NO.87十六届蓝桥杯备战|动态规划-完全背包|疯狂的采药|Buying Hay|纪念品(C++)
完全背包
先解决第⼀问
- 状态表⽰:
dp[i][j]
表⽰:从前i个物品中挑选,总体积不超过j,所有的选法中,能挑选出来的最⼤价
值。(这⾥是和01背包⼀样哒)
那我们的最终结果就是dp[n][V]
。 - 状态转移⽅程:
线性dp状态转移⽅程分析⽅式,⼀般都是根据最后⼀步的状况,来分情况讨论。但是最后⼀个物品能选很多个,因此我们的需要分很多情况:
a. 选0个第i个物品:此时相当于就是去前i-1个物品中挑选,总体积不超过j。此时最⼤价值为dp[i - 1][j]
;
b. 选1个第i个物品:此时相当于就是去前i-1个物品中挑选,总体积不超过j-v[i]
。因为挑选了⼀个i物品,此时最⼤价值为dp[i-1][j-v[i]]+w[i]
;
c. 选2个第i个物品:此时相当于就是去前o-1个物品中挑选,总体积不超过j-2 x v[i]
。因为挑选了两个i物品,此时最⼤价值为dp[i-1][j - 2 v[i]] + 2 * w[i]
;
综上,状态转移⽅程为:
dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - v[i]] + w[i], dp[i - 1][j - 2 × v[i]] + 2 × w[i]...
当计算⼀个状态的时候,需要⼀个循环才能搞定的时候,就要想到去优化。优化的⽅向就是⽤⼀个或者两个状态来表⽰这⼀堆的状态,通常就是⽤数学的⽅式做⼀下等价替换。
观察发现第⼆维是有规律的变化的,因此去看看dp[i][j - v[i]]
这个状态:
dp[i][j - v[i]] = max(dp[i - 1][j - v[i]], dp[i - 1][j - 2 × v[i]] + w[i], dp[i - 1][j - 3 × v[i]] + 2 × w[i]...)
我们发现,把dp[i][j - v[i]]
加上w[i]
正好和dp[i][j]
中除了第⼀项以外的全部⼀致,因们可以修改状态转移⽅程为:
dp[i][j] = max(dp[i - 1][j], dp[i][j - v[i]] + w[i])
- 初始化:
我们多加⼀⾏,⽅便我们的初始化,此时仅需将第⼀⾏初始化为0即可。因为什么也不选,也能满⾜体积不⼩于j的情况,此时的价值为0。 - 填表顺序:
根据状态转移⽅程,我们仅需从上往下填表即可。
接下来解决第⼆问:
第⼆问仅需修改⼀下初始化以及最终结果即可。
- 初始化:
因为有可能凑不⻬j体积的物品,因此我们把不合法的状态设置为负⽆穷。这样在取最⼤值的时候,就不会考虑到这个位置的值。负⽆穷⼀般设置为-0x3f3f3f3f即可。
然后把dp[0][0]
修改成0,因为这是⼀个合法的状态,最⼤价值是0,也让后续填表是正确
的。 - 返回值:
在最后拿结果的时候,也要判断⼀下最后⼀个位置是不是⼩于0 ,因为有可能凑不⻬
不能判断是否等于-0x3f3f3f3f,因为这个位置的值会被更新,只不过之前的值太⼩,导致更新后还是⼩于0的。
#include <bits/stdc++.h>
using namespace std;const int N = 1010;int n, m;
int v[N], w[N];
int f[N][N];int main()
{ios::sync_with_stdio(false);cin.tie(0);cin >> n >> m;for (int i = 1; i <= n; i++) cin >> v[i] >> w[i];//第一问for (int i = 1; i <= n; i++){for (int j = 0; j <= m; j++){f[i][j] = f[i-1][j];if (j >= v[i]) f[i][j] = max(f[i][j], f[i][j-v[i]] + w[i]);}}cout << f[n][m] << endl;//第二问memset(f, -0x3f, sizeof f);f[0][0] = 0;for (int i = 1; i <= n; i++){for (int j = 0; j <= m; j++){f[i][j] = f[i-1][j];if (j >= v[i]) f[i][j] = max(f[i][j], f[i][j-v[i]] + w[i]);}}if (f[n][m] < 0) cout << 0 << endl;else cout << f[n][m] << endl;return 0;
