当前位置: 首页 > news >正文

【C++】哈希的概念与实现

1.哈希概念

通过某种函数使元素的存储位置与它的关键码之间能够建立一一映射的关系,可以不经过任何比较,一次直接从表中得到要搜索的元素。
当向该结构中:

  • 插入元素:
    根据待插入元素的关键码,以此函数计算出该元素的存储位置并按此位置进行存放
  • 搜索元素:
    对元素的关键码进行同样的计算,把求得的函数值当做元素的存储位置,在结构中按此位置取元素比较,若关键码相等,则搜索成功

该方式即为哈希(散列)方法,哈希方法中使用的转换函数称为哈希(散列)函数,构造出来的结构称为哈希表(Hash Table)(或者称散列表)

与其它搜索方法比较:
顺序查找时间复杂度为O(N);二分查找为O( l o g 2 N log_2 N log2N)但须先排成一个有序序列会有一定性能损耗,同时在中间插入删除时间复杂度为O(N);平衡树中时间复杂度即为树的高度为O( l o g 2 N log_2 N log2N)

2.哈希冲突

不同关键字通过相同哈希哈数计算出相同的哈希地址,该种现象称为哈希冲突或哈希碰撞。

例如6和66,%10都等于6,映射到的地址相同造成冲突。

3.哈希函数

引起哈希冲突的一个原因可能是:哈希函数设计不够合理。
哈希函数设计原则:

1.哈希函数的定义域必须包括需要存储的全部关键码,而如果散列表允许有m个地址时,其值域必须在0到m-1之间,不能越界访问
2.哈希函数计算出来的地址能均匀分布在整个空间中
3.哈希函数应该比较简

常见哈希函数:

  1. 直接定址法–(常用)
    取关键字的某个线性函数为散列地址:Hash(Key)= A*Key + B
    优点:简单、均匀
    缺点:需要事先知道关键字的分布情况
    使用场景:适合查找比较小且连续的情况
  2. 除留余数法–(常用)
    设散列表中允许的地址数为m,取一个不大于m,但最接近或者等于m的质数p作为除数,按照哈希函数:Hash(key) = key% p(p<=m),将关键码转换成哈希地址

认识了解一下非常见哈希函数:

  1. 平方取中法–(了解)
    假设关键字为1234,对它平方就是1522756,抽取中间的3位227作为哈希地址;再比如关键字为4321,对它平方就是18671041,抽取中间的3位671(或710)作为哈希地址平方取中法比较适合:不知道关键字的分布,而位数又不是很大的情况
  2. 折叠法–(了解)
    折叠法是将关键字从左到右分割成位数相等的几部分(最后一部分位数可以短些),然后将这几部分叠加求和,并按散列表表长,取后几位作为散列地址。折叠法适合事先不需要知道关键字的分布,适合关键字位数比较多的情况
  3. 随机数法–(了解)
    选择一个随机函数,取关键字的随机函数值为它的哈希地址,即H(key) = random(key),其中random为随机数函数。通常应用于关键字长度不等时采用此法
  4. 数学分析法–(了解)
    设有n个d位数,每一位可能有r种不同的符号,这r种不同的符号在各位上出现的频率不一定相同,可能在某些位上分布比较均匀,每种符号出现的机会均等,在某些位上分布不均匀只有某几种符号经常出现。可根据散列表的大小,选择其中各种符号分布均匀的若干位作为散列地址。通常适合处理关键字位数比较大的情况,如果事先知道关键字的分布且关键字的若干位分布较均匀的情况

注意:哈希函数设计的越精妙,产生哈希冲突的可能性就越低,但是无法避免哈希冲突

4.哈希表的实现

基本结构

enum STATE
{EXIST,EMPTY,DELETE
};template<class K, class V>
struct HashData
{pair<K, V> _kv;//状态给一个缺省值空STATE _state = EMPTY;
};template<class K,class Vclass HashFunc= DefaultHashFunc<K>>
class HashTable
{
private:vector<HashData<K, V>> _table;size_t _n = 0;//存储有效数据的个数
};

1.STATE枚举类型表示哈希表每个槽位中状态
2.节点定义:键值对和槽位状态
3.HashTable哈希表模板类
使用 vector 动态数组来存储 HashData 对象,表示哈希表的底层存储。_n记录哈希表中有效数据的个数,因为哈希表物理上是一段连续的数组空间,逻辑上是空间不连续的哈希表,存在空位,所以vector自带的capacity容量函数无法表示有效元素个数。
vector::size():返回 _table 中的总槽位数,包括 EMPTY 和 DELETE 的槽位。
有效元素个数:实际存储的有效数据个数(即状态为 EXIST 的槽位数)。
所以通过维护 _n,可以高效地获取哈希表中有效元素的数量

