贪心算法:部分背包问题深度解析
简介:
该Java代码基于贪心算法实现了分数背包问题的求解,核心通过单位价值降序排序和分阶段装入策略实现最优解。首先对Product数组执行双重循环冒泡排序,按wm(价值/重量比)从高到低重新排列物品;随后分两阶段装入:循环完整装入单位价值最高的物品直至剩余容量不足,最后计算部分装入比例并累加残值。代码突出展现了贪心算法的"局部最优推导全局最优"特性,通过预排序确保每次选择当前最优物品,其O(n²)排序过程与线性装入流程共同构成算法主体,物品装入状态数组和DecimalFormat精度控制体现实用性。(注:当前排序逻辑存在i,j均从1开始遍历的非常规冒泡实现,可能需优化为标准冒泡或更高效的排序算法)
贪心算法(Greedy Algorithm)
定义:一种在每一步选择中都采取当前状态下最优(即最有利)的决策,从而希望导致结果是全局最优的算法策略。
核心特征:
- 局部最优性:每个决策步骤都选择当前最佳选项
- 不可回溯性:做出的选择不可更改
- 高效性:通常时间复杂度低于动态规划
适用条件:
- 问题具有最优子结构(全局最优包含局部最优)
- 问题具有贪心选择性质(局部最优能推导全局最优)
典型应用场景:
- 部分背包问题(当前案例)
- 霍夫曼编码
- 最小生成树(Prim/Kruskal算法)
- 最短路径(Dijkstra算法)
在部分背包中的体现:
// 按单位价值降序排列(核心贪心策略)
if(products[i].wm > products[j].wm) { ... }
优缺点对比:
优势 | 局限性 |
---|---|
时间复杂度低(O(n²)) | 不能保证所有问题的最优解 |
实现简单直观 | 依赖问题特性(需证明正确性) |
空间复杂度低(O(n)) | 选择策略设计难度较高 |
题目:
注意:题目中的排序方法使用的是:归并排序
一、核心代码逐行解析
1. 数据结构定义(Product类)
class Product {int w; // 物品实际重量int v; // 物品完整价值double wm; // 单位重量价值(v/w)public Product(int w, int v) {this.w = w;this.v = v;// 计算单位价值(保留两位小数)this.wm = Double.parseDouble(new DecimalFormat("#.00").format((double)v/w));// 处理边界条件if(w == 0 || v == 0) this.wm = 0;}
}
执行流程说明:
w=40, v=40
→wm=1.00
w=50, v=60
→wm=1.20
w=20, v=30
→wm=1.50
2. 核心算法实现
// 阶段1:完整物品装入
int i = 1;
while(W >= products[i].w) { // 剩余容量 >= 当前物品重量weight += products[i].w; // 累加已装重量result += products[i].v; // 累加总价值W -= products[i].w; // 更新剩余容量items[i] = 1; // 标记完全装入i++; // 指向下个物品
}// 阶段2:部分物品装入
result += products[i].wm * W; // 按比例计算剩余价值
items[i] = (double)W/products[i].w; // 记录装入比例
执行示例:
初始容量W=100:
- 装入物品3(w=20)→ W=80
- 装入物品5(w=30)→ W=50
- 装入物品2(w=50)→ W=0
最终剩余容量处理:无
二、算法流程图解
完整执行流程
graph TDA[初始化物品数据] --> B[计算单位价值wm]B --> C{排序检查}C -->|i=1| D[比较products[i]与products[j]]D -->|wm更大| E[交换物品位置]E --> F{完成排序?}F -->|否| CF -->|是| G[循环装入完整物品]G --> H{容量足够?}H -->|是| I[完整装入]H -->|否| J[计算部分装入]J --> K[输出结果]
时间复杂度分解
三、关键算法深度解析
1. 排序算法实现
public static void sortProducts(Product[] products, int N) {for(int i=1; i<=N; i++) { // 控制排序轮次for(int j=1; j<=N; j++) { // 执行元素比较if(products[i].wm > products[j].wm) {// 元素交换三部曲Product temp = products[j];products[j] = products[i];products[i] = temp;}}}
}
算法特点:
- 典型冒泡排序变种
- 时间复杂度:严格O(n²)
- 空间复杂度:O(1)原地排序
- 缺陷:存在冗余比较(每次全量遍历)
优化代码
// 优化后的冒泡排序实现
public static void sortProducts(Product[] products, int N) {for(int i = 1; i <= N-1; i++) { // 只需N-1轮比较boolean swapped = false; // 交换标志位for(int j = 1; j <= N-i; j++) { // 每轮减少比较范围if(products[j].wm < products[j+1].wm) { // 比较相邻元素Product temp = products[j];products[j] = products[j+1];products[j+1] = temp;swapped = true;}}if(!swapped) break; // 提前终止优化}
}
2. 贪心策略实现
// 物品选择数组初始化
double[] items = new double[N+1]; // 索引1~N存储选择比例// 完整物品标记
items[i] = 1; // 二进制式标记(0或1)// 部分物品计算
double ratio = (double)W/products[i].w; // 精确计算比例
数学原理:
总价值 = Σ(完整物品v) + 剩余容量×max(wm)
四、完整实例代码
import java.text.DecimalFormat;
import java.util.Arrays;