}
空间优化
#include <bits/stdc++.h>
using namespace std;const int N = 1010;int n, m;
int v[N], w[N];
int f[N];int main()
{ios::sync_with_stdio(false);cin.tie(0);cin >> n >> m;for (int i = 1; i <= n; i++) cin >> v[i] >> w[i];//第一问for (int i = 1; i <= n; i++){for (int j = v[i]; j <= m; j++){f[j] = max(f[j], f[j-v[i]] + w[i]);}}cout << f[m] << endl;//第二问memset(f, -0x3f, sizeof f);f[0] = 0;for (int i = 1; i <= n; i++){for (int j = v[i]; j <= m; j++){f[j] = max(f[j], f[j-v[i]] + w[i]);}}if (f[m] < 0) cout << 0 << endl;else cout << f[m] << endl;return 0;
}
P2918 [USACO08NOV] Buying Hay S - 洛谷
完全背包模版题。
- 状态表⽰:
dp[i][j]
表⽰:从前i 个药材中挑选,总时间不超过j ,此时能采摘到的最⼤价值。
那么dp[n][m]
就是结果。 - 状态转移⽅程:
对于i 位置的药材,可以选择采0, 1, 2, 3… 个:
a. 选0 个:最⼤价值为dp[i - 1][j]
;
b. 选1 个:最⼤价值为dp[i - 1][j - t[i]] + v[i]
;
c. 选2 个:最⼤价值为dp[i - 1][j - 2 × t[i]] + 2 × v[i]
;
d. …
由于要的是最⼤价值,应该是上述所有情况的最⼤值。其中第⼆个往后的状态可以⽤dp[i][j - t[i]] + v[i]
替代,因此状态转移⽅程为
dp[i][j] = max(dp[i - 1][j], dp[i][j - t[i]] + v[i])
- 初始化:
全部初始化0 ,不影响后续填表的正确性。 - 填表顺序:
从上往下每⼀⾏,每⼀⾏从左往右。
空间优化版本也是如此
#include <bits/stdc++.h>
using namespace std;typedef long long LL;const int N = 1e4 + 10, M = 1e7 + 10;int n, m;
int t[N], w[N];
LL f[M];int main()
{ios::sync_with_stdio(false);cin.tie(0);cin >> m >> n;for (int i = 1; i <= n; i++) cin >> t[i] >> w[i];for (int i = 1; i <= n; i++){for (int j = t[i]; j <= m; j++){f[j] = max(f[j], f[j-t[i]]+w[i]); }}cout << f[m] << endl;return 0;
}
P2918 [USACO08NOV] Buying Hay S - 洛谷
完全背包简单变形。
- 状态表⽰:
dp[i][j]
表⽰:从前i 个⼲草公司中挑选,总重量⾄少为j 磅,此时的最⼩开销。
注意注意注意!这是我们遇到的第三类限制情况。
之前的限制条件为不超过j ,或者是恰好等于j 。这道题的限定条件是⾄少为j ,也就是说可以超过j。这会对我们分析状态转移⽅程的时候造成影响。
根据状态表⽰,dp[n][m]
就是结果。 - 状态转移⽅程:
对于i 位置的公司,可以选择买0, 1, 2, 3… 个:
a. 选0 个:开销为dp[i - 1][j]