4.1哈希冲突解决

4.2闭散列

也叫开放定址法,当发生哈希冲突时,如果哈希表未被装满,说明在哈希表中必然还有空位置,那么可以把key存放到冲突位置中的“下一个” 空位置“中去。

可采用以下方法

线性探测
  • 插入:

从发生冲突的位置开始,依次向后探测,直到寻找到下一个空位置止。
在这里插入图片描述

  • 代码解析
bool Insert(const pair<K, V>& kv)
{//检查扩容,判断是否超出载荷因子//if((double)_n/_table.size()>=0.7)//强制类型转换情况if (10 * _n / _table.size() >= 7)//都转化为int操作{//遍历旧表,重新映射到新表size_t newsize = _table.size() * 2;HashTable<K,V,HashFunc> newht;newht._table.resize(newsize);//遍历旧表数据插入到新表for (size_t i = 0; i < _table.size(); i++){if (_table[i]._state == EXIST){newht.Insert(_table[i]._kv);}}_table.swap(newht._table);}//线性探测,查找空槽位HashFunc hf;size_t hashi = hf(kv.first) % _table.size();while (_table[hashi]._state == EXIST){hashi++;hashi %= _table.size();}_table[hashi]._kv = kv;_table[hashi]._state = EXIST;_n++;return true;
}

仿函数部分:

在这里插入图片描述
因为Insert的参数是const的_kv,无法进行修改,这时候就需要仿函数(哈希函数)的帮忙,自己控制比较修改方式,将const的键值转化为无符号整型进行取模运算。
运用模板特化进行对string类型键值到整型的转换,采取了BKRD字符串哈希算法来进行转化减少哈希冲突,还有很多种方法可以查文献

检查扩容部分:

扩容后原来冲突的现在不一定冲突了,原来不冲突的现在可能冲突,因为槽位更多了向末尾查找比往前查找的概念更大了,所以冲突关系大概率发生变化。
>采取创建新的哈希表对象来接受原对象的映射,在调用vector的swap函数交换回旧表,新表作为局部对象在扩容操作完后将自动销毁

为什么不是直接创建一个新的动态数组 vector<HashData<K, V>> _newtable来帮助完成扩容操作呢?
因为哈希表对象能保证封装信和内部状态的一致性,因为哈希表内不止有动态数组,还有哈希函数,_n等,可以自动管理载荷因子维护性能。若直接创建动态数组需要重新手动实现哈希逻辑

线性探测部分:

通过HashFunc hf;定义仿函数对象,重载了operator(),可以像普通函数一样调用。
进行取模运算,找空位的循环条件是状态为存在就更新hashi下标索引,循环内再进行取模运算,递增 hashi 时,可能会超出哈希表的大小。取模操作可以将索引“环绕”到哈希表的起始位置,继续从头查找。确保索引在有效范围内。
找到空位后更新状态

载荷因子:

在这里插入图片描述

  • 查找:
HashData<const K, V>* Find(const K& key)
{HashFunc hf;size_t hashi = hf(key) % _table.size();while (_table[hashi]._state !=EMPTY){//找到了if (_table[hashi]._state == EXIST &&_table[hashi]._kv.first == key){return (HashData<const K, V>*)&_table[hashi];}hashi++;hashi %= _table.size();}return nullptr;
}

返回值key值不可修改,利用线性探测实现查找,当前槽位不是空的,就继续查找,然后检查当前槽位的状态是否为 EXIST,并且槽位中的键值 _kv.first 是否与目标键值 key 相等,匹配返回该槽位指针,否则返回空。
注意返回值要强转指针类型

  • 删除:

采用闭散列处理哈希冲突时,不能随便物理删除哈希表中已有的元素,若直接删除元素会影响其他元素的搜索。比如删除元素4,如果直接删除掉,44查找起来可能会受影响。因此线性探测采用标记的伪删除法来删除一个元素。

bool Erase(const K& key)
{HashData<const K, V>* ret = Find(key);if (ret){ret->_state = EMPTY;_n--;return true;}return false;
}
  • 缺点

一旦发生哈希冲突,所有的冲突连在一起,容易产生数据“堆积”,即:不同关键码占据了可利用的空位置,使得寻找某关键码的位置需要许多次比较,导致搜索效率降低。最大的缺陷就是空间利用率比较低

