Java之动态规划之子序列问题

news/2024/11/28 5:37:12/

目录

0.动态规划问题

一.最长递增子序列

1.题目描述

2.问题分析

3.代码实现

二.最长递增子序列

1.题目描述

2.问题分析

3.代码实现

三.最长重复子数组

1.题目描述

2.问题分析

3.代码实现

4.代码的优化(滚动数组)

四.最长公共子序列

1.题目描述

2.问题分析

3.代码实现

4.代码优化(滚动数组)

五.不相交的线

1.题目描述

2.问题分析

3.代码实现

4.代码优化(滚动数组)

六.最大子数组和

1.题目描述

2.问题分析

3.代码实现

七.判断子序列

1.题目描述

2.问题分析

3.代码实现

4.双指针代码实现

0.动态规划问题

动态规划(Dynamic Programming)算法的核心思想是:将大问题划分为小问题,进行解决，从而一步步获取最优解的处理算法

动态规划对于解决最优子结构啊和重叠子问题等问题时候,有着很好的应用

对于动态规划问题,大致可以分为以下几步:

  1. 确定dp数组（dp table）以及下标的含义
  2. 确定递推公式
  3. dp数组如何初始化
  4. 确定遍历顺序
  5. 举例推导dp数组

一.最长递增子序列

1.题目描述

 给你一个整数数组 nums ，找到其中最长严格递增子序列的长度。

子序列 是由数组派生而来的序列，删除（或不删除）数组中的元素而不改变其余元素的顺序。例如，[3,6,2,7] 是数组 [0,3,1,6,2,2,7] 的子序列。

力扣:力扣

2.问题分析

这一题首先要理解子序列问题,子序列不一定是连续一段的数组(子数组),只需要它的序列是递增的即可(例如index=0,2,3)

对于解决这样的动态规划的背包问题,还是采用通用的五个步骤

1.确定dp数组（dp table）以及下标的含义

本题的dp数组定义不是根据题目直接来进行定义,需要根据题意进行变通定义

dp[i]数组的含义:以nums[i]为结尾的最长递增子序列长度为dp[i]

注意:这里一定要以nums[i]为结尾,不可去除这个元素

2.确定递推公式

位置i的元素最长的递增子序列等于位置从0到j-1位置上最长递增子序列+1的最大值

递推公式:if (nums[i] > nums[j]) dp[i] = max(dp[i], dp[j] + 1);

注意:这里dp[i] = max(dp[i], dp[j] + 1)是为了取dp[i]的最大值,并不是dp[i]和dp[j] + 1比较

注意:这里它的最大值并不一定出现在dp[nums.length-1]的位置,如何最后一个数字比前边的都小,而dp数组的定义必须以nums[i]为结尾,所有此时dp[i]的值可能为1,因为应该取dp数组元素的最大值

3.dp数组如何初始化

由题意可知,无论前边的nums[j]是否比nums[i]大,总有一个元素满足递增序列,就是它本身自己,所有每一个dp[i]都应该初始化为1

4.确定遍历顺序

因为最长递增子序列是从前到后递增,所以我们也应该从左到右进行遍历

5.举例推导dp数组

对nums = [10,9,2,5,3,7,101,18]进行推导

i01234567
dp[i]11122344

它的最长的递增序列是{2,3,7,101}或者{2,3,7,18}

3.代码实现

    public int lengthOfLIS(int[] nums) {int[] dp = new int[nums.length];int max = 1;Arrays.fill(dp, 1);for (int i = 1; i < nums.length; ++i) {for (int j = 0; j < i; ++j) {if (nums[i] > nums[j])dp[i] = Math.max(dp[i], dp[j] + 1);}max = Math.max(max, dp[i]);}return max;}

二.最长递增子序列

1.题目描述

给定一个未经排序的整数数组，找到最长且 连续递增的子序列，并返回该序列的长度。

连续递增的子序列 可以由两个下标 l 和 r（l < r）确定，如果对于每个 l <= i < r，都有 nums[i] < nums[i + 1] ，那么子序列 [nums[l], nums[l + 1], ..., nums[r - 1], nums[r]] 就是连续递增子序列。