import java.util.Properties;public class Test2 {public static void main(String[] args) {int N=5; // 总数量int W=100;// 总容量double result =0.0;// 总价值double[] items =new double[N+1];Product[] products=new Product[]{new Product(0,0),new Product(40,40),new Product(50,60),new Product(20,30),new Product(10,20),new Product(30,65),};int weight =0;sortProducts(products,N);printProducts(products,N);int i =1;while(W>=products[i].w){weight+=products[i].w;result+=products[i].v;W -= products[i].w;items[i]=1;i++;}// 部分result+=products[i].wm*W;items[i]=(double) W/products[i].w;System.out.println(result);printItems(items,N);}
// // 排序
// public static void sortProducts(Product[] products,int N) {
// for(int i=1;i<=N;i++){
// for( int j=1;j<=N;j++){
// if(products[i].wm>products[j].wm){
// Product product=products[j];
// products[j]=products[i];
// products[i]=product;
// }
// }
// }
// }// 优化后的冒泡排序实现public static void sortProducts(Product[] products, int N) {for(int i = 1; i <= N-1; i++) { // 只需N-1轮比较boolean swapped = false; // 交换标志位for(int j = 1; j <= N-i; j++) { // 每轮减少比较范围if(products[j].wm < products[j+1].wm) { // 比较相邻元素Product temp = products[j];products[j] = products[j+1];products[j+1] = temp;swapped = true;}}if(!swapped) break; // 提前终止优化}}public static void printProducts(Product[] pducts,int N){for (int i = 1; i <=N ; i++) {System.out.println(pducts[i]);}}public static void printItems(double[] items,int N){for (int i = 1; i <=N ; i++) {System.out.print(items[i]+" ");}System.out.println("");}}class Product{int w;// 重量int v;// 价值double wm;// 重量价值public Product(int w, int v) {this.w = w;this.v = v;this.wm =Double.parseDouble(new DecimalFormat("#.00").format((double) this.v/this.w));if(w==0 || v==0){this.wm =0;}}public Product(){}@Overridepublic String toString() {return "Product{" +"w=" + w +", v=" + v +", wm=" + wm +'}';}
}
运行结果:
五、复杂度分析进阶
时间复杂度对比
排序算法 | 时间复杂度 | 本实现采用 | 适用场景 |
---|---|---|---|
冒泡排序 | O(n²) | ✓ | 教学示例 |
快速排序 | O(n logn) | 生产环境 | |
堆排序 | O(n logn) | 大数据量 |
空间复杂度优化
// 原始实现
Product[] products = new Product[N+1]; // 空间O(n)// 优化建议
List<Product> productList = new ArrayList<>(); // 动态空间管理
六、代码缺陷与改进
现存问题
- 数组越界风险:
// 当i超过N时访问products[i]会导致异常
while(W >= products[i].w) // 需添加i <= N条件判断
- 精度丢失问题:
// double计算存在精度误差
new DecimalFormat("#.00").format(...) // 建议改用BigDecimal
改进方案
// 优化后的排序实现(使用Java内置排序)
Arrays.sort(products, 1, N+1, (a,b) -> Double.compare(b.wm, a.wm));// 优化后的容量检查
while(i <= N && W >= products[i].w) {// ...原有逻辑
}
七、应用场景扩展
实际应用案例
- 货物装载优化:海运集装箱的货物配载
- 资源分配:云计算中的资源分配策略
- 投资组合:金融资产的部分投资
性能测试数据
物品规模 | 冒泡排序耗时 | 快速排序耗时 |
---|---|---|
100 | 2ms | 0.3ms |
1000 | 150ms | 1.2ms |
10000 | 15s | 5ms |
八、算法扩展思考
动态规划对比
特性 | 贪心算法 | 动态规划 |
---|---|---|
时间复杂度 | O(n²) | O(nW) |
空间复杂度 | O(n) | O(nW) |
解的质量 | 最优 | 最优 |
适用场景 | 可分割物品 | 不可分割 |
多约束扩展
当存在多维约束(体积+重量)时,可引入:
max Σ(v_i*x_i)
s.t.
