当前位置: 首页 > news >正文

26考研——图_图的基本概念(6)

408答疑


文章目录

  • 一、图的基本概念
    • 图的定义
      • 非空性
      • 非线性结构
    • 顶点和边的表示
      • 顶点
    • 有向图 & 无向图
    • 简单图 & 多重图
      • 简单图
      • 多重图
    • 顶点的度、入度和出度
      • 顶点的度
      • 有向图的度
    • 路径、路径长度和回路
    • 距离
    • 子图
    • 完全图(简单完全图)
      • 无向完全图
      • 有向完全图
    • 连通图、连通分量、强连通图,强连通分量
      • 连通性
        • 连通图
        • 强连通图
      • 连通分量
      • 强连通分量
    • 生成树 & 生成森林
      • 生成树
      • 生成森林
    • 边的权、网和带权路径长度
      • 边的权
      • 带权路径长度
    • 稠密图 & 稀疏图
      • 稀疏图
      • 稠密图
    • 有向树
  • 六、参考资料
    • 鲍鱼科技课件
    • 26王道考研书


一、图的基本概念

图的定义

G G G 由顶点集 V V V 和边集 E E E 组成,记为 G = ( V , E ) G = (V, E) G=(V,E),其中 V ( G ) V(G) V(G) 表示图 G G G 中顶点的有限非空集; E ( G ) E(G) E(G) 表示图 G G G 中顶点之间的关系(边)集合。

非空性

  • 线性表可以是空表,树可以是空树,但图不可以是空图。也就是说,图中不能一个顶点也没有,图的顶点集 V V V 一定非空,但边集 E E E 可以为空,此时图中只有顶点而没有边。

非线性结构

  • 图是非线性结构,由顶点和边组成。

顶点和边的表示

  • V = { v 1 , v 2 , ⋯ , v n } V = \{v_1, v_2, \cdots, v_n\} V={v1,v2,,vn},则用 ∣ V ∣ |V| V 表示图 G G G 中顶点的个数。
  • 边集 E = { ( u , v ) ∣ u ∈ V , v ∈ V } E = \{(u, v) | u \in V, v \in V\} E={(u,v)uV,vV},用 ∣ E ∣ |E| E 表示图 G G G 中边的条数。

顶点

  • 图中的结点称为顶点。

  • 连接顶点之间的线称为边。
    • 无向边简称为边。
    • 有向边称为弧。

有向图 & 无向图

有向图

  • 有向图的边使用尖括号 ⟨ ⟩ \langle \rangle 表示。
  • 弧是顶点的有序对,记为 ⟨ v , w ⟩ \langle v, w \rangle v,w,其中 v , w v, w v,w 是顶点, v v v 称为弧尾, w w w 称为弧头。
  • ⟨ v , w ⟩ \langle v, w \rangle v,w 称为从 v v v w w w 的弧,也称 v v v 邻接到 w w w
有向图 G 1 G_1 G1 的表示
  • G 1 = ( V 1 , E 1 ) G_1 = (V_1, E_1) G1=(V1,E1)
  • V 1 = { 1 , 2 , 3 } V_1 = \{1, 2, 3\} V1={1,2,3}
  • E 1 = { ⟨ 1 , 2 ⟩ , ⟨ 2 , 1 ⟩ , ⟨ 2 , 3 ⟩ } E_1 = \{\langle 1, 2 \rangle, \langle 2, 1 \rangle, \langle 2, 3 \rangle\} E1={⟨1,2,2,1,2,3⟩}

