当前位置: 首页 > news >正文

AVL树(2):

我们之前讲AVL树,我们讲到了旋转,然后讲了左单旋和右单旋。

但是我们这里的单旋产生的条件都是纯粹的一边比较高,

我们看上面这个图片,当我们插入新的结点导致一边的子树比较高的时候,我们必须是存粹的一边高,和图片上面的几个一样,图片下面的几个就不行。

我们看图片中下面的,当我们插入一个结点,结点里面的key(可能是存单个数据的搜索二叉树set,也可能是存一对数据的搜索二叉树,但是维持我们的搜索二叉树的本质的还是要看我们的key)比我们的5大的时候,这时候我们把他插入到我们的5结点的右子树的位置上。这时候他就不是我们的存粹的一边高了。这时候我们看他的根节点的左子树比右子树要高,根节点的平衡因子就是-2,这时候虽然左边子树高度有问题,但是我们不能直接的进行右旋,他不满足我们的“存粹的一边高”。

所以面对这种情况,我们就要学习新的旋转了;

左右双旋:

这个是我们的左右双旋的抽象图;

首先看当我们的h高度为0的时候:

我们看这个图片:开始的时候,我们是右10和5两个结点,然后我们这时候要给二叉树插入一个新的结点,结点的大小比5要大,这时候他就被插入到5结点的右边去了。

这时候我们的10结点的平衡因子是-2,这时候平衡因子出了问题,我们就要进行旋转,我们先看根节点10的左子树,这棵的右边是冗余的,这时候我们把5这个结点作为我们的旋转点进行左旋,左旋后的结果是我们的第三个图片,这时候它就变成单纯的一边高了,这时候我们就把10最为我们的旋转点,然后进行一个右旋,这时候得到我们的最后一个图片;

我们再看当我们的h等于1的时候:

最左边的是我们的开始时候的图片,然后我们插入一个结点,这个结点插入到我们的b结点的右边了,然后这时候因为他不是一个单纯的一边比较高,这时候我们就使用一个左右双旋,我们先使用左旋,再使用一个右旋;

我们看根节点10的左子树,5这棵树的右边比较高,我们就使用一个左旋,然后得到我们的第三个图片,,然后我们再以我们的根节点10作为我们的旋转点,进行一个右旋得到我们的第四个图片;

平衡因子的调节:

当我们进行了左右双旋,其实就是进行了左旋,再进行右旋,我们上期的时候,我们学习了左单旋和右单旋,我们的单旋的代码最后,我们会把parent和subL的平衡因子置为0;

但是我们的双旋之后,我们的parent和subL的平衡因子不一定是0;这时候,我们就要主动的去改变他的平衡因子,这就要分为几种情况了;

我们看这个图片:我们给5结点的右子树插上一个结点,这时候我们给5结点进行左旋,这时候要把b子树给拆开来看,不然的话,不能达到我们的左旋的逻辑;

这个时候,我们就要分情况来进行讨论了。

第一种:

我们把b子树拆开,把高度为h的树分成一个结点和两个高度为h-1的树,然后在e树上插入一个结点,e树的高度变回h,然后我们进行左右双旋,得到最后一个图片的树。

第二种:

我们给f子树插入结点;然后,,,最后得到我们的第三个数;

第三种:

当我们的h等于0的情况;

这三种情况最后得到的树,里面的平衡因子都是不同的,需要我们手动的按照结果去修改;

理解:

当我们的平衡因子出现问题,我们需要进行旋转,我们先看我们的比较高的子树,这个图片里面就是我们的左子树,左子树的右边子树比较冗余,我们就在左子树上进行一个左旋,完后整棵树的左边的数据比较冗余,我们这时候就给整棵树进行一个右旋。

我们看我们的左右双旋的抽象图,我们的左右双旋就是要把8那个结点作为我们的调节完后的根节点,然后8的左子树变成我们的5的右子树,8的右子树变成我们的10的左子树。

然后5结点变成我们的8的左节点,10结点作为我们8的右节点;

左右双旋的代码的实现:

我们的左右双旋对我们的左单旋和右单旋实行了复用,我们看代码实现,我们判断他是在哪个树插入的,我们就看8结点的平衡因子;8结点的平衡因子是1的时候,就是f子树的插入,8结点的平衡因子是-1的时候,就是e子树的插入,当然只会是这两个树,如果是a树的话,那就不是左右双旋了;

右左双旋:

这个是我们的右左双旋的抽象图:

我们给我们的b子树插入一个结点,然后这时候我们的10结点的平衡因子变成了2,这时候我们就要进行旋转调整;

我们看我们的总的树的右子树,右子树的左子树数据比较冗余,我们给右子树来一个右旋,然后结束后,总的这棵树右边的数据比较冗余,这时候我们就给整棵树一个来一个左旋。

平衡因子:

右左双旋和左右双旋是比较类似的,平衡因子的调节也是要分为三种情况的,我们要把b子树拆开,然后分成三种情况;,,,最后再根据调整完后的树来修改我们的平衡因子;

第一种:

这个就是我们的其中的一种,我们插入的结点在f树上。我们实现完后手动的修改我们的平衡因子;

第二种:

这次我们插入结点的位置在f树上。

第三种:

这个是我们的第三种h为0的时候的情况;

我们的这三种情况最后的树里面的parent,subL,subR这三个结点的平衡因子都不一样;

实现的时候我们就要分情况手动的修改他。

理解:

我们的右左双旋要把12结点作为我们的根节点,12的左子树作为10的右子树,12的右子树作为15的左子树,然后10作为12的左结点,15作为12的右节点;

右左双旋的代码的实现:

右左双旋和左右双旋都是我们的单旋的复用。

AVL树的查找:

我们输入一个key,当然我们也可以是输入一对数据,然后我们进行查找,找到的话就返回这个位置的指针,没找到就返回空指针。

AVL树的删除:

AVL树的删除,当我们删除一个结点的时候,我们就让这个结点的父亲指向我们的这个结点的孩子,然后把这个结点删除,这个结点删除以后,我们要更新我们的平衡因子,我们看第一个图片,当我们要删除7结点的时候,我们让6结点指向我们的7结点的孩子结点,然后修改6结点的平衡因子,我们的6结点的平衡因子,从0变成了-1,这时候,我们可以停止更新我们的平衡因子了,因为没有什么改变,我们的二叉树的高度没有发生变化。我们的6结点有两个孩子,删除一个后高度没有变化,所以,当我们的平衡因子由0变成1或者是-1的时候,这时候我们就可以停止更新我们的平衡因子了,但是如果是1或者-1变成了0,这时候我们就要再不断地更新平衡因子;

看右边的二叉树,我们删除14的结点以后,8结点的平衡因子变成-2,这时候这个二叉树就要旋转。左右双旋。

相关文章:

AVL树(2):

我们之前讲AVL树,我们讲到了旋转,然后讲了左单旋和右单旋。 但是我们这里的单旋产生的条件都是纯粹的一边比较高, 我们看上面这个图片,当我们插入新的结点导致一边的子树比较高的时候,我们必须是存粹的一边高&#xf…...

架构思维:异构数据的同步一致性方案

文章目录 一、引言二、全景架构回顾三、潜在问题问题1:Binlog 延迟——理想 vs 实际问题2:Binlog 格式解析问题3:高可靠消费1. 串行 ACK 消费2. 并行消费+乱序风险3. 解决方案 问题4:缓存数据结构设计1. Key–Value 冗…...

nginx 正反向代理和nginx正则

目录 一. 正向代理 1. 编译安装Nginx 2. 配置正向代理 二. 反向代理 1. 配置nginx七层代理 2. 配置nginx四层代理 三. Nginx 缓存 1. 缓存功能的核心原理和缓存类型 2. 代理缓存功能设置 四. Nginx rewrite和正则 1. Nginx正则 2. nginx location 3. Rewrite …...

SAM-Decoding_ 后缀自动机助力大模型推理加速!

SAM-Decoding: 后缀自动机助力大模型推理加速! 大语言模型(LLMs)的推理效率一直是研究热点。本文介绍的SAM-Decoding方法,借助后缀自动机(Suffix Automaton,SAM)实现推测解码,在提升…...

使用Scrapy构建高效网络爬虫:从入门到数据导出全流程

在数据驱动的时代,网络爬虫已成为获取公开信息的核心工具。本文将带您通过Scrapy框架完成一个实战项目,涵盖从零搭建爬虫到多格式数据导出的完整流程,并深入解析Scrapy的Feed Exports功能。 一、项目背景与目标 我们将爬取书籍网站&#xff…...

Docker安装Gitblit(图文教程)

本章教程,使用Docker安装部署Gitblit。 一、Gitblit简介 Gitblit 是一个基于 Java 的 Git 仓库管理工具,主要用于在局域网或小型团队环境中搭建私有 Git 服务器。它提供了一个简单易用的 Web 界面,用于浏览代码、管理仓库和用户权限等。 二、拉取镜像 sudo docker pull git…...