Σ(w_i*x_i) ≤ W
Σ(v_i*x_i) ≤ V
0 ≤ x_i ≤ 1
九、总结与展望
本实现完整展示了贪心算法在部分背包问题中的应用,核心在于:
- 正确计算单位价值
- 有效排序策略
- 分阶段装入逻辑
虽然当前实现存在时间复杂度较高的瓶颈,但通过:
- 改进排序算法
- 增加边界检查
- 提升计算精度
可将其升级为生产级解决方案。该算法在物流优化、金融投资等领域具有重要实践价值。
相关文章:
贪心算法:部分背包问题深度解析
简介: 该Java代码基于贪心算法实现了分数背包问题的求解,核心通过单位价值降序排序和分阶段装入策略实现最优解。首先对Product数组执行双重循环冒泡排序,按wm(价值/重量比)从高到低重新排列物品;随后分两阶段装入:循环…...
Java程序的基本规则
java程序的基本规则 1.1 java程序的组成形式 Java程序是一种纯粹的面向对象的程序设计语言,因此Java程序 必须以类(class)的形式存在,类(class)是Java程序的最小程序 单位。Java程序不允许可执行性语句…...
机器学习-线性回归模型
机器学习-线性回归模型 线性模型笔记1、向量化2、线性回归模型公式3、损失函数(代价函数)4、梯度下降法5、Python 实现示例 6、使用 sklearn 实现线性回归模型✅ 基本步骤如下:📦 示例代码: 7、numpy中的切片X[n,:]是取…...
Linux 入门指令(1)
(1)ls指令 ls -l可以缩写成 ll 同时一个ls可以加多个后缀 比如 ll -at (2)pwd指令 (3)cd指令 cd .是当前目录 (4)touch指令 (5)mkdir指令 (6)rmdir和rm…...
密码学基础——AES算法
目录 一、算法背景 AES算法与Rijndael算法 二、算法特点 1.安全性高 2.效率高 3.灵活性好 三、算法说明 3.1状态、种子密钥和轮数的概念 (1)状态(State) 定义 结构:通常状态是一个 4N 字节的矩阵࿰…...
淘宝API与小程序深度联动:商品详情页“一键转卖”功能开发
要实现淘宝 API 与小程序深度联动,开发商品详情页 “一键转卖” 功能,可按以下步骤进行: 1. 前期准备 淘宝开放平台接入:在淘宝开放平台注册开发者账号,创建应用,获取 App Key 和 App Secret,…...
深入解析 C++ 设计模式:原理、实现与应用
一、引言 在 C 编程的广袤领域中,设计模式犹如闪耀的灯塔,为开发者指引着构建高效、可维护软件系统的方向。设计模式并非神秘莫测的代码魔法,实际上,我们在日常编程中或许早已与之打过交道。简单来说,设计模式常常借助…...
配置与管理代理服务器
安装squid Squid软件包在标准yum存储库中可用,因此,我们正在使用yum命令安装Squid代理。 [rootserver ~]# dnf install -y squid //安装 [rootserver ~]#systemctl enable --now squid.service [rootserver ~]#systemctl status squid.serv…...
RuntimeError: CUDA error: invalid device function
CUDA内核编译时的架构设置与当前GPU不兼容导致 -- The CUDA compiler identification is NVIDIA 11.5.119 (实际为 12.6) 解决方案: 1. 查看显卡计算能力 2. CMakeLists.txt 修改 set_target_properties(my_library PROPERTIESCUDA_AR…...
vulnhub:sunset decoy
靶机下载地址https://www.vulnhub.com/entry/sunset-decoy,505/ 渗透过程 简单信息收集 nmap 192.168.56.0/24 -Pn # 确定靶机ip:192.168.56.121 nmap 192.168.56.121 -A -T4 # 得到开放端口22,80 在80端口得到save.zip,需要密码解压。 john破解压缩…...
