【888题秋招篇】剑指大厂offer第七题,带你用枚举优化方法秒杀腾讯校招真题-最大公约数,斩获大厂年薪60wOffer

5个4000比特大状态置换算法的设计与分析 下面是 5 个概念性、实验性的 4000 位可逆置换设计。它们都保证是双射,但未经过密码分析,不可直接用于生产系统。风格分别覆盖:三维 SPN、Feistel、可逆元胞自动机、ARX、宽轨迹/Keccak 式结构。 这 5 个设计分别代表了 SPN、Feistel、元胞自动机、ARX、宽轨迹 Keccak 五种不同风格,覆盖了主流大状态置换的构造思路。再次强调:它们只是实验性概念,若要用于实际协议,必须经过严格安全性分析。 阅读详情

更多精彩内容

这里是带你游历编程世界的Dashcoding编程社,我是Dash/北航硕士/ICPC区域赛全国排名30+/给你呈现我们眼中的世界!

256题算法特训课,帮你斩获大厂60W年薪offer

原题

腾讯校招真题最大公约数

B站动画详解

问题分析

这道题的核心在于通过有限的 k k k 次操作,最大化两个整数 a a a 和 b b b 的最大公约数 (GCD, Greatest Common Divisor)。具体来说,问题要求每次可以将 a a a 或 b b b 增加1,然后问在进行 k k k 次操作后,如何使 a a a 和 b b b 的 GCD 最大。GCD 的性质决定了当两个数之间差距越小且有更多的公共因子时,GCD 越大。因此,最优策略是通过调整 a a a 和 b b b 的值来找到差距最小且GCD最大的情况。

在实际操作中,可以枚举每一种可能的操作组合,即 a + i a + i a+i 和 b + ( k − i ) b + (k - i) b+(k−i),其中 i i i 代表对 a a a 进行的自增次数, k − i k - i k−i 代表对 b b b 进行的自增次数。对每种组合计算 GCD 并取最大值即为所求。

为了优化计算过程,可以利用欧几里得算法快速计算两个数的 GCD,从而确保在枚举所有可能操作组合时,效率仍然较高。

思路分析

这道题的解法主要依赖枚举优化和GCD的性质。具体实现思路如下:

  1. 枚举 i i i 的取值范围从 0 0 0 到 k k k,表示对 a a a 进行了 i i i 次自增。
  2. 对于每个 i i i,计算 a + i a + i a+i 和 b + ( k − i ) b + (k - i) b+(k−i) 的 GCD。
  3. 在所有枚举的结果中,取最大的 GCD 即为答案。
    这个算法的核心是利用了GCD的性质,以及对 k k k 次操作进行枚举。尽管最坏情况下需要枚举 k + 1 k + 1 k+1 种情况,但由于 k k k 的最大值为 100 , 000 100,000 100,000,而 GCD 的计算效率很高 (时间复杂度为 O ( log ⁡ ( min ⁡ ( a , b ) ) ) O(\log(\min(a, b))) O(log(min(a,b)))),因此整体算法在常数因子较低的情况下仍然可以通过。

算法的时间复杂度为 O ( T × k × log ⁡ ( min ⁡ ( a , b ) ) ) O(T \times k \times \log(\min(a, b))) O(T×k×log(min(a,b))),其中 T T T 是测试用例的数量。尽管 k k k 的范围较大,但在合理的优化下,算法在规定的输入范围内仍然能保证较快的执行速度。

算法实现

代码主要分为两部分:首先定义了一个用于计算 GCD 的函数 gcd(int a, int b),该函数采用欧几里得算法,通过不断取余直到余数为 0 来获取 GCD。接着在主函数中,读取测试用例的数量 t t t 并逐个处理。

对于每个测试用例,读取 a a a、 b b b 和 k k k 的值,并通过循环枚举所有可能的 i i i。对于每种 i i i,计算 a + i a + i a+i 和 b + ( k − i ) b + (k - i) b+(k−i) 的 GCD,并在结果中选择最大值。

最后输出每个测试用例的结果。

代码详解

标准代码程序

C++代码

#include <iostream>
using namespace std;

int gcd(int a, int b)
{
    while (b != 0)
    {
        int tmp = a;
        a = b;
        b = tmp % b;
    }
    return a;
}

int main()
{
    int t;
    cin >> t;
    for (int i = 0; i < t; ++i)
    {
        int a, b, k;
        cin >> a >> b >> k;
        int ans = 0;
        for (int i = 0; i < k; ++i)
        {
            ans = max(gcd(a + i, b + k - i), ans);
        }
        cout << ans << "\n";
    }
    return 0;
}