二次探测

线性探测的缺陷是产生冲突的数据堆积在一块,这与其找下一个空位置有关系,因为找空位置的方式就是挨着往后逐个去找,因此二次探测为了避免该问题,找下一个空位置的方法为: H i H_i Hi = ( H 0 H_0 H0 + i 2 i^2 i2 )% m, 或者: H i H_i Hi = ( H 0 H_0 H0 - i 2 i^2 i2 )% m。其中:i = 1,2,3…, H 0 H_0 H0是通过散列函数Hash(x)对元素的关键码 key 进行计算得到的位置,m是表的大小。

4.3开散列

  • 概念:

又叫链地址法(开链法),首先对关键码集合用散列函数计算散列地址,具有相同地址的关键码归于同一子集合,每一个子集合称为一个,各个桶中的元素通过一个单链表链接起来,各链表的头结点存储在哈希表中。
每个哈希桶中放的都是发生哈希冲突的元素。

哈希桶扩容时不适合复用insert涉及节点的开辟和销毁

哈希桶的实现

基本结构
namespace hash_bucket
{template<class K,class V>struct HashNode{pair<K, V> _kv;HashNode<K, V>* next;HashNode(const pair<K, V>& _kv):_kv(kv), newxt(nullptr){ }};template<class K,class V,class HashFunc= DefaultHashFunc<K>>class HashTable{typedef HashNode<K, V> Node;private:vector<Node*> _table;//指针数组size_t _n = 0;};

1.定义在哈希桶命名空间内,方便调用区分
2.节点的定义与哈希表相比不需要表明状态,替换成一个next指针,能直接完成插入,删除操作
3。vector<Node*> _table;定义指针数组,vector可自动扩容,每个槽位存储一个指向链表头节点的指针,每个链表存储多个具有相同哈希值的元素

析构函数
~HashTable()
{for (size_t i = 0; i < _table.size(); i++){Node* cur = _table[i];while (cur){Node* next = cur->next;delete cur;cur = next;}_table[i] = nullptr;}
}

vector<Node*> _table中vector 是一个动态数组,当它超出作用域或被销毁时,其内部管理的内存空间会自动被释放。
Node* 是指向堆上分配的 Node 对象的指针,是内置类型,不会自动调用析构函数,需要手动释放
代码逻辑:
1.创建cur来遍历每个槽位头节点所指向的链表,循环中要提前保存next指针,然后销毁cur中对象并释放内存,更新cur,将 _table[i] 指针置空,确保 _table[i] 不再指向已经被释放的内存

插入
bool Insert(const pair<K, V>& kv)
{if (Find(kv.first)){return false;}HashFunc hf;//检查扩容,载荷因子到1就扩容if (_n == _table.size()){size_t newsize = _table.size() * 2;vector<Node*> newtable;newtable.resize(newsize, nullptr);//遍历旧表,将节点转移挂到新表for (size_t i = 0; i < _table.size(); i++){Node* cur = _table[i];//在数组中向下遍历处理每一个哈希桶while (cur){size_t hashi = hf(cur->_kv.first) % newsize;Node* next = cur->_next;cur->_next = newtable[hashi];newtable[hashi]=cur;//更新节点cur = next;}_table[i] = nullptr;}//交换新旧表_table.swap(newtable);}//插入新节点size_t hashi = hf(kv.first) % _table.size();Node* newnode = new Node(kv);newnode->_next = _table[hashi];_table[hashi] = newnode;++_n;return true;
}

思路解析:
1.首先判断要插入节点是否存在
2.检查扩容:
桶的个数是一定的,随着元素的不断插入,每个桶中元素的个数不断增多,极端情况下,可能会导致一个桶中链表节点非常多,会影响的哈希表的性能。开散列最好的情况是:每个哈希桶中刚好挂一个节点,再继续插入元素时,每一次都会发生哈希冲突,因此,在元素个数刚好等于桶的个数时,可以给哈希表增容。
具体操作:
a:与闭散列哈希表相比不需要建立一张新表来接收旧表,直接建立一个新动态数组即可,因为哈希桶中不需要维护状态,链表可以直接完成插入删除操作。
b:计算新容量,先计算hashi索引,循环遍历旧表节点到新表,缓解原表哈希冲突,每遍历完一个哈希桶,原表当前槽位记得置空,方便后续与新表交换
3.插入新节点:
计算hashi索引,然后new一个新节点,进行头插操作,将新节点的_next指针指向当前槽位中链表头节点,然后将头节点赋值为新节点,完成。更新当前元素有效个数。

