当前位置：首页 > news >正文

2024 APMCM亚太数学建模C题 - 宠物行业及相关产业的发展分析和策略（详细解题思路）

news 来源：原创 2025/8/3 18:33:55

在当下，日益发展的时代，宠物的数量应该均为稳步上升，在美国出现了下降的趋势，中国 2019-2020 年也下降，这部分变化可能与疫情相关。需要对该部分进行必要的解释说明。

问题 1:

基于附件 1 中的数据及您的团队收集的额外数据，请分析过去五年中国宠物行业按宠物类型的发展情况。并分析中国宠物行业发展的影响因素，从而建立一个合适的数学模型，预测未来三年中国宠物行业的发展。

对于问题一，一共三个问题分析发展情况+分析影响因素+预测未来发展

分析发展情况；使用图表（例如折线图、柱状图）对不同类型宠物（猫、狗等）的市场增长趋势进行可视化。进行必要的文字描述，进行描述性分析即可。

例如,通过饼图或柱状图比较不同宠物类型在总市场中的占比 ;使用折线图展示不同类型宠物数量及市场规模的变化趋势。

分析影响因素；影响中国宠物行业发展的因素可能有多个，涵盖经济、社会、文化等多方面。首先对收集到的指标进行分类，按类别进行分析。使用皮尔逊相关系数或 Spearman 相关系数，分析各个潜在因素与宠物数量、宠物市场规模之间的相关性，从中筛选出重要的影响因素。对于部分类别含有较多的指标，可以使用数据降维的方式进行降维处理。

宠物行业核心指标：涵盖直接描述宠物市场的指标，包括宠物类型、宠物数量、市场规模、宠物食品、兽医服务等核心业务数据。

国际贸易相关指标：主要涉及各个国家的商品出口、进口以及商业服务进出口的数据，反映了宠物食品出口及进口等方面的国际贸易情况。

人口与社会因素：包括人口的基本统计信息、人口结构以及年轻群体的就业情况等，能够帮助分析宠物市场的潜在驱动因素。

经济发展与收入不平等指标：包括经济发展水平（如人均GDP）、居民消费能力，以及衡量收入差距的基尼系数，能反映消费者的购买能力和市场潜力。

生产与消费相关指标：例如食品生产指数，可以用来评估食品生产能力对宠物食品市场供应的影响。

问题 2:

近年来，欧洲国家和美国等海外宠物行业也在迅速发展。请基于附件 2 中 的数据及您的团队收集的额外数据，分析全球宠物行业按宠物类型的发展情况。并建立 一个合适的数学模型，预测未来三年全球对宠物食品的需求。

问题二可以看作为问题一模型的普适性研究，首先根据收集的数据析全球宠物行业按宠物类型的发展情况。方法与问题一相同，利用可视化结果进行必要的描述性分析即可。

预测未来三年全球对宠物食品的需求，依旧可以沿用问题一的时间序列预测、灰色模型预测、多元回归预测。可以交叉使用，例如问题一使用时间序列预测，问题二使用预测预测，其本质不变。

问题 3:

基于附件 3 中的中国宠物食品生产和出口数据，分析中国宠物食品行业的 发展情况，并预测未来三年中国宠物食品的生产和出口（不考虑经济政策的变化），结 合全球宠物食品市场的需求趋势以及中国的发展情况进行分析。

对于问题三，题目并没有要求结合自己收集的数据。对于这一题干，可以直接默认不使用自行收集的；也可以使用自行收集的数据，针对方法不同的队伍可以有不同的理解。如果不使用收集的数据，则对于该问题大概率只能使用单指标预测模型。对于分析中国宠物食品行业的发展情况可以计算各年度生产量和出口量的增长率（年化增长率）以衡量行业的增速。根据收集到的全球市场需求数据，分析宠物食品在全球不同区域的增长趋势，例如欧洲、美国等主要市场的宠物食品需求量。

