双指针算法专题（2）

找往期文章包括但不限于本期文章中不懂的知识点：

个人主页：我要学编程(ಥ_ಥ)-CSDN博客

所属专栏： 优选算法专题

想要了解双指针算法的介绍，可以去看下面的博客：双指针算法的介绍 

目录

611.有效三角形的个数

LCR 179.查找总价格为目标值的两个商品

15.三数之和

18. 四数之和

 

611.有效三角形的个数

题目：

给定一个包含非负整数的数组 nums ，返回其中可以组成三角形三条边的三元组个数。

示例 1:

输入: nums = [2,2,3,4]
输出: 3
解释:有效的组合是: 
2,3,4 (使用第一个 2)
2,3,4 (使用第二个 2)
2,2,3

示例 2:

输入: nums = [4,2,3,4]
输出: 4

提示:

  • 1 <= nums.length <= 1000
  • 0 <= nums[i] <= 1000

思路：这个题目就是想让我们在给的数组中找出可以组成三角形的个数。确定三个数是否可以组成三角形：任意两边之和大于第三边即可。

最简单的方法就是直接遍历数组，根据三角形的判断条件暴力枚举即可。

代码实现：

错误解法：暴力枚举 

class Solution {// 错误解法：暴力枚举public int triangleNumber(int[] nums) {int count = 0;// 注意这里的i,j,k的位置，i最多只能倒带倒数第三个的位置,j....for (int i = 0; i <= nums.length-3; i++) {for (int j = i+1; j <= nums.length-2; j++) {for (int k = j+1; k <= nums.length-1; k++) {if (nums[i]+nums[j] > nums[k] && nums[i]+nums[k] > nums[j] &&nums[k]+nums[j] > nums[i]) {count++;}}}}return count;}
}

由于时间复杂度过高（O(N^3)），上面的代码肯定是跑不过的。

接下来，就是想想怎么优化？

我们知道三角形的判定还有一种简单方法：两小边之和大于最大边即可。那怎么找两小边呢？一个一个的去比较吗？这个肯定不现实。其实Arrays这类中有一个静态方法可以用来对数字进行排序( sort() ) ，知道了两小边之和，就是找最大边进行判断即可。

这里我们就通过一定的条件来优化了第三层循环，减少了循环的次数。

优化解法：定位两小边 和 最大边进行比较 

class Solution {// 优化解法一：定位两小边 和 最大边进行比较public int triangleNumber(int[] nums) {Arrays.sort(nums);int count = 0;for (int i = 0; i <= nums.length-3; i++) {for (int j = i+1; j <= nums.length-2; j++) {// k此时是三个数中最大值的下标int k = j+1;while (k < nums.length) {if (nums[i]+nums[j] > nums[k]) {count++;k++;} else {// 由于数组是升序，因此后面的一定大于此时的值，因此无需判断了break;}}}}return count;}
}

既然可以定位 两小边，那么可不可以定位 最大边呢，然后找两小边进行比较呢？答案是可以的。

优化解法：固定最大边，比较另外两边

class Solution {// 优化解法二：固定最大边，比较另外两边public int triangleNumber(int[] nums) {Arrays.sort(nums);int count = 0;for (int k = nums.length-1; k >=2; k--) {// 开始寻找两小边的范围值int i = 0;int j = k-1;while (i < j) {if (nums[i]+nums[j] > nums[k]) {count += (j-i); // 满足三角形的个数j--; // i变化没意义} else {i++; // j变化没有意义}}}return count;}
}

注意：在固定最大边的优化方法中，我们只需要范围比较 nums[i] + nums[j] 与 nums[k] 的大小关系即可。没有去一个一个的遍历比较 比较 nums[i] + nums[j] 与 nums[k] 的大小关系。这就致使时间复杂度从 O(N^3) 降至 O(N^2)。

LCR 179.查找总价格为目标值的两个商品

题目：

购物车内的商品价格按照升序记录于数组 price。请在购物车中找到两个商品的价格总和刚好是 target。若存在多种情况，返回任一结果即可。

示例 1：

输入：price = [3, 9, 12, 15], target = 18
输出：[3,15] 或者 [15,3]

示例 2：

输入：price = [8, 21, 27, 34, 52, 66], target = 61
输出：[27,34] 或者 [34,27]

