Ritannn
Ritannn

南开大学软件学院2021年秋季学期研究生算法课程（复习）非确定算法：随机与近似

非确定算法：随机与近似

确定性算法Deterministic algorithms

对于给定的输入，算法的输出和运行时间不变

非确定性算法Non-deterministic algorithms

对于给定的输入，算法的输出或运行时间是不确定的

  • 启发式算法Heuristic algorithms
    • 利用输入数据的特征和信息对问题进行求解
    • 尽全力逼近最优解，但是无法得知和最优解的差距
  • 近似算法Approximation algorithms
    • 对问题给出一个近似最优解（数据无关）
    • 可以给出对最优解或最优解的上下界的近似比（夹挤）
  • 随机算法Randomized algorithms
    • 随机数使算法本身成为随机变量，具有分布（数据无关）

随机算法

随机算法的优势

  1. 实现简单；
  2. 更加高效；
  3. 避开最坏情况（防hack）；

常见的随机算法

  • 数论：Miller-Rabin素数测试，Pollard-Rho素因子分解
  • 数据结构：随机平衡树，布隆过滤器，各种哈希
  • 图论：最小割，平面图上的系列随机优化
  • 代数与优化：多项式矩阵正确性测试，线性规划，整数规划

关于随机和概率的一个问题

在半径为r的圆上取一弦，弦长大于\sqrt{3}r的概率是多少？

引例：快速排序（确定性算法）

  • 代码：每次在当前子数组中的确定位置选值做划分
  • 算法的最快运行时间按为O(n log n)
  • 但永远可以构造一个（或多个）对抗样例使算法时间复杂度到O(n^2)，只要使得每次选取的值都是当前区间的最值
  • 即对于数据“明牌”了

随机化快速排序

  • 每次在区间内随机选取一个值作为分界值
  • 算法集合：每种选值策略都会对应一个新算法。
    • 共多少个？n!个，等价于洗牌shuffle后选指定位置（考虑划分树）
  • 期望时间复杂度为O(n log n)
  • 对谁的期望？关键在于：数据与算法之间的博弈
  • 对算法分布求期望（√）vs对数据分布求期望（×）
  • 在算法分布上，对任一数据求期望（为什么O(n log n)）

两个疑问

  • 洗牌算法如何实现？
    • 在n！全排列中选？
    • 现实洗牌
    • Fisher-Yates算法：
      • 对i=1,\cdot \cdot \cdot ,n，从i到n中任选一个数与a_i交换
    • 错误的Fisher-Yates算法？对i+1到n换；对1到n换
  • 为什么洗牌后，每次指定位置元素等价于每次在随机位置选元素？

随机化快速排序时间复杂度分析

  • 直接计算？对算法集合A=\left \{A_1,A_2,\cdot \cdot \cdot ,A_{n!} \right \}
    • \mathbb{E}(T(A))=\sum_{k=1}^{n!}T(A_k)P(A_k)=\frac{1}{n!}\sum_{k=1}^{n!}T(A_k)
    • 其中，T(A_k)表示算法A_k中两个数发生比较的次数
  • 注意共有n！个算法，每个算法比较次数可模拟算出
  • 如n=10的T(A_k)分布：
    • 南开大学软件学院2021年秋季学期研究生算法课程（复习）非确定算法：随机与近似_第1张图片
  • 若n更大，如何估计\mathbb{E}(T(A_k))？采样！
    • 南开大学软件学院2021年秋季学期研究生算法课程（复习）非确定算法：随机与近似_第2张图片

随机化快速排序时间复杂度分析

  • 如何更有效地计算这个期望呢？（思考二项分布的期望计算）
    • 利用期望的线性性质 对样本空间进行 重新划分
    • \mathbb{E}(\sum X)=\sum \mathbb{E}(X)
  • 令S_i为数组S中第i大元素，定义如下指示器随机变量
    • X_{ij}=\left\{\begin{matrix} 1,\ S_i\ and\ S_j\ are\ compared\\ 0,\ S_i\ and\ S_j\ not\ compared \end{matrix}\right.
  • 于是，随机变量T(A)（即算法的比较次数）满足
    • T(A)=\sum_{i=1}^{n-1}\sum_{j=i+1}^{n}X_{ij}
  • 因此，根据期望的线性性质有
    • \mathbb{E}(T(A))=\mathbb{E}(\sum_{i=1}^{n-1}\sum_{j=i+1}^nX_{ij})=\sum_{i=1}^{n-1}\sum_{j=i+1}^n\mathbb{E}(X_{ij})=\sum_{i=1}^{n-1}\sum_{j=i+1}^nX_{ij}P(X_{ij})=\sum_{i=1}^{n-1}\sum_{j=i+1}^nP(X_{ij}=1)
  • P(X_{ij}=1)是多少？思考物理意义！（回顾弦问题）
    • 事件随机性来自于？
      • 等概率选取一个确定性算法，即等概率选取一个洗牌结果
    • 事件什么时候发生？
      • 在随机取得的洗牌结果中，S_i和S_j发生过比较