使用收集的数据，则需要从中国的发展情况出发，筛选出能够体现中国的发展情况的指标 GPD 等指标，对各指标构建回归模型进行求解。

这里我们先以简单的预测模型指数平滑为例进行展示说明

问题 4:

中国的宠物食品行业不可避免地会受到欧洲国家和美国新出台的外部经 济政策（如关税政策）的影响。为了定量分析这种影响，请建立一个合适的数学模型， 并将附件中的数据、您收集的额外数据以及上述问题中的计算结果纳入考虑。基于您的 计算结果，请为中国宠物食品行业的可持续发展制定可行的策略。

对于该问题，我们可以分为描述性分析、量化政策影响、建立情景分析模型。

· 描述性分析：了解中国宠物食品出口历史数据与政策变化的影响。

· 量化政策影响：通过数学模型（如多元回归、计量经济学模型等）来定量化政策影响。

· 建立情景分析模型：设计不同政策情景（如关税上调、关税下调、不变）并分析它们的影响。

为了定量分析经济政策（如关税变化）对中国宠物食品行业的影响，合适的模型包括计 量经济学模型和情景分析模型。

多元线性回归是一个简单但非常有效的方式来量化政策因素（如关税）对宠物食品出口的影响。

. 因变量：宠物食品出口量（亿美元）。

. 自变量：

o 关税率（如对美国和欧洲出口的关税变化）。

o 宠物食品市场规模（预测结果）。

o 外部因素（如食品生产指数、人均 GDP 、消费支出等）。

o 全球需求（全球宠物食品需求量的预测）。

代码参考：

% 数据准备
clc;
clear;
close all;% 原始数据 (年份和猫狗数量)
years = 2019:2023;
data_cats = [4412, 4862, 5806, 6536, 6980];
data_dogs = [5503, 5222, 5429, 5119, 5175];% 对猫和狗的数量进行灰色预测
% 1. 对猫数量进行 GM(1,1)灰色预测
pred_cats = GM11(data_cats, 3); % 预测未来 3 年的数据% 2. 对狗数量进行 GM(1,1)灰色预测
pred_dogs = GM11(data_dogs, 3); % 预测未来 3 年的数据% 可视化原始数据与预测结果
future_years = 2024:2026;
all_years = [years, future_years];figure;% 猫的数据可视化
subplot(2,1,1);
plot(years, data_cats, 'o-b ', 'LineWidth ', 1.5);
hold on;
plot(all_years, pred_cats, '-r ', 'LineWidth ', 1.5);
title('猫数量的灰色预测'); x label('年份 ');
y label('数量 (万) '); grid on;
legend('实际数据 ', '预测数据 ', 'Location ', 'NorthWest ');% 狗的数据可视化
subplot(2,1,2);
plot(years, data_dogs, 'o-g ', 'LineWidth ', 1.5);
hold on;
plot(all_years, pred_dogs, '-r ', 'LineWidth ', 1.5);title('狗数量的灰色预测'); x label('年份 ');
y label('数量 (万) '); grid on;
legend('实际数据 ', '预测数据 ', 'Location ', 'NorthWest ');% 关键步骤结果的可视化
fprintf('关键过程结果：\n ');
fprintf('猫的预测数据：%s\n ', mat2str(pred_cats)); fprintf('狗的预测数据：%s\n ', mat2str(pred_dogs));% GM(1,1) 灰色预测函数定义
function [prediction] = GM11(data, predict_years)
% 计算累计生成序列
n = length(data);
x1 = cumsum(data);
% 构造数据矩阵 B 和向量 Y
B = [-0.5 * (x1(1:end-1) + x1(2:end)) ', ones(n-1, 1)];
Y = data(2:end) ';
% 求解参数向量 a 和 b
U = (B ' * B) \ (B ' * Y);
a = U(1);
b = U(2);
% 构造灰色预测模型的方程
x1_hat = zeros(1, n + predict_years);
x1_hat(1) = data(1);
for k = 2:n + predict_years
x1_hat(k) = (data(1) - b / a) * exp(-a * (k - 1)) + b / a;
end
% 还原预测值
prediction = [data(1), diff(x1_hat)];
prediction = prediction(1:n + predict_years);
