cteng
cteng

算法设计手册（第2版）读书笔记, Springer - The Algorithm Design Manual, 2ed Steven S.Skiena 2008

The Algorithm Design Manual, 2ed

跳转至： 导航、 搜索

Springer - The Algorithm Design Manual, 2ed Steven S.Skiena 2008

目录

  • 1 介绍
  • 2 算法设计
  • 3 数据结构
  • 4 排序和搜索
  • 5 图遍历
  • 6 加权图
  • 7 组合搜索与启发式
  • 8 DP
  • 9 Intractable问题与近似算法
  • 10 怎样设计算法
  • 11 数据结构
  • 12 数值问题
  • 13 组合问题
  • 14 图问题：P
  • 15 图问题：困难的
  • 16 计算几何
  • 17 集合与字符串
  • 18 算法资源

介绍

  1. 求一维最长不重叠的子区间的集合：从左往右，总是选择结束时间最早的（启发式=〉贪心策略）
    1. 一般的问题：贪心策略的正确性如何证明？比如MST（好像忘掉了）
  2. War Story：Psychic Modeling（这个问题到底是什么？）
    1. 一开始建模为set cover，但是不对（确保winning pair不需要cover all，正确的怎么做作者没有说明）

算法设计

  1. p48 快速指数幂
  2. War Story：金字塔传奇（算法的并行加速）
    1. Waring's问题：任何整数可表示为4个整数的平方和
    2. （猜想）任何整数可表示为<=5个金字塔数（形如(m^3-m)/6）的和（其实就是元素满足特定约束的背包问题）
      1. 首先按大小排序，然后构造2个元素和的所有情形（仍然按大小排序）
        1. 评论：这里构造预计算集相当于空间换时间，而要求数据有序则使得可以二分搜索
      2. （层次递进）对数k，首先确认它是否是1818个最小的金字塔数p之一，再确认它是否是2个金字塔数的和two之一（二分搜索！）
        1. 要确认是否是3个金字塔数的和之一，这时需要分治：首先从k中减去p[i]；复杂度O(n^(1/3) lgn)
        2. 4个情况，分为‘2+2’，即k-two[i]
      3. 总复杂度O(n^(4/3) lgn)，相比原来的穷尽搜索（O(n^2)）
  3. Esoteric函数
    1. 反向Ackerman：invA(n)‘缓增’
    2. loglog n
    3. logn / loglog n（n个叶子节点的二叉树的高度）
    4. log^2 n

数据结构

  1. Contiguous vs Linked
  2. 栈与队列
  3. 字典
  4. BST
    1. 平衡搜索树
  5. 优先队列
  6. War Story：Stripping Triangulations（把3D模型的三角剖分曲面数据处理为条带）
    1. 把每个三角形映射为图的顶点
    2. 注意，所谓的‘strip’就是指2个三角形共享一条边，以‘边共享’作为图的顶点邻接关系
    3. 则本优化问题相当于求图的最短Hamiltonian路径，NP-complete
    4. 启发式：to find the largest strip to peel off next
  7. 哈希与字符串
    1. 冲突消解：chaining / open-addressing？（实际上开地址法遇到桶溢出是很不划算的，但chaining有一般的链表维护开销）
    2. 字符串匹配的Rabin-Karp算法：如果2个字符串相同，则它们的长度和hash应该相等
      1. 注意，这里源字符串的hash计算是‘滚动式’的——‘滑动窗口hash’（要求hash函数基于线性加权取模）
        1. 取模为某素数Ｍ，则hash碰撞的可能性为1/Ｍ＝〉随机算法？
  8. Specialized DS
  9. War Story：String 'em Up
    1. DNA序列：(A, C, T, G)*
    2. sequencing by hybridization（SBH）：确信k-子串集，构造可能的2k-子串集，如AC, CA, CC => ACCA可能，CAAC不可能
      1. BST --> hashtable -> 后缀树 -> 压缩后缀树 ->

排序和搜索

  1. 排序的应用：求点集的凸包（Convex Hull）
    1. 按x从左到右排序，然后依次插入目标凸包集合（维护一个上下高度范围约束？这里似乎没讲清楚）
  2. HeapSort
    1. 可以视为插入排序的变形：pg_insert -> bubble_up（当然，如果反方向的话可以bubble_down）
    2. 用最小堆来排序：extract_min，这时堆顶出现了空洞，把最后一个（right-most）元素补进来，bubble_down
    3. 注意，这里初始构造堆可以bubble_up也可以bubble_down，但中间过程heap_adjust总是bubble_down
      1. 考虑到如果使用最小堆排序的话，每次取出的当前最小元素放哪里？这样看来还是用最大堆排序更合适点，作者的代码：
        heapsort(item_type s[], int n){//这里使用了额外的空间，如果用最大堆就可以in-place排序了
        int i;
        priority_queue q;
        make_heap(&q, s, n);
        for(i=0; i<n; ++i) s[i] = extract_min(&q);
        }
    4. 更快的建堆：for(int i=q->n; i>=1; --i) bubble_down(q,i); //搞不明白作者这里的priority_queue内部元素下标为什么从1开始？
    5. Stop and Think：如何O(k)判断堆中第k小的元素是否>=指定x？=> 转化为在层次1..k范围内统计<x的元素计数！
      1. 低效的做法：extract_min k次以得到kth smallest；
        1. 第k小的元素的层次不可能大于k：在此范围内线性扫描？
      2. 递归的compare_heap：传入当前已经>=x的计数count，返回修改累计后的新count
        1. 结束条件：if( count<=0 || i> q->n) return count;
        2. 注意，这里count概念的特殊传参是一个技巧
  3. War Story：Give me a Ticket on an Airplane（最便宜的飞机票路径规划？）
    1. X+Y排序（X,Y是有序列表，求所有X+Y的有序列表）
    2. 即时的增量计算结果 => 如果要全局最优，则需要维护一个理论上没上限的缓存（考虑到重复值的情况）
    3. 问题是实际情况并不满足这种简单的约束！
  4. MergeSort
    1. 这里作者再次使用了额外的queue
  5. QuickSort（注意理解这里的partition算法：‘滚动的>=区间’）
    int partition(item_type s[], int l, int h){
    int i; /* counter */
    int p; /* pivot element index */
    int firsthigh; /* divider position for pivot element */
    p = h;
    firsthigh = l;
    for (i=l; i<h; i++)
    if (s[i] < s[p]) {
    swap(&s[i],&s[firsthigh]);
    firsthigh ++;
            }
    swap(&s[p],&s[firsthigh]);
    return(firsthigh);
    }
  6. 桶排序
  7. War Story：Skiena for the Defense
    1. 外排序：多路归并
  8. 二分查找与相关算法
    1. O(lgn)统计相同元素的出现次数：BS去除if(A[middle]==key)return middle;一句，分别用<和>=作为comparator，得到上下界
      1. 前提是元素已经有序？嗯，不是很稀奇
    2. 单侧二分查找：同样不稀奇
  9. 分治
    1. master定理：T(n)=aT(n/b)+f(n)，注意loga/logb与f(n)次数的关系