提示：

  • 1 <= price.length <= 10^5
  • 1 <= price[i] <= 10^6
  • 1 <= target <= 2*10^6

思路： 很简单的思路，直接双层for循环遍历数组，去找和target的值即可。

代码实现：

错误解法：暴力枚举

class Solution {// 错误解法：暴力枚举public int[] twoSum(int[] price, int target) {int[] ret = new int[2];for (int i = 0; i < price.length; i++) {// 如果从j=0开始的话，就会有重复的，且可能会出现i==j的情况for (int j = i+1; j < price.length; j++) {if (price[i]+price[j] == target) {ret[0] = price[i];ret[1] = price[j];return ret;}}}return ret;}
}

上面的代码时间复杂度过高（O(N^2)），因此我们优化的方向就是降低时间复杂度为 O(N)。由于题目告诉我们了这个数组是有序的，并且知道了要查找的数据，因此我们可以对数据进行范围筛选。

通过上面的方法，我们会发现查找的效率直线上升了。其思路的时间复杂度为 O(N)。

正确解法：使用对撞指针，减少查询的次数，降低时间复杂度 

class Solution {public int[] twoSum(int[] price, int target) {int[] ret = new int[2];// 通过target的值来缩小范围遍历int left = 0;int right = price.length-1;while (left < right) {if (price[left]+price[right] > target) {// 大于目标值，得减小right--;} else if (price[left]+price[right] < target) {// 小于目标值。得增大left++;} else {ret[0] = price[left];ret[1] = price[right];break;}}return ret;}
}

通过上面两个题目，我们可以发现一个这样的规律：对撞指针能降低一个幂次级的时间复杂度。

例如：O(N^3) 使用对撞指针后，可以降低为 O(N^2)；O(N^2) 使用对撞指针后，可以降低为 O(N)。当然，最多也只能降低至 O(N)了，不可能直接降为O(1)。

15.三数之和

题目：

给你一个整数数组 nums ，判断是否存在三元组 [nums[i], nums[j], nums[k]] 满足 i != j、i != k 且 j != k ，同时还满足 nums[i] + nums[j] + nums[k] == 0 。请你返回所有和为 0 且不重复的三元组。

注意：答案中不可以包含重复的三元组。

示例 1：

输入：nums = [-1,0,1,2,-1,-4]
输出：[[-1,-1,2],[-1,0,1]]
解释：
nums[0] + nums[1] + nums[2] = (-1) + 0 + 1 = 0 。
nums[1] + nums[2] + nums[4] = 0 + 1 + (-1) = 0 。
nums[0] + nums[3] + nums[4] = (-1) + 2 + (-1) = 0 。
不同的三元组是 [-1,0,1] 和 [-1,-1,2] 。
注意，输出的顺序和三元组的顺序并不重要。

示例 2：

输入：nums = [0,1,1]
输出：[]
解释：唯一可能的三元组和不为 0 。

示例 3：

输入：nums = [0,0,0]
输出：[[0,0,0]]
解释：唯一可能的三元组和为 0 。

提示：

  • 3 <= nums.length <= 3000
  • -105 <= nums[i] <= 105

思路：根据题目给出的信息来看：我们要做的事情有两步：第一，找到符合三数之和为0的数；第二，对找到的数据进行去重操作。第一步的话，首先想到的就是暴力枚举找到符合要求的数据。但是找到数据之后的去重操作是比较难的，因为三个数的虽然总体是一样的，但是其内部的顺序却不同，我们无法直接判断，因此这里我们就需要对数据进行排序操作。但问题又来了：与其选择找出数据之后排序，不如直接在原数组上面进行排序操作。可能有小伙伴会疑惑：为什么要在原数组上进行排序呢？如下图所示：