MySQL日期时间类型详解:DATE、TIME和DATETIME的用法与区别
在数据库设计中,正确处理日期和时间数据是至关重要的。MySQL提供了多种数据类型来存储时间信息,其中最常用的三种是DATE、TIME和DATETIME。本文将详细介绍这三种类型的特性、区别以及实际应用场景。 一、基本数据类型介绍 1. DATE类型 用途࿱…...
js异步机制
1、什么是异步机制?为什么js需要异步机制? 异步机制和同步机制是相对应的,异步是指:当代码按照顺序执行到一些比较耗时的操作,不会立刻执行,而是将这些操作推到一个队列中等待合适的时机从队列中取出任务执…...
Pycharm常用快捷键总结
主要是为了记录windows下的PyCharm的快捷键,里面的操作都试过了功能描述会增加备注。 文件操作 快捷键功能描述Ctrl N新建文件Ctrl Shift N根据名称查找文件Ctrl O打开文件Ctrl S保存当前文件Ctrl Shift S另存为Alt F12打开终端(Terminal&…...
巧记英语四级单词 Unit2-下【晓艳老师版】
mit传递(send 送)、 superiority n.优势,优越性 超越别人的东西就是自己的优势govern v.统治 government政府 统治的机构administer v.管理,治理 minister 大臣 部长,mini-小人,一再的做大臣 部长…...
走进底层 - JVM工作原理入门指南
走进底层 - JVM工作原理入门指南 Java 之所以能够实现“一次编写,到处运行”(Write Once, Run Anywhere, WORA),核心在于 Java 虚拟机(JVM, Java Virtual Machine)。JVM 是 Java 程序的运行环境,…...
windows 10频繁通知A字“出现了问题,无法安装功能。”
一、故障突现 windows 10频繁通知A字“出现了问题,无法安装功能。” 编辑文档时发现黑体、楷体gb_2312等常用字体,在字体列表中失踪,原来设置好的字体也显示失效。 二、起因分析 回想了一下,是3月27日安装了 2025-适用于Windows…...
基础环境配置
1.GitGerritjenkins Linux 远程登录 | 菜鸟教程 https://zhuanlan.zhihu.com/p/22766058062 2.Samba 配置 3.软件安装 (1)MobaXterm (2)Vscode (3)Xmind (4) Audacity Aud…...
ROS2——foxy apt打包离线安装deb包
需要从A设备复制ROS2环境到B设备,且B设备有可能没网络,所以选择制作离线资源包 1. 本机安装指令 本机环境ubuntu20.04,安装ros2-foxy版本,直接输入以下指令,基本不会遇到问题 这里安装的是ros-base版本,不…...
大数据学习(104)-clickhouse与hdfs
🍋🍋大数据学习🍋🍋 🔥系列专栏: 👑哲学语录: 用力所能及,改变世界。 💖如果觉得博主的文章还不错的话,请点赞👍收藏⭐️留言📝支持一…...
大数据 - 1. 概述
早期的计算机(上世纪70年代前) 是相互独立的,各自处理各自的数据上世纪70年代后,出现了基于TCP/IP协议的小规模的计算机互联互通。上世纪90年代后,全球互联的互联网出现。当全球互联网逐步建成(2000年左右&…...
CD25.【C++ Dev】类和对象(16) static成员(上)
目录 1.static成员变量 问题:实现一个类,计算程序中创建出了多少个类对象 设计思路 代码示例 版本1 版本2 static成员 特点1.static成员为静态成员,为所有类对象所共享(在某种程度上可以理解为全局的,用类去封装"全局变量"),存放在静态区,则不属于某个具体的…...
C语言今天开始了学习
好多年没有弄了,还是捡起来弄下吧 用的vscode 建议大家参考这个配置 c语言vscode配置 c语言这个语言简单,但是今天听到了一个消息说python 不知道怎么debug。人才真多啊...
Mockito如何对静态方法进行测试
在 Mockito 中,直接对静态方法进行模拟是困难的,因为 Mockito 的设计理念是优先通过依赖注入(DI)管理对象,而静态方法破坏了这种设计(难以解耦)。不过,从 Mockito 3.4.0 版本开始,通过 mockStatic 方法支持了对静态方法的模拟(需配合 mockito-inline 依赖)。 从 Mo…...
Three.js 入门实战:安装、基础概念与第一个场景⭐
学习本章节你不必要追求细节,你只需要了解基本的3D场景需要哪些元素组成,如何通过组成3D场景的元素属性调整来控制3D物体或者场景即可。 在上一篇文章中我们初识了 Three.js,今天我们正式进入实战环节 🎯 前置准备: …...