在这里插入图片描述

无向图

  • 无向图的边使用圆括号 ( ) ( ) () 表示。
  • 边是顶点的无序对,记为 ( v , w ) (v, w) (v,w) ( w , v ) (w, v) (w,v)
  • 可以说 w w w v v v 互为邻接点。
  • ( v , w ) (v, w) (v,w) 依附于 w w w v v v,或称边 ( v , w ) (v, w) (v,w) v , w v, w v,w 相关联。
无向图 G 2 G_2 G2 的表示
  • G 2 = ( V 2 , E 2 ) G_2 = (V_2, E_2) G2=(V2,E2)
  • V 2 = { 1 , 2 , 3 , 4 } V_2 = \{1, 2, 3, 4\} V2={1,2,3,4}
  • E 2 = { ( 1 , 2 ) , ( 1 , 3 ) , ( 1 , 4 ) , ( 2 , 3 ) , ( 2 , 4 ) , ( 3 , 4 ) } E_2 = \{(1, 2), (1, 3), (1, 4), (2, 3), (2, 4), (3, 4)\} E2={(1,2),(1,3),(1,4),(2,3),(2,4),(3,4)}

在这里插入图片描述

简单图 & 多重图

简单图

  • 不存在重复边。
  • 不存在顶点到自身的边。

在这里插入图片描述

多重图

  • 允许两个顶点之间的边数大于 1 条。
  • 允许顶点通过一条边和自身关联。

在这里插入图片描述

顶点的度、入度和出度

顶点的度

  • 连接顶点边的数量称为顶点的度,记为 T D ( v ) TD(v) TD(v)
  • 在无向图中,每条边和两个顶点相关联,因此无向图的全部顶点的度之和等于边数的 2 倍。
  • 在下图中,每个顶点的度均为 3。

在这里插入图片描述

有向图的度

  • 对于有向图,顶点 v v v 的度分为入度和出度。
    • 入度:以顶点 v v v 为终点的有向边的数目,记为 I D ( v ) ID(v) ID(v)
    • 出度:以顶点 v v v 为起点的有向边的数目,记为 O D ( v ) OD(v) OD(v)
  • 顶点 v v v 的度等于其入度与出度之和,即 T D ( v ) = I D ( v ) + O D ( v ) TD(v) = ID(v) + OD(v) TD(v)=ID(v)+OD(v)
  • 有向图的全部顶点的入度之和与出度之和相等,并且等于边数,这是因为每条有向边都有一个起点和终点。

路径、路径长度和回路

  • 路径

    • 顶点 v p v_p vp 到顶点 v q v_q vq 之间的一条路径是指顶点序列 v p , v i 1 , v i 2 , ⋯ , v i m , v q v_p, v_{i_1}, v_{i_2}, \cdots, v_{i_m}, v_q vp,vi1,vi2,,vim,vq
    • 路径上的边的数目称为路径长度。
    • 第一个顶点和最后一个顶点相同的路径称为回路或环。
    • 若一个图有 n n n 个顶点,且有大于 n − 1 n-1 n1 条边,则此图一定有环。
  • 简单路径

    • 在路径序列中,顶点不重复出现的路径称为简单路径。
  • 简单回路

    • 除第一个顶点和最后一个顶点外,其余顶点不重复出现的回路称为简单回路。

距离

  • 从顶点 u u u 出发到顶点 v v v 的最短路径若存在,则此路径的长度称为从 u u u v v v 的距离。
  • 若从 u u u v v v 根本不存在路径,则记该距离为无穷( ∞ \infty )。

子图

  • 设有两个图 G = ( V , E ) G = (V, E) G=(V,E) G ′ = ( V ′ , E ′ ) G' = (V', E') G=(V,E),若 V ′ V' V V V V 的子集,且 E ′ E' E E E E 的子集,则称 G ′ G' G G G G 的子图。
  • 若有满足 V ( G ′ ) = V ( G ) V(G') = V(G) V(G)=V(G) 的子图 G ′ G' G,则称其为 G G G 的生成子图。
  • 注意:并非 V V V E E E 的任何子集都能构成 G G G 的子图,因为这样的子集可能不是图,即 E E E 的子集中的某些边关联的顶点可能不在这个 V V V 的子集中。
  • 下图中,(2)为(1)的子图。

在这里插入图片描述

完全图(简单完全图)

无向完全图

  • 对于无向图,边的取值范围为 0 0 0 n ( n − 1 ) 2 \frac{n(n-1)}{2} 2n(n1)
  • 如果图有 n ( n − 1 ) 2 \frac{n(n-1)}{2} 2n(n1) 条边,则无向图称为无向完全图。
  • 在完全图中任意两个顶点之间都存在边。