力扣:力扣

2.问题分析

这里明确说了是连续的子序列,所以序列值应该是连在一起的,如:index=1,2,3

对于解决这样的动态规划的背包问题,还是采用通用的五个步骤

1.确定dp数组（dp table）以及下标的含义

dp[i]数组的含义是:以nums[i]为结尾的连续递增子序列的最大值

2.确定递推公式

这一题和上一题明显的不同就是连续与否,上一题如何nums[i]<nums[i-1],那么它的递增还有可能和i-1之前的数据构成递增序列,这一题,因为存在一个连续,所以如果nums[i]<nums[i-1],那么他肯定是不能构成连续递增序列了,因此这时dp[i]=1;如果nums[i]>nums[i-1],说明与前边的元素构成连续递增序列,因此dp[i]=dp[i-1]+1;

递推公式为:if (nums[i] > nums[i - 1])     dp[i] = dp[i - 1] + 1;

注意:这一题仍然需要dp数组中的最大值,原因和上一题一样

3.dp数组如何初始化

和上一题一样,所有的初始化为1

4.确定遍历顺序

和上一题一样,从左到右,但这一题只需要一层循环

5.举例推导dp数组

推导nums = [1,3,5,4,7]

i01234
dp[i]12312

 最长连续递增序列为:{1,3,5}

3.代码实现

    public static int findLengthOfLCIS(int[] nums) {int[] dp = new int[nums.length];int max = 0;Arrays.fill(dp, 1);for (int i = 1; i < nums.length; ++i) {if (nums[i] > nums[i - 1])dp[i] = dp[i - 1] + 1;max = Math.max(i, dp[i]);}return max;}

三.最长重复子数组

1.题目描述

给两个整数数组 nums1 和 nums2 ，返回 两个数组中 公共的 、长度最长的子数组的长度 。

力扣:力扣

2.问题分析

题目中说的就是子数组就是连续子序列

对于解决这样的动态规划的背包问题,还是采用通用的五个步骤

1.确定dp数组（dp table）以及下标的含义

因为这一题是两个数组,所以最好定义为二维数组

dp[i][j]的含义是:以nums1[i]结尾的A和以nums2[j]结尾的B,最长的公共子数组的长度是dp[i][j]

2.确定递推公式

子数组和连续子序列的含义是一样的,如果nums1[i]==nums2[j],此时只需要知道前边的最长的公共子数组的最大长度,就是dp[i-1][j-1](含义是以nums1[i-1]结尾的A和以nums2[j-1]结尾的B,最长的公共子数组的长度),此时+1便等于dp[i][j],如果不相等的话,这个时候公共子数组长度显然为0,不需要赋值

所以递推公式为:if (nums1[i] == nums2[j])  dp[i][j] = dp[i - 1][j - 1] + 1;

注意:这一题仍然需要dp数组中的最大值,原因和上一题一样

3.dp数组如何初始化

由递推公式可以知道由斜上方的元素推导出来的,所以至少要对第一行和第一列进行初始化赋值

具体的初始化代码如下: 

        //对第一列进行初始化for (int i = 0; i < nums1.length; i++) {if (nums1[i] == nums2[0])dp[i][0] = 1;result = Math.max(result, dp[i][0]);}//对第一行进行初始化for (int j = 0; j < nums2.length; j++) {if (nums1[0] == nums2[j])dp[0][j] = 1;result = Math.max(result, dp[0][j]);}

4.确定遍历顺序

由递推公式可以看出,是由从上到下,从左到右进行遍历的

5.举例推导dp数组

对nums1 = [1,2,3,2,1], nums2 = [3,2,1,4,7]进行推倒后的dp数组

[0, 0, 1, 0, 0]
[0, 1, 0, 0, 0]
[1, 0, 0, 0, 0]
[0, 2, 0, 0, 0]
[0, 0, 3, 0, 0]