SpringBoot的汽车商城后台管理系统源码开发实现

概述 汽车商城后台管理系统专为汽车4S店和经销商设计,提供全面的汽车管理系统解决方案。 主要内容 1. 核心功能模块 系统提供以下主要功能: ​​销售管理​​:记录销售信息,跟踪交易进度​​客户管理​​:维护客户…...

组合模式(Composite Pattern)

非常棒!你现在进入了结构型设计模式中最典型的「树形结构」设计模式 —— 组合模式(Composite Pattern)。 我将通过简明解释 清晰代码 类图演示,一步步帮你理解它。 🧠 一句话定义 组合模式允许你将对象组合成树形结…...

Java捕获InterruptedException异常后,会自动清空中断状态

InterruptedException异常一般是在一个线程处于等待(像Thread.sleep()、Object.wait()、Thread.join()等方法)状态时被另一个线程调用interrupt()方法中断而抛出的。一旦捕获到InterruptedException,Java 会自动清除该线程的中断状态。 以下…...

HTML04:图像标签

图像标签 常见的图像标签 JPGGIFPNGBMP <img src"路径" alt"名称" title"悬停名称" width"高" height"宽"/><!DOCTYPE html> <html lang"en"> <head><meta charset"UTF-8&quo…...

供应链算法整理(二)--- 智能补货

供应链业务的目标价值是&#xff1a;优化货品的供给、销售提供支撑&#xff0c;以降低成本&#xff0c;提高时效、收益&#xff0c;最终提升用户体验。基于目标价值&#xff0c;整体的算法模块分为&#xff1a;智能选品、智能预测、品仓铺货、智能补货、智能调拨、仓网路由、快…...

【毕设通关】——Word交叉引用

&#x1f4d6; 前言&#xff1a;在论文中&#xff0c;我们经常会在文段贴图片时&#xff0c;写“如图x所示”的内容&#xff0c;如果每次都手动写数字&#xff0c;那么当需要在前面内容插入图片时&#xff0c;后续更新会很繁琐&#xff0c;这时就需要交叉引用功能。 &#x1f5…...

java技术总监简历模板

模板信息 简历范文名称&#xff1a;java技术总监简历模板&#xff0c;所属行业&#xff1a;其他 | 职位&#xff0c;模板编号&#xff1a;XDNUTA 专业的个人简历模板&#xff0c;逻辑清晰&#xff0c;排版简洁美观&#xff0c;让你的个人简历显得更专业&#xff0c;找到好工作…...

视频编解码学习三之显示器

整理自&#xff1a;显示器_百度百科&#xff0c;触摸屏_百度百科,百度安全验证 分为阴极射线管显示器&#xff08;CRT&#xff09;&#xff0c;等离子显示器PDP&#xff0c;液晶显示器LCD 液晶显示器的组成。一般来说&#xff0c;液晶显示器由以下几个部分组成&#xff1a; […...

【人工智能】大模型安全的深度剖析:DeepSeek漏洞分析与防护实践

《Python OpenCV从菜鸟到高手》带你进入图像处理与计算机视觉的大门! 解锁Python编程的无限可能:《奇妙的Python》带你漫游代码世界 随着大语言模型(LLM)的广泛应用,其安全性问题日益凸显。DeepSeek作为中国领先的开源AI模型,以低成本和高性能著称,但近期暴露的数据库…...

架构思维:使用懒加载架构实现高性能读服务

文章目录 一、引言二、读服务的功能性需求三、两大基本设计原则1. 架构尽量不要分层2. 代码尽可能简单 四、实战方案&#xff1a;懒加载架构及其四大挑战五、改进思路六、总结与思考题 一、引言 在任何后台系统设计中&#xff0c;「读多写少」的业务场景占据主流&#xff1a;浏…...

【AI提示词】黑天鹅模型专家

提示说明 详细解释黑天鹅模型的理论背景、定义、分类及其在不同领域的应用。 提示词 # Role: 黑天鹅模型专家## Profile - language: 中文 - description: 详细解释黑天鹅模型的理论背景、定义、分类及其在不同领域的应用 - background: 黑天鹅模型是尼尔斯莫尔提出的理论&a…...

pip安装包时网络不畅,替换国内PyPI镜像源

1、PyPI 镜像源 1.1、定义 PyPI 镜像源是对 Python Package Index&#xff08;PyPI&#xff09;官方仓库的复制。 PyPI 是 Python 社区中最大的软件包仓库&#xff0c;存储着大量的 Python 包&#xff0c;供开发者们下载和使用。 然而&#xff0c;由于 PyPI 服务器位于国外&a…...