查找
Node* Find(const K& key)
{HashFunc hf;size_t hashi = hf(key) % _table.size();//在该哈希桶中遍历寻找Node* cur = _table[hashi];while (cur){if (cur->_kv.first == key){return cur;}cur = cur->_next;}return nullptr;
}

先计算hashi索引,在当前哈希桶中遍历链表寻找,找到返回当前节点,否则返回空。

删除
bool Erase(const K& key)
{HashFunc hf;size_t hashi = hf(key) % _table.size();Node* cur = _table[hashi];Node* prev = nullptr;while (cur){if (cur->_kv.first == key){//判断要删除节点为头节点情况if (prev == nullptr){_table[hashi] = cur->_next;}else{prev = cur->_next;}--_n;delete cur;return true;}//更新节点继续遍历prev = cur;cur = cur->_next;}return false;
}

1.提前保存删除节点的上一个节点prev,方便重新链接
2.注意判断删除节点为头节点和链表中间节点的情况
3.更新链接关系后删除释放当前cur

相关文章:

【C++】哈希的概念与实现

1.哈希概念 通过某种函数使元素的存储位置与它的关键码之间能够建立一一映射的关系&#xff0c;可以不经过任何比较&#xff0c;一次直接从表中得到要搜索的元素。 当向该结构中&#xff1a; 插入元素&#xff1a; 根据待插入元素的关键码&#xff0c;以此函数计算出该元素的…...

Spring 代理与 Redis 分布式锁冲突:一次锁释放异常的分析与解决

Spring 代理与 Redis 分布式锁冲突&#xff1a;一次锁释放异常的分析与解决 Spring 代理与 Redis 分布式锁冲突&#xff1a;一次锁释放异常的分析与解决1. 问题现象与初步分析2 . 原因探究&#xff1a;代理机制对分布式锁生命周期的干扰3. 问题复现伪代码4. 解决方案&#xff1…...

vue Element-ui对图片上传和选用时的比例控制

vue Element-ui对图片上传和选用时的比例控制 在后台上传图片和选用已经上传的图片时&#xff0c;往往会因为图片的比例控制不到位导致在客户端渲染时效果差强人意&#xff0c;虽然可以在操作时选择合适的比例上传&#xff0c;但必要的控制还是能完成渲染时良好的体验&#xf…...

UE5在C++项目中判断不同平台

在Unreal Engine 5的C代码中&#xff0c;可以通过以下方法判断当前运行的平台&#xff08;如Android、Windows、iOS&#xff09;&#xff0c;并根据平台执行不同的逻辑&#xff1a; 方法1&#xff1a;使用预处理器宏&#xff08;编译时判断&#xff09; Unreal Engine提供了一…...

用 CodeBuddy 实现「IdeaSpark 每日灵感卡」:一场 UI 与灵感的极简之旅

项目起点&#xff1a;一次随手的灵感 有时候&#xff0c;灵感稍纵即逝&#xff0c;尤其是面对屏幕发呆的时候。那天我忽然想到——要是能有一个每天弹出一句创意提示、灵感金句的应用就好了&#xff0c;最好配上简洁但有氛围感的 UI&#xff0c;像抽一张卡片一样&#xff0c;轻…...

std::ranges::views::as_const 和 std::ranges::as_const_view

std::ranges::views::as_const 和 std::ranges::as_const_view 是 C23 引入的视图适配器&#xff0c;用于生成一个不可变的视图&#xff0c;确保通过该视图访问元素时&#xff0c;元素被视为常量。以下是详细说明和示例&#xff1a; 基本概念 功能&#xff1a; 将输入范围的元素…...

3D 数据交换格式(.3DXML)简介

3DXML 是一种基于 XML 的 3D 数据交换格式&#xff0c;由达索系统(Dassault Systmes)开发&#xff0c;主要用于其 CATIA、SOLIDWORKS 和 3DEXPERIENCE 等产品中。 基本概述 ​​全称​​&#xff1a;3D XML​​开发者​​&#xff1a;达索系统​​主要用途​​&#xff1a;3D…...