随机化快速排序时间复杂度分析

等概率取得的一个洗牌结果中，S_i和S_j发生过比较的概率是？

  • 考虑快速排序过程构造的划分树：即用一个二叉树，每个子树包含一个区间的所有数，根为用来划分当前区间的主元，左子树为小于主元的数，右子树为大于主元的数。
  • 重要发现：每个节点与祖先比较过，两个子树间没有比较。
  • 此时，考虑S_i,S_{i+1},\cdot \cdot \cdot ,S_j的作为主元的出现顺序，如果S_k,i<k<j更早地作为主元， S_i和S_j必在两棵子树中，只有当S_i或S_j率先作为主元时，其发生比较。
  • 随机选点时，S_i,S_{i+1},\cdot \cdot \cdot ,S_j等概率地被第一个选值，所以
    • P(X_{ij}=1)=\frac{2}{j-i+1}

随机化快速排序时间复杂度分析

\mathbb{E}(T(A))=\sum_{i=1}^{n-1}\sum_{j=i+1}^n\mathbb{E}(X_{ij})=\sum_{i=1}^{n-1}\sum_{j=i+1}^nP(X_{ij}=1)=\sum_{i=1}^{n-1}\sum_{j=i+1}^{n}\frac{2}{j-i+1}=\sum_{i=1}^{n-1}\sum_{k=1}^{n-i}\frac{2}{k+1}<\sum_{i=1}^{n-1}\sum_{k=1}^n\frac{2}{k}=\sum_{i=1}^{n-1}O(\ln n)=O(n\ln n)

Insight：

对样本空间进行巧妙划分后，利用期望的线性性质可以解很多问题。由此，可以体会到用指示器随机变量的根本原因为：

\mathbb{E}(X)=1\times P(X=1)+0\times P(X=0)=P(X=1)

随机算法

引例：最小割Min cut

在连通无向图G=(V,E)上，至少删几条边可使原图不连通？

确定性算法

  • 根据最大流最小割定理，可以用最大流算法求得有向图上，分割源点和汇点间的最小割，常见算法约为O(n^4)-O(n^5)
  • 那么无向图、且无源点汇点的全局最小割呢？
    • 固定源点，枚举汇点，重复n次最大流找全局最小割

关于问题的思考（最优&可行）

能否给出最小割的上界？可行解里较优的？（最小度数点）

最小割的随机算法（Karger's Algorithm）

  1. 收缩操作Contraction：以均匀分布随机选择图的一条边，将边上两个点缩为一个点，并将两点间的所有边删除
  2. 重复步骤1，知道图只剩下两个点（注意此时的图不再是简单图）
  3. 最终，两点间的个数即为最小割

简单分析

  • 该贪心策略既为保证可行，也未保证最优：答案可能不是正确的！
  • 但是该算法的效率很高，时间复杂度为O(n)（n为图中点的个数）

失败案例

南开大学软件学院2021年秋季学期研究生算法课程（复习）非确定算法：随机与近似_第3张图片

成功案例

 南开大学软件学院2021年秋季学期研究生算法课程（复习）非确定算法：随机与近似_第4张图片

算法分析

有多大概率，该算法可以给出一个正确的最小割呢？

假设图中有n个点，最小割为k。此时即使最小割有多解，我们只关注其中一种，并用边集C表示（即C包含k条边）。于是，问题转为求在n-2次收缩操作中，均为选中C中边的概率。

  • 首先，显然图中至少有\frac{kn}{2}条边
  • 令事件\varepsilon _1为第i次收缩时，没有选C中边，那么对第一次
    • P(\varepsilon _1)\geq 1-\frac{k}{kn/2}=1-\frac{2}{n}
  • 在第一次的基础上，第二次收缩为
    •  P(\varepsilon_2|\varepsilon_1)\geq 1-\frac{k}{k(n-1)/2}=1-\frac{2}{n-1}
  • 于是在第i次收缩时
    • P(\varepsilon_i|\bigcap_{j=1}^{i-1}\varepsilon_j)\geq 1-\frac{2}{n-i+1}
  • 由条件概率公式可得n-2次都为选C中边的概率为
    • P(\bigcap_{i=1}^{n-2}\varepsilon_i)\geq \prod_{i=1}^{n-2}\frac{n-i-1}{n-i+1}=\frac{2}{n(n-1)}\geq \frac{2}{n^2}
  • 从未选中C中边的概率大于\frac{2}{n^2}，即算法成功率大于\frac{2}{n^2}
  • 此时如果拖过重复执行\frac{n^2}{2}次算法，全部失败的概率为
    • P(fail)\leq (1-\frac{2}{n^2})^{\frac{n^2}{2}}<\frac{1}{e}
  • 换言之，在O(n^3)时间内，以超过1-\frac{1}{e}的概率找到最小割
  • 当重复足够多次后，找不到最小割的概率将会是无穷小

随机算法

两类随机算法

注意所有的随机性与数据无关

拉斯维加斯算法Las Vegas algorithms：随机化快速排序

  • 算法永远输出正确的结果，但是算法的运行时间是随机的
  • 主要用来防止针对性的最坏时间复杂度发生

蒙特卡罗算法Monte Carlo algorithms：最小割随机算法

  • 算法会输出错误结果，但错误率有上界，运行时间也随机
  • 主要用来使”难题“可解，并且快速求解
  • 通常需要独立重复执行，但需注意如何整合多次执行的结果