排完序之后，我们会发现重复的数据长得一模一样，因此这里我们可以使用一个天然的去重容器set来处理，最终得到的结果就是我们想要的答案。

代码实现：

错误解法：暴力枚举

class Solution {// 错误解法：暴力枚举public List<List<Integer>> threeSum(int[] nums) {List<List<Integer>> list = new ArrayList<>();// 1、先对数组整体排序Arrays.sort(nums);// 2、再去找符合条件的数据for (int i = 0; i <= nums.length-3; i++) {List<Integer> sub_list = new ArrayList<>();for (int j = i+1; j <= nums.length-2; j++) {for (int k = j+1; k <= nums.length-1; k++) {// 这里可以优化一点点效率：>0的话，就直接跳出循环，// 大于0，再继续往后走也没用(根本不可能出现==0的情况)if (nums[i]+nums[j]+nums[k] == 0) {sub_list.add(nums[i]);sub_list.add(nums[j]);sub_list.add(nums[k]);List<Integer> integerList = new ArrayList<>(sub_list);list.add(integerList);// 每次插入数据之后，要及时清空，保证只有三个数据sub_list.clear();}}}}// 3、利用set对其去重Set<List<Integer>> set = new HashSet<>();// 遍历list将其中的元素插入set中for (int i = 0; i < list.size(); i++) {if (!set.contains(list.get(i))) {set.add(list.get(i));}}List<List<Integer>> new_list = new ArrayList<>();// 遍历set中的元素插入到new_listfor (List<Integer> x : set) {new_list.add(x);}return new_list;}
}

注意：上面代码的时间复杂度过大（三层for循环+两个遍历for循环）， 会超出时间限制。在最后一个将set中的元素插入new_list 中，可能有的小伙伴会写出下面的代码。

for (int i = 0; i < list.size(); i++) {if (set.contains(list.get(i))) {new_list.add(list.get(i));}
}

这个代码是有问题的，没有达到去重的目的。因为 list 可能中存在着多份相同的数据，但是在set 中只存在一份。因此当我们用 list 中的元素去遍历set 时，就会出现重复的元素，最终还是没有达到去重的效果。如下所示：

优化的思路有两个：1、对于查找数据时，使用对撞指针来进行优化。即通过最外层循环来固定一个数，然后再用对撞指针来找符合要求的数据。2、对去重的优化。set 去重虽然简单方便，但是两个for循环也带来了不少时间上的消耗。

1、优化查找数据：

正确解法：对撞指针优化查找数据 

class Solution {// 正确解法：使用对撞指针降低时间复杂度public List<List<Integer>> threeSum(int[] nums) {List<List<Integer>> list = new ArrayList<>();// 1、先对数组整体排序Arrays.sort(nums);// 2、再去找符合条件的数据for (int i = 0; i <= nums.length-3; i++) {List<Integer> sub_list = new ArrayList<>();int j = i+1;int k = nums.length-1;while (j < k) {if (nums[i]+nums[j]+nums[k] == 0) {sub_list.add(nums[i]);sub_list.add(nums[j]);sub_list.add(nums[k]);List<Integer> integerList = new ArrayList<>(sub_list);list.add(integerList);sub_list.clear();// 只有一个增大，另一个减小，才可能达到相等// 这里如果不是两个同时走的话，就会超出时间限制j++; k--;} else if (nums[i]+nums[j]+nums[k] > 0) {// 得减小，k--k--;} else { // < 0// 得增加，j++j++;}}}// 3、利用set对其去重Set<List<Integer>> set = new HashSet<>();// 遍历list将其中的元素插入set中for (int i = 0; i < list.size(); i++) {if (!set.contains(list.get(i))) {set.add(list.get(i));}}List<List<Integer>> new_list = new ArrayList<>();// 遍历set中的元素插入到new_list中for (List<Integer> x : set) {new_list.add(x);}return new_list;}
}

上面的代码虽然可以通过全部的测试用例，但是时间效率非常之低。因此就要开始尝试看看能不能对去重操作进行优化。而最理想的优化就是能在找数据的同时去重。即在查找数据时，不把重复的数据算入其中，这就直接从源头上杜绝了去重的操作。那怎样才能找到不重复的数据呢？