;
b. 选1个:开销为dp[i - 1][j - p[i]]+c[i]
。问题来了,状态表⽰⾥⾯是⾄少为j ,也就是说j - p[i]
⼩于0也是合法的。因为公司提供了p[i]
的重量,⼤于j,是符合要求的。但是dp表的下标不能是负数,处理这种情况的⽅式就是对j-p[i]
与0取⼀个最⼤值。当重量很⼤的时,只⽤去前⾯凑重量为0的就⾜够了,这样就符合我们的状态表⽰了。因此,最终开销为
dp[i - 1][max(0, j - p[i])] + c[i]
c. 选2 个:开销为dp[i - 1][max(0, j - 2 × p[i])] + 2 × c[i]
;
d. …
由于要的是最⼩开销,应该是上述所有情况的最⼩值。
其中第⼆个往后的状态可以⽤dp[i][max(0, j - p[i])] + c[i]
替代,因此状态转移⽅程为dp[i][j] = min(dp[i - 1][j], dp[i][max(0, j - p[i])] + c[i])
- 初始化:
全部初始化正⽆穷⼤0x3f3f3f3f ,然后dp[0][0] = 0
,不影响后续填表的正确性。 - 填表顺序:
从上往下每⼀⾏,每⼀⾏从左往右。
空间优化版本也是如此
#include <bits/stdc++.h>
using namespace std;const int N = 110, M = 50010;int n, m;
int p[N], c[N];
int f[N][M];int main()
{ios::sync_with_stdio(false);cin.tie(0);cin >> n >> m;for (int i = 1; i <= n; i++) cin >> p[i] >> c[i];memset(f, 0x3f, sizeof f);f[0][0] = 0;for (int i = 1; i <= n; i++){for (int j = 0; j <= m; j++){f[i][j] = min(f[i-1][j], f[i][max(0, j-p[i])] + c[i]); }}cout << f[n][m] << endl;return 0;
}
空间优化
#include <bits/stdc++.h>
using namespace std;const int N = 110, M = 50010;int n, m;
int p[N], c[N];
int f[M];int main()
{ios::sync_with_stdio(false);cin.tie(0);cin >> n >> m;for (int i = 1; i <= n; i++) cin >> p[i] >> c[i];memset(f, 0x3f, sizeof f);f[0] = 0;for (int i = 1; i <= n; i++){for (int j = 0; j <= m; j++){f[j] = min(f[j], f[max(0, j-p[i])] + c[i]); }}cout << f[m] << endl;return 0;
}
P5662 [CSP-J2019] 纪念品 - 洛谷
总策略:贪⼼。从前往后,⼀天⼀天的考虑如何最⼤⾦币。
因为纪念品可以在当天买,当天卖。因此所有的交易情况,就可以转换成"某天买隔天卖"的情况。那么,我们就可以贪⼼的将每⼀天能拿到的最⼤利润全都拿到⼿:
- 从第⼀天开始,把第⼀天的⾦币看成限制条件,第⼆天的⾦币看成价值,求出:在不超过m的情况下,能获得的最⼤价值m1;
- 然后时间来到第⼆天,把这⼀天的⾦币看成限制条件,第三天的⾦币看成价值,求出:在不超m1的情况下,能获得的最⼤价值m2;
- 以此类推,直到把第t - 1天的情况计算出来,能获得最⼤价值就是结果。
接下来就处理,拿到第i⾏以及i+1⾏数据,在最⼤⾦币数量为m的前提下,获得的最⼤利润是
多少? - 因为每⼀个纪念品都可以⽆限次购买;
- 把前⼀⾏看成限制,后⼀⾏减去前⼀⾏的值看成价值,就变成了标准的完全背包问题。
那我们的解决⽅法就是⼀⾏⼀⾏的跑完全背包,跑⼀⾏拿到最⼤价值,然后放到下⼀⾏继续跑,直到跑完倒数第⼆⾏。
完全背包的逻辑:
- 状态表⽰:
dp[i][j]