图遍历

  1. 2种表示：邻接矩阵、邻接表
  2. War Story：I was a Victim of Moore's Law
    1. To make a program run faster, just wait（哈哈）
  3. War Story：Getting the Graph（注意数据集的内在关联性）
  4. 顶点状态：
    1. undiscovered
    2. discovered（已访问过，但它的incident边没有全部处理）
    3. processed
  5. 3个回调时机：
    1. process_vertex_early(v)
    2. process_edge(v, w)
    3. process_vertex_late(v)
  6. BFS
    1. 例子：判断是否可顶点2-着色（即是否是二部图）, process_edge(v, w): //这里color[v]默认着色第一种
      1. if( color[v]==color[w]) bipartite=FALSE;
      2. color[w] = complement( color[w] );
  7. 无向图上的DFS
    1. 边的区分：树边（parent->child）、回边（child->parent）、cross边（到非parent节点的边）
    2. 额外的entry_time[v]和exit_time[v]？
    3. 无向图找圈：if( parent[v]!=w )（回边，if写法有点怪异） //注意，在dfs框架里，parent[w]==v 或 ‘w已访问过但未处理’
    4. Articulation顶点（割点？去除会导致图不再弱连通）
      1. reachable_ancestor[v] v的最早（？）可达祖先，初始reachable_ancestor[v]=v
      2. 核心判断条件：if( class(v,y)==BACK_EDGE && parent[v]!=w ) //不是直接回到parent的回边？
        1. && if( entry_time[w] < entry_time[ reachable_ancestor[v] ] ) ==> update reachable_ancestor[v]=w
        2. 注意，这里的&& if实际上是为了排除可能的CROSS边情形（此时w还未被访问到！）
      3. ３种割点：Root- Bridge- Parent-
        1. OK，还需要在process_vertex_late(v)里做进一步判断（略，-_-）
        2. 割边（桥）＝〉无，‘边－biconnected’
    5. p178 Forward边？不就是Tree边嘛，是不是有误？
  8. 有向图上的DFS
    1. 新的边分类：edge_classification(v,w)：
      1. if( v==parent[w] ) return TREE;
      2. if( discovered[w] && !processed[w] ) return BACK;
      3. if( processed[w] && entry_time[w]>entry_time[v] ) return FORWARD; //（在遍历v的其余子女节点时已经作为v的后代节点被访问过）<== BFS不可能存在FORWARD边
      4. if( processed[w] && entry_time[w]<entry_time[v] ) return CROSS; //要求w已访问过（但未处理）
    2. 拓扑排序（前提：无BACK边）
      1. Labeling vertices in the reverse order that they are marked processed（？）
    3. 强连通分量scc（关键是这里的分情况讨论）
      1. ‘active’栈
      2. low[v]：v所在连通分量最早的节点代表
      3. scc[v]：v所在连通分量的编号
      4. 分析：low[v]不一定是v的祖先，可能对应CROSS边；从一个scc到另一个的CROSS边无助于连接2个scc；忽略FORWARD边
      5. 一个新的scc被发现，只要low[v]==v

加权图

  1. MST
    1. Prim
    2. Kruskal
      1. Union-Find
  2. War Story：Nothing but Nets
    1. break big nets into small nets？
    2. L^infinite metric
  3. 最短路径
    1. Dijkstra（与Prim只差3行代码）：... is how they rate the desirablility of each outside vertex
    2. 全源：Floyd，３重循环k,i,j
  4. War Story：Dialing for Documents（用电话号码0-9来输入字母a-z）
    1. 实际上，这个问题似乎有个缺陷，容错性不佳（未考虑用户可能输入有错误的情形，正如设计一个容错性高的parser...）
    2. N-Gram，语句级别反歧义：归约到最短路径，DAG上的最短路径DP称为Viterbi算法
  5. 网络流与最大二部图匹配（Bipartite Matching）
    1. 后者归约到前者（创建2个连接到所有顶点的source/sink节点）
    2. ‘residual flow graph’
      1. s-t间的最大流＝最小割（注意，割指的是删除后使得s-t不连通的边集）
      2. netflow（增广路径法）：bfs path_volume augment_path find_edge
        1. 暂略（TODO）
  6. 设计图而非算法（归约）
    1. Stop and Think：把平面上的矩形划分为子集和，其中每个集合中的矩阵互不重叠
      1. 把每个矩形作为图中节点，‘重叠’关系视为边，则可转化为最小顶点着色into独立集问题
    2. Stop and Think：DOS长文件名重命名问题
      1. 注意：生成每个长文件名的所有简写形式，然后寻找原文件名与简写之间的‘(最大)二部图匹配’
    3. Stop and Think：OCR应用中的字符区域segmentation问题
      1. 转化为最短路径

组合搜索与启发式

  1. 回溯
    1. backtrack：注意for(i : candidates){ make_move(); 递归 unmake_move(); }部分（～permutation）
      1. ncandidates = construct_candidates(A, k, n, candidates) //构造第k步的候选移动集合
        1. candidates_set实际上是backtrack每步递归时产生的局部变量，因此backtrack深层嵌套递归时栈开销很大
    2. 构造（枚举）{1...n}的所有子集
      1. 第k个元素只有“选中／不选中”２个选择，因此candidates可用bool[2]数组表示
  2. 剪枝
    1. 增加约束条件判断
    2. 利用对称性引入‘序’（也可理解为做复杂事情时的特殊的先后步骤）
  3. Sudoku
    1. 候选集优先顺序（如果目标是尽快找到一个可行解的话）：选择约束最多的
    2. ‘Look ahead’？这个具体怎么做有点难度（alpha-beta剪枝似乎也可归类为本策略？）
  4. War Story：Covering Chessboards
  5. 启发式搜索
    1. 搜索空间表示 & 代价函数
    2. 随机采样（Monte carlo）
      1. 有可能以均匀的概率发现目标解，从而在平均意义上更快地找到第一个解？
      2. p250 Uniformly生成随机数：i=random(1,n-1); j=random(i+1,n); 注意i<j
    3. 梯度下降（局部搜索，hill_climbing）
      1. 某种理论依据：解可能在局部聚集（great coherence）
    4. 模拟退火
      1. 暂略（TODO）
  6. （TODO）War Story：Only it is Not a Radio
  7. （TODO）War Story：Annealing Arrays
  8. 其他启发式
    1. GA
    2. PA（并行）
  9. 并行算法
  10. War Story：Going Nowhere Fast：均衡负载的重要性！
  11. 练习
    1. 7-1 Multiset的排列算法？
    2. *7-6 turnpike重建：已知n个数的两两和，反向求这n个数（靠，这个问题太有难度了！）

