性。

  3. 递归查找：

    • 在 qsort 中，使用 left、right 和 i 指针对数组进行分区。
    • 划分完成后，确定第 k 小的元素范围：
      • 若左区间元素个数 a 大于 k，则递归左区间；
      • 若左区间加中间区间的元素总数 a + b 大于等于 k，直接返回前 k 个元素；
      • 若 a + b < k，则递归右区间，寻找剩余的 k - a - b 个元素。
C++ 代码实现
class Solution {
public:
    vector<int> getLeastNumbers(vector<int>& nums, int k) {
        srand(time(NULL)); // 初始化随机数种子
        qsort(nums, 0, nums.size() - 1, k);
        return {nums.begin(), nums.begin() + k};
    }

    // 快速选择
    void qsort(vector<int>& nums, int l, int r, int k) {
        if (l >= r) return; // 递归终止条件

        // 1. 随机选择一个基准元素，并进行分区
        int key = getRandom(nums, l, r);
        int left = l - 1, right = r + 1, i = l;

        while (i < right) {
            if (nums[i] < key) swap(nums[++left], nums[i++]); // 小于基准的部分
            else if (nums[i] == key) i++;                     // 等于基准，跳过
            else swap(nums[--right], nums[i]);                // 大于基准的部分
        }

        // 2. 分情况讨论
        int a = left - l + 1;         // 小于基准的元素个数
        int b = right - left - 1;     // 等于基准的元素个数
        if (a > k) qsort(nums, l, left, k);                 // 在左区间查找
        else if (a + b >= k) return;                         // 在前 a + b 个元素中找到结果
        else qsort(nums, right, r, k - a - b);               // 在右区间查找剩余的元素
    }

    // 随机选择基准元素
    int getRandom(vector<int>& nums, int l, int r) {
        return nums[rand() % (r - l + 1) + l];
    }
};
易错点提示

  1. 递归出口：

    • 当 l >= r 时，递归停止，避免无止境递归。

  2. 随机基准选取：

    • 在 getRandom 函数中使用 rand() % (r - l + 1) + l，确保基准元素随机选自 [l, r] 区间。

  3. 分区结果判定：

    • a 为左区间元素个数，b 为等于基准的元素个数：
      • 若 a > k，表示最小的 k 个数在左区间。
      • 若 a + b >= k，表示最小的 k 个数在前两个区间，直接返回。
      • 若 a + b < k，则在右区间查找剩余的元素。
时间复杂度和空间复杂度
  • 时间复杂度：平均 O(n)。通过随机基准，快速缩小查找范围。
  • 空间复杂度：O(log n)，为递归栈的深度开销。

写在最后

分治法是一种化繁为简、由局部到整体的解决思路。快速排序的核心在于分而治之，将数组不断划分并排序，使递归在小区间中快速完成各自的排序任务；同时，快速选择算法则在相似的框架中寻找到目标元素，无需对整个数组排序，省去不必要的步骤，呈现出简洁而高效的解法。掌握分治不仅是算法本身的精通，更是编程思维的升华，在细节中不断优化、在局部中逐步收敛，以追求最终的全局最优。

以上就是关于【优选算法篇】化繁为简，见素抱朴：从乱象中重构秩序的艺术的内容啦，各位大佬有什么问题欢迎在评论区指正，或者私信我也是可以的啦，您的支持是我创作的最大动力！❤️

在这里插入图片描述

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/2240252.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

Python多进程间通讯（包含共享内存方式）

Python多进程间通讯（包含共享内存方式）

文章目录 1 通过非共享内存配合队列方式2 通过共享内存配合队列方式 注&#xff1a;本博文测试环境为Linux系统。 1 通过非共享内存配合队列方式 下面是一个常见的生产者与消费者的模式示例&#xff0c;这里分别启动了两个子进程&#xff0c;一个为生产者&#xff08;producer…
阅读更多...
平台整合是网络安全成功的关键

平台整合是网络安全成功的关键

如今&#xff0c;组织面临着日益复杂、动态的网络威胁环境&#xff0c;随着恶意行为者采用越来越阴险的技术来破坏环境&#xff0c;攻击的数量和有效性也在不断上升。我们最近的 Cyber​​Ark 身份威胁形势报告&#xff08;2024 年 5 月&#xff09;发现&#xff0c;去年 99% 的…
阅读更多...
冒泡选择法(c基础)