深度解析3D模型生成器:基于StyleGAN3与PyTorch3D的多风格生成工具开发实战

引言&#xff1a;跨模态生成的革命性突破 在元宇宙与数字孪生技术蓬勃发展的今天&#xff0c;3D内容生成已成为制约产业发展的关键瓶颈。传统建模方式依赖专业软件和人工操作&#xff0c;而基于深度学习的生成模型正颠覆这一范式。本文将深入解析如何构建支持多风格生成的3D模…...

DTAS 3D多约束装配助力悬架公差分析尺寸链计算:麦弗逊/双叉臂/多连杆/H臂一网打尽

摘要&#xff1a;汽车四轮定位参数与悬架密切相关。汽车悬架对于车辆的行驶性能、安全性和舒适性至关重要。DTAS 3D提供了各类型悬架的公差仿真分析方法。 关键字&#xff1a;DTAS 3D、前后悬架、公差仿真分析、 运动耦合 一、悬架公差分析综述 悬架是车身&#xff08;或车架…...

CRMEB多商户预约服务上门师傅端

随着科技的不断发展&#xff0c;人们对于生活品质的要求也在不断提高。在这个过程中&#xff0c;各种便捷的上门服务应运而生&#xff0c;为我们的生活带来了极大的便利。而CRMEB多商户预约服务上门师傅端正是这样一款致力于为用户提供专业、高效、便捷的上门服务的应用。 一、…...

labview硬件开发板——LED流水灯

函数 &#xff1a; int DoSetV12( unsigned char chan, unsigned char state); 功能 &#xff1a;设置 OUT0—3 的输出状态&#xff0c;输入参数为 8 位字符型&#xff0c; Chan&#xff1a;4 位要设置的通道&#xff0c;0 对应 OUT1……3 对应 OUT4 ( 注意&#xff1a;开…...

linux——mysql故障排查与生产环境优化

目录 一&#xff0c;mysql数据库常见的故障 1&#xff0c;故障现象1 2&#xff0c;故障现象2 3&#xff0c;故障现象3 &#xff14;&#xff0c;故障现象&#xff14; &#xff15;&#xff0c;故障现象&#xff15; &#xff16;&#xff0c;故障现象&#xff16; 二&…...

MongoDB及spring集成

MongoDB 是一个基于 分布式文件存储 的开源 NoSQL 数据库系统 用文档存数据&#xff0c;每个文档可以看作是一个键值对集合&#xff0c;类似于 JSON 对象 MongoDB 支持索引以提高查询性能&#xff0c;并且可以在任何属性上创建索引 文档&#xff08;Document&#xff09; M…...

一发入魂:极简解决 SwiftUI 复杂视图未能正确刷新的问题(下)

概述 各位似秃非秃小码农们都知道,在 SwiftUI 中视图是状态的函数,这意味着状态的改变会导致界面被刷新。 但是,对于有些复杂布局的 SwiftUI 视图来说,它们的界面并不能直接映射到对应的状态上去。这就会造成一个问题:状态的改变并没有及时的引起 UI 的变化。 如上图所示…...

关于我在使用stream().toList()遇到的问题

关于我在使用stream().toList()遇到的问题 问题描述 在测试以上程序的时候抛出了空指针异常 于是我以为是我数据库中存在null字段&#xff0c;但查看后发现并不存在为null的数据 问题排查 起初我以为问题出现在sort排序方法这&#xff0c;事实也确实是&#xff0c;当我把s…...

如何通过生成式人工智能认证(GAI认证)提升自己的技能水平?

当生成式人工智能从实验室走向生产线,职场人正面临一个关键抉择:是被动等待技术浪潮的冲刷,还是主动构建适应未来的能力护城河?职业技能培训的终极目标,早已超越“掌握工具”的初级阶段,转向“构建技术认知体系”的深层需求。生成式人工智能认证(GAI认证)的兴起,正是这…...

通讯协议串口 | 485标准

485通讯&#xff08;RS-485&#xff09;详解 一、基本概念与核心原理 定义与标准 RS-485&#xff08;又称EIA-485&#xff09;是一种由美国电子工业协会&#xff08;EIA&#xff09;制定的差分信号串行通信标准&#xff0c;属于OSI模型的物理层协议。它专为工业环境设计&#…...

新能源充电桩智慧管理系统:未来新能源汽车移动充电服务发展前景怎样?

随着全球新能源汽车保有量的持续攀升&#xff0c;传统固定充电桩建设速度已难以满足用户日益增长的补能需求。在这一背景下&#xff0c;移动充电服务作为充电基础设施的重要补充&#xff0c;正展现出巨大的发展潜力。政策支持、技术进步&#xff08;如快充、智能调度&#xff0…...