表⽰从前i 个纪念品中挑选,总花费不超过j 的情况下,最⼤的利润。
那么,dp[n][m] + m
就是能得到的最⼤⾦币数量 - 状态转移⽅程:
根据最后⼀个纪念品选的数量,分成如下情况:
a. 如果选0 个:能获得的最⼤⾦币数量为dp[i - 1][j]
;
b. 如果选1 个:能获得的最⼤⾦币数量为dp[i - 1][j - w[i]] + v[i] - w[i]
;
c. 如果选2 个:能获得的最⼤⾦币数量为dp[i - 1][j - 2 × w[i]] + 2 × (v[i] - w[i])
d. …
其中除了第⼀个状态外的所有状态都可以⽤dp[i][j - w[i]] + v[i] - w[i]
来表⽰,⼜因为要的是最⼤值,所以状态转移⽅程就是所有情况的最⼤值。 - 初始化
全为0 即可
#include <bits/stdc++.h>
using namespace std;const int N = 110, M = 1e4 + 10;int t, n, m;
int p[N][N];
int f[M];//完全背包
int solve(int v[], int w[], int m)
{//清空数据memset(f, 0, sizeof f);for (int i = 1; i <= n; i++){for (int j = v[i]; j <= m; j++){f[j] = max(f[j], f[j-v[i]] + w[i] - v[i]); }}return f[m] + m;
}int main()
{ios::sync_with_stdio(false);cin.tie(0);cin >> t >> n >> m;for (int i = 1; i <= t; i++)for (int j = 1; j <= n; j++)cin >> p[i][j];//贪心for (int i = 1; i < t; i++){m = solve(p[i], p[i+1], m); }cout << m << endl;return 0;
}
相关文章:
NO.87十六届蓝桥杯备战|动态规划-完全背包|疯狂的采药|Buying Hay|纪念品(C++)
完全背包 先解决第⼀问 状态表⽰: dp[i][j]表⽰:从前i个物品中挑选,总体积不超过j,所有的选法中,能挑选出来的最⼤价 值。(这⾥是和01背包⼀样哒) 那我们的最终结果就是dp[n][V] 。状态转移⽅…...
Win11企业版安装wsl遇到的坑
起因是windows11上安装了docker desktop,但是启动以后显示Docker Engine stopped,一顿搜索。 可以参考:windows 11系统下打开docker 提示 docker engine stopped - DbWong_0918 - 博客园 我这边主要是检查了第2点,开启windows h…...
C++手撕单链表及逆序打印
在学习数据结构的过程中,链表是一个非常重要的基础数据结构。今天,我们将通过C手动实现一个单链表,并添加一个逆序打印的功能,帮助大家更好地理解链表的实现和操作。 一、链表简介 链表是一种线性数据结构,其中每个元…...
Kubernetes外部etcd集群的快速Docker Compose 部署
一、背景 在高可用 Kubernetes 部署中,需要单独部署外部 etcd 集群,而不是使用 kubeadm 默认在 master 节点上部署的 etcd。以下是关于这一配置场景的详细记录。 二、etcd简介 etcd 是一个高可用的分布式键值存储系统,主要用于存储和管理配…...
docker的目录挂载与卷映射
文章目录 一、目录挂载背景定义使用 二、卷映射背景定义区别使用docker对卷的操作 一、目录挂载 背景 上一文,我们提了docker exec进入容器修改页面很麻烦,所以在这里,我们学习一个新的容器使用方法,叫“目录挂载” 定义 长话…...
十三种物联网/通信模块综合对比——《数据手册--物联网/通信模块》
物联网/通信模块 名称 功能 应用场景 USB转换模块 用于将USB接口转换为其他类型的接口,如串口、并口等,实现不同设备之间的通信。 常用于计算机与外部设备(如打印机、扫描仪等)的连接,以及数据传输和设…...