在这里插入图片描述

有向完全图

  • 对于有向图,边的取值范围为 0 0 0 n ( n − 1 ) n(n-1) n(n1)
  • 如果图有 n ( n − 1 ) n(n-1) n(n1) 条弧,则有向图称为有向完全图。
  • 在有向完全图中任意两个顶点之间都存在方向相反的两条弧。

在这里插入图片描述

连通图、连通分量、强连通图,强连通分量

连通性

连通图
  • 在无向图中,若从顶点 v v v 到顶点 w w w 有路径存在,则称 v v v w w w 是连通的。
  • 若图 G G G 中任意两个顶点都是连通的,则称图 G G G 为连通图,否则称为非连通图。
强连通图
  • 在有向图中,若有一对顶点 v v v w w w,从 v v v w w w 和从 w w w v v v 之间都有路径,则称这两个顶点是强连通的。
  • 若图中任意一对顶点都是强连通的,则称此图为强连通图。

在这里插入图片描述

连通分量

  • 无向图中的极大连通子图称为连通分量。
  • 在下图中,图 G G G 有 3 个连通分量。
  • 假设一个图有 n n n 个顶点,若边数小于 n − 1 n-1 n1,则此图必是非连通图。
    • 若该图是非连通图,非连通情况下边最多的情况:由 n-1 个顶点构成一个完全图,此时再加入一个顶点则变成非连通图。

在这里插入图片描述

强连通分量

  • 有向图中的极大强连通子图称为有向图的强连通分量。
  • 在下图中,图 G G G 有 2 个连通分量。
  • 假设一个有向图有 n n n 个顶点,若该图是强连通图,则连通情况下边最少的情况:至少需要 n 条边,构成一个环路。

在这里插入图片描述

注意:在无向图中讨论连通性,在有向图中讨论强连通性

生成树 & 生成森林

生成树

  • 连通图的生成树是包含图中全部顶点的一个极小连通子图。
  • 若图中顶点数为 n n n,则它的生成树含有 n − 1 n-1 n1 条边。
  • 包含图中全部顶点的极小连通子图,只有生成树满足这个极小条件,对生成树而言,若砍去它的一条边,则会变成非连通图,若加上一条边则会形成一个回路。

在这里插入图片描述

生成森林

  • 非连通图中,连通分量的生成树构成了非连通图的生成森林。

注意:区分极大连通子图和极小连通子图。极大连通子图要求子图必须连通,而且包含尽可能多的顶点和边;极小连通子图是既要保持子图连通又要使得边数最少的子图。

边的权、网和带权路径长度

边的权

  • 在一个图中,每条边都可以标上具有某种含义的数值,该数值称为该边的权值。

  • 这种边上带有权值的图称为带权图,也称网。

带权路径长度

  • 路径上所有边的权值之和,称为该路径的带权路径长度。

稠密图 & 稀疏图

稀疏图

  • 边数很少的图称为稀疏图。
  • 稀疏和稠密本身是模糊的概念,稀疏图和稠密图常常是相对而言的。
  • 一般当图 G G G 满足 ∣ E ∣ < ∣ V ∣ log ⁡ 2 ∣ V ∣ |E| < |V|\log_2|V| E<Vlog2V 时,可以将 G G G 视为稀疏图。

稠密图

  • 反之称为稠密图。

有向树

  • 一个顶点的入度为 0 0 0、其余顶点的入度均为 1 1 1 的有向图,称为有向树。

六、参考资料

鲍鱼科技课件

b站免费王道课后题讲解: link
在这里插入图片描述

网课全程班: link
在这里插入图片描述

26王道考研书

相关文章:

26考研——图_图的基本概念(6)

408答疑 文章目录 一、图的基本概念图的定义非空性非线性结构 顶点和边的表示顶点边 有向图 & 无向图有向图有向图 G 1 G_1 G1​ 的表示 无向图无向图 G 2 G_2 G2​ 的表示 简单图 & 多重图简单图多重图 顶点的度、入度和出度顶点的度有向图的度 路径、路径长度和回路…...