两类随机算法之间的转化

拉斯维加斯算法➡蒙塔卡罗算法

  • 只需要让一个拉斯维加斯算法在指定时间内停止
  • 得到的蒙特卡罗算法的错误率上界由马尔可夫不等式得到
    • P(X>t)\leq \frac{\mathbb{E}(X)}{t}

蒙塔卡罗算法➡拉斯维加斯算法

  • 当存在一个快速验证解的方法时可转化（NP问题）
  • 重复执行蒙塔卡罗算法知道找到正确解

你可能感兴趣的:(南开大学复习,算法,概率论)

  • 【EI复现】【基于改进粒子群算法求解】一种建筑集成光储系统规划运行综合优化方法（Matlab代码实现） 创新优化代码学习 算法matlab人工智能
    欢迎来到本博客❤️❤️博主优势：博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。⛳️座右铭：行百里者，半于九十。本文目录如下：目录1概述2运行结果3参考文献4Matlab代码、数据、文档讲解1概述文献来源：摘要：容量优化配置与能量调度是建筑集成光储系统(buildingintegratedphotovoltaic,BIPV)规划和运行阶段的核心问题，合理的容量配置及能量调度能够有效提升系统的经济
  • 【EI复现】【基于改进粒子群算法求解】一种建筑集成光储系统规划运行综合优化方法（Matlab代码实现） 砌墙_2301 算法matlab人工智能
    欢迎来到本博客❤️❤️博主优势：博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。⛳️座右铭：行百里者，半于九十。本文目录如下：目录1概述2运行结果3参考文献4Matlab代码、数据、文档讲解1概述文献来源：摘要：容量优化配置与能量调度是建筑集成光储系统(buildingintegratedphotovoltaic,BIPV)规划和运行阶段的核心问题，合理的容量配置及能量调度能够有效提升系统的经济
  • AI人工智能深度学习算法：搭建可拓展的深度学习模型架构 AI天才研究院 大数据AI人工智能AI大模型企业级应用开发实战大厂Offer收割机面试题简历程序员读书硅基计算碳基计算认知计算生物计算深度学习神经网络大数据AIGCAGILLMJavaPython架构设计Agent程序员实现财富自由
    AI人工智能深度学习算法：搭建可拓展的深度学习模型架构作者：禅与计算机程序设计艺术/ZenandtheArtofComputerProgramming1.背景介绍1.1问题的由来随着人工智能技术的飞速发展，深度学习作为其主要驱动力之一，已经在各个领域取得了显著的成果。然而，随着模型规模的不断扩大，如何高效地搭建、训练和部署深度学习模型，成为一个亟待解决的问题。传统的单机训练方式在计算资源有限的情况
  • 三种插入排序算法 juechen333 数据结构排序算法算法数据结构插入排序
    目录1.直接插入排序直接插入排序的步骤示例直接插入排序的特点适用场景2.折半插入排序折半插入排序的基本原理折半插入排序的实现过程折半插入排序的时间复杂度折半插入排序的特点3.希尔排序希尔排序的基本原理希尔排序的步骤举例希尔排序的时间复杂度希尔排序的空间复杂度希尔排序的特点希尔排序的适用场景四、代码实现1.直接插入排序直接插入排序（InsertionSort）是一种简单的排序算法，其基本原理是将数组
  • 深入EPnP算法 JesseChen79 SLAM计算机视觉EPnPComputerVisionPnP位姿估计
    [原创]深入EPnP算法本文是JesseChen的原创文章。PnP问题是研究如何从3D-2D匹配对中求解摄像头位姿，EPnP算法是一种非迭代的PnP算法。本文作者用baidu搜索了“EPnP算法”时，能找到的中文介绍不多，而且这些网文并没有深入研究这个算法，找出这个算法的精妙点。因此贴出这篇文章，希望能给大家带来我对EPnP算法的理解。有问题的同学，可以联系[email protected]讨论。文
  • pymoo：Python中的多目标优化框架 葛梓熙
    pymoo：Python中的多目标优化框架pymoo项目地址:https://gitcode.com/gh_mirrors/pym/pymoo项目介绍pymoo是一个开源的多目标优化框架，专为Python开发者设计。它提供了最先进的单目标和多目标优化算法，以及与多目标优化相关的多种功能，如可视化和决策支持。无论你是学术研究者还是工业应用开发者，pymoo都能帮助你轻松实现复杂的多目标优化任务。项目
  • 使用Python调用OpenCV中的solvePnP函数 WzisTypescript pythonopencv开发语言OpenCV
    OpenCV是一个广泛使用的计算机视觉库，它提供了许多用于处理图像和视频的功能。其中一个重要的功能是解决透视投影问题，也就是通过已知的3D点和对应的2D图像点来计算相机的位姿。在OpenCV中，solvePnP函数就是用于解决这个问题的。solvePnP函数使用了一种称为Perspective-n-Point（PnP）问题的算法，它可以估计相机的旋转和平移向量，从而确定相机在3D空间中的位置。这对
  • 两种交换排序算法--冒泡，快速 juechen333 课程学习记录排序算法算法数据结构冒泡排序快速排序
    目录1.冒泡排序原理2.快速排序原理3.冒泡代码实现4.快速排序代码实现1.冒泡排序原理冒泡排序（BubbleSort）是一种简单的排序算法，基本思想是通过反复交换相邻的元素，直到整个序列有序。它的名字来源于较大的元素像气泡一样“浮”到序列的顶部。原理：初始状态：我们从数组的第一个元素开始，比较相邻的两个元素。如果第一个元素大于第二个元素，就交换它们的位置；如果不大，则继续比较下一对元素。第一轮排