IntelliJ IDEA 中安装和使用通义灵码 AI 编程助手教程
随着人工智能技术的发展,AI 编程助手逐渐成为提升开发效率的强大工具。通义灵码是阿里云推出的一款 AI 编程助手,它能够帮助开发者实现智能代码补全、代码解释、生成单元测试等功能,极大地提升了编程效率和代码质量。 IntelliJ IDEA 是一款广…...
工业 IOT 平台重塑锂电龙头数字化未来
在 “双碳” 目标驱动下,新能源锂电池产业正经历前所未有的扩张期。作为全球原材料领域的龙头企业,某锂电巨头在国内布局的多个生产基地却陷入 “成长的烦恼”:车间里工人忙着手工录入数据,设备运行状态靠纸质报表传递,…...
蓝牙连接hci 命令和事件的交互
参考:在HCI层看蓝牙的连接过程_hci 获取蓝牙pin码-CSDN博客 我这边查看的是core 5.2 一、数据交互流程 1、ACL连接建立后的可选流程 参考蓝牙core5.2: vol2 --> PartF --> 4 1.1 AUTHENTICATION REQUESTED Authentication can be explicitly executed at …...
Maven超级详细安装部署
1.到底什么是Maven?搞清楚这个 Maven 是一个项目管理工具,主要用于 Java 项目的构建、依赖管理和文档生成。 它基于项目对象模型(POM),通过 pom.xml 文件定义项目的配置。 (简单说破:就是工程…...
OSPF不规则区域和LSA
OSPF不规则区域 1.远离骨干的非骨干区域 R1-R4四台路由器能够正常学习到彼此路由,但是R5不行,因为R5是非法ABR 解决方法: 1使用Tunnel隧道将AR4连接到骨干区域 (1) 使用隧道解决不规则区域的问题 a.可能造成选路不…...
深入了解 UI 咨询公司:数字化时代的品牌助推器
在数字化浪潮席卷全球的当下,用户界面(UI)设计已然成为企业在激烈市场竞争中脱颖而出的关键因素。UI 咨询公司应运而生,凭借其专业的知识与技能,为企业的数字化转型和品牌建设提供强大助力。 UI 咨询公司的重要性 提…...
网络建设与运维神州数码DCN sFlow网络流量信息协议
简介 用于监控网络流量信息的协议。 主要操作:由被监视的交换机,路由器把被监控的数据通过采样,统计等操作发送到用于监控的用户端分析器,由分析器对收到的数据进行用户所要求的分析,从而达到监控网络的目的。 各 sFlo…...
NO.88十六届蓝桥杯备战|动态规划-多重背包|摆花(C++)
多重背包 多重背包问题有两种解法: 按照背包问题的常规分析⽅式,仿照完全背包,第三维枚举使⽤的个数;利⽤⼆进制可以表⽰⼀定范围内整数的性质,转化成01 背包问题。 ⼩建议:并不是所有的多重背包问题都能…...
vue2添加背景水印-手动实现(无组件模式)
1. App.vue <template><div id"app" class"app"><router-view></router-view></div> </template><script> export default {mounted() {this.updateWatermark();// 监听路由变化this.$router.afterEach(() >…...
华为数通Datacom认证考试难度怎么样?
华为数通Datatcom认证是华为针对数据通信领域推出的技术认证体系,分为HCIA(初级)、HCIP(中级)、HCIE(专家级)三个等级,考试难度逐级递增,对考生的理论知识和实践能力…...
一文读懂WPF系列之常用控件以及样式
WPF控件 控件分类概览常用控件常用控件代码示例和效果 样式与模板应用样式定义方式行内样式页面/窗口级资源样式(Local Resource)应用程序全局资源独立资源字典(ResourceDictionary)控件模板(ControlTemplate&…...
代码随想录算法训练营第十四天
LeetCode题目: 513. 找树左下角的值112. 路径总和106. 从中序与后序遍历序列构造二叉树 其他: 今日总结 往期打卡 513. 找树左下角的值 跳转: 513. 找树左下角的值 学习: 代码随想录公开讲解 问题: 给定一个二叉树的 根节点 root,请找出该二叉树的 最底层 最左边…...