笔试面试01 c/c++

基础知识 什么是数据结构&#xff1f;请简要描述常见的数据结构类型。 数据结构是组织和存储数据的方式&#xff0c;以便于高效访问和修改。常见的数据结构包括&#xff1a; 数组&#xff1a;固定大小的线性数据结构&#xff0c;支持随机访问。 链表&#xff1a;由节点组成的线…...

2025清华大学:DeepSeek教程全集(PDF+视频精讲,共10份).zip

一、资料列表 第一课&#xff1a;Deepseek基础入门 第二课&#xff1a;DeepSeek赋能职场 第三课&#xff1a;普通人如何抓住DeepSeek红利 第四课&#xff1a;让科研像聊天一样简单 第五课&#xff1a;DeepSeek与AI幻觉 第六课&#xff1a;基于DeepSeek的AI音乐词曲的创造法 第…...

消息队列(Kafka及RocketMQ等对比联系)

目录 消息队列 一、为什么使用消息队列&#xff1f;消息队列有什么优点/缺点&#xff1f;介绍下Kafka、ActiveMQ、RabbitMQ、RocketMQ有什么优点缺点&#xff0c;如何取舍&#xff1f; 1.公司业务场景是什么&#xff0c;这个业务场景有什么挑战&#xff0c;如果不用MQ有什么麻…...

Go 语言 fmt 模块的完整方法详解及示例

以下是 Go 语言 fmt 模块的完整方法详解及示例&#xff0c;涵盖所有核心功能&#xff1a; 一、输出函数 将数据写入标准输出、文件或字符串。 1. Print / Println / Printf 功能 Print: 写入标准输出&#xff0c;不换行。Println: 写入标准输出并换行。Printf: 格式化写入标…...

Centos 7 安装VNC服务

Centos 7 安装VNC服务 1. 安装 TigerVNC2. 设置 VNC 密码3. 创建并配置 x0vncserver 服务4. 启用并启动服务5. 检查服务状态6. 配置防火墙7. 连接 VNC问题1:出现无法安装可能是镜像源导致的。手动配置镜像源清除 YUM 缓存并重新加载 1. 安装 TigerVNC 确保已安装 TigerVNC 服务…...

3.25-3 request断言

一.request断言 if断言 案例&#xff1a; import requests srequests.Session() url1"http://49.233.201.254:8080/cms/manage/loginJump.do" data1{userAccount:admin,loginPwd:123456} h1{"Content-Type":"application/x-www-form-urlencoded&…...

cmakelist中添加opencv

版本选择 qt的msvc&#xff0c;版本2019 opencv版本 4.5.3 配置了环境变量 x64下的v14中的bin 配置头文件 {"configurations": [{"name": "Win32","includePath": ["${workspaceFolder}","d:\\QT\\6.5.3\\msvc20…...

【003安卓开发方案调研】之ReactNative技术开发安卓

基于2025年最新行业动态和搜索资料&#xff0c;以下是针对国内使用React Native&#xff08;RN&#xff09;开发安卓应用的深度分析&#xff1a; 一、技术成熟度评估 1. 核心架构升级 新架构全面普及&#xff1a;2024年起&#xff0c;React Native的 新架构&#xff08;Fabri…...

面试中如何回答性能优化的问题

性能问题和Bug不同,后者的分析和解决思路更清晰,很多时候从应用日志(文中的应用指分布式服务下的单个节点)即可直接找到问题根源,而性能问题,其排查思路更为复杂一些。 对应用进行性能优化,是一个系统性的工程,对工程师的技术广度和技术深度都有所要求。一个简单的应用…...