【强化学习】#6 n步自举法

主要参考学习资料&#xff1a;《强化学习&#xff08;第2版&#xff09;》[加]Richard S.Suttion [美]Andrew G.Barto 著 文章源文件&#xff1a;https://github.com/INKEM/Knowledge_Base 概述 n步时序差分方法是蒙特卡洛方法和时序差分方法更一般的推广。将单步Sarsa推广到n…...

双指针算法:原理与应用详解

文章目录 一、什么是双指针算法二、双指针算法的适用场景三、双指针的三种常见形式1. 同向移动指针2. 相向移动指针3. 分离指针 四、总结 一、什么是双指针算法 双指针算法&#xff08;Two Pointers Technique&#xff09;是一种在数组或链表等线性数据结构中常用的高效算法技…...

小土堆pytorch--神经网路的基本骨架(nn.Module的使用)卷积操作

小土堆pytorch–神经网路的基本骨架&#xff08;nn.Module的使用&#xff09; 对于官网nn.Module操作的解释 在pytorch官网可以看到 对于上述forward函数的解释&#xff1a; 示例代码 import torch from torch import nnclass Test(nn.Module): # 继承神经网路的基本骨架…...

数据库连接池技术与 Druid 连接工具类实现

目录 1. 数据库连接池简介 1.1. 什么是数据库连接池 1.2. 不使用数据库连接池可能存在的问题 1.3. JDBC数据库连接池的必要性 1.4. 数据库连接池的优点 1.5. 常用的数据库连接池 2. Druid连接池 2.1. Druid简介 2.2. Druid使用步骤 2.2.1. 第一步的步骤详解&#xff…...

chrome源码中WeakPtr 跨线程使用详解:原理、风险与最佳实践

base::WeakPtr 在 Chromium 中 不能安全地跨线程使用。这是一个很关键的点&#xff0c;下面详细解释原因及正确用法。 &#x1f50d;原理与使用 ✅ 先说答案&#xff1a; base::WeakPtr 本质上是**线程绑定&#xff08;thread-affine&#xff09;**的。不能在多个线程之间创建…...

vue2使用three.js实现一个旋转球体

vue页面中 <div ref"container"></div>data声明 scene: null, camera: null, renderer: null, controls: null, rotationType: sphere, rotationTimer: null,backgroundImageUrl: https://mini-app-img-1251768088.cos.…...

社交平台推出IP关联机制:增强用户体验与网络安全的新举措

社交平台为我们提供与亲朋好友保持联系、分享生活点滴的便捷渠道&#xff0c;还成为了信息传播、观点交流的重要平台。然而&#xff0c;随着社交平台的普及&#xff0c;网络空间中的虚假信息、恶意行为等问题也日益凸显。为了应对这些挑战&#xff0c;许多社交平台相继推出IP关…...

sherpa-ncnn:音频处理跟不上采集速度 -- 语音转文本大模型

目录 1. 问题报错2. 解决方法 1. 问题报错 报错&#xff1a; An overrun occurred, which means the RTF of the current model on your board is larger than 1. You can use ./bin/sherpa-ncnn to verify that. Please select a smaller model whose RTF is less than 1 fo…...

【android bluetooth 协议分析 01】【HCI 层介绍 8】【ReadLocalVersionInformation命令介绍】

1. HCI_Read_Local_Version_Information 命令介绍 1. 功能&#xff08;Description&#xff09; HCI_Read_Local_Version_Information 命令用于读取本地 Bluetooth Controller 的版本信息&#xff0c;包括 HCI 和 LMP 层的版本&#xff0c;以及厂商 ID 和子版本号。 这类信息用…...

android13以太网静态ip不断断开连上问题

总纲 android13 rom 开发总纲说明 文章目录 1.前言2.log记录3.问题分析4.代码修改5.彩蛋1.前言 android13以太网静态ip不断断开连上,具体情况为保存静态以太网成功后,可以看到以太网链接成功的图标,但是几秒后会消失,出现断网,几秒后又出现,反复出现和消失。 2.log记录…...

UA 编译和建模入门教程(zhanzhi学习笔记)

一、使用SIOME免费工具建模 从西门子官网下载软件SIOS&#xff0c;需要注册登录&#xff0c;下载安装版就行。下载后直接安装就可以用了&#xff0c;如图&#xff1a; 安装完成后打开&#xff0c;开始建模&#xff0c;如图左上角有新建模型的按钮。 新建了新工程后&#xff0c…...