end# 数据准备
import numpy as np
import matplotlib.pyplot as plt# 原始数据 (年份和猫狗数量)
years = np.array ([2019, 2020, 2021, 2022, 2023])
data_cats = np.array ([4412, 4862, 5806, 6536, 6980])data_dogs = np.array ([5503, 5222, 5429, 5119, 5175])plt.rcParams['font.sans-serif'] = ['SimHei']  # 使用 SimHei 字体 plt.rcParams['axes.unicode_minus'] = False  # 正确显示负号
# GM(1,1) 灰色预测函数定义
def GM11(data, predict_years):
# 计算累计生成序列 n = len(data)
x1 = np.cumsum(data)# 构造数据矩阵 B 和向量 Y
B = np.vstack((-0.5 * (x1[:-1] + x1[1:]), np.ones(n - 1))).T Y = data[1:]# 求解参数向量 a 和b
U = np.linalg.inv(B.T @ B) @ B.T @ Y a, b = U# 构造灰色预测模型的方程
x1_hat = np.zeros(n + predict_years) x1_hat[0] = data[0]
for k in range(1, n + predict_years):
x1_hat[k] = (data[0] - b / a) * np.exp (-a * k) + b / a# 还原预测值
prediction = np.diff(x1_hat, prep end=data[0]) return prediction[:n + predict_years]# 对猫和狗的数量进行灰色预测
# 1. 对猫数量进行 GM(1,1)灰色预测
pred_cats = GM11(data_cats, 3)  # 预测未来 3 年的数据# 2. 对狗数量进行 GM(1,1)灰色预测
pred_dogs = GM11(data_dogs, 3)  # 预测未来 3 年的数据# 可视化原始数据与预测结果
future_years = np.array ([2024, 2025, 2026])
all_years = np.concatenate((years, future_years)) plt.figure(fig size=(10, 8))
# 猫的数据可视化plt.subplot(2, 1, 1)
plt.plot(years, data_cats, 'o-b', linewidth=1.5, label='实际数据')
plt.plot(all_years, pred_cats, '-r', linewidth=1.5, label='预测数据')
plt.title('猫数量的灰色预测') plt.xlabel('年份')
plt.ylabel('数量 (万)') plt.grid(True)
plt.legend(loc='upper left')# 狗的数据可视化
plt.subplot(2, 1, 2)
plt.plot(years, data_dogs, 'o-g', linewidth=1.5, label='实际数据')
plt.plot(all_years, pred_dogs, '-r', linewidth=1.5, label='预测数据')
plt.title('狗数量的灰色预测') plt.xlabel('年份')
plt.ylabel('数量 (万)') plt.grid(True)
plt.legend(loc='upper left')plt.tight_layout() plt.show()# 关键步骤结果的可视化  print('关键过程结果：')
print(f'猫的预测数据： {pred_cats}') print(f'狗的预测数据： {pred_dogs}')

2024 APMCM亚太数学建模C题 - 宠物行业及相关产业的发展分析和策略（详细解题思路）

在当下， 日益发展的时代，宠物的数量应该均为稳步上升，在美国出现了下降的趋势， 中国 2019-2020 年也下降，这部分变化可能与疫情相关。需要对该部分进行必要的解释说明。问题 1: 基于附件 1 中的数据及您的团队收集的…...

编程日记 2025/8/3 18:33:55

66 mysql 的表自增长锁

前言 mysql 的表锁之 AUTO_INC, 是我们自增长的时候做并发控制的锁主要是用于自增长生成新的 id 的时候的控制在前面的文档中, 我们又看到 mysql 这边自增长的处理的相关的大概脉络但是对于一些并发控制的细节, 我们当时应该是直接忽略掉了我们这里就来看一下…...