使用cursor开发java案例——springboot整合elasticsearch

安装elasticsearch 打开cursor&#xff0c;输入如下提示词 使用springboot整合elasticsearch。其中elasticsearch服务器ip&#xff1a;192.168.236.134 管理员用户名elastic 管理员密码 PdQy_xfR2yLhpok*MK_ 监听端口9200点Accept all 使用idea打开生成的项目 &#xff0…...

CCF-CSP认证题目练习及其题解(4

【问题描述】 涛涛最近要负责图书馆的管理工作&#xff0c;需要记录下每天读者的到访情况。每位读者有一个编号&#xff0c;每条记录用读者的编号来表示。给出读者的来访记录&#xff0c;请问每一条记录中的读者是第几次出现。 【输入形式】 输入的第一行包含一个整数n&#x…...

Chrome 134 版本开发者工具(DevTools)更新内容

Chrome 134 版本开发者工具&#xff08;DevTools&#xff09;更新内容 一、隐私与安全面板 旧的 Security 面板已演变为隐私与安全面板&#xff0c;并新增了一个专注于隐私的部分。在该部分中&#xff0c;可以&#xff1a; 在 DevTools 打开时&#xff0c;临时限制第三方 Co…...

12届蓝桥杯—货物摆放

货物摆放 题目描述 小蓝有一个超大的仓库&#xff0c;可以摆放很多货物。 现在&#xff0c;小蓝有 nn 箱货物要摆放在仓库&#xff0c;每箱货物都是规则的正方体。小蓝规定了长、宽、高三个互相垂直的方向&#xff0c;每箱货物的边都必须严格平行于长、宽、高。 小蓝希望所…...

oracle查询归档日志使用量

1.统计最近30天的数据 SELECT TRUNC(first_time, DD) "日期", SUM(blocks * block_size) / 1024 / 1024 / 1024 "大小(GB)" FROM v$archived_log WHERE first_time > SYSDATE - 30 -- 统计最近30天的数据 GROUP BY TRUNC(first_time, DD) ORDER BY 1 D…...

Redis 发布订阅

Redis 发布订阅 概述 Redis 发布订阅(Pub/Sub)是一种消息传递模式,允许应用在多个客户端之间进行通信。在Redis中,发布订阅允许客户端订阅一个或多个频道,并在这些频道上发布消息。其他订阅了相同频道的客户端会接收到这些消息。 核心概念 频道(Channels) 频道是发…...

歌曲缓存相关功能

1. 核心组件 MusicCacheManager (音乐缓存管理器) 单例模式&#xff1a;确保全局只有一个实例&#xff0c;方便管理。 private static var instance: MusicCacheManager?static func shared() -> MusicCacheManager {if instance nil {instance MusicCacheManager()}ret…...

MySQL学习之用户管理

MySQL学习之用户管理 一、用户1、用户信息2、创建用户3、修改用户密码4、删除用户 二、数据库权限1、MySQL中的权限2、给用户授权3、回收权限 一、用户 1、用户信息 MySQL用户管理&#xff1a; ①、与Linux操作系统类似&#xff0c;MySQL中也有超级用户和普通用户之分。 ②、如…...

【第十三届“泰迪杯”数据挖掘挑战赛】【2025泰迪杯】A题解题全流程(持续更新)

【第十三届“泰迪杯”数据挖掘挑战赛】【2025泰迪杯】A题解题全流程-思路&#xff08;持续更新&#xff09; 写在前面&#xff1a; 1、A题、C题将会持续更新&#xff0c;陆续更新发布文章 2、赛题交流咨询Q群&#xff1a;1037590285 3、全家桶依旧包含&#xff1a; 代码、…...

算法训练营第二十三天 | 贪心算法(一)

文章目录 一、贪心算法理论基础二、Leetcode 455.分发饼干二、Leetcode 376. 摆动序列三、Leetcode 53. 最大子序和 一、贪心算法理论基础 贪心算法是一种在每一步选择中都采取当前状态下的最优决策&#xff0c;从而希望最终达到全局最优解的算法设计技术。 基本思想 贪心算…...