Java代码

import java.util.Scanner;

public class Main {
    public static int gcd(int a, int b) {
        while (b != 0) {
            int tmp = a;
            a = b;
            b = tmp % b;
        }
        return a;
    }

    public static void main(String[] args) {
        Scanner scanner = new Scanner(System.in);
        int t = scanner.nextInt();
        for (int i = 0; i < t; ++i) {
            int a = scanner.nextInt();
            int b = scanner.nextInt();
            int k = scanner.nextInt();
            int ans = 0;
            for (int j = 0; j < k; ++j) {
                ans = Math.max(gcd(a + j, b + k - j), ans);
            }
            System.out.println(ans);
        }
        scanner.close();
    }
}

Python代码

import math

def solve():
    t = int(input())
    for _ in range(t):
        a, b, k = map(int, input().split())
        ans = 0
        for i in range(k):
            ans = max(math.gcd(a + i, b + k - i), ans)
        print(ans)

if __name__ == "__main__":
    solve()

Javascript代码

function gcd(a, b) {
    while (b !== 0) {
        let tmp = a;
        a = b;
        b = tmp % b;
    }
    return a;
}

function solve() {
    const input = require('readline').createInterface({
        input: process.stdin,
        output: process.stdout
    });

    let t = null;
    const data = [];
    input.on('line', (line) => {
        if (t === null) {
            t = parseInt(line);
        } else {
            data.push(line.split(' ').map(Number));
            if (data.length === t) {
                input.close();
            }
        }
    });

    input.on('close', () => {
        data.forEach(([a, b, k]) => {
            let ans = 0;
            for (let i = 0; i < k; i++) {
                ans = Math.max(gcd(a + i, b + k - i), ans);
            }
            console.log(ans);
        });
    });
}

solve();

复杂度分析

时间复杂度分析

给定测试用例数量 T T T、两个整数 a a a 和 b b b 以及操作次数 k k k,算法的核心是枚举从 i = 0 i = 0 i=0 到 i = k i = k i=k 的所有可能操作组合。对于每一个操作组合,我们都需要计算两个数的最大公约数(GCD)。因此,算法的时间复杂度主要由以下几部分组成:

  1. 枚举操作组合的复杂度:算法需要枚举 i i i 从 0 0 0 到 k k k 的所有值,所以这一部分的时间复杂度是 O ( k ) O(k) O(k)。

  2. GCD 计算的复杂度:对于每个枚举的组合,需要计算 a + i a + i a+i 和 b + ( k − i ) b + (k - i) b+(k−i) 的 GCD。使用欧几里得算法计算 GCD 的时间复杂度是 O ( log ⁡ ( min ⁡ ( a , b ) ) ) O(\log(\min(a, b))) O(log(min(a,b)))。

  3. 总复杂度:在最坏情况下,测试用例数量 T T T 是 20 20 20,每个测试用例中 k k k 的最大值是 100 , 000 100,000 100,000。因此,总时间复杂度是 O ( T × k × log ⁡ ( min ⁡ ( a , b ) ) ) O(T \times k \times \log(\min(a, b))) O(T×k×log(min(a,b)))。用具体的值替代表示,总复杂度最多为 O ( 20 × 100 , 000 × log ⁡ ( 100 , 000 ) ) O(20 \times 100,000 \times \log(100,000)) O(20×100,000×log(100,000)),大约为 O ( 20 × 100 , 000 × 17 ) = 34 , 000 , 000 O(20 \times 100,000 \times 17) = 34,000,000 O(20×100,000×17)=34,000,000 次操作。

虽然计算量较大,但由于 GCD 计算的效率较高(欧几里得算法的常数因子很小),在规定的输入范围内,这个复杂度是可以接受的,尤其在 C++、Java 等高效语言中。

空间复杂度分析

空间复杂度主要考虑算法在执行过程中使用的额外内存,包括变量、数据结构、递归调用栈等。

  1. 输入数据占用的空间:算法中需要存储 T T T 组测试用例,每个测试用例包含 a a a、 b b b 和 k k k 这三个整数。因为 T T T 的最大值是 20,整数的大小为 O ( 1 ) O(1) O(1),所以这部分的空间复杂度是 O ( T ) O(T) O(T),在最坏情况下是 O ( 20 ) O(20) O(20),这属于常量级别的空间占用。

  2. 枚举操作时的临时变量:在枚举 i i i 的过程中,主要存储的是中间结果 a + i a + i a+i、 b + ( k − i ) b + (k - i) b+(k−i) 以及计算得到的 GCD 值。这些都是固定的整数,占用常量级别的空间,因此这一部分的空间复杂度是 O ( 1 ) O(1) O(1)。

