当前位置：首页 > news >正文

代码随想录算法训练营Day30 | 01背包问题（卡码网46. 携带研究材料）、Leetcode416.分割等和子集

news 来源：原创 2025/8/26 10:49:33

代码随想录算法训练营Day30 | 01背包问题（卡码网46. 携带研究材料）、Leetcode416.分割等和子集

一、01背包问题

相关题目：卡码网46. 携带研究材料
文档讲解：01背包问题（二维）、01背包问题（一维）
视频讲解：01背包问题（二维）、01背包问题（一维）

1. 01背包问题种类

请添加图片描述

2. 01背包问题

有 n 件物品和一个最多能背重量为 w 的背包。第 i 件物品的重量是 weight[i]，得到的价值是 value[i] 。每件物品只能用一次，求解将哪些物品装入背包里物品价值总和最大。

例：背包最大重量为4，物品重量及价值如下：

	重量	价值
物品0	1	15
物品1	3	20
物品2	4	30

思路（二维 dp 数组）：
- 动规五部曲（利用二维 dp 数组）：
  - 确定 dp 数组以及下标的含义：需要两个维度 i ，j 分别表示物品和背包容量。dp[i][j] 表示从下标为 [0-i] 的物品里任意取，放进容量为 j 的背包，价值总和最大是多少。
    
    把物品 0 与物品 1 放入背包的情况：
  - 确定递推公式：以 dp[1][4] 的状态为例，求取 dp[1][4] 有两种情况：
    - 不放物品1：背包的价值应该是 dp[0][4] ，即容量为 4 的背包，只放物品 0 的情况。
    - 放物品1：背包要先留出物品 1 的容量，目前容量是 4，物品1 的重量为 3，此时背包剩下容量为 1，而容量为 1 最大价值是 dp[0][1]，所以放物品1 的情况 = dp[0][1] + 物品1 的价值。
      
      以上过程，可以抽象化如下：
    - 不放物品 i：背包容量为 j，里面不放物品i的最大价值是 dp[i - 1][j]。
    - 放物品 i：背包空出物品 i 的容量后，背包容量为 j - weight[i]，dp[i - 1][j - weight[i]] 为背包容量为 j - weight[i] 且不放物品 i 的最大价值，那么 dp[i - 1][j - weight[i]] + value[i] （物品 i 的价值），就是背包放物品 i 得到的最大价值。
      递归公式： dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i])。
  - dp 数组如何初始化：首先，从 dp[i][j] 的定义出发，如果背包容量 j 为0的话，即 dp[i][0]，无论是选取哪些物品，背包价值总和一定为 0。其次， dp[0][j] 即：存放编号 0 的物品的时候，各个容量的背包所能存放的最大价值，这分两种情况：
    - 当 j < weight[0] 的时候，dp[0][j] 应该是 0，因为背包容量比编号 0 的物品重量还小。
    - 当 j >= weight[0]时，dp[0][j] 应该是value[0]，因为背包容量放足够放编号 0 物品。
    此时 dp 数组初始化情况如图所示：
    
    最后，从递归公式可以看出 dp[i][j] 是由左上方数值推导出来的，则其他下标初始是什么数值都可以，因为都会被覆盖。不过一开始就统一把 dp 数组统一初始为 0更方便一些。所以 dp 数组初始化情况如图：
  - 确定遍历顺序：有两个遍历的维度：物品与背包重量，先遍历物品或先遍历背包重量都可以！
    - 先遍历物品，再遍历背包的过程如图所示：
    - 先遍历背包，再遍历物品的过程如图所示：
  - 举例推导 dp 数组：
动态规划（二维 dp 数组）

n, bagweight = map(int, input().split())weight = list(map(int, input().split()))
value = list(map(int, input().split()))dp = [[0] * (bagweight + 1) for _ in range(n)]for j in range(weight[0], bagweight + 1):dp[0][j] = value[0]for i in range(1, n):for j in range(bagweight + 1):if j < weight[i]:dp[i][j] = dp[i - 1][j]else:dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i])print(dp[n - 1][bagweight])