TS 类型推论

应用场景&#xff1a; 1.变量初始化 仅声明不初始化无法推断是什么类型&#xff0c;必须手动添加类型注解 2.决定函数返回值 根据函数体内的运算可以推断出返回值的类型 函数参数的类型声明建议一定要手写...

Java基于SaaS模式多租户ERP系统源码

目录 一、系统概述 二、开发环境 三、系统功能介绍 一、系统概述 ERP&#xff0c;全称 Enterprise Resource Planning 即企业资源计划。是一种集成化的管理软件系统&#xff0c;它通过信息技术手段&#xff0c;将企业的各个业务流程和资源管理进行整合&#xff0c;以提高企业…...

PHP的include和require

文章目录 环境require和includerequire VS includerequire&#xff08;include&#xff09; VS require_once&#xff08;include_once&#xff09;路径问题当前工作目录对相对路径的影响题外话总结其它 参考 环境 Windows 11 专业版XAMPP v3.3.0 PHP 8.2.12Apache 2.4.58 VSC…...

日本人工智能发展全景观察:从技术革新到社会重构的深度解析

一、日本IT产业演进与AI技术崛起的历史脉络 1.1 信息化时代的奠基&#xff08;1990-2010&#xff09; 日本IT产业的腾飞始于"信息高速公路计划"的实施。1994年NTT推出全球首个商用光纤网络&#xff0c;至2005年实现全国光纤覆盖率突破80%。这一时期培育出富士通、N…...

什么是DGI数据治理框架?

DGI数据治理框架是由数据治理研究所&#xff08;Data Governance Institute, DGI&#xff09;提出的一套系统性方法论&#xff0c;旨在帮助企业或组织建立有效的数据治理体系&#xff0c;确保数据资产的高质量管理、合规使用和价值释放。以下是关于DGI数据治理框架的核心内容&a…...

[硬件电路-12]:LD激光器与DFB激光器功能概述、管脚定义、功能比较

一、LD激光器&#xff08;普通半导体激光器&#xff09;功能 核心功能&#xff1a; LD激光器通过半导体材料的电子-空穴复合实现受激辐射&#xff0c;将电能直接转换为高相干性激光&#xff0c;是光电子系统的核心光源。 基础光发射功能 工作原理&#xff1a;正向偏置电流注入…...

升级 CUDA Toolkit 12.9 与 cuDNN 9.9.0 后验证指南:功能与虚拟环境检测

#工作记录 在 NVIDIA 发布 CUDA Toolkit 12.9 与 cuDNN 9.9.0 后&#xff0c;开发者纷纷选择升级以获取新特性和性能提升。 CUDA Toolkit 12.9 与 cuDNN 9.9.0 发布&#xff0c;带来全新特性与优化-CSDN博客 然而&#xff0c;升级完成并不意味着大功告成&#xff0c;确认升级后…...

湖仓一体架构解析:如何平衡数据灵活性与分析性能?

一、什么是湖仓一体架构&#xff1f;解决哪些核心问题&#xff1f; 在数据爆炸的时代&#xff0c;企业面临着如何高效处理和分析海量数据的挑战。传统架构难以同时满足灵活性和性能需求&#xff0c;湖仓一体架构应运而生。 传统数据架构的局限 数据湖&#xff08;存储各类原…...

56、【OS】【Nuttx】编码规范解读(四)

背景 接之前 blog 53、【OS】【Nuttx】编码规范解读&#xff08;一&#xff09; 54、【OS】【Nuttx】编码规范解读&#xff08;二&#xff09; 55、【OS】【Nuttx】编码规范解读&#xff08;三&#xff09; 分析了行宽格式&#xff0c;注释要求&#xff0c;花括号风格等&#…...

MySQL基础关键_007_DQL 练习

目 录 一、题目 二、答案&#xff08;不唯一&#xff09; 1.查询每个部门薪资最高的员工信息 2.查询每个部门高于平均薪水的员工信息 3. 查询每个部门平均薪资等级 4.查询部门中所有员工薪资等级的平均等级 5.不用分组函数 max 查询最高薪资 6.查询平均薪资最高的部门编…...