【QT】QT的消息盒子和对话框(自定义对话框)
QT的消息盒子和对话框(自定义对话框) 一、消息盒子QMessageBox1、弹出警告盒子示例代码:现象: 2、致命错误盒子示例代码:现象: 3、帮助盒子示例代码:现象: 4、示例代码: …...
QT面试题:内存管理与对象生命周期
题目: 在Qt中,当一个父对象被销毁时,其子对象是否会被自动释放?请结合Qt的内存管理机制说明原因,并解释在什么情况下可能导致内存泄漏。如何避免这类问题? 参考答案 父子对象的内存管理机制 …...
linux查询inode使用率
在 Linux 中,inode 用于存储文件和目录的元数据(如权限、所有者、时间戳等)。当文件系统的 inode 被耗尽时,即使磁盘空间充足,系统也会提示 No space left on device。以下是查询 inode 使用率的详细方法: …...
算法基础—二分算法
目录 一、⼆分查找例题 1 牛可乐和魔法封印 2 A-B 数对 3 烦恼的高考志愿 二、 ⼆分答案 1 木材加⼯ 2 砍树 3 跳石头 ⼆分算法的原理以及模板其实是很简单的,主要的难点在于问题中的各种各样的细节问题。因此,⼤多数情况下,只是背会…...
2024年第十五届蓝桥杯CC++大学A组--成绩统计
2024年第十五届蓝桥杯C&C大学A组--成绩统计 题目: 动态规划, 对于该题,考虑动态规划解法,先取前k个人的成绩计算其方差,并将成绩记录在数组中,记录当前均值,设小蓝已检查前i-1个人的成绩&…...
家居实用品:生活中的艺术,家的温馨源泉
在快节奏的现代生活中,家居实用品不仅是日常所需的工具,更是营造温馨家居氛围、提升生活品质的关键元素。它们以其独特的魅力,默默地融入我们的日常生活,成为连接物质世界与精神世界的桥梁。 走进家门,首先映入眼帘的或…...
TCP重传率高与传输延迟问题
目录标题 排查步骤:TCP重传率高与传输延迟问题v1.0通过 rate(node_netstat_Tcp_RetransSegs[3m]) 排查 TCP 重传问题的步骤1. **指标含义与初步分析**2. **关联指标排查**3. **定位具体问题源**4. **解决方案**5. **验证与监控** v2.0一、基础检查二、网络层分析三、…...
超越简单检索:探索知识图谱与大型语言模型的协同进化之路
摘要: 大型语言模型(LLM)在自然语言处理领域取得了革命性进展,但其在事实准确性、复杂推理和可解释性方面仍面临挑战,“幻觉”现象是其固有局限性的体现。知识图谱(KG)作为结构化人类知识的载体,…...
汽车的四大工艺
文章目录 冲压工艺核心流程关键技术 焊接工艺核心流程 涂装工艺核心流程 总装工艺核心流程终检与测试静态检查动态检查四轮定位制动转鼓测试淋雨测试总结 简单总结下汽车的四大工艺(从网上找了一张图,感觉挺全面的)。 冲压工艺 将金属板材通过…...
研发效能实践:技术评审会生存指南
文章目录 🚨开篇暴击:为什么你的评审会像「菜鸡互啄」?⚙️第一章:Google Design Sprint——5天把争议变成共识📅 Day 1-5 实操手册Map the Problem(画地图)Sketch Solutions…...
js 拷贝
在 JavaScript 中,拷贝对象和数组时需要特别注意,因为对象和数组是引用类型,直接赋值只会复制引用,而不是实际的数据。以下是几种常见的拷贝方法及其应用场景: 1. 浅拷贝(Shallow Copy) 浅拷贝…...
AI比人脑更强,因为被植入思维模型【51】效率思维模型
giszz的理解:效率实际没有用,过分的追求效率,也是当下社会的弊病。但是效率思维,让我们能够用一个最简单的模型,去平衡投入和产出的最佳比例。过高的效率,会导致过大的压力,合适是最好的。 一、…...
Spark RDD相关概念
Spark运行架构与核心组件 1.Spark运行梁构 spark运行架构包括master和slave两个主要部分。master负责管理整个集群的作业任务调度,而slave则负责实际执行任务。 dirver是Spark驱动器节点,负责执行Spark任务中的main方法,将用户程序转换成作业…...
每日一题(小白)数组娱乐篇21
由于题意可知我们是要将对应的数字转换为英文,我们要考虑两点一个是进制的转换,也就是类似于我们的十进制一到9就多一位,这里的进制就是Z进制也就是27进制一旦到26下一位则进位;另一方面要考虑数字的转换也就是1~26对应A~Z。解决上…...