  • 容器化检索增强框架（R2R） deepdata_cn RAGRAG
    R2RbySciPhi-AI是一个专门的RAG框架，专注于通过迭代细化来改进检索过程。主要特点包括实现新颖的检索算法，支持多步检索过程，与各种嵌入模型和向量存储集成，以及用于分析和可视化检索性能的工具。适合有兴趣突破检索技术界限的开发人员和研究人员，特别是在需要创新检索方法的场景。具有RESTfulAPI的容器化检索增强一代（RAG）。具有生产就绪型功能，包括多模式内容摄取、混合搜索功能、可配置的
  • Linux学习笔记（复习版day008） ccnnlxc Liux学习复习笔记linux学习笔记
    1.僵尸进程僵尸进程（ZombieProcess）是指那些已经终止（即完成执行）的进程，但其父进程尚未读取其退出状态信息的进程。简单来说，僵尸进程的生命周期已经结束，但它的进程描述符仍然存在于系统中，以便父进程能够获取其退出状态。处理：1.top命令查询是否有僵尸进程，此处1zombie表示有一个僵尸进程2.ps-aux|grepZ查询僵尸进程的pid,STAT状态为Z+的即为僵尸进程。3.pst
  • cv python_python里面cv是什么意思 weixin_40004659 cvpython
    OpenCV(OpenSourceComputerVisionLibrary)开放源代码计算机视觉库，主要算法涉及图像处理、计算机视觉和机器学习相关方法。OpenCV其实就是一堆C和C++语言的源代码文件，这些源代码文件中实现了许多常用的计算机视觉算法。OpenCV由一系列C函数和C++类构成，它有C，C++，Python和java接口，当前SDK(SoftwareDevelopmentKit软件
  • redis分布式锁与redsync库源码分析 阿鹏哥哥01 golang学习专题redis分布式锁redis分布式
    redsync是redis官方推荐的go版本分布式锁实现，标准的官方redlock算法实现，阅读了下源码并顺便复习一下redis分布式锁原理。一.redlock算法单点场景首先来看单redis实例的场景，这是集群模式的基础。这种场景下实现分布式锁比较简单加锁各节点通过setkeyvaluenxex即可，如果set执行成功，则表明加锁成功，否则失败，其中value为随机串，用来判断是否是当前应用实例
  • #深度学习：从基础到实践 single_ffish 深度学习gpt神经网络生成对抗网络1024程序员节
    深度学习是人工智能领域近年来最为火热的技术之一。它通过构建由多个隐藏层组成的神经网络模型，能够从海量数据中自动学习特征和表征,在图像识别、自然语言处理、语音识别等领域取得了突破性进展。本文将全面介绍深度学习的基础知识、主要算法和实践应用,帮助您快速掌握这一前沿技术。1.深度学习的基础1.1人工神经网络深度学习是基于人工神经网络(ArtificialNeuralNetwork,ANN)的一种机器学习
  • Redis分布式锁 赶路人儿 nosql分布式锁
    Redis分布式锁分布式锁在很多场景中是非常有用的原语，不同的进程必须以独占资源的方式实现资源共享就是一个典型的例子。有很多分布式锁的库和描述怎么实现分布式锁管理器（DLM)的博客,但是每个库的实现方式都不太一样，很多库的实现方式为了简单降低了可靠性，而有的使用了稍微复杂的设计。这个页面试图提供一个使用Redis实现分布式锁的规范算法。我们提出一种算法，叫Redlock,我们认为这种实现比普通的单
  • 机器学习入门——机器学习基本概念 四月是你的 机器学习
    @机器学习什么是机器学习机器学习(MachineLearning,ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎简单来说机器学习就是机
  • 基于R-CNN深度学习的无人机目标检测系统：数据集、模型和UI界面的完整实现 2025年数学建模美赛 R-CNN检测系统深度学习cnn无人机计算机视觉目标检测人工智能
    摘要随着无人机技术的迅猛发展，无人机在军事、农业、环境监测等多个领域的应用日益广泛。无人机目标检测系统的建设成为提升无人机自主飞行和环境感知能力的重要环节。本文将详细介绍如何构建一个基于深度学习的无人机目标检测系统，采用R-CNN（区域卷积神经网络）算法，通过用户界面设计和数据集处理，实现高效的目标检测功能。通过本项目，旨在为无人机目标检测提供一种可行的解决方案，并提高其在复杂环境下的工作效率。目
  • 基于YOLOv8+PyQt5的密集人群计数检测系统 人工智能教学实践 YOLOqt目标检测
    基于YOLOv8+PyQt5的密集人群计数检测系统是一个结合了目标检测算法与图形用户界面的项目，以下是相关介绍：【毕业设计参考】基于yolov8+pyqt5的密集人群计数检测系统.zip资源-CSDN文库系统概述该系统旨在实时分析某一区域内的人群数量与分布情况，将YOLOv8算法的高效目标检测能力与PyQt5框架的简洁直观界面相结合，能够实时捕获视频流，通过YOLOv8进行人群检测，并在用户界面中
  • 夜深人静写算法（二）- 动态规划入门_夜深人静写算法怎么样 花开的季节293 程序员算法动态规划代理模式
    iii为偶数)表示3×i3\timesi3×i的方格铺满骨牌的方案数，f[i]f[i]f[i]的方案数不可能由f[i−1]f[i-1]f[i−1]递推而来。那么我们猜想f[i]f[i]f[i]和f[i−2]f[i-2]f[i−2]一定是有关系的，如图二-1-3所示，我们把第iii列和第i−1i-1i−1列用1×21\times21×2的骨牌填满后，轻易转化成了f[i−2]f[i-2]f[i−2]的