气泡图、桑基图的绘制

1、气泡图 使用气泡图分析某一年中国同欧洲各国之间的贸易情况。 气泡图分析的三个维度&#xff1a; • 进口额&#xff1a;横轴 • 出口额&#xff1a;纵轴 • 进出口总额&#xff1a;气泡大小 数据来源&#xff1a;链接: 国家统计局数据 数据概览&#xff08;进出口总额&…...

数据库Mysql_联合查询

或许自己的不完美才是最完美的地方&#xff0c;那些让自己感到不安的瑕疵&#xff0c;最终都会变成自己的特色。 ----------陳長生. 1.介绍 1.1.为什么要进行联合查询 在数据设计的时候&#xff0c;由于范式的需求&#xff0c;会被分为多个表&#xff0c;但是当我们要查询数据…...

数字孪生:解码智慧城市的 “数字神经系统”

当城市规模以惊人速度扩张&#xff0c;传统管理模式在交通拥堵、能源浪费、应急响应滞后等问题面前渐显乏力。数字孪生技术正以 “数字镜像” 重构城市运作逻辑&#xff0c;为智慧城市装上一套高效、智能的 “数字神经系统”。通过将物理世界的城市映射到虚拟空间&#xff0c;实…...

开源项目:optimum-quanto库介绍

项目地址&#xff1a;https://github.com/huggingface/optimum-quanto 官网介绍&#xff1a;https://huggingface.co/blog/quanto-introduction 量化是一种技术&#xff0c;通过使用低精度数据类型&#xff08;如 8 位整数 &#xff08;int8&#xff09;&#xff09;而不是通常…...

C++学习:六个月从基础到就业——C++11/14:lambda表达式

C学习&#xff1a;六个月从基础到就业——C11/14&#xff1a;lambda表达式 本文是我C学习之旅系列的第四十篇技术文章&#xff0c;也是第三阶段"现代C特性"的第二篇&#xff0c;主要介绍C11/14中引入的lambda表达式。查看完整系列目录了解更多内容。 引言 Lambda表达…...

cesium基础设置

在上节新建的程序中,我们会看到有一行小字: 原因为我们没有输入token,想要让这行小字消失的方法很简单,前往cesium的官网注册账号申请token.然后在App.vue中如下方式添加token 保存后即可发现小字消失. 如果连logo都想去掉呢? 在源代码中,我们初始化了一个viwer,即查看器窗口…...

一些好玩的东西

‌&#x1f680; 终极挑战&#xff1a;用 curl 玩《星球大战》‌ telnet towel.blinkenlights.nl # 其实不是 curl&#xff0c;但太经典了&#xff01; ‌效果‌&#xff1a;在终端播放 ASCII 版《星球大战》电影&#xff01;&#xff08;如果 telnet 不可用&#xff0c;可以试…...

ActiveMQ 与其他 MQ 的对比分析:Kafka/RocketMQ 的选型参考(二)

ActiveMQ、Kafka 和 RocketMQ 详细对比 性能对比 在性能方面&#xff0c;Kafka 和 RocketMQ 通常在高吞吐量场景下表现出色&#xff0c;而 ActiveMQ 则相对较弱。根据相关测试数据表明&#xff0c;Kafka 在处理大规模日志数据时&#xff0c;单机吞吐量可以达到每秒数十万条甚…...

HTML学习笔记(7)

一、什么是jQuery jQuery 是一个 JavaScript 库。他实现了JavaScript的一些功能&#xff0c;并封装起来&#xff0c;对外提供接口。 例子实现一个点击消失的功能&#xff0c;用JavaScript实现 <!DOCTYPE html> <html lang"en"> <head><meta …...

Jenkis安装、配置及账号权限分配保姆级教程

Jenkis安装、配置及账号权限分配保姆级教程 安装Jenkins下载Jenkins启动Jenkins配置Jenkins入门Jenkins配置配置中文配置前端自动化任务流新建任务拉取代码打包上传云服务并运行配置后端自动化任务流新建任务拉取代码打包上传云服务并运行账号权限分配创建用户分配视图权限安装…...

面向对象编程(Object-Oriented Programming, OOP)是什么?

李升伟 编译 简介 如果你已经接触过软件开发领域的话&#xff0c;你肯定听说过"面向对象编程"&#xff08;Object-Oriented Programming, OOP&#xff09;这个术语。但你知道什么是OOP吗&#xff1f;为什么它如此重要&#xff1f;在这篇文章中我们将深入解析OOP的基…...