DP

  1. 缓存 vs 计算
    1. 二项式系数：C(n,k) = C(n-1, k-1) + C(n-1, k) <== 如何根据这个递推公式编写DP代码？
  2. 近似字符串匹配（编辑距离：替换/插入/删除）
    1. me：可以从LCS上扩展思考（不过Skiena的思路是先有‘编辑距离’，然后约简到LCS）
    2. 递归的string_compare：
      1. 注意，求编辑距离时２个字符串s,t可认为是对称的，也可以看作是“从s变到t”
      2. opt[MATCH] = string_compare(s,t,i-1,j-1) + cost_replace(s[i], t[j])
      3. opt[INSERT] = string_compare(s,t,i,j-1) + cost_delete(t[j])
      4. opt[DELETE] = string_compare(s,t,i-1,j) + cost_delete(s[i]) #注意，这里下标INSERT/DELETE的说法不对称
      5. lowest_cost=min( opt[MATCH / INSERT / DELETE] )
    3. reconstruct_path：因为之前的lowest_cost只选择一个，所以这里的反向重建路径也只有一条！
  3. LIS（最长递增子序列）
    1. 如果是‘最长的连续递增子序列(run)’，则可以简单地O(n)扫描
    2. 需要知道lis(s[1..n])的extent ＝〉l(0)=0, l(i)=max_{0<j<i} l(j) + 1, where s[j]< s[i]（嗯？）
    3. DP：需要存储l(i)及对应的前驱p(i)
    4. 可以用LCS求LIS
  4. War Story：Evolution of the Lobster
    1. 最优Morphing：关键在于定义代价函数
  5. Partition问题
    1. 一维线性分组：定义划分的代价为所有划分的最大元素和（此值越小，说明负载划分越均匀！）
  6. 解析CFG（CYK算法）
    1. CFG的Chomsky规范形式：只有X->YZ、X->a两种形式的规则
    2. 定义M[i,j,X]=true，iff S[i..j]可被X生成 ＝〉O(n^3)解析
    3. 最小加权的Triangulation（此问题与ＣＦＧ解析有类似的DP递推公式）
  7. DP的限制：TSP
  8. *War Story：What's Past is Prolog
    1. 必须保证固定的规则顺序这一约束条件成了能够DP的正确性保证
  9. War Story：条形码文本压缩
  10. 练习
    1. 8-3 最长公共子字符串：如何从编辑距离得到？更简单的不依赖于DP的算法？？
    2. *8-10 整数划分（分为２个和相等的子集）
    3. *8-15 扔鸡蛋
    4. *8-21 最大连续子序列和
    5. *8-22 给定指定字母的*运算表，*既不交换也不结合（都不是一个群？），求给定字母序列的加()方案，使得结果运算＝a

Intractable问题与近似算法

  1. 问题与归约
  2. 算法归约
  3. 基础困难归约（SAT？）
  4. 可满足性（SAT）
  5. 创造性归约
    1. 3-SAT => IP
    2. 3-SAT => Vertex Cover（比前一个更困难？）
  6. 困难证明的艺术
    1. 源问题：3-SAT 整数划分 顶点覆盖 哈密顿回路
  7. War Story：Hard Against the Clock
    1. 把3-SAT归约到‘带条件赋值程序的不等价性’（问是否存在一个初始赋值方案，使得2个程序对某些变量的最终状态相同）
  8. War Story：And Then I Failed
    1. 顶点覆盖 => ‘单连通子图’（图的有向边(弧)子集，使得任意2顶点之间存在至多1条路径）
  9. P vs. NP
  10. 处理NP-complete问题
    1. 近似顶点覆盖
    2. 欧拉TSP
    3. 最大DAG子图
    4. Set Cover
  11. Notes
    1. 最好的介绍NP完全理论的书：Garey and Johnson: Computers and Intractability
  12. 练习
    1. 9-9 MST带约束‘所有顶点度数<=k’：NP-hard
      1. 如果要求‘存在某顶点度数>k’，则存在有效算法
    2. 9-10 稠密子图 is NP-complete
    3. 9-13 Hitting Set is NP-complete
    4. 9-16 边加权的最长路径（顶点至多访问1次） is NP-complete
    5. 9-20 Feedback Vertex Set is NP-complete

怎样设计算法

数据结构

  1. 字典
    1. 搜索树：‘局部旋转’
      1. p370 AVL和2-3树似乎过时了，红黑树更流行；伸展树允许更快的搜索（数据访问的局部性原理）
      2. B-树：Cache-oblivious数据结构？
  2. 优先队列
    1. Bouned高度的优先队列（即Sorted-Array-with-ListElement）
    2. 复杂的Fibonacci & pairing堆：用于加速decrease-key操作（？）
    3. 双端优先队列？
  3. 后缀树、后缀数组
    1. O(n)空间优化：压缩‘简单路径’，边上标记一个连续子序列s[i..j]
    2. O(n)的后缀树构造算法是非平凡的（作者没细讲）
    3. 后缀数组：每个元素只需要存储字符串后缀的起始位置指针，因此空间开销O(n)；但初始构造需要排序
      1. space/time高效的算法直接构造后缀数组？？？
  4. 图
    1. Hypergraph
  5. 集合
    1. Bloom filters
  6. Kd树

数值问题

  1. 解线性方程
  2. *带宽归约：所有顶点都在一条直线上时最小化最大的顶点距离？（这个问题描述太含糊不清了）
  3. 矩阵乘法：略
  4. Determinants and Permanents：略
  5. 有约束和无约束的优化：略
  6. LP
    1. p414 LP is P-complete under log-space归约，这使得不可能有一个NC平行算法（？？？）
  7. 随机数生成：略
  8. 因式分解与素性测试：略
  9. 任意精度算术：略
  10. 背包（Knapsack）：略
  11. DFT：略

组合问题

  1. 排序
  2. 搜索
  3. 中值与选择
    1. 嗯，得复习一下那个O(n)的Selection算法！
  4. 生成排列
    1. n!
    2. Rank(p) Unrank(m,n)
    3. 随机排列：为什么是swap（A[i], A[Random[i..n]]） #see TAOCP？
    4. C++ STL：next/prev_permutation
  5. 生成子集（组合）
    1. 2^n
    2. 序
      1. 文法序（surprisingly difficult？）
      2. 格雷码（记不得细节了？）
      3. 二元计数（easy）
  6. 生成划分
    1. 整数划分
    2. 集合划分
      1. restricted growth function？，例如0,1,1,2,0,3,1定义了划分{{1,5},{2,3,7},{4},{6}}
    3. Young Tableaux（杨辉三角？好像不是）
  7. 生成图
  8. Calendrical计算
  9. 作业调度
    1. ＊job-shop调度：可建模为bin-packing
  10. 可满足性