系统架构设计-案例分析总结

系统架构设计-案例分析总结 2024年下半年系统架构设计师案例第1题 2022年下半年系统架构设计师案例第1题第2题 2021年下半年系统架构设计师案例第1题第2题 2024年下半年系统架构设计师案例 题&#xff1a;效用树可用性中ping/echo策略和心跳策略比较 第1题 阅读以下关于面向质…...

【QT】一个界面中嵌入其它界面(三)

在 Qt 中&#xff0c;通过 UI 设计 或 代码布局 实现界面 A 中同时显示界面 B 和 C&#xff0c;并精确指定它们的位置&#xff0c;可以通过以下两种方式实现。以下是详细步骤和完整代码&#xff1a; 方法 0&#xff1a;使用 Qt Designer 可视化布局 通过 Qt Designer 拖拽控件…...

实战教程:影刀RPA采集闲鱼商品并分享钉钉

1.实战目标 采集字段&#xff1a; 采集时间商品ID商品标题标价商品链接 采集的第一个品 可通过钉钉分享给好友 也可以通过钉钉群通知指令&#xff0c;发送到指定群 2.实战代码 2.1 主体代码 2.2 采集初始化 先初始化环境 这一步骤主要是连接手机&#xff0c;能使用影刀RPA操…...

多模态大语言模型arxiv论文略读(八十二)

Emotion-LLaMA: Multimodal Emotion Recognition and Reasoning with Instruction Tuning ➡️ 论文标题&#xff1a;Emotion-LLaMA: Multimodal Emotion Recognition and Reasoning with Instruction Tuning ➡️ 论文作者&#xff1a;Zebang Cheng, Zhi-Qi Cheng, Jun-Yan H…...

常见排序算法整理(Java实现)

1.冒泡排序&#xff08;Bubble Sort&#xff09; 原理 重复遍历数组&#xff0c;比较相邻元素&#xff0c;若顺序错误则交换。每趟将最大元素"冒泡"到末尾。 每次遍历保证了最大元素被放在最后&#xff0c;所以内层循环不需要遍历到最后的位置。 代码实现 public …...

c++字符串常用语法特性查询示例文档(二)

在 C中&#xff0c;除了std::string和std::string_view&#xff0c;还有其他一些与字符串相关的类型&#xff0c;它们各自针对不同的场景进行了优化。以下是一些常见的字符串类型及其使用方式和适用场景的汇总。 紧接上篇 c字符串常用语法特性查询示例文档&#xff08;一&#…...

10.14 Function Calling与Tool Calling终极解析:大模型工具调用的5大核心差异与实战优化

Function Calling vs Tool Calling:大模型工具调用机制深度解析 关键词:Function Calling 原理, Tool Calling 实现, @tool 装饰器, ToolMessage 机制, 工具调用优化 1. 核心概念对比分析 #mermaid-svg-uDxSPB1CoQrHDxrT {font-family:"trebuchet ms",verdana,ari…...

opencascade如何保存选中的面到本地

环境&#xff1a;occ 7.6 需求场景&#xff1a;用户点击了一个TopoDS_Shape&#xff0c;还选中了其中一个面&#xff0c;这时候他点了保存。用户下次打开模型文件时&#xff0c;我们的viewer窗口要恢复上次的选中状态。 核心问题&#xff1a;如何把用户选中的面保存&#xff0c…...

CSS 单位详解:px、rem、em、vw/vh 的区别与使用场景

CSS 单位详解&#xff1a;px、rem、em、vw/vh 的区别与使用场景 在 CSS 中&#xff0c;各种单位有不同的特性和适用场景&#xff0c;理解它们的区别对实现响应式布局至关重要。 1. 绝对单位 px 特点&#xff1a; 像素&#xff08;Pixel&#xff09;是绝对长度单位1px 对应屏…...

YOLO模型predict(预测/推理)的参数设置

上一章描述了预测初体验,基本可以使用现有的yolo模型进行预测/推理。本次我们了解一下这个过程中的参数的作用。 1.参数示例 conf=0.68 :表示模型识别这个东西是车的概率为68% 。一般默认的情况下,概率小于25%的就不显示了。 1)调整一下python的代码的参数如下,可以预测图…...

MATLAB中NLP工具箱支持聚类算法

文章目录 前言一、层次聚类&#xff08;Hierarchical Clustering&#xff09;二、DBSCAN&#xff08;基于密度的空间聚类&#xff09;三、高斯混合模型&#xff08;GMM&#xff09;四、谱聚类&#xff08;Spectral Clustering&#xff09;五、模糊 C 均值&#xff08;Fuzzy C-M…...