我们会发现一个规律：当数据重复时，结果一定是相同的。即找到一组符合要求的数据之后，如果 j 对应的值 和 上一次 j 对应的值是一样的，那么就可以跳过，因为上一次 j 对应的值已经和其他值进行了结合检查。如果可以，那么就成了一次重复的数据；反之，上一次也检查过了。同理，k、i也是如此。当要注意一个数组越界问题。

class Solution {// 正确解法：对撞指针+查找去重public List<List<Integer>> threeSum(int[] nums) {List<List<Integer>> list = new ArrayList<>();// 1、先对数组整体排序Arrays.sort(nums);// 2、再去找符合条件的数据for (int i = 0; i <= nums.length-3; i++) {// 与上一次的值相同，就不需要再进行重复的操作了while (i-1 >= 0 && i <= nums.length-3 && nums[i] == nums[i-1]) {i++;}// i对应的值一定是数组中最小的值，如果它都>0了，那肯定找不到了while (i < nums.length && nums[i] > 0) {i++;}List<Integer> sub_list = new ArrayList<>();int j = i+1;int k = nums.length-1;while (j < k) {if (nums[i]+nums[j]+nums[k] == 0) {sub_list.add(nums[i]);sub_list.add(nums[j]);sub_list.add(nums[k]);List<Integer> integerList = new ArrayList<>(sub_list);list.add(integerList);sub_list.clear();// 只有一个增大，另一个减小，才可能达到相等// 这里如果不是两个同时走的话，就会超出时间限制j++; k--;// 如果和上一次的数据相同，则跳过while (j < k && nums[j] == nums[j-1]) {j++;}while (j < k && nums[k] == nums[k+1]) {k--;}} else if (nums[i]+nums[j]+nums[k] > 0) {// 得减小，k--k--;// 数据与上一次相同的话，查找出来的还是同样的结果while (j < k && nums[k] == nums[k+1]) {k--;}} else { // < 0// 得增加，j++j++;// 数据与上一次相同的话，查找出来的还是同样的结果while (j < k && nums[j] == nums[j-1]) {j++;}}}}return list;}
}

总的来说，这一题还是比较难的。既要想要去重的方法（利用set或者查找时排序相同的元素），还要避免时间复杂度过高的情况下查找数据（使用对撞指针进行优化处理）。 

 接下来，我们再来做一道与这个极其相似的题目。

18. 四数之和

题目：

给你一个由 n 个整数组成的数组 nums ，和一个目标值 target 。请你找出并返回满足下述全部条件且不重复的四元组 [nums[a], nums[b], nums[c], nums[d]] （若两个四元组元素一一对应，则认为两个四元组重复）：

  • 0 <= a, b, c, d < n
  • a、b、c 和 d 互不相同
  • nums[a] + nums[b] + nums[c] + nums[d] == target

你可以按 任意顺序 返回答案 。

示例 1：

输入：nums = [1,0,-1,0,-2,2], target = 0
输出：[[-2,-1,1,2],[-2,0,0,2],[-1,0,0,1]]

示例 2：

输入：nums = [2,2,2,2,2], target = 8
输出：[[2,2,2,2]]

提示：

  • 1 <= nums.length <= 200
  • -109 <= nums[i] <= 109
  • -109 <= target <= 109

思路：和三数之和简直就是孪生兄弟。 同样是先排序，再去查找数据（这里只展示优化后的思路和解法，想看推导过程和暴力枚举到优化的过程，可见三数之和）。

代码实现：

错误解法：用双层对撞指针代替四层for循环+内部去重

class Solution {// 双层对撞指针会忽略一些数据public List<List<Integer>> fourSum(int[] nums, int target) {List<List<Integer>> list = new ArrayList<>();Arrays.sort(nums);int i = 0;int j = nums.length-1;while (i < j) {List<Integer> sub_list = new ArrayList<>();// 注意left和right的取值int left = i+1;int right = j-1;while (left < right) {// 注意：对于内层循环来说，只有left和right是可变化的，i、j都是固定的if (nums[i]+nums[j]+nums[left]+nums[right] == target) {sub_list.add(nums[i]);sub_list.add(nums[j]);sub_list.add(nums[left]);sub_list.add(nums[right]);List<Integer> integerList = new ArrayList<>(sub_list);list.add(integerList);sub_list.clear();left++;right--;while(left < right && nums[right] == nums[right+1]) {right--;}while(left < right && nums[left] == nums[left-1]) {left++;}} else if (nums[i]+nums[j]+nums[left]+nums[right] > target) {right--;while(left < right && nums[right] == nums[right+1]) {right--;}} else {left++;while(left < right && nums[left] == nums[left-1]) {left++;}}}i++;j--;while (i < j && nums[i] == nums[i-1]) {i++;}while (i < j && nums[j] == nums[j+1]) {j--;}}return list;}
}