3.代码实现

    public  int findLength(int[] nums1, int[] nums2) {int[][] dp = new int[nums1.length][nums2.length];int result = 0;//对第一列进行初始化for (int i = 0; i < nums1.length; i++) {if (nums1[i] == nums2[0])dp[i][0] = 1;result = Math.max(result, dp[i][0]);}//对第一行进行初始化for (int j = 0; j < nums2.length; j++) {if (nums1[0] == nums2[j])dp[0][j] = 1;result = Math.max(result, dp[0][j]);}for (int i = 1; i < nums1.length; i++) {for (int j = 1; j < nums2.length; j++) {if (nums1[i] == nums2[j]) { // 防止 i-1 出现负数dp[i][j] = dp[i - 1][j - 1] + 1;}result = Math.max(result, dp[i][j]);}}return result;}

也可以进行这样设置 dp数组:以下标i - 1为结尾的A，和以下标j - 1为结尾的B，最长重复子数组长度为dp[i][j],这样的代码实现为  dp[i][0]和dp[0][j]没有意义,全部赋值为0   (推荐)

 public int findLength(int[] nums1, int[] nums2) {int[][] dp = new int[nums1.length + 1][nums2.length + 1];int res = 0;for (int i = 1; i <= nums1.length; ++i) {for (int j = 1; j <= nums2.length; ++j) {if (nums1[i - 1] == nums2[j - 1])dp[i][j] = dp[i - 1][j - 1] + 1;res = Math.max(res, dp[i][j]);}}return res;}

4.代码的优化(滚动数组)

这样其实和01背包的二维数组优化成滚动数组一个思路,都是长度为nums2.length长的数组,然后第一个从左到右遍历,第二个从右到左遍历,为了不影响其他数据使用成为第二次推导出的数据

01背包指路:Java之动态规划的背包问题_允歆辰丶的博客-CSDN博客

第一个dp数组的含义:以nums2[j]为结尾的dp[j]:代码实现

  public int findLength4(int[] nums1, int[] nums2) {int[] dp = new int[nums2.length];int result = 0;//对第一行进行初始化for (int j = 0; j < nums2.length; j++) {if (nums1[0] == nums2[j])dp[j] = 1;result = Math.max(result, dp[j]);}System.out.println(Arrays.toString(dp));for (int i = 1; i < nums1.length; i++) {for (int j = nums2.length - 1; j >= 0; --j) {if (nums1[i] == nums2[j]) { // 防止 i-1 出现负数if (j == 0) {dp[j] = 1;continue;}dp[j] = dp[j - 1] + 1;result = Math.max(result, dp[j]);} else {dp[j] = 0;}}System.out.println(Arrays.toString(dp));}return result;}

第二种dp数组的含义:以nums2[j-1]为结尾的dp[j]:代码实现(推荐)

    public int findLength2(int[] nums1, int[] nums2) {int[] dp = new int[nums1.length + 1];int res = 0;for (int i = 1; i <= nums1.length; ++i) {for (int j = nums2.length; j >= 1; --j) {if (nums1[i - 1] == nums2[j - 1]) {dp[j] = dp[j - 1] + 1;} elsedp[j] = 0;res = Math.max(dp[j], res);}}return res;}

四.最长公共子序列

1.题目描述

给定两个字符串 text1 和 text2，返回这两个字符串的最长 公共子序列 的长度。如果不存在 公共子序列 ，返回 0 。

一个字符串的 子序列 是指这样一个新的字符串：它是由原字符串在不改变字符的相对顺序的情况下删除某些字符（也可以不删除任何字符）后组成的新字符串。

  • 例如，"ace" 是 "abcde" 的子序列，但 "aec" 不是 "abcde" 的子序列。

两个字符串的 公共子序列 是这两个字符串所共同拥有的子序列。

力扣:力扣

2.问题分析

子序列,显然是不连续的

对于解决这样的动态规划的背包问题,还是采用通用的五个步骤

1.确定dp数组（dp table）以及下标的含义

dp[i][j]的含义:长度为[0,i-1]的text1和长度为[0,j-1]的text2最最长公共子序列的长度为dp[i][j]

注意:这里不一定一定以text[i-1]结尾,只需要在[0,i-1]任意子字符串最长即可

2.确定递推公式

主要就是两种情况,一种就是text1.charAt(i-1)==text2.charAt(j-1);另一种是不相同

当相等的情况,很显然就是两个字符串长度各-1的最长公共子序列的长度+1,就是            dp[i][j]=dp[i-1][j-1]+1      例如(aab和bab,dp[2][2]=1,dp[3][3]=2)