Hotspot分析(1):单细胞转录组识别信息基因(和基因模块)

这一期我们介绍一个常见的&#xff0c;高分文章引用很高的一个单细胞转录组分析工具Hotspot&#xff0c;它可针对单细胞转录组数据识别有意义基因或者基因module&#xff0c;类似于聚类模块。所谓的”informative "的基因是那些在给定度量中相邻的细胞之间以相似的方式表达…...

从图文到声纹:DeepSeek 多模态技术的深度解析与实战应用

目录 一、引言二、DeepSeek 技术基础2.1 架构与原理2.2 多模态能力概述 三、文本与图像关联应用3.1 图文跨模态对齐技术3.1.1 技术原理3.1.2 DeepSeek 的独特方法 3.2 图像生成与文本描述3.2.1 应用案例3.2.2 技术实现 3.3 多模态检索系统中的应用3.3.1 系统搭建流程3.3.2 实际…...

cuDNN 9.9.0 便捷安装-Windows

#工作记录 从 CUDA12.6.3 和 cuDNN9.6.0 版本起&#xff0c;开启了使用 exe 安装包直接进行安装升级的支持模式&#xff0c;彻底改变了以往那种繁琐的安装流程。 在这两个版本之前&#xff0c;开发者在安装 CUDA 和 cuDNN 时&#xff0c;不得不手动下载 cuDNN 压缩包&#xf…...

profile软件开发中的性能剖析与内存分析

在软件开发中&#xff0c;“Profile”&#xff08;性能剖析/性能分析&#xff09;指的是通过工具详细监控程序运行时的各种性能指标&#xff0c;帮助开发者定位代码中的效率瓶颈或资源问题。当有人建议你 “profile 一下内存问题” 时&#xff0c;本质上是让你用专业工具动态分…...

0.0973585?探究ts_rank的score为什么这么低

最近在使用postgres利用ts_rank进行排序找到最符合关键词要求得内容时发现: 即使是相似的内容,得分也是非常非常得低(其中一个case是0.0973585)。看起来很奇怪,非常不可行。于是我又做了一个简单测的测试: SELECT ts_rank(to_tsvector(english, skirt), to_tsquery(skirt)…...

架构思维:利用全量缓存架构构建毫秒级的读服务

文章目录 一、引言二、全量缓存架构概述三、基于 Binlog 的缓存同步方案1. Binlog 原理2. 同步中间件3. 架构整合核心收益 四、Binlog 全量缓存的优缺点与优化优点缺点与取舍优化策略 五、其他进阶优化点六、总结 一、引言 架构思维&#xff1a;使用简洁的架构实现高性能读服务…...

永磁同步电机控制算法--基于PI的位置伺服控制

一、原理介绍 永磁同步伺服系统是包含了电流环、速度环和位置环的三环控制系统。 伺服系统通过电流检测电路和光电编码器检测电动机三相绕组电流和转子位置θ&#xff0c;通过坐标变换&#xff0c;计算出转矩电流分量iq和励磁电流分量id。 位置信号指令与实际转子位置信号的差…...

P1603 斯诺登密码详解

这个题目&#xff0c;我详细讲题解的两种方法&#xff0c;洛谷里面的题解&#xff0c;我是觉得大部分的时候是差了点意思的&#xff0c;不是看不懂&#xff0c;就是新知识没人详细讲解&#xff0c;我也是经常破防 先看题目&#xff1a; 题目是什么意思&#xff1a; 1&#xf…...

计算方法实验六 数值积分

【实验性质】综合性实验。 【实验目的】理解插值型积分法&#xff1b;掌握复化积分法算法。 【实验内容】 1对 &#xff0c;用复化梯形积分和变步长梯形积分求值&#xff08;截断误差不超过&#xff09;。 【理论基础】 积分在工程中有重要的应用&#xff0c;数值积分…...

avx指令实现FFT

avx指令实现FFT 参考代码实现的难点补充的avx指令fft_avx256实现可继续优化的点 C语言实现FFT变换参考的代码是参考大模型生成的代码&#xff0c;很明显其使用的是位反转和蝶形变换的方法实现的FFT变换。但是大模型无法正确的生成用avx指令写的FFT变换的算法&#xff0c;所以这…...

Nginx 核心功能之正反代理

目录 一、Nginx 二、正向代理 三、反向代理 四、Nginx 缓存 1. 缓存功能的核心原理和缓存类型 2. 代理缓存功能设置 五、Nginx rewrite和正则 &#xff08;1&#xff09;Nginx 正则 &#xff08;2&#xff09;nginx location &#xff08;3&#xff09;Rewrite &…...