图问题：P

  1. 连通分量
  2. 拓扑排序
    1. ？it is #P-complete to count the num of linear extensions of a partial order
      1. #P includes NP
  3. MST
    1. Boruvka's算法：可以看作Kruskal的‘顶点并行’加速版？
    2. Prim在稠密图上更快（O(n^2)），而Kruskal在稀疏图上更快（O(mlgm)）
      1. 使用高级数据结构，Prim可实现到O(m+nlgn)；Prim＋pairing堆将是最快的实际选择...
  4. 最短路
    1. p493 最快的单源最短路径：Dijkstra＋Fibonacci堆？
  5. 传递闭包与归约
  6. 匹配
  7. 欧拉圈/中国邮递员
    1. p504 de Bruijn序列：（略）
  8. 边与顶点连通
  9. 网络流
    1. 增广路径法
    2. Preflow-pushing法
  10. 美观地绘制图
  11. 绘制树
  12. 平面图检测与嵌入
    1. ＊每个平面图都是稀疏的
    2. 尝试将K_5 - e绘制为平面图？

图问题：困难的

  1. 团
  2. 独立集
  3. 顶点覆盖
  4. TSP
  5. 哈密顿回路
  6. 图划分
    1. p543 ‘Spectral partitioning’？
  7. 顶点着色
    1. 每个平面图可用至多6种颜色着色
    2. 求G的chromatic数是ＮＰ完全的
  8. 边着色
    1. Viking：设图的最大顶点度=D，则G可(D+1)-边着色
  9. 图同态（Isomorphism）
    1. 没有找到有效的多项式算法，但也无法证明它是NP-完全的！
  10. Steiner树
  11. Feedback Edge/Vertex Set

计算几何

  1. 鲁棒的几何原语
  2. 凸包
  3. 三角剖分（与Voronoi是对偶问题）
  4. Voronoi
  5. 最近邻搜索
  6. 范围搜索
  7. 点定位
  8. 相交检测
  9. Bin Packing
  10. 中轴转换
  11. 多边形剖分
    1. p602 凸形分解的Hertel-Mehlhorn启发式？
  12. Simplifying Polygons（不明白在说什么，计算几何的许多问题实际上是不够精确的）
  13. 形状相似度
  14. 运动规划
  15. 维护Line Arrangements
  16. Minkowski Sum

集合与字符串

  1. 集合覆盖
    1. p622 It is instructive to show how to model vertex cover as an instance of set cover
      1. Hitting set is dual to set cover.
  2. Set Packing
  3. 字符串匹配
    1. Aho-Corasick：把模式表示为状态机
    2. 经典的KMP、BM
  4. 近似字符串匹配
  5. 文本压缩
    1. BWT（Burrows-Wheeler转换）
    2. LZW, Lempel-Ziv
    3. 实际应用：gz --> bz2 --> xz？
  6. 加密
  7. FSM最小化
    1. NFA转换为DFA：PSPACE-hard
    2. p648 对长度为m的模式，对应的DFA状态可能指数增长（由于那个* Kleene闭包），但匹配只须O(n)
  8. LCS（子串1/子序列2）
    1. O(n)，后缀树：把叶子节点标记为输入的哪个字符串，然后做一个DFS求得具有所有字符串作为后代的deepest节点
    2. O(nm)，编辑距离的特例（禁止替换操作）：edit_distance(P,T)=n+m-2|lcs(P,T)|
      1. 反向回溯：Max(n,m)
      2. LIS：=LCS(s, sort(s))
        1. 求1..n的某排列的lis？
      3. 多个字符串（多序列对齐）：O((2n)^k)，NP-complete
        1. wait，最长公共子序列其实不就是diff算法的核心嘛
      4. 2个随机的n长字符串的LCS的期望值？
  9. Shortest Common Superstring, SCS
    1. 可应用于稀疏矩阵压缩？
    2. DNA序列组装？
    3. 可归约到（不对称的）TSP，“much harder”
    4. 贪心启发式：近似的SCS，可能2倍的最优，但不会坏于3.5倍最优
    5. 加入‘禁则’：NP-complete

算法资源

  1. Great artists steal.
  2. C++程序库：LEDA（这个似乎是商业授权的）CGAL Boost.Graph GOBLIN Netlib Standford-GraphBase Combinatorica 

你可能感兴趣的:(数据结构,算法,读书笔记)