当不相等的时候,就是text1[0,i-2]的text2和长度为[0,j-1]和text1[0,i-1]的text2和长度为[0,j-2]的最大值作为dp[i][j]的值

dp[i][j]=max(dp[i][j-1],dp[i-1][j])

                if (text1.charAt(i - 1) == text2.charAt(j - 1))dp[i][j] = dp[i - 1][j - 1] + 1;else {dp[i][j] = Math.max(dp[i - 1][j], dp[i][j - 1]);}

3.dp数组如何初始化

因为dp[i][0]和dp[0][j]没有意义,所以初始化为0

,4.确定遍历顺序

 由推导公式可以知道,遍历顺序是从左到右,从上到下的

5.举例推导dp数组

对于text1 = "abcde", text2 = "ace" 进行推导

[0, 0, 0, 0]
[0, 1, 1, 1]
[0, 1, 1, 1]
[0, 1, 2, 2]
[0, 1, 2, 2]
[0, 1, 2, 3]

最长公共子序列是 "ace" ，它的长度为 3 。

3.代码实现

    public int longestCommonSubsequence(String text1, String text2) {int[][] dp = new int[text1.length() + 1][text2.length() + 1];for (int i = 1; i <= text1.length(); ++i) {for (int j = 1; j <= text2.length(); ++j) {if (text1.charAt(i - 1) == text2.charAt(j - 1))dp[i][j] = dp[i - 1][j - 1] + 1;else {dp[i][j] = Math.max(dp[i - 1][j], dp[i][j - 1]);}}}return dp[text1.length()][text2.length()];}

4.代码优化(滚动数组)

    public int longestCommonSubsequence2(String text1, String text2) {int[] dp = new int[text2.length() + 1];for (int i = 1; i <= text1.length(); ++i) {int pre=dp[0];for (int j = 1; j <= text2.length(); ++j) {int cur = dp[j];if (text1.charAt(i - 1) == text2.charAt(j - 1))dp[j] = pre + 1;else {dp[j] = Math.max(cur, dp[j - 1]);}pre=cur;}}return dp[text2.length()];}

五.不相交的线

1.题目描述

在两条独立的水平线上按给定的顺序写下 nums1 和 nums2 中的整数。

现在，可以绘制一些连接两个数字 nums1[i] 和 nums2[j] 的直线，这些直线需要同时满足满足：

  •  nums1[i] == nums2[j]
  • 且绘制的直线不与任何其他连线（非水平线）相交。

请注意，连线即使在端点也不能相交：每个数字只能属于一条连线。

以这种方法绘制线条，并返回可以绘制的最大连线数。

力扣:力扣

2.问题分析

这一题看样子题目意思改变了很多,其实和上一题字符串的意思是一样的,它规定是连线不可以相交的,其实意思就是i与j的相对位置是不可以改变的,比如nums1[i]==nums[j]了,那么这个时候你只能继续向后遍历,不可以反过来遍历,例如(nums1[i+1]==nums[j-1])这样是不行的,只能接着往后面相加,这样就和上一题的意思是一模一样的了

 例如这一题:

5.举例推导dp数组

对于nums1 = [1,4,2], nums2 = [1,2,4]推导

[0, 1, 1, 1]
[0, 1, 1, 2]
[0, 1, 2, 2]

nums1[1]=4 到 nums2[2]=4,所以最多画两条线

3.代码实现

  public int maxUncrossedLines(int[] nums1, int[] nums2) {int[][] dp = new int[nums1.length + 1][nums2.length + 1];for (int i = 1; i <= nums1.length; ++i) {for (int j = 1; j <= nums2.length; ++j) {if (nums1[i - 1] == nums2[j - 1])dp[i][j] = dp[i - 1][j - 1] + 1;else {dp[i][j] = Math.max(dp[i - 1][j], dp[i][j - 1]);}}}return dp[nums1.length][nums2.length];}