编程日记 2025/8/3 18:17:38

java中的this关键字

🎉🎉🎉欢迎来到我的博客,我是一名自学了2年半前端的大一学生,熟悉的技术是JavaScript与Vue.目前正在往全栈方向前进, 如果我的博客给您带来了帮助欢迎您关注我,我将会持续不断的更新文章!!!🙏🙏🙏 文章目录…...

编程日记 2025/8/3 18:14:18

资源控制器--laravel进阶篇

laravel的控制器当中有个资源控制器，这个比较好用。创建资源控制器 php artisan make:controller PhotoController --resource 创建个路由来使用该资源控制器 use App\Http\Controllers\PhotoController; Route::resource(photos, PhotoController::class); 隐式模型绑定不…...

编程日记 2025/8/1 15:26:49

智能工厂的设计软件为了监管控一体化的全能Supervisor 的监督学习之序7 进化论及科学的信息技术创新：分布式账本/区块链/智能合约

Q&A Q46、聊聊“分布式账本”“区块链”和“智能合约” “分布式账本”、“区块链”和“智能合约”是现代信息技术领域的几个重要概念，它们在金融、供应链管理、物联网等多个领域都发挥着重要作用。以下是对这三个概念的详细解析： 分布式账本 …...

编程日记 2025/7/31 1:34:55

从零开始认识显卡

显卡（GPU，全称为Graphics Processing Unit），是电脑中专门负责图形处理的硬件组件。以下是从零开始认识显卡的简单介绍： 1. 显卡的基本组成显卡通常由以下几个主要部分组成： GPU核心：显卡的“…...

编程日记 2025/8/3 18:27:11

什么是计算机网络

什么是计算机网络？ 计算机网络的定义计算机网络的分类按覆盖范围分类按拓扑结构分类按通信传输介质分类按信号频带占用方式分类计算机网络的功能信息交换资源共享分布式处理计算机网络的组成计算机网络的定义计算机网络的分类按覆盖范围分类按拓扑结构分类按通信传…...

编程日记 2025/8/3 17:38:00

网络安全在线网站/靶场：全面探索与实践

目录 1. CyberPatriot 简介功能与特点适用人群 2. Hack The Box 简介功能与特点适用人群 3. OverTheWire 简介功能与特点适用人群 4. VulnHub 简介功能与特点适用人群 5. PortSwigger Web Security Academy 简介功能与特点适用人群 6. TryHackM…...

编程日记 2025/8/3 18:24:05

多旋翼无人机长航时远距离集群技术详解

多旋翼无人机长航时远距离集群技术是当前无人机技术发展的重要方向之一，它结合了多旋翼无人机的灵活性和集群技术的优势，实现了无人机在长时间、远距离条件下的高效协同作业。以下是对该技术的详细解析： 一、多旋翼无人机特点多旋翼无人机以…...

编程日记 2025/8/3 18:29:00

C#编写的日志记录组件 - 开源研究系列文章

以前编写过一个日志记录组件的博文，这次发布一个修改过的完善版本。 1、项目目录； 2、源码介绍； 1) 实现； 2) 使用； 后面的参数为级别设置，只有大于这个级别的才进行日志记录，限制了日志记录的…...

编程日记 2025/8/3 9:37:34

使用 Java 操作 SQLite 数据库

文章目录 1.导入依赖2.实际应用 1.导入依赖 <dependencies><dependency><groupId>org.xerial</groupId><artifactId>sqlite-jdbc</artifactId><version>3.36.0.3</version></dependency> </dependencies>2.实际应…...