上面代码的思路确实不错，的确可以减少不少时间的消耗，但是会漏掉一些数据。

当 nums = [-3, -1, 0, 2, 4, 5]、target = 0时，是找不到数据的。 感兴趣的小伙伴可以自己去测一测。（原本，我最先也是想到用这种方法来写，感觉效率应该会很高，但是后面经过调试发现，根本就找不出来上面的数据。）

正确解法：使用双层for循环+一层对撞指针+查找数据时去重 

class Solution {public List<List<Integer>> fourSum(int[] nums, int target) {List<List<Integer>> list = new ArrayList<>();// 1、排序Arrays.sort(nums);// 2、开始找数据+去重操作for (int i = 0; i <= nums.length-4;) {for (int j = i+1; j <= nums.length-3;) {List<Integer> sub_list = new ArrayList<>();int left = j+1;int right = nums.length-1;while (left < right) {if (((long)nums[i]+nums[j]+nums[left]+nums[right]) == target) {sub_list.add(nums[i]);sub_list.add(nums[j]);sub_list.add(nums[left]);sub_list.add(nums[right]);List<Integer> integerList = new ArrayList<>(sub_list);list.add(integerList);sub_list.clear();left++;right--;while(left < right && nums[right] == nums[right+1]) {right--;}while(left < right && nums[left] == nums[left-1]) {left++;}} else if ((long)nums[i]+nums[j]+nums[left]+nums[right] > target) {right--;while(left < right && nums[right] == nums[right+1]) {right--;}} else {left++;while(left < right && nums[left] == nums[left-1]) {left++;}}}j++;while (j <= nums.length-3 && nums[j] == nums[j-1]) {j++;}}i++;while (i >= 1 && i <= nums.length-4 && nums[i] == nums[i-1]) {i++;}}return list;}
}

注意：

1、

因此我们在计算四数之和时强转为了 long类型。

2、

总体来说：三数之和和四数之和还是有点难度的，不仅需要编码能力强，思路也要清新。

好啦！本期 双指针算法专题（2）的学习之旅就到此结束啦！我们下一期再一起学习吧！

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.xdnf.cn/news/1536770.html

如若内容造成侵权/违法违规/事实不符，请联系一条长河网进行投诉反馈，一经查实，立即删除！

相关文章

King3399 SDK编译简明教程

King3399 SDK编译简明教程

该文章仅供参考&#xff0c;编写人不对任何实验设备、人员及测量结果负责&#xff01;&#xff01;&#xff01; 0 引言 文章主要介绍King3399&#xff08;瑞芯微rk3399开发板&#xff0c;荣品&#xff09;官方SDK编译过程&#xff0c;涉及环境配置、补丁以及编译过程中注意事…
阅读更多...
shiro漏洞复现

shiro漏洞复现

目录 shiro介绍框架介绍判断是否使用shiro框架 环境搭建CVE-2010-3863漏洞原理影响版本漏洞复现 CVE-2016-4437漏洞原理影响版本漏洞复现 CVE-2020-1957漏洞原理影响版本漏洞复现 shiro-721拉取环境漏洞原理漏洞复现 shiro介绍 框架介绍 Apache Shiro提供了认证、授权、加密和…
阅读更多...
CSARA机械手正反解代码解读和左右手定则应用

CSARA机械手正反解代码解读和左右手定则应用

前言&#xff1a;前段时间在某鱼上买了一份CSARA的机械臂的程序&#xff0c;拿出来分享一下&#xff0c;并记录一下。说明一下并非是公司的核心代码&#xff0c;我也不搞这个....侵权就删了。 首先简单回顾一下CSARA的正逆解。 根据几何的方法能求出末端在平面坐标系中的xy坐标…
阅读更多...
第二百三十五节 JPA教程 - JPA Lob列示例