  • 机器学习与深度学习间关系与区别 ℒℴѵℯ心·动ꦿ໊ོ꫞ 人工智能学习深度学习python
    一、机器学习概述定义机器学习（MachineLearning,ML）是一种通过数据驱动的方法，利用统计学和计算算法来训练模型，使计算机能够从数据中学习并自动进行预测或决策。机器学习通过分析大量数据样本，识别其中的模式和规律，从而对新的数据进行判断。其核心在于通过训练过程，让模型不断优化和提升其预测准确性。主要类型1.监督学习（SupervisedLearning）监督学习是指在训练数据集中包含输入
  • 10月|愿你的青春不负梦想-读书笔记-01 Tracy的小书斋
    本书的作者是俞敏洪，大家都很熟悉他了吧。俞敏洪老师是我行业的领头羊吧，也是我事业上的偶像。本日摘录他书中第一章中的金句：『一个人如果什么目标都没有，就会浑浑噩噩，感觉生命中缺少能量。能给我们能量的，是对未来的期待。第一件事，我始终为了进步而努力。与其追寻全世界的骏马，不如种植丰美的草原，到时骏马自然会来。第二件事，我始终有阶段性的目标。什么东西能给我能量？答案是对未来的期待。』读到这里的时候，我便
  • 《投行人生》读书笔记 小蘑菇的树洞
    《投行人生》----作者詹姆斯-A-朗德摩根斯坦利副主席40年的职业洞见-很短小精悍的篇幅，比较适合初入职场的新人。第一部分成功的职业生涯需要规划1.情商归为适应能力分享与协作同理心适应能力，更多的是自我意识，你有能力识别自己的情并分辨这些情绪如何影响你的思想和行为。2.对于初入职场的人的建议，细节，截止日期和数据很重要截止日期，一种有效的方法是请老板为你所有的任务进行优先级排序。和老板喝咖啡的好
  • Goolge earth studio 进阶4——路径修改与平滑 陟彼高冈yu Googleearthstudio进阶教程旅游
    如果我们希望在大约中途时获得更多的城市鸟瞰视角。可以将相机拖动到这里并创建一个新的关键帧。camera_target_clip_7EarthStudio会自动平滑我们的路径，所以当我们通过这个关键帧时，不是一个生硬的角度，而是一个平滑的曲线。camera_target_clip_8路径上有贝塞尔控制手柄，允许我们调整路径的形状。右键单击，我们可以选择“平滑路径”，这是默认的自动平滑算法，或者我们可
  • 基于社交网络算法优化的二维最大熵图像分割 智能算法研学社（Jack旭） 智能优化算法应用图像分割算法php开发语言
    智能优化算法应用：基于社交网络优化的二维最大熵图像阈值分割-附代码文章目录智能优化算法应用：基于社交网络优化的二维最大熵图像阈值分割-附代码1.前言2.二维最大熵阈值分割原理3.基于社交网络优化的多阈值分割4.算法结果：5.参考文献：6.Matlab代码摘要：本文介绍基于最大熵的图像分割，并且应用社交网络算法进行阈值寻优。1.前言阅读此文章前，请阅读《图像分割：直方图区域划分及信息统计介绍》htt
  • 拥有断舍离的心态，过精简生活--《断舍离》读书笔记 爱吃丸子的小樱桃
    不知不觉间房间里的东西越来越多，虽然摆放整齐，但也时常会觉得空间逼仄，令人心生烦闷。抱着断舍离的态度，我开始阅读《断舍离》这本书，希望从书中能找到一些有效的方法，帮助我实现空间、物品上的断舍离。《断舍离》是日本作家山下英子通过自己的经历、思考和实践总结而成的，整体内涵也从刚开始的私人生活哲学的“断舍离”升华成了“人生实践哲学”，接着又成为每个人都能实行的“改变人生的断舍离”，从“哲学”逐渐升华成“
  • 数组去重 好奇的猫猫猫
    整理自js中基础数据结构数组去重问题思考？如何去除数组中重复的项例如数组：[1,3,4,3,5]我们在做去重的时候，一开始想到的肯定是，逐个比较，外面一层循环，内层后一个与前一个一比较，如果是久不将当前这一项放进新的数组，挨个比较完之后返回一个新的去过重复的数组不好的实践方式上述方法效率极低，代码量还多，思考？有没有更好的方法这时候不禁一想当然有了！！！hashtable啊，通过对象的hash办法
  • 121. 买卖股票的最佳时机 薄荷糖的味道_fb40
    给定一个数组，它的第i个元素是一支给定股票第i天的价格。如果你最多只允许完成一笔交易（即买入和卖出一支股票），设计一个算法来计算你所能获取的最大利润。注意你不能在买入股票前卖出股票。示例1:输入:[7,1,5,3,6,4]输出:5解释:在第2天（股票价格=1）的时候买入，在第5天（股票价格=6）的时候卖出，最大利润=6-1=5。注意利润不能是7-1=6,因为卖出价格需要大于买入价格。示例2:输入:
  • 每日算法&面试题，大厂特训二十八天——第二十天（树） 肥学 ⚡算法题⚡面试题每日精进java算法数据结构
    目录标题导读算法特训二十八天面试题点击直接资料领取导读肥友们为了更好的去帮助新同学适应算法和面试题，最近我们开始进行专项突击一步一步来。上一期我们完成了动态规划二十一天现在我们进行下一项对各类算法进行二十八天的一个小总结。还在等什么快来一起肥学进行二十八天挑战吧！！特别介绍小白练手专栏，适合刚入手的新人欢迎订阅编程小白进阶python有趣练手项目里面包括了像《机器人尬聊》《恶搞程序》这样的有趣文章
  • 回溯算法-重新安排行程 chirou_ 算法数据结构图论c++图搜索
    leetcode332.重新安排行程这题我还没自己ac过，只能现在凭着刚学完的热乎劲把我对题解的理解记下来。本题我认为对数据结构的考察比较多，用什么数据结构去存数据，去读取数据，都是很重要的。classSolution{private:unordered_map>targets;boolbacktracking(intticketNum,vector&result){//1.确定参数和返回值//2
  • Redis系列：Geo 类型赋能亿级地图位置计算 Ly768768 redisbootstrap数据库
    1前言我们在篇深刻理解高性能Redis的本质的时候就介绍过Redis的几种基本数据结构，它是基于不同业务场景而设计的：动态字符串(REDIS_STRING)：整数(REDIS_ENCODING_INT)、字符串(REDIS_ENCODING_RAW)双端列表(REDIS_ENCODING_LINKEDLIST)压缩列表(REDIS_ENCODING_ZIPLIST)跳跃表(REDIS_ENCODI
  • Faiss：高效相似性搜索与聚类的利器 网络·魚 大数据faiss
    Faiss是一个针对大规模向量集合的相似性搜索库，由FacebookAIResearch开发。它提供了一系列高效的算法和数据结构，用于加速向量之间的相似性搜索，特别是在大规模数据集上。本文将介绍Faiss的原理、核心功能以及如何在实际项目中使用它。Faiss原理：近似最近邻搜索：Faiss的核心功能之一是近似最近邻搜索，它能够高效地在大规模数据集中找到与给定查询向量最相似的向量。这种搜索是近似的，
  • 数据结构之哈希表 X同学的开始 数据结构数据结构散列表
    哈希表(散列表)出现的原因在顺序表中查找时，需要从表头开始，依次遍历比较a[i]与key的值是否相等，直到相等才返回索引i；在有序表中查找时，我们经常使用的是二分查找，通过比较key与a[i]的大小来折半查找，直到相等时才返回索引i。最终通过索引找到我们要找的元素。但是，这两种方法的效率都依赖于查找中比较的次数。我们有一种想法，能不能不经过比较，而是直接通过关键字key一次得到所要的结果呢？这时，
  • insert into select 主键自增_mybatis拦截器实现主键自动生成 weixin_39521651 insertintoselect主键自增mybatisdelete返回值mybatisinsert返回主键mybatisinsert返回对象mybatisplusinsert返回主键mybatisplus插入生成id
    前言前阵子和朋友聊天，他说他们项目有个需求，要实现主键自动生成，不想每次新增的时候，都手动设置主键。于是我就问他，那你们数据库表设置主键自动递增不就得了。他的回答是他们项目目前的id都是采用雪花算法来生成，因此为了项目稳定性，不会切换id的生成方式。朋友问我有没有什么实现思路，他们公司的orm框架是mybatis，我就建议他说，不然让你老大把mybatis切换成mybatis-plus。mybat