甘特图工具怎么选?免费/付费项目管理工具对比测评(2025最新版)

2025年甘特图工具的全面指南 在项目管理领域&#xff0c;甘特图作为最直观的任务规划和进度追踪工具&#xff0c;已成为团队协作和项目执行的核心手段。随着数字化技术的快速发展&#xff0c;2025年的甘特图工具市场呈现出前所未有的多元化和智能化趋势。从开源软件到云端协作…...

Google设置app-ads.txt

问题&#xff1a; 应用上架后admob后台显示应用广告投放量受限&#xff0c;需要设置app-ads.txt才行。 如何解决&#xff1a; 官方教程: 看了下感觉不难&#xff0c;创建一个txt&#xff0c;将第二条的代码复制进行就得到app-ads.txt了。 然后就是要把这个txt放到哪才可以…...

Swift 二分查找实战:精准定位第一个“Bug版本”(LeetCode 278)

文章目录 摘要描述示例 题解答案&#xff08;Swift&#xff09;题解代码分析示例测试及结果输出结果&#xff1a; 时间复杂度分析空间复杂度分析总结 摘要 在版本迭代频繁的项目开发中&#xff0c;定位引入 bug 的第一个版本是一项高频任务。LeetCode 第278题“第一个错误的版…...

《AI革命重塑未来五年:医疗诊断精准度翻倍、自动驾驶事故锐减90%,全球科技版图加速变革》

1. 显著突破领域&#xff1a;AI 引发医疗与自动驾驶的范式变革 医疗领域的突破&#xff1a; AI正深刻改变医学研发和临床诊疗模式。在新药研发现代生物学中&#xff0c;DeepMind公司推出的 AlphaFold AI 模型在蛋白质折叠预测上取得了重大突破&#xff0c;被视为解决了困扰科学…...

【盈达科技】AICC™系统:重新定义生成式AI时代的内容竞争力

盈达科技AICC™系统&#xff1a;重新定义生成式AI时代的内容竞争力 ——全球首款AI免疫化内容中台的技术革命与商业实践 一、技术破局&#xff1a;AICC™系统如何重构AI内容生态 1. 技术架构&#xff1a;四大引擎构建闭环护城河 盈达科技AICC™&#xff08;AI-Immunized Con…...

芯驰科技与安波福联合举办技术研讨会,深化智能汽车领域合作交流

5月15日&#xff0c;芯驰科技与全球移动出行技术解决方案供应商安波福&#xff08;Aptiv&#xff09;在上海联合举办以“芯智融合&#xff0c;共赢未来”为主题的技术研讨会。会上&#xff0c;双方聚焦智能座舱与智能车控的发展趋势&#xff0c;展开深入交流与探讨&#xff0c;…...

开发 前端搭建npm v11.4.0 is known not to run on Node.js v14.18.1.

错误nodejs 和npm 版本不一致 ERROR: npm v11.4.0 is known not to run on Node.js v14.18.1. This version of npm supports the following node versions: ^20.17.0 || >22.9.0. You can find the latest version at https://nodejs.org/. ERROR: D:\softTool\node-v14…...

关于systemverilog中在task中使用force语句的注意事项

先看下面的代码 module top(data);logic clk; inout data; logic temp; logic sampale_data; logic [7:0] data_rec;task send_data(input [7:0] da);begin(posedge clk);#1;force datada[7];$display(data);(posedge clk);#1;force datada[6]; $display(data); (posed…...

国产 iPaaS 与国外 iPaaS 产品相比如何?以谷云科技为例

iPaaS&#xff08;Integration Platform as a Service&#xff09;作为企业集成的关键技术&#xff0c;受到了广泛关注。国产 iPaaS 产品与国外 iPaaS 产品存在诸多差异&#xff0c;以下将从多个方面进行分析探讨。 一、技术架构与创新 国外 iPaaS 产品往往技术架构成熟且先进…...

低功耗:XILINX FPGA如何优化功耗?

优化Xilinx FPGA及其外围电路的功耗需要从硬件设计、软件配置和系统级优化三个层面综合考虑。以下是具体的优化策略&#xff0c;涵盖硬件和软件方面&#xff1a; 一、硬件层面的功耗优化 选择低功耗FPGA型号 选择Xilinx低功耗系列芯片&#xff0c;如7系列中的Artix-7&#xff…...