编程日记 2025/8/2 18:52:49

再次讨论下孤注一掷

在孤注一掷中的黑客技术里面，简单介绍了电影孤注一掷中用的一些"黑科技"，这里继续讨论下，抛弃这些黑科技，即使在绝对公平的情况下，你也一样赢不了赌场相对论有一个假设就是光速不变，这里也有个…...

编程日记 2025/8/2 0:28:11

系统思考—跳出症状看全局

感谢合作伙伴的邀请，圆满结束国药试剂关于《系统思考》的课程。课堂上，我们围绕“缺货”这个看似具体的问题，展开了一场跨部门的深度探讨。销售、采购、物流等部门各抒己见，发现每个部门的出发点都是为了公司好，但误判…...

编程日记 2025/8/3 18:24:07

前端面试vue篇:Vue2 和 Vue3 在设计和性能上有显著区别

Vue3 相对于 Vue2 的主要改进和性能提升体现在以下几个关键领域 1.响应式系统： (1)Vue2 使用 Object.defineProperty 遍历对象的所有属性来实现响应式，这在大型应用中可能导致性能瓶颈，尤其是在组件初次渲染和大量数据变化时。 (2)Vue3 引入了…...

编程日记 2025/8/3 18:20:51

每天五分钟深度学习：神经网络模型的直观理解

本文重点神经网络是深度学习的基础模型之一，本文将讲解一下基础模型神经网络是什么？神经网络如上所示，这个神经网络有两层（我们认为输入层不算神经网络的层数），其中一个隐藏层，还有一个是输出层。我们称隐藏层为第一层，输出层为第二层，输入层为第零层。我们有输…...

编程日记 2025/8/3 18:14:19

高集成的MCU方案已成电机应用趋势？

【哔哥哔特导读】高集成化的芯片成为当下MCU领域研发和市场布局的重点，但是在实际应用中仍然面临散热等痛点问题，MCU厂商是如何解决和优化这些痛点？ 随着全球工业自动化、智能制造和绿色发展的不断推进，中国电机行业正站在新一轮…...

编程日记 2025/8/3 13:26:23

商用密码产品认证名录说明

《商用密码产品认证目录》是为贯彻落实《中华人民共和国密码法》，进一步健全完善商用密码产品认证体系，更好满足商用密码产业发展需要，根据《国家密码管理局市场监管总局关于调整商用密码产品管理方式的公告》《市场监管总局国家密码管理局…...

编程日记 2025/8/3 18:25:50

无人机技术探索:电机、电调与桨叶的运行原理！

无人机电机的主要材料铝合金：铝合金是当前应用最广泛的无人机电机材料之一，具有制造成本低廉、重量轻、支撑力强等特点，同时有一定的抗氧化性能。然而，铝合金电机的耐久性较差，若长期在高温高湿的环境下使用易产生氧…...

编程日记 2025/8/3 18:20:50

实现 UniApp 右上角按钮“扫一扫”功能实战教学

实现 UniApp 右上角按钮“扫一扫”功能实战教学需求点击右上角扫一扫按钮(onNavigationBarButtonTap监听)，打开扫一扫页面(uni.scanCode) 扫描后，以网页的形式打开扫描内容(web-view组件)，限制只能浏览带有执行域名的网站，例如…...

编程日记 2025/8/3 18:12:38

FP16的表示范围【详解计算步骤】

符号位：1bit 指数位：5bit 尾数位：10bit 指数位指数位的值：00000 - 11111 00000和11111被给予特殊含义： 00000 表示 011111 表示Nan或无穷大所以，指数位的范围为00001-11110 如果指数位的值为00001，则实际指数=指数位的值-偏移=00001 - 15 = -14 如果指数位的值为1111…...

编程日记 2025/8/3 18:22:21

MySQL UPDATE语句执行链路解析

文章目录引言1. 总览：UPDATE语句的执行链路2. 客户端发起请求2.1 SQL请求的形成2.2 MySQL通信协议 3. 连接器模块3.1 连接管3.2 会话上下文 4. SQL解析器4.1 语法解析4.2 语法错误处理 5. 查询优化器5.1 查询优化的核心概念5.2 优化器生成执行计划的步骤5.3 优化器…...