  • k均值聚类算法考试例题_k均值算法(k均值聚类算法计算题) 寻找你83497 k均值聚类算法考试例题
    ?算法：第一步：选K个初始聚类中心，z1(1),z2(1)，…，zK(1)，其中括号内的序号为寻找聚类中心的迭代运算的次序号。聚类中心的向量值可任意设定，例如可选开始的K个.k均值聚类：---------一种硬聚类算法，隶属度只有两个取值0或1，提出的基本根据是“类内误差平方和最小化”准则；模糊的c均值聚类算法：--------一种模糊聚类算法，是.K均值聚类算法是先随机选取K个对象作为初始的聚类
  • Python开发常用的三方模块如下： 换个网名有点难 python开发语言
    Python是一门功能强大的编程语言，拥有丰富的第三方库，这些库为开发者提供了极大的便利。以下是100个常用的Python库，涵盖了多个领域：1、NumPy，用于科学计算的基础库。2、Pandas，提供数据结构和数据分析工具。3、Matplotlib，一个绘图库。4、Scikit-learn，机器学习库。5、SciPy，用于数学、科学和工程的库。6、TensorFlow，由Google开发的开源机
  • Python实现简单的机器学习算法 master_chenchengg pythonpython办公效率python开发IT
    Python实现简单的机器学习算法开篇：初探机器学习的奇妙之旅搭建环境：一切从安装开始必备工具箱第一步：安装Anaconda和JupyterNotebook小贴士：如何配置Python环境变量算法初体验：从零开始的Python机器学习线性回归：让数据说话数据准备：从哪里找数据编码实战：Python实现线性回归模型评估：如何判断模型好坏逻辑回归：从分类开始理论入门：什么是逻辑回归代码实现：使用skl
  • 读书笔记|《遇见孩子，遇见更好的自己》5 抹茶社长
    为人父母意味着放弃自己的过去，不要对以往没有实现的心愿耿耿于怀，只有这样，孩子们才能做回自己。985909803.jpg孩子在与父母保持亲密的同时更需要独立，唯有这样，孩子才会成为孩子，父母才会成其为父母。有耐心的人生往往更幸福，给孩子留点余地。认识到养儿育女是对耐心的考验。为失败做好心理准备，教会孩子控制情绪。了解自己的底线，说到底线，有一点很重要，父母之所以发脾气，真正的原因往往在于他们自己，
  • 推荐算法_隐语义-梯度下降 _feivirus_ 算法机器学习和数学推荐算法机器学习隐语义
    importnumpyasnp1.模型实现"""inputrate_matrix:M行N列的评分矩阵，值为P*Q.P:初始化用户特征矩阵M*K.Q:初始化物品特征矩阵K*N.latent_feature_cnt:隐特征的向量个数max_iteration:最大迭代次数alpha:步长lamda:正则化系数output分解之后的P和Q"""defLFM_grad_desc(rate_matrix,l
  • K近邻算法_分类鸢尾花数据集 _feivirus_ 算法机器学习和数学分类机器学习K近邻
    importnumpyasnpimportpandasaspdfromsklearn.datasetsimportload_irisfromsklearn.model_selectionimporttrain_test_splitfromsklearn.metricsimportaccuracy_score1.数据预处理iris=load_iris()df=pd.DataFrame(data=ir
  • 数据结构 | 栈和队列 TT-Kun 数据结构与算法数据结构栈队列C语言
    文章目录栈和队列1.栈：后进先出（LIFO）的数据结构1.1概念与结构1.2栈的实现2.队列：先进先出（FIFO）的数据结构2.1概念与结构2.2队列的实现3.栈和队列算法题3.1有效的括号3.2用队列实现栈3.3用栈实现队列3.4设计循环队列结论栈和队列在计算机科学中，栈和队列是两种基本且重要的数据结构，它们在处理数据存储和访问顺序方面有着独特的规则和应用。本文将详细介绍栈和队列的概念、结构、实
  • [Python] 数据结构 详解及代码 AIAdvocate 算法python数据结构链表
    今日内容大纲介绍数据结构介绍列表链表1.数据结构和算法简介程序大白话翻译,程序=数据结构+算法数据结构指的是存储,组织数据的方式.算法指的是为了解决实际业务问题而思考思路和方法,就叫:算法.2.算法的5大特性介绍算法具有独立性算法是解决问题的思路和方式,最重要的是思维,而不是语言,其(算法)可以通过多种语言进行演绎.5大特性有输入,需要传入1或者多个参数有输出,需要返回1个或者多个结果有穷性,执行
  • 4.C_数据结构_队列 荣世蓥 数据结构数据结构
    概述什么是队列：队列是限定在两端进行插入操作和删除操作的线性表。具有先入先出(FIFO)的特点相关名词：队尾：写入数据的一段队头：读取数据的一段空队：队列中没有数据，队头指针=队尾指针满队：队列中存满了数据，队尾指针+1=队头指针循环队列1、基本内容循环队列是以数组形式构成的队列数据结构。循环队列的结构体如下：typedefintdata_t;//队列数据类型#defineN64//队列容量typ
  • Python算法L5：贪心算法 小熊同学哦 Python算法算法python贪心算法
    Python贪心算法简介目录Python贪心算法简介贪心算法的基本步骤贪心算法的适用场景经典贪心算法问题1.**零钱兑换问题**2.**区间调度问题**3.**背包问题**贪心算法的优缺点优点：缺点：结语贪心算法（GreedyAlgorithm）是一种在每一步选择中都采取当前最优或最优解的算法。它的核心思想是，在保证每一步局部最优的情况下，希望通过贪心选择达到全局最优解。虽然贪心算法并不总能得到全
  • 阅读《认知觉醒》读书笔记 就看看书
    本周阅读了周岭的《认知觉醒开启自我改变的原动力》，启发较多，故做读书笔记一则，留待学习。全书共八章，讲述了大脑、潜意识、元认知、专注力、学习力、行动力、情绪力及成本最低的成长之道。具体描述了大脑、焦虑、耐心、模糊、感性、元认知、自控力、专注力、情绪专注、学习专注、匹配、深度、关联、体系、打卡、反馈、休息、清晰、傻瓜、行动、心智宽带、单一视角、游戏心态、早起、冥想、阅读、写作、运动等相关知识点。大脑
  • C++八股 Petrichorzncu 八股总结c++开发语言
    这里写目录标题C++内存管理C++的构造函数，复制构造函数，和析构函数深复制与浅复制：构造函数和析构函数哪个能写成虚函数，为什么？C++数据结构内存排列结构体和类占用的内存：==虚函数和虚表的原理==虚函数虚表（Vtable）虚函数和虚表的实现细节==内存泄漏==指针的工作原理函数的传值和传址new和delete与malloc和freeC++内存区域划分C++11新特性C++常见新特性==智能指针
  • 【RabbitMQ 项目】服务端：数据管理模块之绑定管理 月夜星辉雪 rabbitmq分布式
    文章目录一.编写思路二.代码实践一.编写思路定义绑定信息类交换机名称队列名称绑定关键字：交换机的路由交换算法中会用到没有是否持久化的标志，因为绑定是否持久化取决于交换机和队列是否持久化，只有它们都持久化时绑定才需要持久化。绑定就好像一根绳子，两端连接着交换机和队列，当一方不存在，它就没有存在的必要了定义绑定持久化类构造函数：如果数据库文件不存在则创建，打开数据库，创建binding_table插入
  • 【树一线性代数】005入门 Owlet_woodBird 算法
    Index本文稍后补全，推荐阅读：https://blog.csdn.net/weixin_60702024/article/details/141874376分析实现总结本文稍后补全，推荐阅读：https://blog.csdn.net/weixin_60702024/article/details/141874376已知非空二叉树T的结点值均为正整数，采用顺序存储方式保存，数据结构定义如下:t
  • python获取子进程返回值_Python对进程Multiprocessing子进程返回值 weixin_39752157 python获取子进程返回值