第二百三十五节 JPA教程 - JPA Lob列示例

JPA教程 - JPA Lob列示例 以下代码显示了如何使用Lob注释将字节数组保存到数据库。 LOB在数据库中有两种类型&#xff1a;字符大对象&#xff08;称为CLOB&#xff09;和二进制大对象&#xff08;或BLOB&#xff09;。 CLOB列保存大字符序列&#xff0c;BLOB列可存储大字节序…
阅读更多...
Linux memcg lru lock提升锁性能

Linux memcg lru lock提升锁性能

内核关于per memcg lru lock的重要提交&#xff1a; f9b1038ebccad354256cf84749cbc321b5347497 6168d0da2b479ce25a4647de194045de1bdd1f1d 计算虚拟地址转换基本机制 为了处理多应用程序的地址冲突&#xff0c; linux 系统在应用中使用了虚拟地址&#xff0c;得益于硬件的…
阅读更多...
SpringBoot+vue集成sm国密加密解密

SpringBoot+vue集成sm国密加密解密

文章目录 前言认识SM2后端工具类实现引入依赖代码实现工具类&#xff1a;SM2Util 单元测试案例1&#xff1a;生成服务端公钥、私钥&#xff0c;前端js公钥、私钥案例2&#xff1a;客户端加密&#xff0c;服务端完成解密案例3&#xff1a;服务端进行加密&#xff08;可用于后面前…
阅读更多...
禹神：一小时彻底搞懂跨域解决方案

禹神：一小时彻底搞懂跨域解决方案

1. 浏览器的同源策略 2. 跨域会受到哪些限制 4. CORS 解决 Ajax 跨域问题 exposedHeaders 不加这个&#xff0c;js拿不到这个响应头(浏览器控制台network中能看见&#xff0c;但是js拿不到) 5. JSONP 解决跨域问题 JSOP只能解决get请求 服务端代码 客户端代码 服务端代码升…
阅读更多...
卡尔曼滤波中Q和R与噪声的关系

卡尔曼滤波中Q和R与噪声的关系

卡尔曼滤波 一种用于估计系统状态的递归滤波器&#xff0c;通过融合传感器测量和系统模型&#xff0c;提供系统状态的最优估计。 Q和R是什么 在卡尔曼滤波中&#xff0c;Q和R分别表示过程噪声和测量噪声的协方差矩阵。 Q Q Q矩阵&#xff08;过程噪声协方差矩阵&#xff09;…
阅读更多...
LC并联电路在正弦稳态下的传递函数推导（LC并联谐振选频电路）

LC并联电路在正弦稳态下的传递函数推导（LC并联谐振选频电路）

LC并联电路在正弦稳态下的传递函数推导&#xff08;LC并联谐振选频电路&#xff09; 本文通过 1.解微分方程、2.阻抗模型两种方法推导 LC 并联选频电路在正弦稳态条件下的传递函数&#xff0c;并通过仿真验证不同频率时 vo(t) 与 vi(t) 的幅值相角的关系。 电路介绍 已知条件…
阅读更多...
人工智能和大模型的简介

人工智能和大模型的简介

文章目录 前言一、大模型简介二、大模型主要功能1、自然语言理解和生成2、文本总结和翻译3、文本分类和信息检索4、多模态处理三、大模型的技术特性1、深度学习架构2、大规模预训练3、自适应能力前言 随着技术的进步，人工智能（Artificial Intelligence, AI）和机器学习（Mac…
阅读更多...
建设世界一流财务管理体系【数字化顶层设计】【持续更新】

建设世界一流财务管理体系【数字化顶层设计】【持续更新】

财务管理是企业管理的中心环节&#xff0c;是企业实现基业长青的重要基础和保障。近年来&#xff0c;中央企业认真贯彻落实党中央、国务院决策部署&#xff0c;高度重视财务管理工作&#xff0c;持续优化管理手段&#xff0c;不断创新管理模式&#xff0c;积极应用先进管理工具…
阅读更多...
CSS调整背景

CSS调整背景

一、设置背景颜色 通过 background-color 属性指定&#xff0c;值可以是十六进制 #ffffff&#xff0c;也可以是rgb(0, 255, 255)&#xff0c;或是颜色名称 "red" div {background-color: red; /* 通过颜色名称设置 */background-color: #ff0000; /* 通过十六进制设…
阅读更多...
面向对象程序设计之继承(C++)

面向对象程序设计之继承(C++)