编程日记 2025/8/3 18:27:10

大语言模型通用能力排行榜（2024年11月8日更新)

数据来源SuperCLUE 榜单数据为通用能力排行榜排名模型名称机构总分理科文科 Hard 使用方式发布日期 - o1-preview OpenAI 75.85 86.07 76.6 64.89 API 2024年11月8日 - Claude 3.5 Sonnet（20241022） Anthropic 70.88 82.4…...

编程日记 2025/8/3 18:25:49

java远程服务器调试

1远程debug -agentlib:jdwptransportdt_socket,servery,suspendn,address服务器ip:port 2.jmx JAVA_OPT“${JAVA_OPT} -Dcom.sun.management.jmxremote -Dcom.sun.management.jmxremote.portport -Dcom.sun.management.jmxremote.local.onlyfalse -Dcom.sun.management.jmxr…...

编程日记 2025/8/3 18:29:01

如何使用 Vivado 从源码构建 Infinite-ISP FPGA 项目

如约介绍源码构建 Infinite-ISP 项目，其实大家等的是源码，所以中间过程简洁略过，可以直接翻到文末获取链接。开源ISP（Infinite-ISP）介绍构建工程第一步，从文末或者下面链接获取源码 https://github.com/…...

编程日记 2025/8/3 18:19:15

全志T113双核异构处理器的使用基于Tina Linux5.0——RTOS系统定制开发

8、RTOS系统定制开发此处以在rtos/components/aw目录下创建一个简单的软件包为例，帮助客户了解RTOS环境，为RTOS系统定制开发提供基础。 RTOS环境下的软件包主要由三部分组成，源文件，Makefile，Kconfig，如下…...

编程日记 2025/8/1 18:54:42

A045-基于spring boot的个人博客系统的设计与实现

🙊作者简介：在校研究生，拥有计算机专业的研究生开发团队，分享技术代码帮助学生学习，独立完成自己的网站项目。代码可以查看文章末尾⬇️联系方式获取，记得注明来意哦~🌹 赠送计算机毕业设计600…...

编程日记 2025/8/3 18:25:49

SpringBoot集成ES（ElasticSearch）

1.导入依赖 <dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-data-elasticsearch</artifactId> </dependency>导入依赖后，注意在依赖中查看对应的版本是否与本机ES对应 2.创建配置并…...

编程日记 2025/8/3 18:15:57

使用docker快速部署Nginx、Redis、MySQL、Tomcat以及制作镜像

文章目录应用快速部署NginxRedisMySQLTomcat 制作镜像镜像原理基于已有容器创建使用 Dockerfile 创建镜像指令说明构建应用创建 Dockerfile 文件创建镜像应用快速部署 Nginx docker run -d -p 80:80 nginx使用浏览器访问虚拟机地址 Redis docker pull redis docker run --…...

编程日记 2025/8/3 18:19:14

实验四：构建园区网（OSPF 动态路由）

目录一、实验简介二、实验目的三、实验需求四、实验拓扑五、实验步骤 1、在 eNSP 中部署网络 2、设计全网 IP 地址 3、配置二层交换机 4、配置路由交换机并测试通信 5、配置路由接口地址 6、配置 OSPF 动态路由，实现全网互通一、实验简介使用路由…...

编程日记 2025/8/3 18:29:01

【英特尔IA-32架构软件开发者开发手册第3卷：系统编程指南】2001年版翻译，2-31

文件下载与邀请翻译者学习英特尔开发手册，最好手里这个手册文件。原版是PDF文件。点击下方链接了解下载方法。讲解下载英特尔开发手册的文章翻译英特尔开发手册，会是一件耗时费力的工作。如果有愿意和我一起来做这件事的，那么&#xff…...