    在实际使用多进程的时候，可能需要获取到子进程运行的返回值。如果只是用来存储，则可以将返回值保存到一个数据结构中；如果需要判断此返回值，从而决定是否继续执行所有子进程，则会相对比较复杂。另外在Multiprocessing中，可以利用Process与Pool创建子进程，这两种用法在获取子进程返回值上的写法上也不相同。这篇中，我们直接上代码，分析多进程中获取子进程返回值的不同用法，以及优缺点。初级用法
  • 非对称加密算法原理与应用2——RSA私钥加密文件 私语茶馆 云部署与开发架构及产品灵感记录RSA2048私钥加密
    作者：私语茶馆1.相关章节（1）非对称加密算法原理与应用1——秘钥的生成-CSDN博客第一章节讲述的是创建秘钥对，并将公钥和私钥导出为文件格式存储。本章节继续讲如何利用私钥加密内容，包括从密钥库或文件中读取私钥，并用RSA算法加密文件和String。2.私钥加密的概述本文主要基于第一章节的RSA2048bit的非对称加密算法讲述如何利用私钥加密文件。这种加密后的文件，只能由该私钥对应的公钥来解密。
  • 枚举的构造函数中抛出异常会怎样 bylijinnan javaenum单例
    首先从使用enum实现单例说起。 为什么要用enum来实现单例？ 这篇文章（ http://javarevisited.blogspot.sg/2012/07/why-enum-singleton-are-better-in-java.html）阐述了三个理由： 1.enum单例简单、容易，只需几行代码： public enum Singleton { INSTANCE;
  • CMake 教程 aigo C++
    转自：http://xiang.lf.blog.163.com/blog/static/127733322201481114456136/   CMake是一个跨平台的程序构建工具，比如起自己编写Makefile方便很多。 介绍：http://baike.baidu.com/view/1126160.htm 本文件不介绍CMake的基本语法，下面是篇不错的入门教程： http:
  • cvc-complex-type.2.3: Element 'beans' cannot have character Cb123456 springWebgis
      cvc-complex-type.2.3: Element 'beans' cannot have character     Line 33 in XML document from ServletContext resource [/WEB-INF/backend-servlet.xml] is i
  • jquery实例:随页面滚动条滚动而自动加载内容 120153216 jquery
    <script language="javascript"> $(function (){ var i = 4;$(window).bind("scroll", function (event){ //滚动条到网页头部的 高度，兼容ie,ff,chrome var top = document.documentElement.s
  • 将数据库中的数据转换成dbs文件 何必如此 sqldbs
    旗正规则引擎通过数据库配置器（DataBuilder）来管理数据库，无论是Oracle，还是其他主流的数据都支持，操作方式是一样的。旗正规则引擎的数据库配置器是用于编辑数据库结构信息以及管理数据库表数据，并且可以执行SQL 语句，主要功能如下。 1)数据库生成表结构信息：         主要生成数据库配置文件(.conf文
  • 在IBATIS中配置SQL语句的IN方式 357029540 ibatis
    在使用IBATIS进行SQL语句配置查询时，我们一定会遇到通过IN查询的地方，在使用IN查询时我们可以有两种方式进行配置参数：String和List。具体使用方式如下： 1.String:定义一个String的参数userIds，把这个参数传入IBATIS的sql配置文件，sql语句就可以这样写： <select id="getForms" param
  • Spring3 MVC 笔记（一） 7454103 springmvcbeanRESTJSF
             自从 MVC 这个概念提出来之后 struts1.X  struts2.X   jsf 。。。。。 这个view 层的技术一个接一个！ 都用过！不敢说哪个绝对的强悍！ 要看业务，和整体的设计！      最近公司要求开发个新系统！
  • Timer与Spring Quartz 定时执行程序 darkranger springbean工作quartz
    有时候需要定时触发某一项任务。其实在jdk1.3，java sdk就通过java.util.Timer提供相应的功能。一个简单的例子说明如何使用，很简单： 1、第一步，我们需要建立一项任务，我们的任务需要继承java.util.TimerTask package com.test; import java.text.SimpleDateFormat; import java.util.Date;
  • 大端小端转换，le32_to_cpu 和cpu_to_le32 aijuans C语言相关
    大端小端转换，le32_to_cpu 和cpu_to_le32  字节序 http://oss.org.cn/kernel-book/ldd3/ch11s04.html         小心不要假设字节序. PC 存储多字节值是低字节为先(小端为先, 因此是小端), 一些高级的平台以另一种方式(大端)
  • Nginx负载均衡配置实例详解 avords
    [导读] 负载均衡是我们大流量网站要做的一个东西，下面我来给大家介绍在Nginx服务器上进行负载均衡配置方法，希望对有需要的同学有所帮助哦。负载均衡先来简单了解一下什么是负载均衡，单从字面上的意思来理解就可以解 负载均衡是我们大流量网站要做的一个东西，下面我来给大家介绍在Nginx服务器上进行负载均衡配置方法，希望对有需要的同学有所帮助哦。 负载均衡 先来简单了解一下什么是负载均衡
  • 乱说的 houxinyou 框架敏捷开发软件测试
    从很久以前，大家就研究框架，开发方法，软件工程，好多！反正我是搞不明白！ 这两天看好多人研究敏捷模型，瀑布模型！也没太搞明白. 不过感觉和程序开发语言差不多， 瀑布就是顺序，敏捷就是循环. 瀑布就是需求、分析、设计、编码、测试一步一步走下来。而敏捷就是按摸块或者说迭代做个循环，第个循环中也一样是需求、分析、设计、编码、测试一步一步走下来。 也可以把软件开发理
  • 欣赏的价值——一个小故事 bijian1013 有效辅导欣赏欣赏的价值
    　　第一次参加家长会，幼儿园的老师说："您的儿子有多动症，在板凳上连三分钟都坐不了，你最好带他去医院看一看。"　　回家的路上，儿子问她老师都说了些什么，她鼻子一酸，差点流下泪来。因为全班30位小朋友，惟有他表现最差；惟有对他，老师表现出不屑，然而她还在告诉她的儿子："老师表扬你了，说宝宝原来在板凳上坐不了一分钟，现在能坐三分钟。其他妈妈都非常羡慕妈妈，因为全班只有宝宝
  • 包冲突问题的解决方法 bingyingao eclipsemavenexclusions包冲突
    包冲突是开发过程中很常见的问题： 其表现有： 1.明明在eclipse中能够索引到某个类，运行时却报出找不到类。 2.明明在eclipse中能够索引到某个类的方法，运行时却报出找不到方法。 3.类及方法都有，以正确编译成了.class文件，在本机跑的好好的，发到测试或者正式环境就 抛如下异常： java.lang.NoClassDefFoundError: Could not in
  • 【Spark七十五】Spark Streaming整合Flume-NG三之接入log4j bit1129 Stream
    先来一段废话： 实际工作中，业务系统的日志基本上是使用Log4j写入到日志文件中的，问题的关键之处在于业务日志的格式混乱，这给对日志文件中的日志进行统计分析带来了极大的困难，或者说，基本上无法进行分析，每个人写日志的习惯不同，导致日志行的格式五花八门，最后只能通过grep来查找特定的关键词缩小范围，但是在集群环境下，每个机器去grep一遍，分析一遍，这个效率如何可想之二，大好光阴都浪费在这上面了