国产信创数据库:PolarDB 分布式版 V2.0,支持集中分布式一体化
阿里云PolarDB数据库管理软件(分布式版)V2.0 ,安全可靠的集中分布式一体化数据库管理软件。点此查看详情https://www.aliyun.com/activity/database/polardbx-v2?spma2c6h.13046898.publish-article.8.44146ffaE0lEWT 立即咨询专家…...
【教学类-102-07】剪纸图案全套代码07——Python点状虚线优化版本+制作1图2图6图
背景需求: 我觉得这个代码里面的输入信息分离太远(42行和241行),想重新优化一下 【教学类-102-05】蛋糕剪纸图案(留白边、沿线剪)04——Python白色(255)图片转为透明png再制作“点状边框和虚线边框”-CSDN博客文章浏览阅读864次,点赞14次,收藏27次。【教学类-102-0…...
基于VSCode的Qt开发‘#include ui_test.h’报错没有该文件
笔者在基于VSCode进行Qt开发时,test.ui文件是在Qt软件中绘制的,导致本项目无法使用这个ui文件,报错如标题。事实上,本工程中也确实没有生成这个头文件。出现这个错误的原因是ui文件没有被编译为c头文件。 要生成 ui_test.h 文件&…...
微信小程序跳2
// 图片压缩 compressImage (image {}, options {}) { return new Promise((resolve, reject) > { const { width 0 } image const { compressAfterSizeFlag false, scaleFlag false, scaleTargetWidth 768 } options // 超过100k压缩 const maxFileSizeLimit 100 …...
如何将excel数据快速导入数据库
最近老是收到一些手工数据,并且需要关联分析,就想到如何快速将数据导入数据库后关联查询输出结果,下面是一段将excel数据写入mysql的脚本,欢迎大家提出优化意见相互学习。 import os import pandas as pd import pymysql import …...
C++之多态
文章目录 一、多态的概念 多态的定义与类型 二、多态的实现 三、虚函数 虚函数的概念 虚函数的重写/覆盖 协变 析构函数的重写/覆盖 override,final关键字 override final 纯虚函数与抽象类 三个概念辨析 四、多态实现的原理 虚函数表指针 动态绑定与静态绑定 …...
从PDF中提取表格:以GB/T2260—2007为例
文章目录 先说结论前因后果思路1、PDF2CSV2、PDF2MD → MD2CSV3、针对不同表格的两种思路1) 竖形三线表2)五元素为一组 还没结束批量处理1、分割markdown文档2、跳过另一种格式的文档 总结一下 先说结论 结论就是,博主用了一天的时间去研究如…...
日常记录-群晖nas的docker注册表被墙,用Mac电脑的docker拉取镜像并安装到nas中
文章目录 前言一、拉取镜像二、安装到nas中总结 前言 群晖nas的docker注册表被墙,用Mac电脑的docker拉取镜像并安装到nas中 一、拉取镜像 群晖nas的架构师x86,Mac电脑的架构师arm。 在mac电脑中执行命令: # 镜像拉取 docker pull --platf…...
DeepSeek:重构办公效率的AI新范式
目录 一、效率跃迁的三重引擎 二、效率提升的量级突破 三、智能办公的范式转移 四、未来办公的效率奇点 当企业主面对堆积如山的文件审批、跨时区协作的沟通损耗、重复机械的数据整理时,是否想过这些场景正在吞噬团队的生产力?据麦肯锡研究显示&…...
AI小程序+SpringAI+管理后台+源码+支持动态添加大模型+支持动态添加AI应用
前言 今天给大家介绍一款 前端由uniapp开发的小程序,完美在小程序上运行,对话采用流式对话。后端由springbootspringai开发的应用软件源码。 功能简介 支持在管理后台动态新增“DeepSeek”,“openai”,“千帆”,“智…...