  • 力扣动态规划-12【算法学习day.106】 南宫生 算法#动态规划算法leetcode动态规划java数据结构
    前言###我做这类文章一个重要的目的还是给正在学习的大家提供方向（例如想要掌握基础用法，该刷哪些题？建议灵神的题单和代码随想录）和记录自己的学习过程，我的解析也不会做的非常详细，只会提供思路和一些关键点，力扣上的大佬们的题解质量是非常非常高滴！！！习题1.乘积最大子数组题目链接:152.乘积最大子数组-力扣（LeetCode）题面:代码:classSolution{publicintmaxProd
  • 力扣动态规划-10【算法学习day.104】 南宫生 算法#动态规划算法leetcode动态规划java学习
    前言###我做这类文章一个重要的目的还是给正在学习的大家提供方向（例如想要掌握基础用法，该刷哪些题？建议灵神的题单和代码随想录）和记录自己的学习过程，我的解析也不会做的非常详细，只会提供思路和一些关键点，力扣上的大佬们的题解质量是非常非常高滴！！！习题1.环形子数组的最大和题目链接:918.环形子数组的最大和-力扣（LeetCode）题面:附上灵神代码:classSolution{publicin
  • 「File」文本格式 之 PugiXML对XML格式解析 何曾参静谧 「Lib」第三方库详解xml
    ✨博客主页何曾参静谧的博客（✅关注、点赞、⭐收藏、转发）全部专栏（专栏会有变化，以最新发布为准）「Win」Windows程序设计「IDE」集成开发环境「定制」定制开发集合「C/C++」C/C++程序设计「DSA」数据结构与算法「UG/NX」NX二次开发「QT」QT5程序设计「File」数据文件格式「UG/NX」BlockUI集合「Py」Python程序设计「Math」探秘数学世界「PK」Paras
  • 「C/C++」C++经验篇 之 常见的错误处理策略 何曾参静谧 c语言c++开发语言
    ✨博客主页何曾参静谧的博客（✅关注、点赞、⭐收藏、转发）全部专栏（专栏会有变化，以最新发布为准）「Win」Windows程序设计「IDE」集成开发环境「定制」定制开发集合「C/C++」C/C++程序设计「DSA」数据结构与算法「UG/NX」NX二次开发「QT」QT5程序设计「File」数据文件格式「UG/NX」BlockUI集合「Py」Python程序设计「Math」探秘数学世界「PK」Paras
  • 「Py」模块篇 之 Python中的subprocess模块详解 何曾参静谧 「Py」Python程序设计python数据库开发语言
    ✨博客主页何曾参静谧的博客（✅关注、点赞、⭐收藏、转发）全部专栏（专栏会有变化，以最新发布为准）「Win」Windows程序设计「IDE」集成开发环境「定制」定制开发集合「C/C++」C/C++程序设计「DSA」数据结构与算法「UG/NX」NX二次开发「QT」QT5程序设计「File」数据文件格式「UG/NX」BlockUI集合「Py」Python程序设计「Math」探秘数学世界「PK」Paras
  • JVM CMS垃圾收集器详解 NewBird_jhone jvm
    CMS定义和使用CMS（ConcurrentMarkSweep）垃圾收集器是一种以获取最短回收停顿时间为目标的收集器。它非常符合在注重用户体验的应用上使用。CMS垃圾收集器是一种基于“标记-清除”算法实现。在jdk8中使用CMS相关的核心参数：-XX:+UseConcMarkSweepGC：启用cms-XX:ConcGCThreads：并发的GC线程数-XX:+UseCMSCompactAtFul
  • C++和Python要点对比 【数据结构】 川辉 数据结构算法C++c++python数据结构
    C++和Python要点对比前言本人以C++作为工作项目应用主语言，但是也会用到python，而且经常使用python作为力扣算法题的刷题主语言，经常发现容易混淆的函数、语法、和数据结构，于是想做个整理，持续更新。提示：以下是本篇文章正文内容，下面案例可供参考一、数据结构对比1.链表功能实现1.C++C++中的链表是一种线性数据结构，它由一系列节点组成，每个节点包含一个数据元素和一个指向下一个节点
  • 链表与数组-选择合适的数据结构进行高效存储 一键难忘 算法之翼链表与数组算法数据结构
    链表与数组-选择合适的数据结构进行高效存储在编程和算法的学习中，链表和数组是两种常见且基础的数据结构。它们各自有着独特的优势和劣势，选择合适的数据结构对于提升程序的性能至关重要。本文将深入探讨链表与数组的特性、应用场景以及如何根据具体需求选择合适的数据结构。一、数据结构概述1.1数组数组是一种线性数据结构，通常用于存储固定大小的相同类型的元素。数组在内存中是连续分布的，每个元素都有一个固定的索引，
  • 从日程安排到区间合并：探索合并区间问题｜LeetCode 56 合并区间 忍者算法_ leetcode算法职场和发展面试跳槽
    LeetCode56合并区间点此看全部题解LeetCode必刷100题：一份来自面试官的算法地图（题解持续更新中）更多干货，请关注公众号【忍者算法】，回复【刷题清单】获取完整题解目录～生活中的算法想象你是一位活动策划师，桌上摆着许多便利贴，每张写着不同的活动时间段：9:00-11:00的晨会、10:30-12:00的培训、14:00-16:00的项目汇报、15:00-17:00的团队建设…有些活动
  • 使用 PyTorch 实现逻辑回归：从数据到模型保存与加载 弥树子 pytorch逻辑回归人工智能
    在机器学习中，逻辑回归是一种经典的分类算法，广泛应用于二分类问题。本文将通过一个简单的示例，展示如何使用PyTorch框架实现逻辑回归模型，从数据准备到模型训练、保存和加载，最后进行预测。1.数据准备逻辑回归的核心是通过学习数据中的特征与标签之间的关系来进行分类。在本示例中，我们手动创建了一个简单的二维数据集，包含两类数据点。第一类数据点的标签为0，第二类数据点的标签为1。class1_point