编程日记 2025/8/3 8:07:25

debian 如何进入root

debian root默认密码, 在Debian系统中，安装完成后，默认情况下root账户是没有密码的。你可以通过以下步骤来设置或更改root密码： 1.打开终端。 2.输入 sudo passwd root 命令。 3.当提示输入新的root密码时，输入你想要的密码…...

编程日记 2025/8/3 18:32:18

极坐标气泡图：医学数据分析的可视化新视角

在医学研究中，数据的可视化是至关重要的。它不仅能帮助我们更直观地理解数据，还能揭示数据中隐藏的模式和趋势。今天，我们要介绍一种独特的数据可视化工具——极坐标气泡图，以及它在医学中的重要作用。什么是极坐标气泡图&#…...

编程日记 2025/8/3 18:17:37

【随手笔记】电脑端上位机初涉（一）

实现电脑端上位机的方式及其学习难度和知识点在嵌入式开发中，电脑端上位机程序用于与嵌入式设备进行通信和控制。以下是几种常见的实现方式，以及它们的学习难度和所需的知识点： Python PySerial 学习难度：低知识点：…...

编程日记 2025/7/29 23:42:24

对抗样本存在的原因

对抗样本存在的原因与深度学习模型的结构和训练机制密切相关，主要包括以下几个方面： 1. 模型的高维性和线性化行为高维性：深度学习模型通常在高维空间中运行，而高维空间中的数据分布非常稀疏。微小的扰动在高维空间可能被放大&a…...

编程日记 2025/7/31 16:16:25

Python编程整理汇总(基础汇总版)

1. 基础语法 1.1 变量与数据类型整数：a 10 浮点数：b 3.14 字符串：c "Hello, World!" 布尔值：d True 列表：e [1, 2, 3, 4, 5] 元组：f (1, 2, 3) 字典：g {"name&qu…...

编程日记 2025/8/2 19:03:25

24软专数据结构

1、A[n]，k，将数组向右循环移动k位。要求时间复杂度O(n)，空间O(1)。思路：采用三次反转数组的操作，可以实现时间复杂度为O(n)，空间复杂度为O(1)的算法。 void moveElem(int array[],int k,int length){//a…...

编程日记 2025/7/28 1:15:13

如何更改手机GPS定位

你是否曾想过更改手机GPS位置以保护隐私、玩游戏或访问受地理限制的内容？接下来我将向你展示如何使用 MagFone Location Changer 更改手机GPS 位置！无论是在玩Pokmon GO游戏、发布社媒贴子，这种方法都快速、简单且有效。第一步：下…...

编程日记 2025/8/3 11:06:17

java Queue 详解

Java Queue 详解 Queue 是 Java 集合框架中用于实现队列数据结构的接口，位于 java.util 包中。队列是一种先进先出（FIFO） 的数据结构，元素按照插入的顺序依次出队。 1. Queue 的基本特性 FIFO（First-In-First-Out&…...

编程日记 2025/7/27 14:38:22

贪心算法 -- 递增子序列

目录最长递增子序列题解： 代码： 递增的三元子序列题解： 代码： 简易版： 最长连续递增序列题解： 代码： 最长递增子序列 300. 最长递增子序列 - 力扣（LeetCode&#xf…...

编程日记 2025/8/2 23:30:02

MySQL：表的增删查改

目录一. Create 1.1 单行数据全列插入 1.2 多行数据全列插入 1.3 插入否则更新 1.3.1 要插入的值与原数据有冲突则更新 1.3.2 要插入的值与原数据没有冲突则正常插入 1.3.3 要插入的值与原数据有冲突但是连续更新了两次 1.4 替换二. Retrieve 2.…...

编程日记 2025/8/1 13:00:39

Python操作neo4j库py2neo使用之创建和查询（二）

Python操作neo4j库py2neo使用之创建和查询（二） py2neo 创建操作 1、连接数据库 from py2neo import Graph graph Graph("bolt://100.100.20.55:7687", auth(user, pwd), nameneo4j)2、创建Node from py2neo import Node, Subgraph # 创建…...