冒泡选择法(c基础)

适合对象c语言初学者。 冒泡选择法 作用对一个数组进行排序。&#xff08;介绍一下数组(c基础)(详细版)-CSDN博客&#xff09; 核心要点 1: 数组元素个数 sz 2: 比较后的交换。 核心思路 进行&#xff08;sz - 1&#xff09;趟&#xff0c;每一趟把最大数的放到末尾。其…
阅读更多...
ubuntu[无桌面]——使用FileZilla连接本地和虚拟机实现文件共享

ubuntu[无桌面]——使用FileZilla连接本地和虚拟机实现文件共享

在虚拟机上跑命令的时候&#xff0c;有时候需要使用到一些在本机上的文件&#xff0c;但是由于安装的Ubuntu是无桌面的&#xff0c;那么怎么去实现将本地文件拖放到虚拟机上捏&#xff0c;这里记录一下 FileZilla的操作&#xff0c;以及一些问题的解决。 &#xff08;1&#xf…
阅读更多...
openGauss常见问题与故障处理（四）

openGauss常见问题与故障处理（四）

4.数据库故障定位手段&#xff1a; 数据库故障定位手段通常有如下三种类&#xff1a; 提到“种类”&#xff0c;这里给大家举一个模拟场景中肖荏盖反向的小故事 对于初学者入门的学习&#xff0c;一些理论不容易理解或记住&#xff0c;所以本节课程【创新】采用了【正、反对比…
阅读更多...
无法启动此程序，因为计算机中丢失 msvcr100.dll”。五种有效方法分享

无法启动此程序，因为计算机中丢失 msvcr100.dll”。五种有效方法分享

msvcr100.dll 是 Microsoft Visual C 2010 Redistributable Package 的一部分&#xff0c;这是一个动态链接库&#xff08;DLL&#xff09;文件&#xff0c;对于运行基于 Windows 操作系统的许多应用程序至关重要。它内含 C 运行时库&#xff0c;提供多种常用函数与类&#xff…
阅读更多...
【React】状态管理之Redux

【React】状态管理之Redux

&#x1f308;个人主页: 鑫宝Code &#x1f525;热门专栏: 闲话杂谈&#xff5c; 炫酷HTML | JavaScript基础 ​&#x1f4ab;个人格言: "如无必要&#xff0c;勿增实体" 文章目录 状态管理之Redux引言1. Redux 的核心概念1.1 单一数据源&#xff08;Single Sou…
阅读更多...
数字IC后端实现之Innovus specifyCellEdgeSpacing和ICC2 set_placement_spacing_rule的应用

数字IC后端实现之Innovus specifyCellEdgeSpacing和ICC2 set_placement_spacing_rule的应用

昨天帮助社区IC训练营学员远程协助解决一个Calibre DRC案例。通过这个DRC Violation向大家分享下Innovus和ICC2中如何批量约束cell的spacing rule。 数字IC后端手把手实战教程 | Innovus verify_drc VIA1 DRC Violation解析及脚本自动化修复方案 下图所示为T12nm A55项目的Ca…
阅读更多...
LLM - 计算 多模态大语言模型 的参数量(Qwen2-VL、Llama-3.1) 教程

LLM - 计算 多模态大语言模型 的参数量(Qwen2-VL、Llama-3.1) 教程

欢迎关注我的CSDN&#xff1a;https://spike.blog.csdn.net/ 本文地址&#xff1a;https://spike.blog.csdn.net/article/details/143749468 免责声明&#xff1a;本文来源于个人知识与公开资料&#xff0c;仅用于学术交流&#xff0c;欢迎讨论&#xff0c;不支持转载。 影响 (…
阅读更多...
一图胜千言，一张图深入读懂大模型应用是如何工作的

一图胜千言，一张图深入读懂大模型应用是如何工作的

在科技飞速发展的今天&#xff0c;人工智能&#xff08;AI&#xff09;早已不再是遥不可及的科幻概念&#xff0c;而是融入了我们生活的方方面面。其中&#xff0c;大模型作为AI领域的重要分支&#xff0c;以其卓越的表现力和广泛的应用前景&#xff0c;吸引了无数人的目光。但…
阅读更多...
Spring AI Alibaba - 快速开发生成式Java Al应用