SpringCloud消息总线:Bus事件广播与配置动态刷新

文章目录 引言一、Spring Cloud Bus基本架构二、配置动态刷新实现2.1 基础配置2.2 刷新流程2.3 定向刷新 三、自定义事件广播3.1 定义自定义事件3.2 注册和监听事件3.3 发布事件 四、高级配置与优化4.1 消息持久化4.2 事件追踪4.3 安全控制 总结 引言 在微服务架构中&#xff…...

家庭网络结构之局域网通信

整个互联网非常复杂&#xff0c;涉及到很多知识&#xff0c;学习互联网不能一蹴而就&#xff0c;所以这里从最简单的家庭网络开始学习 家庭网络一般是通过Modem( 作用&#xff1a;进行数字信号和模拟信号的转换 ) 拨号上网&#xff0c;然后通过家庭路由器&#xff0c;将网络连接…...

突破反爬困境:SDK架构设计,为什么选择独立服务模式(四)

声明 本文所讨论的内容及技术均纯属学术交流与技术研究目的&#xff0c;旨在探讨和总结互联网数据流动、前后端技术架构及安全防御中的技术演进。文中提及的各类技术手段和策略均仅供技术人员在合法与合规的前提下进行研究、学习与防御测试之用。 作者不支持亦不鼓励任何未经授…...

java 设置操作系统编码、jvm平台编码和日志文件编码都为UTF-8的操作方式

以下是 Java中设置操作系统编码、JVM平台编码和日志文件编码为UTF-8 的详细步骤和代码示例&#xff1a; 一、设置操作系统编码为UTF-8 1. Windows系统 修改系统区域设置&#xff1a; 进入 控制面板 → 时钟和区域 → 区域。在“管理”选项卡中&#xff0c;点击“更改系统区域…...

SpringBoot:几种常用的接口日期格式化方法

全局时间格式化 通过在配置文件中设置可以实现全局时间格式化。在 Spring Boot 的配置文件 application.properties&#xff08;或 application.yml&#xff09;中添加以下两行配置&#xff1a; #?格式化全局时间字段 spring.jackson.date-formatyyyy-MM-dd?HH:mm:ss #?指…...

解题思路:LeetCode 2711. 对角线上不同值的数量差

解题思路&#xff1a;LeetCode 2711. 对角线上不同值的数量差 在LeetCode的题目2711中&#xff0c;我们需要计算一个矩阵中每个单元格的左上角对角线和右下角对角线上不同值的数量差。这个问题可以通过暴力法解决&#xff0c;但效率较低。本文将介绍一种更高效的解决方案&…...

Jackson实现JSON数据的合并

JSON数据的操作&#xff0c;系列文章&#xff1a; 《Jackson的核心类与API方法&#xff1a;ObjectMapper、JsonNode、ObjectNode、ArrayNode》 《Jackson的使用与创建Jackson工具类》 《Jackson使用ObjectNode对象实现JSON对象数据&#xff08;一&#xff09;&#xff1a;增、删…...

Elasticsearch 倒排索引 和 正排索引

一、倒排索引 倒排索引是 Elasticsearch 实现高效全文搜索的核心技术。它通过将词项与文档 ID 关联&#xff0c;支持快速检索、短语查询、布尔查询和相关性评分。尽管倒排索引在存储和更新方面有一定的开销&#xff0c;但通过词典优化、倒排列表压缩、分片和缓存等技术&#x…...

Cocos Creator Shader入门实战(五):材质的了解、使用和动态构建

引擎&#xff1a;3.8.5 您好&#xff0c;我是鹤九日&#xff01; 回顾 前面的几篇文章&#xff0c;讲述的主要是Cocos引擎对Shader使用的一些固定规则&#xff0c;这里汇总下&#xff1a; 一、Shader实现基础是OpenGL ES可编程渲染管线&#xff0c;开发者只需关注顶点着色器和…...

【Python】pillow库学习笔记1-Image类

《Python语言程序设计基础 》第3版&#xff0c;嵩天 黄天羽 杨雅婷著&#xff0c;P293 1.pillow库概述 Pillow 库是Python图像处理重要的第三方库。 Pillow库是PIL (Python image library) 库的一个扩展&#xff0c;需要通过pip工具安装。安装PIL库需要注意&#xff0c;安装…...