思路（一维 dp 数组）：在前述利用二维 dp 数组的解法中，递推公式为 dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i])，可以发现如果把 dp[i - 1] 那一层拷贝到 dp[i] 上，表达式完全可以是：dp[i][j] = max(dp[i][j], dp[i][j - weight[i]] + value[i])。
- 动规五部曲（利用一维 dp 数组）：
  - 确定 dp 数组的定义：dp[j] 表示容量为 j 的背包，所背的物品价值可以最大为 dp[j]。
  - 确定递推公式：dp[j] 可以通过 dp[j - weight[i]] 推导出来，dp[j - weight[i]] 表示容量为 j - weight[i] 的背包所背的最大价值。dp[j - weight[i]] + value[i] 表示容量为 [j - 物品i重量] 的背包加上物品 i 的价值。此时 dp[j] 有两个选择：
    - 取本身 dp[j] ，相当于二维 dp 数组中的 dp[i-1][j]，即不放物品 i。
    - 取 dp[j - weight[i]] + value[i]，即放物品 i。
    所以递归公式为： dp[j] = max(dp[j], dp[j - weight[i]] + value[i])。
  - 一维 dp 数组如何初始化：dp[0] 应该是 0，因为背包容量为 0 所背的物品的最大价值就是 0。而由递推公式可以发现 dp 数组在推导的时候一定是取价值最大的数，如果题目给的价值都是正整数则非 0 下标都初始化为 0 即可。这样才能让 dp 数组在递归公式的过程中取的最大的价值，而不是被初始值覆盖了。
  - 确定遍历顺序：二维 dp 遍历的时候，背包容量是从小到大，而一维 dp 遍历的时候，背包是从大到小！ 倒序遍历是为了保证物品 i 只被放入一次，如果正序遍历，那么物品 0 就会被重复加入多次！例：物品 0 的重量 weight[0] = 1，价值 value[0] = 15。
    - 如果正序遍历，则有 dp[1] = dp[1 - weight[0]] + value[0] = 15，dp[2] = dp[2 - weight[0]] + value[0] = 30，此时 dp[2] 就已经是 30，意味着物品 0，被放入了两次，所以不能正序遍历。
    - 如果倒序遍历，则有 dp[2] = dp[2 - weight[0]] + value[0] = 15 （dp 数组已经都初始化为0），dp[1] = dp[1 - weight[0]] + value[0] = 15，每次取得状态不会和之前取得状态重合，每种物品就只取一次。
    而二维 dp 数组遍历的时候不用倒序是因为 dp[i][j] 都是通过上一层即 dp[i - 1][j] 计算而来，本层的 dp[i][j] 并不会被覆盖！不同于二维 dp 数组，一维 dp 数组需先遍历物品嵌套遍历背包容量，不可以先遍历背包容量嵌套遍历物品！ 因为一维 dp 的写法，背包容量要倒序遍历，如果遍历背包容量放在上一层，那么每个 dp[j] 就只会放入一个物品，即：背包里只放入了一个物品。
  - 举例推导 dp 数组：一维 dp，分别用物品0，物品1，物品2 来遍历背包，最终得到结果如下：
动态规划（一维 dp 数组）

n, bagweight = map(int, input().split())
weight = list(map(int, input().split()))
value = list(map(int, input().split()))dp = [0] * (bagweight + 1)  # 创建一个动态规划数组dp，初始值为0dp[0] = 0  # 初始化dp[0] = 0,背包容量为0，价值最大为0for i in range(n):  # 应该先遍历物品，如果遍历背包容量放在上一层，那么每个dp[j]就只会放入一个物品for j in range(bagweight, weight[i]-1, -1):  # 倒序遍历背包容量是为了保证物品i只被放入一次dp[j] = max(dp[j], dp[j - weight[i]] + value[i])print(dp[bagweight])