RAG的实现快速示例
RAG(Retrieval-Augmented Generation)其实就是结合了检索与生成,核心流程分为 检索(Retrieval) 和 生成(Generation) 两大阶段,通过外部知识库增强生成式模型的准确性和可靠性。 流程其实也很简单,如下图: 关于RAG的基本概念的介绍,可以参考: RAG(检索增强生成)快…...
利用 PHP 爬虫获取京东商品详情 API 返回值说明及代码示例
在电商领域,京东作为国内知名的电商平台,提供了丰富的商品信息。通过调用京东商品详情 API,我们可以获取商品的详细信息,如商品标题、价格、图片、描述等。这些信息对于数据分析、价格监控、商品推荐等场景具有重要价值。本文将详…...
PyTorch CUDA内存管理优化:深度理解GPU资源分配与缓存机制
在深度学习工程实践中,当训练大型模型或处理大规模数据集时,上述错误信息对许多开发者而言已不陌生。这是众所周知的 CUDA out of memory错误——当GPU尝试为张量分配空间而内存不足时发生。这种情况尤为令人沮丧,特别是在已投入大量时间优化…...
大模型基础知识扫盲
1 模型量化: 是什么:大模型量化是一种“压缩”技术,把模型里高精度的数字(比如32位浮点数)简化成低精度的数字(比如8位定点数)。 有什么用:它让模型占的空间更小,跑起来…...
《穿透表象,洞察分布式软总线“无形”之奥秘》
分布式系统已成为众多领域的关键支撑技术,而分布式软总线作为实现设备高效互联的核心技术,正逐渐走入大众视野。它常被描述为一条“无形”的总线,这一独特属性不仅是理解其技术内涵的关键,更是把握其在未来智能世界中重要作用的切…...
Python Cookbook-5.13 寻找子序列
任务 需要在某大序列中查找子序列。 解决方案 如果序列是字符串(普通的或者Unicode),Python 的字符串的 find 方法以及标准库的re模块是最好的工具。否则,应该使用Knuth-Morris-Pratt算法(KMP): def KnuthMorrisPratt(text,pattern): 在序列text中找…...
(自用)蓝桥杯准备(需要写的基础)
要写的文件 led_app lcd_app key_app adc_app usart_app scheduler LHF_SYS一、外设引脚配置 1. 按键引脚 按键引脚配置如下: B1:PB0B2:PB1B3:PB2B4:PA0 2. LCD引脚 LCD引脚配置如下: GPIO_Pin_9 /* …...
STM32Cubemx-H7-14-Bootloader(上)-ST和串口烧录
前言 本文主要研究,如果把ST单片机的SWDIO和SWDCLK引脚改成推挽输出后,我们又应该怎么重新烧录,以及如何使用串口下载。 当没有设置STlink烧录为引脚或者设置成其他功能的时候 如果想恢复,那么就在烧录之前,一直按住…...
“深入浅出:Java中的Lambda表达式及其应用“
前言 Lambda表达式是Java 8引入的一项强大特性,它允许以更加简洁的方式表示匿名函数。Lambda表达式不仅让代码更加简洁、清晰,而且为函数式编程提供了有力支持,从而提升了Java语言的表达能力。 在本文中,我们将深入浅出地探讨La…...
6.1es新特性解构赋值
解构赋值是 ES6(ECMAScript 2015)引入的语法,通过模式匹配从数组或对象中提取值并赋值给变量。: 功能实现 数组解构:按位置匹配值,如 let [a, b] [1, 2]。对象解构:按属性名匹配值,…...
【从0到1学RabbitMQ】RabbitMQ高级篇
学完基础篇之后我们对用户下单这个业务进行了改造,我们可以吧用户支付这个业务抽出来,放入队列当中去执行。如下图: 但是这里我们思考一下,如果MQ通知失败了,支付服务中支付流水显示支付成功,而交易服务中…...