编程日记 2025/8/1 22:03:58

【pytorch-04】：线性回归案例（手动构建）

文章目录 1 构建数据集2 构建假设函数3 损失函数4 优化方法5 训练函数6.总结 1 构建数据集为什么构建数据加载器？ 在进行训练的时候都是采用的不是全部的数据，而是采用一个batch_size的数据进行训练，每次向模型当中送入batch_size数据&#…...

编程日记 2025/8/2 3:32:13

外包干了3年，技术退步明显...

先说情况，大专毕业，18年通过校招进入湖南某软件公司，干了接近6年的功能测试，今年年初，感觉自己不能够在这样下去了，长时间呆在一个舒适的环境会让一个人堕落！ 而我已经在一个企业干了四年的功能…...

编程日记 2025/8/3 16:25:54

React Native 全栈开发实战班 -原生功能集成之相机与图片

在移动应用中，相机功能和图片选择是非常常见的需求，用户可以通过相机拍照或从相册中选择图片。React Native 提供了多种方式来实现相机和图片选择功能，包括使用第三方库（如 react-native-image-picker）和调用原生模…...

编程日记 2025/7/28 9:53:14

以太坊交易处理全流程：数据采集、价格查询与问题解决

一、背景在开发交易记录处理系统时，涉及从以太坊链上获取交易记录、将其存储到数据库、根据交易时间查询历史价格，并计算交易的美元价值。在这一过程中，涉及多个技术环节及工具的综合使用，例如区块链 API 调用、数据库操作、时间戳处理和外部数据接口整合。本文涉及的内…...

编程日记 2025/8/1 20:57:23

css数据不固定情况下，循环加不同背景颜色

<template><div><p v-for"(item, index) in items" :key"index" :class"getBackgroundClass(index)">{{ item }}</p></div> </template><script> export default {data() {return {items: [学不会1, …...

编程日记 2025/8/2 6:05:38

【Node.js】Node.js 和浏览器之间的差异

Node.js 是一个强大的运行时环境，它在现代 JavaScript 开发中扮演着重要角色。然而，许多开发者在使用 Node.js 时常常会感到困惑，尤其是与浏览器环境的对比。本文将深入探讨 Node.js 和浏览器之间的差异，帮助你全面理解两者的设计…...

编程日记 2025/8/3 18:19:18

算法【最长递增子序列问题与扩展】

本文讲解最长递增子序列以及最长不下降子序列的最优解，以及一些扩展题目。本文中讲述的是最优解，时间复杂度是O(n*logn)，空间复杂度O(n)，好实现、理解难度不大。这个问题也可以用线段树来求解，时间和空间复杂度和本节讲…...

编程日记 2025/8/1 22:26:06

【论文速读】| RobustKV：通过键值对驱逐防御大语言模型免受越狱攻击

基本信息原文标题：ROBUSTKV: DEFENDING LARGE LANGUAGE MODELS AGAINST JAILBREAK ATTACKS VIA KV EVICTION 原文作者：Tanqiu Jiang, Zian Wang, Jiacheng Liang, Changjiang Li, Yuhui Wang, Ting Wang 作者单位：Stony Brook University…...

编程日记 2025/8/3 14:42:32

查询Mysql中被锁住的表以及如何解锁

当MySQL中的表被锁住时，可能会导致查询变慢或完全无法访问该表。处理这种情况的方法取决于锁的原因以及你想要达到的目标。以下是一些常见的步骤和技巧，可以帮助你解决被锁住的表的问题： 1. 识别锁的情况首先，你需要确定哪些表…...

编程日记 2025/8/3 1:30:50

问题 1:

问题 2:

问题 3:

问题 4:

代码参考：

相关文章：