二、分割等和子集

相关题目：Leetcode416
文档讲解：Leetcode416
视频讲解：Leetcode416

1. Leetcode416.分割等和子集

给你一个 只包含正整数 的非空数组 nums 。请你判断是否可以将这个数组分割成两个子集，使得两个子集的元素和相等。
提示：

1 <= nums.length <= 200
1 <= nums[i] <= 100

思路：
- 题目是要找是否可以将这个数组分割成两个子集，使得两个子集的元素和相等，那么只要找到集合里能够出现 sum / 2 的子集总和，就是可以分割成两个相同元素和子集。可以利用 01背包问题，本题要求集合里能否出现总和为 sum / 2 的子集，即有一个只能装重量为 sum / 2 的背包，商品为数字，这些数字能不能把这个背包装满。 如果每一件商品是数字的话，重量等于价值，本题可以转化为“对于承载重量为 sum / 2 的背包，所能装的价值最大是多少”。如果最大价值是 sum / 2，说明正好被商品装满了。
- 动规五部曲：
  - 确定 dp 数组以及下标的含义：dp[j] 表示容量为 j 的背包，所背的物品价值最大可以为 dp[j]。如果背包所载重量为 target， dp[target] 就是装满背包之后的总价值，因为本题中每一个元素的数值既是重量也是价值，所以当 dp[target] == target 的时候，背包就装满了。
  - 确定递推公式：01背包的递推公式为：dp[j] = max(dp[j], dp[j - weight[i]] + value[i])；对于本题，相当于背包里放入数值，物品 i 的重量是 nums[i]，其价值也是 nums[i]，所以递推公式为 dp[j] = max(dp[j], dp[j - nums[i]] + nums[i])。
  - dp 数组如何初始化：首先 dp[0] 一定是 0，如果题目给的价值都是正整数那么非 0 下标都初始化为 0 即可，如果题目给的价值有负数，那么非 0 下标就要初始化为负无穷。这样才能让 dp 数组在递推的过程中取得最大的价值，而不是被初始值覆盖了。
  - 确定遍历顺序：如果使用一维 dp 数组，物品遍历的 for 循环放在外层，遍历背包的 for 循环放在内层，且内层 for 循环倒序遍历！
  - 举例推导 dp 数组：以输入 [1,5,11,5] 为例，如图：
动态规划（卡哥）

class Solution:def canPartition(self, nums: List[int]) -> bool:_sum = 0# dp[i]中的i表示背包内总和# 题目中说：每个数组中的元素不会超过 100，数组的大小不会超过 200# 总和不会大于20000，背包最大只需要其中一半，所以10001大小就可以了dp = [0] * 10001for num in nums:_sum += num# 也可以使用内置函数一步求和# _sum = sum(nums)if _sum % 2 == 1:return Falsetarget = _sum // 2# 开始 0-1背包for num in nums:for j in range(target, num - 1, -1):  # 每一个元素一定是不可重复放入，所以从大到小遍历dp[j] = max(dp[j], dp[j - num] + num)# 集合中的元素正好可以凑成总和targetif dp[target] == target:return Truereturn False###简化
class Solution:def canPartition(self, nums: List[int]) -> bool:if sum(nums) % 2 != 0:return Falsetarget = sum(nums) // 2dp = [0] * (target + 1)for num in nums:for j in range(target, num-1, -1):dp[j] = max(dp[j], dp[j-num] + num)return dp[-1] == target

二维 dp

class Solution:def canPartition(self, nums: List[int]) -> bool:total_sum = sum(nums)if total_sum % 2 != 0:return Falsetarget_sum = total_sum // 2dp = [[False] * (target_sum + 1) for _ in range(len(nums) + 1)]# 初始化第一行（空子集可以得到和为0）for i in range(len(nums) + 1):dp[i][0] = Truefor i in range(1, len(nums) + 1):for j in range(1, target_sum + 1):if j < nums[i - 1]:# 当前数字大于目标和时，无法使用该数字dp[i][j] = dp[i - 1][j]else:# 当前数字小于等于目标和时，可以选择使用或不使用该数字dp[i][j] = dp[i - 1][j] or dp[i - 1][j - nums[i - 1]]return dp[len(nums)][target_sum]

一维 dp

class Solution:def canPartition(self, nums: List[int]) -> bool:total_sum = sum(nums)if total_sum % 2 != 0:return Falsetarget_sum = total_sum // 2dp = [False] * (target_sum + 1)dp[0] = Truefor num in nums:# 从target_sum逆序迭代到num，步长为-1for i in range(target_sum, num - 1, -1):dp[i] = dp[i] or dp[i - num]return dp[target_sum]

代码随想录算法训练营Day30 | 01背包问题（卡码网46. 携带研究材料）、Leetcode416.分割等和子集

代码随想录算法训练营Day30 | 01背包问题（卡码网46. 携带研究材料）、Leetcode416.分割等和子集一、01背包问题相关题目：卡码网46. 携带研究材料文档讲解：01背包问题（二维）、01背包问题（一维…...