  • golang 的 gc垃圾回收机制 dearlin2024 golang开发语言后端
    文章目录一、常见的垃圾回收算法？1.1引用计数法1.2分代收集1.3三色标记法二、三色标记步骤2.1初始化图例2.2GC开始，遍历root，将直接可达的标记为灰色图例2.3遍历灰色列表，将直接可达的标记为灰色，自身标记为黑色2.4重复上述步骤，直到标记完所有对象2.5将标记为白色的对象进行垃圾回收（GC完成）三、混合写屏障机制四、完整的gc流程五、gc执行的时机，什么时候触发gc总结一、常见的垃圾
  • 碰一碰发视频怎么做的？操作流程详深度解析 hy14762_ 人工智能用户运营流量运营新媒体运营
    NFC碰一碰发视频，是一种结合了NFC技术、短视频矩阵及AI智能算法的创新宣传方式。此方式旨在为商家提供一种高效且便捷的AI打卡手段，通过这种新型的互动体验，用户能够享受高效打卡新奇感受。商家需开通并登录碰一碰发视频服务后台，设置信息、创建短视频库、文案库、话题库、图片库等。一般像餐饮就建议拍摄门头、菜品、环境、员工工作场景等，并上传至素材库。具体流程包括前期准备和触发发布两部分：前期准备需要创建
  • 解线性方程组 qiuwanchi
    package gaodai.matrix; import java.util.ArrayList; import java.util.List; import java.util.Scanner; public class Test { public static void main(String[] args) { Scanner scanner = new Sc
  • 在mysql内部存储代码 annan211 性能mysql存储过程触发器
    在mysql内部存储代码 在mysql内部存储代码，既有优点也有缺点，而且有人倡导有人反对。 先看优点： 1 她在服务器内部执行，离数据最近，另外在服务器上执行还可以节省带宽和网络延迟。 2 这是一种代码重用。可以方便的统一业务规则，保证某些行为的一致性，所以也可以提供一定的安全性。 3 可以简化代码的维护和版本更新。 4 可以帮助提升安全，比如提供更细
  • Android使用Asynchronous Http Client完成登录保存cookie的问题 hotsunshine android
    Asynchronous Http Client是android中非常好的异步请求工具 除了异步之外还有很多封装比如json的处理，cookie的处理 引用 Persistent Cookie Storage with PersistentCookieStore This library also includes a PersistentCookieStore whi
  • java面试题 Array_06 java面试
    java面试题 第一，谈谈final, finally, finalize的区别。 final-修饰符（关键字）如果一个类被声明为final，意味着它不能再派生出新的子类，不能作为父类被继承。因此一个类不能既被声明为 abstract的，又被声明为final的。将变量或方法声明为final，可以保证它们在使用中不被改变。被声明为final的变量必须在声明时给定初值，而在以后的引用中只能
  • 网站加速 oloz 网站加速
    前序:本人菜鸟，此文研究总结来源于互联网上的资料，大牛请勿喷！本人虚心学习，多指教. 1、减小网页体积的大小，尽量采用div+css模式，尽量避免复杂的页面结构，能简约就简约。 2、采用Gzip对网页进行压缩；    GZIP最早由Jean-loup Gailly和Mark Adler创建，用于UNⅨ系统的文件压缩。我们在Linux中经常会用到后缀为.gz
  • 正确书写单例模式 随意而生 java 设计模式 单例
    　　单例模式算是设计模式中最容易理解，也是最容易手写代码的模式了吧。但是其中的坑却不少，所以也常作为面试题来考。本文主要对几种单例写法的整理，并分析其优缺点。很多都是一些老生常谈的问题，但如果你不知道如何创建一个线程安全的单例，不知道什么是双检锁，那这篇文章可能会帮助到你。 　　懒汉式，线程不安全 　　当被问到要实现一个单例模式时，很多人的第一反应是写出如下的代码，包括教科书上也是这样
  • 单例模式 香水浓 java
    懒汉  调用getInstance方法时实例化 public class Singleton { private static Singleton instance; private Singleton() {} public static synchronized Singleton getInstance() { if(null == ins
  • 安装Apache问题：系统找不到指定的文件 No installed service named "Apache2" AdyZhang apachehttp server
    安装Apache问题：系统找不到指定的文件 No installed service named "Apache2" 每次到这一步都很小心防它的端口冲突问题，结果，特意留出来的80端口就是不能用，烦。 解决方法确保几处： 1、停止IIS启动 2、把端口80改成其它 （譬如90，800，，，什么数字都好） 3、防火墙(关掉试试) 在运行处输入 cmd 回车，转到apa
  • 如何在android 文件选择器中选择多个图片或者视频？ aijuans android