1.继承的定义 1.1继承的概念 继承(inheritance)机制是⾯向对象程序设计使代码可以复⽤的最重要的⼿段&#xff0c;它允许我们在保持原有类特性的基础上进⾏扩展&#xff0c;增加⽅法(成员函数)和属性(成员变量)&#xff0c;这样产⽣新的类&#xff0c;称派⽣类。继承 呈现了⾯向…
阅读更多...
给虚拟机linux系统安装交叉编译工具链

给虚拟机linux系统安装交叉编译工具链

我们在电脑上写的代码编译生成的是X86架构的二进制文件&#xff0c;只能在X86平台上运行&#xff0c;而开发板是ARM架构因此需要安装交叉编译链工具&#xff0c;这样在电脑上写的代码交叉编译之后生成的是ARM架构的二进制文件。 绿色的字眼是与本文无关的只是这样有助于我们的…
阅读更多...
推荐5款AI论文大纲生成器，一键极速生成！

推荐5款AI论文大纲生成器，一键极速生成！

在当今学术研究和写作领域&#xff0c;AI论文大纲生成器的出现极大地提高了写作效率和质量。以下是五款功能强大且全面的AI论文大纲生成器推荐&#xff1a; 一、千笔-AIPassPaper 千笔-AIPassPaper是一款基于深度学习和自然语言处理技术的AI写作助手&#xff0c;旨在帮助用户…
阅读更多...
【探索数据结构与算法】希尔排序原理、实现与分析（图文详解）

【探索数据结构与算法】希尔排序原理、实现与分析（图文详解）

目录 一、 引言 二、算法思想 三、算法步骤 四、代码实现 五、复杂度 &#x1f493; 博客主页&#xff1a;C-SDN花园GGbond ⏩ 文章专栏&#xff1a;探索数据结构与算法 一、 引言 希尔排序&#xff08;Shell Sort&#xff09;是插入排序的一种更高效的改进版本&#x…
阅读更多...
【Kubernetes笔记】为什么DNS解析会超时？

【Kubernetes笔记】为什么DNS解析会超时？

【Kubernetes笔记】为什么DNS解析会超时&#xff1f; 目录 1 问题背景2 产生后续的问题3 DNS 负缓存工作原理&#xff1a;4 如何解决和缓解 DNS 负缓存 4.1 减小负缓存 TTL4.2 重试机制4.3 减少 Pod 的频繁重启或调度4.4 使用 Headless Service4.5 手动刷新 DNS 缓存 5 总结 …
阅读更多...
【电脑组装】✈️从配置拼装到安装系统组装自己的台式电脑

【电脑组装】✈️从配置拼装到安装系统组装自己的台式电脑

目录 &#x1f378;前言 &#x1f37b;一、台式电脑基本组成 &#x1f37a;二、组装 &#x1f379;三、安装系统 &#x1f44b;四、系统设置 &#x1f440;五、章末 &#x1f378;前言 小伙伴们大家好&#xff0c;上篇文章分享了在平时开发的时候遇到的一种项目整合情况&…
阅读更多...
15. 三数之和（实际是双指针类型的题目）

15. 三数之和（实际是双指针类型的题目）

15. 三数之和 15. 三数之和 给你一个整数数组 nums &#xff0c;判断是否存在三元组 [nums[i], nums[j], nums[k]] 满足 i ! j、i ! k 且 j ! k &#xff0c;同时还满足 nums[i] nums[j] nums[k] 0 。请你返回所有和为 0 且不重复的三元组。 注意&#xff1a;答案中不可以…
阅读更多...
支持升降压型、升压、降压、60V的1.2MHz频率LED恒流驱动器LGS63040、LGS63042

支持升降压型、升压、降压、60V的1.2MHz频率LED恒流驱动器LGS63040、LGS63042

前言&#xff1a; 一款支持升降压的LED驱动器。适合单节锂电池使用。当然不仅于此。SOT23-5封装的外形和丝印 特性 宽输入电压、宽输出电压范围&#xff1a;3.0V-60V 支持 PWM 调光及模拟调光 内置 60V/350mΩ低侧金属氧化物半导体场效应晶体管 1.2MHz固定工作频率 逐周期峰值…
阅读更多...
最新文章

Copyright @ 2022~2023