编程日记 2025/8/26 10:49:33

opencv 形态学变换

形态学变换 1. 核2.腐蚀（cv2.erode）3. 膨胀（cv2.dilate）4. 开运算（cv.MORPH_OPEN）5. 闭运算（cv2.MORPH_CLOSE）6. 礼帽运算（找出增多的白色区域）7. 黑帽运算8.…...

编程日记 2025/8/26 19:39:31

视频设备轨迹回放平台EasyCVR打造水库大坝智慧安防视频监控智能分析方案

一、项目背景水库安全度汛是全国防汛抗洪工作的重点，水库监控系统对保障水库安全、及时排险意义重大。多数水库站点分散、位置偏，地形复杂，与监控中心相隔较远。传统有线监控系统成本高、工期长，遇山河等阻碍时布线困难&…...

编程日记 2025/8/26 4:37:01

使用 LLaMA-Factory 对 DeepSeek R1进行微调教程

如本教程有问题，感谢大家在评论区指出。如操作过程中遇到解决不了的问题，可以在评论区提问，作者看到了会回复。微调简介模型微调通过在特定任务数据集上继续训练预训练模型来进行，使得模型能够学习到与任务相关的特定领域知识…...

编程日记 2025/8/26 19:44:12

【Kubernetes基础--Pod深入理解】--查阅笔记2

深入理解Pod 为什么要有个Pod1. 容器协作与资源共享2. 简化调度和资源管理3. 设计模式支持 Pod 基本用法Pod 容器共享 VolumePod 的配置管理ConfigMap 概述创建 ConfigMap 资源对象在 Pod 中使用 ConfigMap使用 ConfigMap 的限制条件为什么要有个Pod Pod 的引入并非技术冗余&…...

编程日记 2025/8/26 13:47:44

C语言进阶之自定义类型：结构体，枚举，联合

结构体结构体类型的声明结构的基础知识结构是一些值的集合，这些值称为成员变量。结构的每个成员可以是不同类型的变量。结构的声明 struct tag{member-list;}variable-list;例如描述一个学生： struct Stu{char name[20];//名字int age;//年龄ch…...

编程日记 2025/8/26 15:51:15

深入解析C++引用：安全高效的别名机制及其与指针的对比

一、引用的核心概念 1.1 引用定义引用（Reference）是C为变量创建的别名，通过&符号声明。其核心特性： 指针适用场景： 现代C黄金法则： "引用是指针的安全马甲，而智能指针是带着安全帽的…...

编程日记 2025/8/26 14:48:18

【rdma通信名词概念】

rdma通信名词概念 1.在rdma网卡中，QP(SQ和RQ)、CQ、EQ和SQR的含义是什么以及功能是什么？2 PCIe中的MSI-X中断机制？ 1.在rdma网卡中，QP(SQ和RQ)、CQ、EQ和SQR的含义是什么以及功能是什么？ QP：queue pair&am…...

编程日记 2025/8/25 23:34:32

Mysql主从复制有哪些方式

MySQL 主从复制主要有以下几种方式，根据不同的分类标准（如同步机制、数据复制格式、拓扑结构等）可以分为： 一、按同步机制分类 1. 异步复制 (Asynchronous Replication) 原理：主库提交事务后，立即返回给客…...

编程日记 2025/8/26 19:37:10

Vue工程化开发脚手架Vue CLI

开发Vue有两种方式核心包传统开发模式：基于html / css / js 文件，直接引入核心包，开发 Vue。工程化开发模式：基于构建工具（例如：webpack）的环境中开发Vue。脚手架Vue CLI Vue CLl 是 Vue 官方…...

编程日记 2025/8/22 12:41:56

MySQL函数运算

1.日期时间函数查询当前日期时间的函数(使用函数需要加select)： curdate() 查看当前数据库的日期部分（年月日） SELECT CURDATE(); curtime() 查看当前数据库的时间部分（时分秒） SELECT CURTIME(); now() 查看当前…...

编程日记 2025/8/25 22:34:45

Spring如何解决项目中的循环依赖问题？

目录什么是循环依赖？ 如何解决？ 采用两级缓存解决需要AOP的Bean的循环依赖问题？ 三级缓存解决什么是循环依赖？ 循环依赖就是Spring在初始化Bean时两个不同的Bean你依赖我，我依赖你的情况例如A依赖B&#xf…...