  3. GCD 计算的空间:欧几里得算法的 GCD 计算是一个递归过程,但在实际实现中通常使用迭代版本,递归深度为 O ( log ⁡ ( min ⁡ ( a , b ) ) ) O(\log(\min(a, b))) O(log(min(a,b))),也就是说,GCD 计算的空间复杂度为 O ( log ⁡ ( min ⁡ ( a , b ) ) ) O(\log(\min(a, b))) O(log(min(a,b)))。但是因为我们采用了迭代方法,实际上没有额外的递归栈空间,所以这部分的空间占用也只是 O ( 1 ) O(1) O(1)。

  4. 输出数据的空间:输出每个测试用例的结果是一个整数,因此总共输出 T T T 个结果,占用 O ( T ) O(T) O(T) 的空间,最坏情况下为 O ( 20 ) O(20) O(20),仍然是常量级别的。

总结

这道题目要求通过最多 k k k 次操作来最大化两个整数 a a a 和 b b b 的最大公约数(GCD)。为了实现这一目标,算法采用了枚举优化的策略,通过遍历每一种可能的操作组合(即 a + i a + i a+i 和 b + ( k − i ) b + (k - i) b+(k−i)),计算相应的 GCD,并选择最大的结果作为最终答案。

在算法分析中,我们得出了时间复杂度为 O ( T × k × log ⁡ ( min ⁡ ( a , b ) ) ) O(T \times k \times \log(\min(a, b))) O(T×k×log(min(a,b))),其中 T T T 是测试用例的数量, k k k 是允许的操作次数, log ⁡ ( min ⁡ ( a , b ) ) \log(\min(a, b)) log(min(a,b)) 是计算 GCD 的复杂度。虽然 k k k 的最大值达到 100,000,但由于欧几里得算法计算 GCD 的效率极高,因此在实际输入范围内,该算法的运行效率可以接受。

空间复杂度方面,由于算法中只使用了少量的额外空间,主要是常量级别的变量,因此空间复杂度为 O ( 1 ) O(1) O(1),除去输入输出外不需要额外的内存。

综上所述,这道题的解法不仅简洁有效,且在高效实现下可以处理大规模输入。对于需要在有限操作次数内寻找最优解的问题,这样的枚举优化策略是十分值得参考的。

【YOLO26创新改进】TGRS 2026 | Transformer变体改进篇 | 使用CGTA曲率引导令牌注意力,改善结构与纹理的整体协调,适合遥感小目标检测、旋转目标检测、实例分割任务 本文在YOLO26目标检测模型中引入CGTA曲率引导令牌注意力模块,依据曲率显著性与特征可靠性,从高分辨率特征图中筛选少量关键令牌,再让全部位置与这些代表性特征进行全局交互,从而以较低计算和显存开销建立远距离目标、背景及跨尺度结构之间的联系;该模块能够重点强化车辆、舰船、飞机、建筑等目标的边缘、转角和弯曲轮廓,改善小目标、密集目标及旋转目标的特征完整性与定位稳定性,并通过可靠性门控抑制噪声和伪边缘,通过标准注意力与曲率注意力融合避免平坦区域被过度增强。 阅读详情

相关推荐

【Telephony】Telephony总纲!Phone进程流程(AOSP)

整个Framework层的Telephony框架运行在一个叫做Phone(com.android.phone)的进程中。 Phone进程启动的过程中,会初始化非常多的分支功能,SIM卡流程初始化就是其中之一,所以我觉得有必要写一下Phone进程的框架

weixin_44513784的博客 1975

视频隐私脱敏工程化:CSRT/KCF追踪算法在本地推理中的实现与边界

在短视频内容合规审查中,动态遮挡(Dynamic Masking)是高频且高耗时的环节。传统手动关键帧打码不仅效率低下,且在目标快速移动或遮挡时极易出现遮罩漂移。本文从计算机视觉工程角度,解析基于CSRT与KCF算法的目标追踪方案在视频隐私处理中的技术路径、性能权衡及落地实践。

Mysssone的博客 206

CXL3.0 CDAT(Coherent Device Attributes Table)

在说明CDAT之前,先讲一下CXL中的DOE类型:CXL协议里定义了两种DOE的类型,一种是Compliance就是合规性测试的内容,还有一种就是CDAT(一致性属性表)Memory_Info_Valid是CXL设备的内存配置完成标志,位于DVSEC(Designated Vendor-Specific Extended Capability)的CXL Range X Size Low寄存器中(X为1或2)。

Summer的博客 1436

【算法拾光】链表 哈希表|K个一组翻转链表 + 两数之和

K个一组翻转链表需分段反转,借助哑节点与前驱指针维护连接,避免断链;两数之和利用哈希表实现O(1)查找,空间换时间,高效定位目标组合。前者考察链表指针操作,后者聚焦映射关系构建,均为面试高频题。

wuqingyigexiaoba的博客 312

ROS Navigation global_planner框架解析

ROS Navigation global_planner框架解析主要讲一下我看源码总结的框架,如果大家跟着这个框架看源码的话可能会看的比较快。主要讲解global_planner关键配置参数含义及关键函数Astar,Dijkstra,QuadraticCalculator::calculatePotential,PotentialCalculator::calculatePotential,GridPath::getPath,GradientPath::getPath.