4.代码优化(滚动数组)

    public static int maxUncrossedLines2(int[] nums1, int[] nums2) {int[] dp = new int[nums2.length + 1];for (int i = 1; i <= nums1.length; ++i) {int pre = dp[0];for (int j = 1; j <= nums2.length; ++j) {int cur = dp[j];if (nums1[i - 1] == nums2[j - 1])dp[j] = pre + 1;else {dp[j] = Math.max(cur, dp[j - 1]);}pre = cur;}}return dp[nums2.length];}

六.最大子数组和

1.题目描述

给你一个整数数组 nums ，请你找出一个具有最大和的连续子数组（子数组最少包含一个元素），返回其最大和。

子数组 是数组中的一个连续部分。

力扣:力扣

2.问题分析

最大子数组说明是连续的

对于解决这样的动态规划的背包问题,还是采用通用的五个步骤

1.确定dp数组（dp table）以及下标的含义

dp[i]的含义是:以nums[i]结尾的子数组的最大和是dp[i]

2.确定递推公式

存在两种情况,一种就是i前边的最大子数组和加上nums[i],一种就是从只有nums[i],因为dp[i-1]可能存在已经是负值的情况,如果再加上nums[i],只会使值变小,这个时候从新从nums[i]开始更好,如果前边已经是正数了,加上nums[i](可能使dp[i-1]>dp[i],因为nums[i]可能为负数,因为dp数组定义的缘故,必须加入)

所以递推公式为:dp[i]=max(dp[i-1]+nums[i],nums[i]);

3.dp数组如何初始化

由递推公式可知,只需要初始化dp[0],因为子数组至少有一个值,所以dp[0]=nums[0];

4.确定遍历顺序

由递推公式可知,从左到右进行遍历

5.举例推导dp数组

对[-2,1,-3,4,-1,2,1,-5,4]进行推导

i012345678
dp[i]-21-2435615

3.代码实现

    public int maxSubArray(int[] nums) {int[] dp = new int[nums.length];int res=nums[0];dp[0] = nums[0];for (int i = 1; i < nums.length; ++i) {dp[i] = Math.max(dp[i - 1] + nums[i], nums[i]);res=Math.max(res,dp[i]);}return res;}

七.判断子序列

1.题目描述

给定字符串 s 和 t ，判断 s 是否为 t 的子序列。

字符串的一个子序列是原始字符串删除一些（也可以不删除）字符而不改变剩余字符相对位置形成的新字符串。（例如，"ace"是"abcde"的一个子序列，而"aec"不是）。

力扣:力扣

2.问题分析

子序列:是不连续的问题,这一题其实和四.最长公共子序列差不多的问题,略有不同之后说明

对于解决这样的动态规划的背包问题,还是采用通用的五个步骤

1.确定dp数组（dp table）以及下标的含义

dp[i][j]的含义是:从[0,i-1]的子字符串s和从[0,j-1]的子字符串t,相同子序列的长度是dp[i][j]

注意:这里和第四题的dp数组还是有一点区别的

2.确定递推公式

主要也是分为两种情况,一种就是当s.charAt[i-1]==t.charAt[j-1],这个时候dp[i][j] = dp[i - 1][j - 1] + 1.这个时候相当于在i位置上的字符在t中找了                                                                                 第二种情况:s.charAt[i-1]!=t.charAt[j-1],这个时候就不能和第四题一样了,因为这一题是要找s是否为 t 的子序列,s数组如果你找到了几个字符在t中,你这个时候是不可以dp[i-1][j],这样就是s向前找,但是s还不可以删除的,例如s="abc"c,t="aacbc",这个时候第一个a==a,然后b!=a,但这个时候你不可以使s字符串找到前边的a.

所以推导公式为:

if (s.charAt(i - 1) == t.charAt(j - 1))dp[i][j] = dp[i - 1][j - 1] + 1;
else {dp[i][j] = dp[i][j - 1];
}

3.dp数组如何初始化

由递推公式可知,dp[0][j]和dp[i][0]没有意义,初始化为0

4.确定遍历顺序

由递推公式可知,从前到后,从上到下

5.举例推导dp数组

对s = "abc", t = "ahbgdc"进行推导

[0, 1, 1, 1, 1, 1, 1]
[0, 0, 0, 2, 2, 2, 2]
[0, 0, 0, 0, 0, 0, 3]