LLM 的model.generate() 参数说明
LLM 的model.generate() 参数说明 目录 LLM 的model.generate() 参数说明生成长度控制参数采样策略参数重复惩罚参数束搜索参数其他参数model.generate() 方法是 Hugging Face Transformers 库中用于文本生成的核心方法,它有众多参数可用于控制生成过程 生成长度控制参数 min…...
每日一题——AB10 反转链表
ListNode* prev NULL;while(head) {ListNode* next head->next; // 先记住下一个节点head->next prev; // 把当前节点指向前一个prev head; // 前一个节点变成当前节点head next; // 当前节点移动到下一个}return prev; // …...
大模型备案语料安全要求解析
根据大模型备案法规要求及实践经验,我整理除了以下涉及到语料安全相关环节的要求,供大家参考,如果有大模型备案和算法备案的更多疑问,也可以和我沟通交流。 一、关键词库规模与覆盖范围 1.基础规模 企业需建立拦截关键词库&…...
【Ansible自动化运维】二、Playbook 深入探究:构建复杂自动化流程
在 Ansible 自动化运维体系中,Playbook 是极为关键的部分。它允许我们以一种结构化、可重复的方式定义和执行一系列复杂的任务,从而构建高效的自动化流程。本篇文章将深入探究 Ansible Playbook 的各个方面,助您掌握构建复杂自动化…...
unity 保存场景功能 可以保存运行时候地形变化和动态生成得物体,点击加载进来后可以继续上次退出时得场景
直接上代码了 using System; using System.Collections.Generic; using System.IO; using UnityEngine; using UnityEngine.UI;[System.Serializable] public class TerrainSaveData {public int heightmapResolution;public float terrainWidth;public float terrainLength;p…...
光谱相机的关键技术参数
光谱相机的关键技术参数直接影响其数据获取能力和应用场景适配性。以下是核心参数的详细解析,涵盖光谱性能、空间性能、硬件性能及环境适应性: 一、光谱性能参数 1. 光谱范围(Spectral Range) 定义:相机可…...
Linux系统管理与编程12: FTP服务配置
(本实验在CentOS7/8上完成,OpenEuler上暂时未实现) 兰生幽谷,不为莫服而不芳; 君子行义,不为莫知而止休。 1 实验目标 1)理解FTP服务器原理 2) 掌握FTP服务器的配置文件 3)具备安装部署VSFTP的能力 4) 具备FTP的故障排除能…...
乐观锁与悲观锁的使用场景
悲观锁的应用场景 悲观锁的基本思想是假设并发冲突会发生,因此在操作数据时会先锁定数据,直到完成操作并提交事务后才释放锁。这种方式适用于写操作较多、并发冲突可能性较高的场景。 高写入比例的数据库操作:如果系统中有很多写操作&#x…...
金融级隐私安全之DeepSeek R1 模型去中心化存储和推理实现方案
目录 DeepSeek R1 进入去中心化存储网络意味着什么? 它是如何工作的? Atoma、Walrus和 Sui Atoma Network 已成功将 DeepSeek R1 670B 参数推理模型上传到 Walrus 去中心化存储网络。这标志着这种规模的模型首次在去中心化存储层上可用,确保无需依赖中心化基础设施即可实…...
基于django大数据平台的交通数据可视化设计与实现(源码+lw+部署文档+讲解),源码可白嫖!
摘要 时代在飞速进步,每个行业都在努力发展现在先进技术,通过这些先进的技术来提高自己的水平和优势,基于大数据平台的交通数据可视化系统当然不能排除在外。基于大数据平台的交通数据可视化系统是在实际应用和软件工程的开发原理之上&#…...
STM32 vs ESP32:如何选择最适合你的单片机?
引言 在嵌入式开发中,STM32 和 ESP32 是两种最热门的微控制器方案。但许多开发者面对项目选型时仍会感到困惑:到底是选择功能强大的 STM32,还是集成无线的 ESP32? 本文将通过 硬件资源、开发场景、成本分析 等多维度对比…...
柳宗元经典的10首唐诗
1、最孤独的诗:《江雪》 江雪 千山鸟飞绝,万径人踪灭。 孤舟蓑笠翁,独钓寒江雪。 这首诗被誉为“唐诗五绝最佳”之作。 富于理想的“永贞革新”失败后,柳宗元被贬永州,母亲也在半年后离世。年届三十,政…...