Jeff_Lee_的博客 4694

保姆级!n8n 公众号自动化:从 0 搭 “写文案 + 生图 + 发草稿” 全流程

【摘要】本文介绍如何利用n8n搭建全自动公众号内容发布流程,涵盖AI文案生成、封面图制作到自动发布的全链路解决方案。通过对接OpenRouter大模型、阿里云百炼生图API及微信官方接口,实现从内容创作到发布的自动化。重点包括:1)n8n微信节点安装配置;2)大模型API授权与提示词优化技巧;3)图片生成与格式转换处理;4)公众号接口授权注意事项;5)草稿自动生成参数设置要点。特别提醒首次配置时需关闭自动发布功能以检查效果,避免格式错误导致发布失败。该方案无需复杂编程,适合运营人员快速搭建自动化内容生产流程

Jacket0603的博客 1594

排序算法深度笔记(下):非比较类排序的线性突破与工程边界

排序算法时间复杂度额外空间复杂度稳定性是否基于比较选择排序O(N^2)(O(1))不稳定是冒泡排序O(N^2)(O(1))稳定是插入排序O(N^2)(O(1))稳定是归并排序O(N\log N)(O(N))稳定是快速排序O(N\log N)O(log N)不稳定是堆排序O(N\log N)O(1)不稳定是计数排序(O(N + M))O(M))稳定否基数排序O(N)稳定否桶排序平均O(N) / 最坏O(N^2)

2401_87069538的博客 571

第8.1节 满足构网要求的功率器件与散热设计

摘要: 构网型变流器的功率器件选型与散热设计面临严苛要求,需综合考虑过载能力、暂态应力与可靠性。IGBT模块选型需重点评估电压/电流等级、损耗特性及结温波动,而SiC MOSFET虽具有高频低损耗优势,但面临栅极可靠性等挑战。散热设计需采用液冷等先进技术控制结温波动,并通过电热应力仿真和寿命预测实现可靠性优化。系统化选型流程需结合规范要求、工况谱分析和实测验证,为构网型变流器提供坚实的物理基础。

技术工作者 913

算法日常・每日刷题--<动态规划>42

本题为“不相交的线”,与最长公共子序列问题相似。使用动态规划求解:定义 dp[i][j] 表示 nums1[0:i] 与 nums2[0:j] 的最大不相交连线数。若元素相等,则继承左上值加1;否则取上方或左方最大值。最终返回 dp[m][n],即两数组的最大不相交连线数。时间复杂度 O(mn),空间复杂度 O(mn)。

2503_92261635的博客 20

【科技前沿】用深度强化学习优化电网,让电力调度更聪明!

Hey小伙伴们,今天我要跟大家分享一个超级酷炫的技术应用——深度强化学习在电网优化中的典型案例!如果你对机器学习感兴趣,或是正寻找如何用AI技术解决实际问题的方法,这篇分享绝对不容错过!👩‍💻✨

Jacklx888的博客 3246

100天精通Python(可视化篇)——第109天:Pyecharts绘制各种常用地图(参数说明+代码实战)

100天精通Python(可视化篇)——第109天:Pyecharts绘制各种常用地图(参数说明+代码实战)

努力让自己发光,对的人才能迎着光而来 8万+

C语言程序设计题|有序数组插入数字冒泡排序

题目要求将一个数插入有序数组末尾,并用冒泡排序实现整体升序。代码先将输入数存入数组最后位置,再通过双重循环进行冒泡排序,每轮将较大元素向后移动,最终输出11个升序元素。该方法虽时间复杂度为O(n²),但符合题目要求,逻辑清晰,适合初学者理解排序原理。

2301_81429079的博客 749

Spring AI 项目实战(一):Spring AI 核心模块入门

摘要:本文探讨了Spring Boot与Spring AI在Java生态下开发智能应用的技术融合。Spring Boot通过自动配置和嵌入式服务器简化企业级应用开发,其核心架构包括Spring Application和Web MVC框架。Spring AI则提供标准化接口,整合Hugging Face、TensorFlow等AI引擎,模块化支持NLP、CV和ML任务。文章通过代码示例展示了文本分类、图像处理和机器学习预测的实现,为开发者提供了Java生态下高效构建AI应用的解决方案。