3.代码实现

    public boolean isSubsequence(String s, String t) {int[][] dp = new int[s.length() + 1][t.length() + 1];for (int i = 1; i <= s.length(); ++i) {for (int j = 1; j <= t.length(); ++j) {if (s.charAt(i - 1) == t.charAt(j - 1))dp[i][j] = dp[i - 1][j - 1] + 1;else {dp[i][j] = dp[i][j - 1];}}}return dp[s.length()][t.length()]==s.length();}

4.双指针代码实现

当然,这一题也可以选择使用双指针来解决,代码实现

    public boolean isSubsequence2(String s, String t) {int j = 0;for (int i = 0; i < s.length(); ++i) {while (j < t.length() && s.charAt(i) != t.charAt(j)) {j++;}j++;}return j <= t.length();}

八.不同的子序列

1.题目描述

给定一个字符串 s 和一个字符串 t ，计算在 s 的子序列中 t 出现的个数。

字符串的一个 子序列 是指，通过删除一些（也可以不删除）字符且不干扰剩余字符相对位置所组成的新字符串。（例如，"ACE" 是 "ABCDE" 的一个子序列，而 "AEC" 不是）

题目数据保证答案符合 32 位带符号整数范围。

力扣:力扣

2.问题分析

这里和第七题有相似之处,但还是有一定的区别

对于解决这样的动态规划的背包问题,还是采用通用的五个步骤

1.确定dp数组（dp table）以及下标的含义

dp[i][j]的含义是:以i-1为结尾的s子序列中出现以j-1为结尾的t的个数为dp[i][j]

2.确定递推公式

其实这一题和上一题一样,dp[i][j]还是分两种情况

一种:当s.charAt[i-1]==t.charAt[j-1],此时dp[i][j]由两部分组成

当t.charAt[j-1]来进行匹配出现次数的时候,这一部分为dp[i-1][j-1]

当t.charAt[j-1]不是匹配出现次数的时候,这一部分为dp[i-1][j]

另一种:当s.charAt[i-1]!=t.charAt[j-1],这个时候只有t.charAt[j-1]不是匹配出现次数的时候为dp[i-1][j]

                if (s.charAt(i - 1) == t.charAt(j - 1)) {dp[i][j] = dp[i - 1][j - 1] + dp[i - 1][j];} else {dp[i][j] = dp[i - 1][j];}

 

3.dp数组如何初始化

首先我们需要先回顾一下dp数组的含义

dp[i][0]的含义是t数组为空的时候,以i-1结尾的s出现在t中的个数,因为t为空,这个时候赋值为1

dp[0][j]的含义是s数组为空,s出现在以j-1结尾的t中的个数,这个时候赋值为0

        for (int i = 0; i <= s.length(); ++i) {dp[i][0] = 1;}

4.确定遍历顺序

由递推公式可知,从前到后,从上到下

5.举例推导dp数组

对s = "rabbbit", t = "rabbit"进行推导

[1, 0, 0, 0, 0, 0, 0]
[1, 1, 0, 0, 0, 0, 0]
[1, 1, 1, 0, 0, 0, 0]
[1, 1, 1, 1, 0, 0, 0]
[1, 1, 1, 2, 1, 0, 0]
[1, 1, 1, 3, 3, 0, 0]
[1, 1, 1, 3, 3, 3, 0]
[1, 1, 1, 3, 3, 3, 3]

 

3.代码实现

    public int numDistinct(String s, String t) {int[][] dp = new int[s.length() + 1][t.length() + 1];for (int i = 0; i <= s.length(); ++i) {dp[i][0] = 1;}for (int i = 1; i <= s.length(); ++i) {for (int j = 1; j <= t.length(); ++j) {if (s.charAt(i - 1) == t.charAt(j - 1)) {dp[i][j] = dp[i - 1][j - 1] + dp[i - 1][j];} else {dp[i][j] = dp[i - 1][j];}}}return dp[s.length()][t.length()];}

http://www.ppmy.cn/news/24376.html

相关文章

MicroBlaze系列教程（4）：AXI_UARTLITE的使用

MicroBlaze系列教程（4）：AXI_UARTLITE的使用

文章目录 @[toc]AXI_UARTLITE简介MicroBlaze添加串口IP常用函数使用示例参考资料工程下载本文是Xilinx MicroBlaze系列教程的第4篇文章。 AXI_UARTLITE简介 axi_uartlite是Xilinx提供axi-lite接口的通用串口IP核，用AXI-Lite总线接口和用户进行交互，速度可以根据不同的芯片调…
阅读更多...
《剑指offer》：数组部分