编程日记 2025/8/26 19:37:10

【Pandas】pandas DataFrame itertuples

Pandas2.2 DataFrame Indexing, iteration 方法描述DataFrame.head([n])用于返回 DataFrame 的前几行DataFrame.at快速访问和修改 DataFrame 中单个值的方法DataFrame.iat快速访问和修改 DataFrame 中单个值的方法DataFrame.loc用于基于标签（行标签和列标签&#…...

编程日记 2025/8/26 19:44:11

正则表达式反向引用的综合应用魔法：从重复文本到简洁表达的蜕变

“我....我要....学学学学....编程 java!” —— 这类“重复唠叨”的文本是否让你在清洗数据时头疼不已？ 本文将带你一步步掌握正则表达式中的反向引用技术，并结合 Java 实现一个中文文本去重与清洗的实用工具。结合经典的结巴实例。如何高效地将这样的…...

编程日记 2025/8/25 21:24:15

ESP32驱动读取ADXL345三轴加速度传感器实时数据

ESP32读取ADXL345三轴加速度传感器实时数据 ADXL345三轴加速度传感器简介ADXL345模块原理图与引脚说明ESP32读取ADXL345程序实验结果 ADXL345三轴加速度传感器简介 ADXL345是一款由Analog Devices公司推出的三轴数字加速度计，分辨率高(13位)，测量范围达…...

编程日记 2025/8/26 17:14:35

C++高级3 绑定器

绑定器 C11从Boost库中引入了bind绑定器和function函数对象机制绑定器二元函数对象一元函数对象 bind1st 绑定第一个 bind2nd 绑定第二个 #include <iostream> #include <memory> #include <vector> #include <functional> #include <ctime…...

编程日记 2025/8/26 19:41:52

Android 接口定义语言 (AIDL)

目录 1. 本地进程调用（同一进程内）2. 远程进程调用（跨进程）3 `oneway` 关键字用于修改远程调用的行为Android 接口定义语言 (AIDL) 与其他 IDL 类似：你可以利用它定义客户端与服务均认可的编程接口，以便二者使用进程间通信 (IPC) 进行相互通信。在 Android 上，一个进…...

编程日记 2025/8/26 19:46:32

【android bluetooth 案例分析 02】【CarLink 详解2】【Carlink无配对连接机制深度解析】

Carlink无配对连接机制深度解析（首次/二次免鉴权原理） 一、核心结论：Carlink通过SDK层协议设计完全绕过传统蓝牙配对传统蓝牙配对（Pairing）依赖协议栈生成长期绑定密钥（LTK），而Car…...

编程日记 2025/8/26 10:52:28

ubuntu 2204 安装 vcs 2023

系统 : Ubuntu 22.04.1 LTS vcs 软件 : 有已经安装好的软件(位于redhat8.10),没找到安装包 . 安装好的目录文件占用 94 G注意 : 该虚拟机(包括安装好的软件)有114G,其中安装好的目录文件占用94GB // 即我要把这里已经安装好的软件(包括scl/vcs/verdi 和其他软件) 在 …...

编程日记 2025/8/26 19:44:12

Spring Boot循环依赖全解析：原理、解决方案与最佳实践

🚨 Spring Boot循环依赖全解析：原理、解决方案与最佳实践 #SpringBoot核心 #依赖注入 #设计模式 #性能优化一、循环依赖的本质与危害 1.1 什么是循环依赖？ 循环依赖指两个或多个Bean相互直接或间接引用，形成闭环依赖关系。典…...

编程日记 2025/8/24 13:03:07

按键精灵安卓/ios脚本辅助工具开发教程：如何把界面配置保存到服务器

在使用按键精灵工具辅助的时候，多配置的情况下，如果保存现有的配置，并且读取，尤其是游戏中多种任务并行情况下，更是需要界面进行保存，简单分享来自紫猫插件的配置保存服务器写法。界面例子： …...

编程日记 2025/8/26 11:58:26

【厦门大学】大模型概念、技术与应用实践

大模型概念、技术与应用实践引言一、人工智能发展简史1.1 图灵测试的提出1.2 人工智能的诞生1.3 人工智能的发展阶段二、大模型的核心概念2.1 大模型的定义2.2 大模型的特点三、大模型的发展历程3.1 萌芽期（1950-2005）3.2 沉淀期（2006-201…...