200 smart pid
PID整定控制面板-S7-200 SMART 跟我学/跟我做之PID功能-系列课程-西门子1847工业学习平台官网 使用西门子200SMART进行PID调节 PID自整定 PID调节技巧_哔哩哔哩_bilibili S7-200 SMART PID PID常见问题...
AI制作PPT,如何轻松打造高效演示文稿
AI制作PPT,如何轻松打造高效演示文稿!随着信息化时代的到来,PPT已经成为了几乎所有职场人士、学生、讲师的必备工具。每个人都希望自己的PPT既有创意,又能高效展示信息。而在如今的科技背景下,AI的出现彻底改变了PPT的…...
如何用postman做接口自动化测试?
🍅 点击文末小卡片,免费获取软件测试全套资料,资料在手,涨薪更快 本文适合已经掌握 Postman 基本用法的读者,即对接口相关概念有一定了解、已经会使用 Postman 进行模拟请求等基本操作。 工作环境与版本࿱…...
day29-贪心__134. 加油站__135. 分发糖果__860.柠檬水找零__406.根据身高重建队列
134. 加油站 这道题的贪心方法相当的巧妙。 首先,我们可以通过gas[i] - cost[i]得到第i个站点的净加油量(耗油量),那么如果我们现在考虑一个从某点a到某点b,那么如果a-》b范围之间的gas[i] - cost[i]存在负数,那么说明无法从a作…...
聊透多线程编程-线程基础-4.C# Thread 子线程执行完成后通知主线程执行特定动作
在多线程编程中,线程之间的同步和通信是一个常见的需求。例如,我们可能需要一个子线程完成某些任务后通知主线程,并由主线程执行特定的动作。本文将基于一个示例程序,详细讲解如何使用 AutoResetEvent 来实现这种场景。 示例代码…...
C# 组件的使用方法
类 Stopwatch 计算时间 Stopwatch sw new Stopwatch(); sw.Start(); // 要执行的代码块 Thread.Sleep(2000);sw.ElapsedMilliseconds // 消耗时间 Console.WriteLine(sw.ElapsedMilliseconds);组件 ListView 属性设置 外观 - View - Details 行为 - Columns -(…...
Python常用排序算法
1. 冒泡排序 冒泡排序是一种简单的排序算法,它重复地遍历要排序的列表,比较相邻的元素,如果他们的顺序错误就交换他们。 def bubble_sort(arr):# 遍历所有数组元素for i in range(len(arr)):# 最后i个元素是已经排序好的for j in range(0, …...
HTML5 服务器发送事件(Server-Sent Events)
1. 引言 HTML5 服务器发送事件(Server-Sent Events,SSE)是一种基于 HTTP 的服务器推送技术,允许服务器主动向客户端(如浏览器)发送实时更新。SSE 适用于单向通信场景,如新闻推送、实时价格更新…...
【C++游戏引擎开发】第12篇:GLSL语法与基础渲染——从管线结构到动态着色器
一、OpenGL渲染管线解密 1.1 OpenGL渲染管线流程图 #mermaid-svg-GrAgLUat95CVZKm0 {font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}#mermaid-svg-GrAgLUat95CVZKm0 .error-icon{fill:#552222;}#mermaid-svg-GrAgLUat95CVZKm0 .e…...
阿里云负载均衡可以抗ddos吗
本文深度解析阿里云负载均衡的DDoS防护机制,通过实测数据验证其基础防御能力边界,揭示需结合云盾高防IP实现TB级流量清洗的工程实践。结合2023年Memcached反射攻击事件,提供混合云架构下的多层级防御方案设计指南。 云原生负载均衡的基础防护…...
动手学习:路径规划原理及常用算法
一、路径规划的基本原理 路径规划(Path Planning)是机器人导航的核心任务,目标是为机器人找到一条从起点到终点的无碰撞路径,同时满足约束条件(如最短路径、最优能耗、安全性等)。在人形机器人场景中&…...