《剑指offer》：数组部分

一、数组中重复的数字题目描述&#xff1a;在一个长度为n的数组里的所有数字都在0到n-1的范围内。 数组中某些数字是重复的&#xff0c;但不知道有几个数字是重复的。也不知道每个数字重复几次。请找出数组中任意一个重复的数字。 例如&#xff0c;如果输入长度为7的数组{2,3,1…
阅读更多...
【C++初阶】十三、模板进阶（总）|非类型模板参数|模板的特化|模板分离编译|模板总结（优缺点）

【C++初阶】十三、模板进阶（总）|非类型模板参数|模板的特化|模板分离编译|模板总结（优缺点）

目录 一、非类型模板参数 二、模板的特化 2.1 模板特化概念 2.2 函数模板特化 2.3 类模板特化 2.3.1 全特化 2.3.2 偏特化 三、模板分离编译 四、模板总结&#xff08;优缺点&#xff09; 前言&#xff1a;之前模板初阶并没有把 C模板讲完&#xff0c;因为当时没有接触…
阅读更多...
无主之地3重型武器节奏评分榜（9.25） 枪械名 红字效果 元素属性 清图评分 Boss战评分 泛用性评分 特殊性评分 最终评级 掉落点 掉率 图片 瘟疫传播

无主之地3重型武器节奏评分榜（9.25） 枪械名 红字效果 元素属性 清图评分 Boss战评分 泛用性评分 特殊性评分 最终评级 掉落点 掉率 图片 瘟疫传播

无主之地3重型武器节奏评分榜&#xff08;9.25&#xff09; 枪械名 红字效果 元素属性 清图评分 Boss战评分 泛用性评分 特殊性评分 最终评级 掉落点 掉率 图片 瘟疫传播者 发射巨大能量球&#xff0c;能量球会额外生成追踪附近敌人的伴生弹 全属性 SSS SSS SSS - T0 伊甸6号-…
阅读更多...
IntelliJ IDEA 创建JavaFX项目运行

IntelliJ IDEA 创建JavaFX项目运行

IntelliJ IDEA 创建JavaFX项目运行JavaFX官网文档&#xff1a;https://openjfx.io/openjfx-docs/ JavaFX 2008年12月05日诞生&#xff0c;是一个开源的下一代客户端应用程序平台&#xff0c;适用于基于 Java 构建的桌面、移动和嵌入式系统。这是许多个人和公司的协作努力&#…
阅读更多...
进阶7 分页查询

进阶7 分页查询

进阶7 分页查询&#xff01;&#xff01;&#xff01; 目录概述练习题概述 应用场景&#xff1a;当要显示的数据一页显示不全&#xff0c;需要分页提交SQL请求 语法&#xff1a; select 查询列表 from 表名 【join type join 表2 on 连接条件 where 筛选条件 group by 分组字段…
阅读更多...
linux系统常用命令

linux系统常用命令

目录 一、系统介绍 二、Linux常用命令 1、Linux命令格式 2、文件目录操作命令&#xff1a;ls 3、文件目录操作命令&#xff1a;cd 4、文件目录操作命令&#xff1a;cat 5、文件目录操作命令&#xff1a;more 6、文件目录操作命令&#xff1a;tail 7、创建文件命令&…
阅读更多...
使用太极taichi写一个只有一个三角形的有限元

使用太极taichi写一个只有一个三角形的有限元

公式来源 https://blog.csdn.net/weixin_43940314/article/details/128935230 GAME103 https://games-cn.org/games103-slides/ 初始化我们的三角形 全局的坐标范围为0-1 我们的三角形如图所示 ti.kernel def init():X[0] [0.5, 0.5]X[1] [0.5, 0.6]X[2] [0.6, 0.5]x[0…
阅读更多...
最新文章

Copyright @ 2022~2023