编程日记 2025/8/26 19:39:31

The Strict Teacher (Hard Version) 去除无效的干扰！巧妙转化

文章目录 The Strict Teacher (Hard Version) 思考问题！那么多个人抓一个人，是否是每一个人都是对于最优策略的答案是有贡献的？答案是否定的，其实问题可以简化为三种情况： 所有的老师都在大卫的右边，…...

编程日记 2025/8/26 19:37:11

Linux中信号的保存

一、认识信号的其他相关概念实际执行信号的处理动作称为信号递达信号从产生到递达之间的状态，称为信号未决进程可以选择阻塞某个信号被阻塞的信号产生时将保持在未决状态，直到进程解除对该信号的阻塞，才进行递达的动作阻塞和忽略是不同的…...

编程日记 2025/8/26 19:44:11

2024ICPC 南京 B 生日礼物

题目： 格莱美的生日快到了，她从朋友那里得到了一个序列 A 作为礼物。这个序列只有 0 、 1 和 2 。格莱美认为这个数列太长了，因此她决定修改 A 使其更短。从形式上看，格莱美可以执行任意数量的运算。每次她都可以从以下三种运算…...

编程日记 2025/8/26 19:41:52

扫地机器人进化史：从人工智障到家政王者

1996年，瑞典伊莱克斯推出的"三叶虫"开启了扫地机器人的纪元。这款售价2000美元的"初代机"工作时像喝醉的水手，随机碰撞的清扫方式让用户直呼"买了个寂寞"。谁能想到，这个当初被戏称为"人工智障"的发…...

编程日记 2025/8/25 20:59:22

C 语言 --- 数据类型的存储

C 语言 --- 数据类型的存储空类型大小端存储大端存储 --- 正着放（从小到大）小端存储 --- 倒着放（从大到小） 浮点型在内存中的存储总结 💻作者简介：曾与你一 …...

编程日记 2025/8/26 5:21:21

3.8 字符串的常用函数

重点：字符串的常用函数 #1.测试转换大小写 lower:大写->小写 upper：小写->大写 swapcase：自动将大写转小写小写转大写 print("ABC".lower()) #abcprint("abc".upper()) #ABCprint…...

编程日记 2025/8/26 3:18:51

事件触发控制与响应驱动控制的定义、种类及区别

一、定义事件触发控制（Event-Triggered Control, ETC） 事件触发控制是一种基于动态条件触发的控制策略，其核心在于通过预设的事件触发条件（如系统状态误差超过阈值、特定信号到达等）来决定何时更新控制信号或进行通信…...

编程日记 2025/8/26 19:37:10

Android离屏渲染

写在前面与iOS同事聊天时聊到圆角会使用离屏渲染的方式绘制，影响性能；Android上有没有不知道，学习了一下整理了这篇文章。 Android 圆角与离屏渲染（Offscreen Rendering） 一、什么是离屏渲染？ 离屏渲染…...

编程日记 2025/8/26 19:46:32

35. 搜索插入位置

给定一个排序数组和一个目标值，在数组中找到目标值，并返回其索引。如果目标值不存在于数组中，返回它将会被按顺序插入的位置。请必须使用时间复杂度为 O(log n) 的算法。示例 1: 输入: nums [1,3,5,6], target 5 输出: 2示例 2: 输入:…...

编程日记 2025/8/26 15:49:18

网络的起点：深入解析计算机网络中的网络接口层

一、什么是网络接口层？ 计算机网络的网络接口层（Network Interface Layer），在 TCP/IP模型中处于最底层，负责将数据从计算机传输到物理网络媒介，并在此基础上确保数据的正确传输。它位于数据链路层和物理…...

编程日记 2025/8/26 4:42:40

智能指针（内存泄漏）

一、RALL RALL的核心概念： 资源获取即初始化：资源的分配与对象的初始化绑定在一起，资源的释放与对象的销毁绑定在一起。不是所有智能指针都用这个思想可以有效避免死锁问题二、智能指针通过将new出的对象教给有生命周期的对象处理。在…...

编程日记 2025/8/26 19:10:34

秒杀秒抢系统开发：飞算 JavaAI 工具如何应对高并发难题？

秒杀、秒抢活动已成为电商促销与吸引流量的常用手段。然而，此类活动所带来的高并发访问，对系统性能构成了巨大挑战。如何确保系统在高并发场景下依然能够稳定、高效运行，成为开发者亟待解决的关键问题。飞算 JavaAI 工具作为一款功能强大的开…...