  • sudoku solver in Haskell bookjovi sudokuhaskell
    这几天没太多的事做，想着用函数式语言来写点实用的程序，像fib和prime之类的就不想提了（就一行代码的事），写什么程序呢？在网上闲逛时发现sudoku游戏，sudoku十几年前就知道了，学生生涯时也想过用C/Java来实现个智能求解，但到最后往往没写成，主要是用C/Java写的话会很麻烦。   现在写程序，本人总是有一种思维惯性，总是想把程序写的更紧凑，更精致，代码行数最少，所以现
  • java apache ftpClient bro_feng java
    最近使用apache的ftpclient插件实现ftp下载，遇见几个问题，做如下总结。 1. 上传阻塞，一连串的上传，其中一个就阻塞了，或是用storeFile上传时返回false。查了点资料，说是FTP有主动模式和被动模式。将传出模式修改为被动模式ftp.enterLocalPassiveMode();然后就好了。 看了网上相关介绍，对主动模式和被动模式区别还是比较的模糊，不太了解被动模
  • 读《研磨设计模式》-代码笔记-工厂方法模式 bylijinnan java设计模式
    声明： 本文只为方便我个人查阅和理解，详细的分析以及源代码请移步 原作者的博客http://chjavach.iteye.com/ package design.pattern; /* * 工厂方法模式：使一个类的实例化延迟到子类 * 某次，我在工作不知不觉中就用到了工厂方法模式（称为模板方法模式更恰当。2012-10-29）： * 有很多不同的产品，它
  • 面试记录语 chenyu19891124 招聘
    或许真的在一个平台上成长成什么样，都必须靠自己去努力。有了好的平台让自己展示，就该好好努力。今天是自己单独一次去面试别人，感觉有点小紧张，说话有点打结。在面试完后写面试情况表，下笔真的好难，尤其是要对面试人的情况说明真的好难。 今天面试的是自己同事的同事，现在的这个同事要离职了，介绍了我现在这位同事以前的同事来面试。今天这位求职者面试的是配置管理，期初看了简历觉得应该很适合做配置管理，但是今天面
  • Fire Workflow 1.0正式版终于发布了 comsci 工作workflowGoogle
    Fire Workflow 是国内另外一款开源工作流，作者是著名的非也同志，哈哈.... 官方网站是 http://www.fireflow.org 经过大家努力,Fire Workflow 1.0正式版终于发布了 正式版主要变化: 1、增加IWorkItem.jumpToEx(...)方法，取消了当前环节和目标环节必须在同一条执行线的限制，使得自由流更加自由 2、增加IT
  • Python向脚本传参 daizj python脚本传参
    如果想对python脚本传参数，python中对应的argc, argv(c语言的命令行参数)是什么呢？ 需要模块：sys 参数个数：len(sys.argv) 脚本名：    sys.argv[0] 参数1：     sys.argv[1] 参数2：     sys.argv[
  • 管理用户分组的命令gpasswd dongwei_6688 passwd
    NAME： gpasswd - administer the /etc/group file SYNOPSIS： gpasswd group gpasswd -a user group gpasswd -d user group gpasswd -R group gpasswd -r group gpasswd [-A user,...] [-M user,...] g
  • 郝斌老师数据结构课程笔记 dcj3sjt126com 数据结构与算法
    <<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<
  • yii2 cgridview加上选择框进行操作 dcj3sjt126com GridView
    页面代码 <?=Html::beginForm(['controller/bulk'],'post');?> <?=Html::dropDownList('action','',[''=>'Mark selected as: ','c'=>'Confirmed','nc'=>'No Confirmed'],['class'=>'dropdown',])
  • linux mysql fypop linux
    enquiry mysql version in centos linux yum list installed | grep mysql yum -y remove mysql-libs.x86_64 enquiry mysql version in yum repositoryyum list | grep mysql oryum -y list mysql* install mysq
  • Scramble String hcx2013 String
    Given a string s1, we may represent it as a binary tree by partitioning it to two non-empty substrings recursively. Below is one possible representation of s1 = "great":
  • 跟我学Shiro目录贴 jinnianshilongnian 跟我学shiro
    历经三个月左右时间，《跟我学Shiro》系列教程已经完结，暂时没有需要补充的内容，因此生成PDF版供大家下载。最近项目比较紧，没有时间解答一些疑问，暂时无法回复一些问题，很抱歉，不过可以加群（334194438/348194195）一起讨论问题。     ----广告-----------------------------------------------------
  • nginx日志切割并使用flume-ng收集日志 liyonghui160com
         nginx的日志文件没有rotate功能。如果你不处理，日志文件将变得越来越大，还好我们可以写一个nginx日志切割脚本来自动切割日志文件。第一步就是重命名日志文件，不用担心重命名后nginx找不到日志文件而丢失日志。在你未重新打开原名字的日志文件前，nginx还是会向你重命名的文件写日志，linux是靠文件描述符而不是文件名定位文件。第二步向nginx主
  • Oracle死锁解决方法 pda158 oracle
    　select p.spid,c.object_name,b.session_id,b.oracle_username,b.os_user_name from v$process p,v$session a, v$locked_object b,all_objects c where p.addr=a.paddr and a.process=b.process and c.object_id=b.
  • java之List排序 shiguanghui list排序
       在Java Collection Framework中定义的List实现有Vector，ArrayList和LinkedList。这些集合提供了对对象组的索引访问。他们提供了元素的添加与删除支持。然而，它们并没有内置的元素排序支持。 　　你能够使用java.util.Collections类中的sort()方法对List元素进行排序。你既可以给方法传递
  • servlet单例多线程 utopialxw 单例多线程servlet
    转自http://www.cnblogs.com/yjhrem/articles/3160864.html 和   http://blog.chinaunix.net/uid-7374279-id-3687149.html Servlet 单例多线程 Servlet如何处理多个请求访问？Servlet容器默认是采用单实例多线程的方式处理多个请求的：1.当web服务器启动的
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他