Spring AI Alibaba - 快速开发生成式Java Al应用

大家好&#xff0c;我是袁庭新。 今天我们不谈ServerlessAI、AI可观测性、云消息队列演进与AI赋能以及AI原生应用架构等&#xff0c;这些都是近年最火热的技术方向。但是如果你想在未来成为一名合格且具备前瞻视野的软件开发工程师&#xff0c;这些新兴且热门的技术领域都是需…
阅读更多...
简易入手《SOM神经网络》的本质与原理

简易入手《SOM神经网络》的本质与原理

原创文章&#xff0c;转载请说明来自《老饼讲解神经网络》:www.bbbdata.com 关于《老饼讲解神经网络》&#xff1a; 本网结构化讲解神经网络的知识&#xff0c;原理和代码。 重现matlab神经网络工具箱的算法&#xff0c;是学习神经网络的好助手。 目录 一、入门原理解说 01.…
阅读更多...
大模型经典著作《大语言模型基础与前沿》

大模型经典著作《大语言模型基础与前沿》

介绍 **《大语言模型基础与前沿》是由美国明尼苏达大学双城分校电子与计算机工程博士熊涛所著。**熊博士曾在多家中美知名高科技公司担任高级管理职位和首席科学家&#xff0c;在人工智能的多个领域&#xff0c;包括大语言模型、图神经网络等从事研发和管理工作多年。 本书深…
阅读更多...
DBeaver 连接 OceanBase Oracle 租户

DBeaver 连接 OceanBase Oracle 租户

DBeaver 是一款通用的数据库工具软件&#xff0c;支持任何具有JDBC驱动程序的数据库。DBeaver 需要 Java 运行环境的支持。截稿时 DBeaver 24.0.0 版本默认提供的 OceanBase 驱动是连接 MySQL 的&#xff0c;想连接 Oracle 租户需要新建一个驱动器使用。 下载数据库驱动包 1、…
阅读更多...
定时任务进行简单监控、爬虫的自动化之旅

定时任务进行简单监控、爬虫的自动化之旅

原文链接&#xff1a;「定时任务」进阶指南&#xff1a;监控、爬虫的自动化之旅
阅读更多...
spring gateway 动态路由

spring gateway 动态路由

##yml配置 spring:application:name: public-gateway # cloud: # gateway: # routes: # - id: mybatis-plus-test # 路由的唯一标识 # uri: http://192.168.3.188:9898 # 目标服务的地址 # predicates: # - Path/test/** # 匹配…
阅读更多...
论文1—《基于卷积神经网络的手术机器人控制系统设计》文献阅读分析报告

论文1—《基于卷积神经网络的手术机器人控制系统设计》文献阅读分析报告

论文报告&#xff1a;基于卷积神经网络的手术机器人控制系统设计 摘要 本研究针对传统手术机器人控制系统精准度不足的问题&#xff0c;提出了一种基于卷积神经网络的手术机器人控制系统设计。研究设计了控制系统的总体结构&#xff0c;并选用PCI插槽上直接内插CAN适配卡作为上…
阅读更多...
OpenHarmony-1.启动流程

OpenHarmony-1.启动流程

OpenHarmony启动流程 1.kernel的启动 流程图如下所示&#xff1a;   OpenHarmony(简称OH)的标准系统的底层系统是linux&#xff0c;所以调用如下代码&#xff1a; linux-5.10/init/main.c: noinline void __ref rest_init(void) {struct task_struct *tsk;int pid;rcu_sch…
阅读更多...
Python Plotly 库使用教程

Python Plotly 库使用教程

Python Plotly 库使用教程 引言 数据可视化是数据分析中至关重要的一部分&#xff0c;它能够帮助我们更直观地理解数据、发现潜在的模式和趋势。Python 提供了多种数据可视化库&#xff0c;其中 Plotly 是一个功能强大且灵活的库&#xff0c;支持交互式图表的创建。与静态图表…
阅读更多...
校园交友系统的设计与实现（开源版+三端交付+搭建+售后）

校园交友系统的设计与实现（开源版+三端交付+搭建+售后）

系统基础架构 采用UniApp进行开发&#xff0c;UniApp是一个使用Vue.js开发所有前端应用的框架&#xff0c;它支持编译为H5、小程序、App等多个平台。 使用PHP作为后端开发语言&#xff0c;PHP是一种广泛使用的开源脚本语言&#xff0c;尤其适用于Web开发&#xff0c;并可高效…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023