编程日记 2025/8/26 19:46:32

AI在代码Review中的应用试验与推广策略

一、引言在软件开发领域，代码审查（Code Review）是保障代码质量的关键环节。传统的代码审查依赖人工，不仅效率低下，而且容易出现疏漏。随着人工智能技术的发展，AI在代码审查中的应用逐渐成为可能。近期&am…...

编程日记 2025/8/26 8:11:30

自定义Jackson序列化和反序列化

为什么需要自定义Jackson序列化和反序列化?下面举个例子看看就知道了问题描述由于 Spring Boot 内置使用的就是 Jackson JSON 框架，所以，无需引入新的依赖，仅需添加自定义配置类即可，让其支持新的日期 API Controller层的代码…...

编程日记 2025/8/25 15:55:52

人工智能浪潮与生成式人工智能认证（GAI认证）的登场

当ChatGPT在2023年引爆全球对话时，人类已悄然站在人工智能发展史上的关键转折点。生成式人工智能（Generative AI）不再仅仅是实验室中的技术概念，而是正在重塑内容创作、商业决策、教育医疗等领域的底层逻辑。这场技术浪潮的冲击力，不仅体现在算法模型的指数级进化上，更在…...

编程日记 2025/8/26 17:41:41

Redis - 讲清楚集群模式（Redis Cluster）（上）

节点与集群构建节点组成：Redis集群由多个独立节点组成，通过CLUSTER MEET命令实现节点握手，形成集群。握手过程： 节点A为节点B创建clusterNode结构，发送MEET消息。节点B接收后创建节点A的clusterNode结构&#xff…...

编程日记 2025/8/25 19:40:43

什么是矩阵号？为什么要做海外矩阵？

简单说，就是——在海外平台批量搞账号/店铺，组团赚钱！ 比如这样玩👇 ● TikTok 矩阵号：5 个账号，分别做美妆、3C、家居，覆盖不同老外兴趣圈。 ● 亚马逊矩阵店铺：A 店卖手机壳&#…...

编程日记 2025/8/25 16:00:26

10 穴汽车连接器的15个设计特点

汽车行业严重依赖卓越的电气系统来确保功能和可靠性。这些系统的关键组件是 10 腔连接器，它为布线和信号传输提供解决方案。制造商和工程师必须仔细评估这些连接器的设计特性，以优化性能和安全性。本博客研究了汽车 10 腔连接器的 15 个设计特征&#…...

编程日记 2025/8/22 18:54:47

WHAT - 动态导入模块遇到版本更新解决方案

文章目录一、动态导入模块二、常见原因与解决方案1. 模块 URL 错误2. 开发人员发版用户停留在旧页面问题背景解决方案思路1. 监听错误，提示用户刷新2. 使用缓存控制策略：强制刷新3. 动态模块加载失败时兜底4. 使用 import.meta.glob() 或 webpack 的 __…...

编程日记 2025/8/26 10:08:23

4.15学习总结

学习了IO流和相关的字符集完成一道算法题...

编程日记 2025/8/22 11:32:50

Crypto OTPas_ouf 用10个字符异或加密的jpg图片，通过头得到key再恢复原图 Mammoths Personnal Slot Machine 梅森旋转恢复 from pwn import * from randcrack import RandCrack from tqdm import trange context.log_level errorp remote(74.234.198.209, 33…...

编程日记 2025/8/24 23:50:56

Linux 深入浅出信号量：从线程到进程的同步与互斥实战指南

知识点1【信号量概述】信号量是广泛用于进程和线程间的同步和互斥。信号量的本质是一个非负的整数计数器，它被用来控制对公共资源的访问当信号量值大于0的时候，可以访问，否则将阻塞。 PV原语对信号量的操作，一次P操作使信号…...

编程日记 2025/8/25 18:58:22

github配置ssh，全程CV

1)随便找一个文件夹右键进入git bash 2)验证是否已有公私钥文件 cd ~/.ssh ls如果不存在则生成然后获取生成时一直回车 ssh-keygen -t rsa -C "xxxxxx.com" cd ~/.ssh cat id_rsa.pub如果存在则直接获取 cd ~/.ssh cat id_rsa.pub3）复制 4&#xf…...

编程日记 2025/8/26 0:44:07