    我的android app有这样的需求，在进行照片和视频上传的时候，需要一次性的从照片/视频库选择多条进行上传 但是android原生态的sdk中，只能一个一个的进行选择和上传。 我想知道是否有其他的android上传库可以解决这个问题，提供一个多选的功能，可以使checkbox之类的，一次选择多个 处理方法 官方的图片选择器(但是不支持所有版本的androi，只支持API Level
  • mysql中查询生日提醒的日期相关的sql baalwolf mysql
    SELECT sysid,user_name,birthday,listid,userhead_50,CONCAT(YEAR(CURDATE()),DATE_FORMAT(birthday,'-%m-%d')),CURDATE(),  dayofyear( CONCAT(YEAR(CURDATE()),DATE_FORMAT(birthday,'-%m-%d')))-dayofyear(
  • MongoDB索引文件破坏后导致查询错误的问题 BigBird2012 mongodb
    问题描述： MongoDB在非正常情况下关闭时，可能会导致索引文件破坏，造成数据在更新时没有反映到索引上。 解决方案：   使用脚本，重建MongoDB所有表的索引。 var names = db.getCollectionNames(); for( var i in names ){ var name = names[i]; print(name);
  • Javascript Promise bijian1013 JavaScriptPromise
            Parse JavaScript SDK现在提供了支持大多数异步方法的兼容jquery的Promises模式，那么这意味着什么呢，读完下文你就了解了。 一.认识Promises         “Promises”代表着在javascript程序里下一个伟大的范式，但是理解他们为什么如此伟大不是件简
  • [Zookeeper学习笔记九]Zookeeper源代码分析之Zookeeper构造过程 bit1129 zookeeper
       Zookeeper重载了几个构造函数，其中构造者可以提供参数最多，可定制性最多的构造函数是     public ZooKeeper(String connectString, int sessionTimeout, Watcher watcher, long sessionId, byte[] sessionPasswd, boolea
  • 【Java命令三】jstack bit1129 jstack
    jstack是用于获得当前运行的Java程序所有的线程的运行情况(thread dump），不同于jmap用于获得memory dump   [hadoop@hadoop sbin]$ jstack Usage: jstack [-l] <pid> (to connect to running process) jstack -F
  • jboss 5.1启停脚本　动静分离部署 ronin47
    以前启动jboss，往各种xml配置文件，现只要运行一句脚本即可。start nohup sh /**/run.sh -c servicename  -b ip -g  clustername   -u broatcast jboss.messaging.ServerPeerID=int  -Djboss.service.binding.set=p
  • UI之如何打磨设计能力? brotherlamp UIui教程ui自学ui资料ui视频
      在越来越拥挤的初创企业世界里，视觉设计的重要性往往可以与杀手级用户体验比肩。在许多情况下，尤其对于 Web 初创企业而言，这两者都是不可或缺的。前不久我们在《右脑革命：别学编程了，学艺术吧》中也曾发出过重视设计的呼吁。如何才能提高初创企业的设计能力呢?以下是 9 位创始人的体会。 1.找到自己的方式 如果你是设计师，要想提高技能可以去设计博客和展示好设计的网站如D-lists或
  • 三色旗算法 bylijinnan java算法
    import java.util.Arrays; /** 问题： 假设有一条绳子，上面有红、白、蓝三种颜色的旗子，起初绳子上的旗子颜色并没有顺序， 您希望将之分类，并排列为蓝、白、红的顺序，要如何移动次数才会最少，注意您只能在绳 子上进行这个动作，而且一次只能调换两个旗子。 网上的解法大多类似： 在一条绳子上移动，在程式中也就意味只能使用一个阵列，而不使用其它的阵列来
  • 警告:No configuration found for the specified action: \'s chiangfai configuration
    1.index.jsp页面form标签未指定namespace属性。 <!--index.jsp代码--> <%@taglib prefix="s" uri="/struts-tags"%> ... <s:form action="submit" method="post"&g
  • redis -- hash_max_zipmap_entries设置过大有问题 chenchao051 redishash
    使用redis时为了使用hash追求更高的内存使用率，我们一般都用hash结构，并且有时候会把hash_max_zipmap_entries这个值设置的很大，很多资料也推荐设置到1000，默认设置为了512，但是这里有个坑   #define ZIPMAP_BIGLEN 254 #define ZIPMAP_END 255     /* Return th