解决 MySQL 的 sql_mode 中包含 only_full_group_by模式导致group by SQL报错

sql 报错&#xff1a; Cause: java.sql.SQLSyntaxErrorException: Expression #6 of SELECT list is not in GROUP BY clause and contains nonaggregated column ev_data_transmission.p.push_type which is not functionally dependent on columns in GROUP BY clause; this…...

【微服务架构】本地负载均衡的实现(基于随机算法)

前言 负载均衡 概念&#xff1a;一种将网络流量或业务请求均匀分配到多个服务器或服务实例上的技术&#xff0c;旨在提高系统的可用性、性能和可伸缩性。作用&#xff1a; 提高性能&#xff1a;通过将请求分散到多个实例上&#xff0c;避免单个实例因请求过多而过载&#xff…...

记一次线上SQL死锁事故

一、 引言 SQL死锁是一个常见且复杂的并发控制问题。当多个事务在数据库中互相等待对方释放锁时&#xff0c;就会形成死锁&#xff0c;从而导致事务无法继续执行&#xff0c;影响系统的性能和可用性。死锁不仅会导致数据库操作的阻塞&#xff0c;增加延迟&#xff0c;还可能对…...

电机控制常见面试问题(十八)

文章目录 一.电机控制高级拓扑结构1.LLC 二.谈谈电压器饱和后果三.电压器绕组连接方式的影响四.有源逆变的条件 一.电机控制高级拓扑结构 1.LLC LLC是什么&#xff1f;—— 一个会"变魔术"的电源盒子 想象你有一个魔法盒子&#xff0c;能把电池的电压变大或变小&…...

数据结构之双链表

目录 1 简介 2 双链表的基本概念 2.1 节点结构 2.2 头插法和尾插法 3 代码实现 4 代码解析&#xff08;部分&#xff09; 4.1 初始化双链表 4.2 添加节点 4.3 删除节点 4.4 获取节点 4.5 插入节点 4.6 反转链表 4.7 打印链表 4.8 核心操作分析 5 总结 1 简介 …...

dell 台式机 电脑 纽扣电池 如何取下?

dell 台式机 电脑 纽扣电池 如何取下&#xff1f; 戴尔-optiplex-3060-塔式机-服务手册...

JSON二次序列化问题分析

正常的JSON应该是: json Apply to VectorServic... { "id": "d471c19c-70eb-4f29-8604-b8284e8a9400", "text": "人为干预, 降低生产成本...", "metadata": { "chunkIndex": 2, …...

WebSocket 传输大量数据好不好?稳定不稳定

使用 WebSocket 传输大量数据 是可行的&#xff0c;但在实际应用中需要注意一些限制和优化策略。以下是关于 WebSocket 传输大量数据的详细分析&#xff1a; 1. WebSocket 传输大量数据的可行性 优点 实时性&#xff1a;WebSocket 是全双工通信协议&#xff0c;适合实时传输数…...

代码随想录刷题day52|(二叉树篇)106.从中序与后序遍历序列构造二叉树(▲

目录 一、二叉树理论知识 二、构造二叉树思路 2.1 构造二叉树流程&#xff08;给定中序后序 2.2 整体步骤 2.3 递归思路 2.4 给定前序和后序 三、相关算法题目 四、易错点 一、二叉树理论知识 详见&#xff1a;代码随想录刷题day34|&#xff08;二叉树篇&#xff09;二…...

无人设备遥控器之调度自动化技术篇

一、技术原理 信息采集与处理&#xff1a; 通过传感器、仪表等设备采集无人设备的各种数据&#xff0c;如位置、速度、状态等。 将采集到的数据传输到调度自动化系统中进行处理和分析&#xff0c;以获取设备的实时状态。 系统建模与优化&#xff1a; 调度自动化系统会根据…...