  • select into outfile access deny问题 daizj mysqltxt导出数据到文件
    本文转自：http://hatemysql.com/2010/06/29/select-into-outfile-access-deny%E9%97%AE%E9%A2%98/ 为应用建立了rnd的帐号，专门为他们查询线上数据库用的，当然，只有他们上了生产网络以后才能连上数据库，安全方面我们还是很注意的，呵呵。 授权的语句如下： grant select on armory.* to rn
  • phpexcel导出excel表简单入门示例 dcj3sjt126com PHPExcelphpexcel
    <?php error_reporting(E_ALL); ini_set('display_errors', TRUE); ini_set('display_startup_errors', TRUE);   if (PHP_SAPI == 'cli') die('This example should only be run from a Web Brows
  • 美国电影超短200句 dcj3sjt126com 电影
    1. I see． 我明白了。2. I quit! 我不干了!3. Let go! 放手!4. Me too． 我也是。5. My god! 天哪!6. No way! 不行!7. Come on． 来吧(赶快)8. Hold on． 等一等。9. I agree。 我同意。10. Not bad． 还不错。11. Not yet． 还没。12. See you． 再见。13. Shut up!
  • Java访问远程服务 dyy_gusi httpclientwebservicegetpost
        随着webService的崛起，我们开始中会越来越多的使用到访问远程webService服务。当然对于不同的webService框架一般都有自己的client包供使用，但是如果使用webService框架自己的client包，那么必然需要在自己的代码中引入它的包，如果同时调运了多个不同框架的webService，那么就需要同时引入多个不同的clien
  • Maven的settings.xml配置 geeksun settings.xml
    settings.xml是Maven的配置文件，下面解释一下其中的配置含义： settings.xml存在于两个地方： 1.安装的地方：$M2_HOME/conf/settings.xml 2.用户的目录：${user.home}/.m2/settings.xml 前者又被叫做全局配置，后者被称为用户配置。如果两者都存在，它们的内容将被合并，并且用户范围的settings.xml优先。
  • ubuntu的init与系统服务设置 hongtoushizi ubuntu
    转载自：  http://iysm.net/?p=178 init Init是位于/sbin/init的一个程序，它是在linux下，在系统启动过程中，初始化所有的设备驱动程序和数据结构等之后，由内核启动的一个用户级程序，并由此init程序进而完成系统的启动过程。 ubuntu与传统的linux略有不同，使用upstart完成系统的启动，但表面上仍维持init程序的形式。 运行
  • 跟我学Nginx+Lua开发目录贴 jinnianshilongnian nginxlua
    使用Nginx+Lua开发近一年的时间，学习和实践了一些Nginx+Lua开发的架构，为了让更多人使用Nginx+Lua架构开发，利用春节期间总结了一份基本的学习教程，希望对大家有用。也欢迎谈探讨学习一些经验。    目录 第一章 安装Nginx+Lua开发环境 第二章 Nginx+Lua开发入门 第三章 Redis/SSDB+Twemproxy安装与使用 第四章 L
  • php位运算符注意事项 home198979 位运算PHP&
    $a = $b = $c = 0; $a & $b = 1; $b | $c = 1  问a,b,c最终为多少?   当看到这题时，我犯了一个低级错误，误 以为位运算符会改变变量的值。所以得出结果是1 1 0 但是位运算符是不会改变变量的值的，例如： $a=1;$b=2; $a&$b;  这样a,b的值不会有任何改变
  • Linux shell数组建立和使用技巧 pda158 linux
    1.数组定义 　　[chengmo@centos5 ~]$ a=(1 2 3 4 5) 　　[chengmo@centos5 ~]$ echo $a 　　1 　　一对括号表示是数组，数组元素用“空格”符号分割开。 　　 2.数组读取与赋值 　　得到长度： 　　[chengmo@centos5 ~]$ echo ${#a[@]} 　　5 　　用${#数组名[@或
  • hotspot源码(JDK7) ol_beta javaHotSpotjvm
    源码结构图，方便理解：   ├─agent                            Serviceab
  • Oracle基本事务和ForAll执行批量DML练习 vipbooks oraclesql
    基本事务的使用： 从账户一的余额中转100到账户二的余额中去，如果账户二不存在或账户一中的余额不足100则整笔交易回滚 select * from account; -- 创建一张账户表 create table account( -- 账户ID id number(3) not null, -- 账户名称 nam
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他