红宝书第十五讲:详解JavaScript迭代器与生成器:Symbol.iterator与yield

红宝书第十五讲&#xff1a;详解JavaScript迭代器与生成器&#xff1a;Symbol.iterator与yield 资料取自《JavaScript高级程序设计&#xff08;第5版&#xff09;》。 查看总目录&#xff1a;红宝书学习大纲 一、迭代器&#xff08;Iterator&#xff09;的“传送带”模式 迭代…...

【AI】NLP

不定期更新&#xff0c;建议关注收藏点赞。 目录 transformer大语言模型Google Gemma疫情网民情绪识别 整体框架 baseline构建 模型调参、模型优化、其他模型 数据trick、指标优化、magic feature 数据增强、伪标签、迁移学习 模型融合sklearn中TFIDF参数详解 频率阈值可以去掉…...

ENSP学习day10

NAT地址转换技术&#xff08;一&#xff09; NAT&#xff08;Network Address Translation&#xff09;地址转换技术是一种在计算机网络中常用的技术&#xff0c;在数据包从一个网络传输到另一个网络时&#xff0c;会对数据包中的源IP地址和目的IP地址进行修改的过程。这种技术…...

文件上传绕过的小点总结(4)

9.末尾点删除处理缺陷 给出源码&#xff1a; $file_name trim($_FILES[upload_file][name]); $file_name deldot($file_name);//删除文件名末尾的点 $file_ext strrchr($file_name, .); $file_ext strtolower($file_ext); //转换为小写 $file_ext str_ireplace(::$DATA,…...

实战-MySQL5.7升级8.0遇到的四个问题

近期几个项目的MySQL由5.7升级到8.0&#xff0c;升级过程中遇到四个问题&#xff0c;记录下来分享一下&#xff1a; 第一个问题详见之前的文章&#xff1a; MySQL 5.7升级8.0报异常&#xff1a;处理新增关键字 第二个问题详见之前的文章&#xff1a; MySQL 5.7升级8.0报异常…...

卷积神经网络的原理、实现及变体

卷积神经网络convolutional neural network&#xff0c;CNN 是为处理图像数据而生的网络&#xff0c;主要由卷积层&#xff08;填充和步幅&#xff09;、池化层&#xff08;汇聚层&#xff09;、全连接层组成。 卷积 虽然卷积层得名于卷积&#xff08;convolution&#xff09…...

java 线程创建Executors 和 ThreadPoolExecutor 和 CompletableFuture 三者 区别

Executors是一个线程池的工具类&#xff0c;而ThreadPoolExecutor是Executor接口的一个实现&#xff0c;是线程池的核心类。‌ Executors提供了多种快速创建线程池的方法&#xff0c;而ThreadPoolExecutor则提供了更高的自定义和控制能力‌。 Executors是一个工具类&#xff0…...

Redisson 实现分布式锁简单解析

目录 Redisson 实现分布式锁业务方法&#xff1a;加锁逻辑LockUtil 工具类锁余额方法&#xff1a;工具类代码枚举代码 RedisUtil 工具类tryLock 方法及重载【分布式锁具体实现】Supplier 函数式接口调用分析 Redisson 实现分布式锁 业务方法&#xff1a; 如图&#xff0c;简单…...

Python条件处理,新手入门到精通

Python条件处理&#xff0c;新手入门到精通 对话实录 **小白**&#xff1a;&#xff08;崩溃&#xff09;我写了if x 1:&#xff0c;为什么Python会报错&#xff1f; **专家**&#xff1a;&#xff08;推眼镜&#xff09;**是赋值&#xff0c;才是比较**&#xff01;想判断相…...

详细比较StringRedisTemplate和RedisTemplate的区别及使用方法,及解决融合使用方法

前言 感觉StringRedisTemplate和RedisTemplate非常的相识&#xff0c;到底有什么区别和联系呢&#xff1f;点开idea&#xff0c;打开其依赖关系&#xff0c;可以看出只需使用maven依赖包spring-boot-starter-data-redis&#xff0c;然后在service中注入StringRedisTemplate或者…...