博客 1527

【算法拾光】模拟|外观数列 + 数青蛙

本文总结两道模拟题解法:外观数列通过迭代统计连续数字个数生成下一项,关键在于处理末尾字符;数青蛙则模拟青蛙叫声“croak”状态转移,维护各阶段青蛙数量,记录最大并发数并确保全部完成。共性在于严格遵循流程、细致处理边界与非法情况,锻炼字符串遍历与状态管理能力。

wuqingyigexiaoba的博客 369

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

温度PID控制PLC程序

温度PID稳定控制程序,适用于欧姆龙PLC,对其他PLC也具有很大参考价值

408 算法 04|主元素与三元组最小距离:两种“扫描时做决定“的思路

2013(41) 的主元素用摩尔投票一遍选出候选,但真正的考点是"选完必须验票";2020(41) 的三元组最小距离,三指针每次只挪最小的那个,靠的是 D=2×(max−min) 这个恒等式。两套完整 C 代码加真实输出,附官方评分档位表。

m0_56226131的博客 406

ssm框架搭建

这个是一个在idea上成功跑起来的ssm框架项目,保存在这里方便以后使用直接下载

牛客周赛165C题(前后缀性质,递推,排序,枚举)

题目大意:给定长度为 `n` 的数组,选择 `k ∈ [1,n]`,将前 `k` 个元素整体翻转,后面的元素不变。要求操作后的整个数组非递减,统计满足条件的 `k` 的数量。题目链接:https://ac.nowcoder.com/acm/contest/141721/C。时间复杂度:O(nlogn)

2501_94316951的博客 170

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

【数据结构-3】算法美学之降复杂度

在while循环的循环体内,首先用临时变量保存最后一个位置的数据,再通过for循环把所有元素往后移动一位,最后把tmp中保存的值放到下标为0的位置上去。方法二的思路是:创建新数组,让原数组中后k个数据移动到新数组中前面的位置,让原数组中前numsSize-k个数据移动到新数组中后面的位置,这。这段代码的思路是:三次逆置,第一次逆置前numsSize-k个数据,第二次逆置后k个数据,最后整体逆置。这篇博文分享一道解法不一的算法题,求解过程的目的在于降低算法的时间复杂度,题源力扣。,属于空间换时间的操作。

weixin_44218929的博客 83

算法61,判定是否为字符重排

两字符串能互为重排 ⇔。

sheshibenniaodan的博客 218

算法日常・每日刷题--<动态规划>32

给定严格递增的正整数数组,求最长斐波那契子序列长度。使用二维DP,dp[i][j]表示以arr[i]、arr[j]为最后两项的序列长度,初始化均为2。通过哈希表快速查找前一项target = arr[j] - arr[i],若存在且下标小于i,则状态转移:dp[i][j] = dp[k][i] + 1。遍历更新全局最大长度,最终若结果小于3则返回0。时间复杂度O(n²),空间复杂度O(n²)。

2503_92261635的博客 178

算法札记:几何分布在算法题UVA1262的运用

集卡问题求解核心:将集齐n种优惠券的过程分为n个阶段,每个阶段期望购买次数为 $ \frac{n}{k} $(k为剩余种类数),总期望为 $ n \cdot H_n $(调和数)。通过自洽方程推导单阶段期望,无需几何分布或无穷级数,逻辑清晰且适用于大一水平。例如,n=5时期望约11.42,非5。题目要求以带分数形式输出精确结果,算法上需累加分数并化简。

Keven_11的博客 349

考拉兹猜想 - 7

本文通过引入虚数单位重构Collatz猜想的迭代逻辑,指出偶数减半与奇数“乘3加1”的过程在虚数坐标下等价于归结操作。关键在于:乘3加1使奇数跃升至偶数,随后持续减半,而虚数单位代表“无限减1”,实现无限向有限的转化。无论初始值如何,减半始终主导,最终归结为4-2-1循环。该视角消解了正向思维中的速度竞争疑虑,证明归结是必然结果。

杨铸人的博客 42

SSL证书选RSA还是ECDSA:公钥算法、CA签名与兼容性怎么核对

申请SSL证书时,RSA和ECDSA该怎么选?先分清站点公钥算法、CA签名算法和TLS实际兼容性,再用隔离OpenSSL实验读取两类材料,核对申请、续期和部署交接,避免只看Signature Algorithm就选错。

谁呀!的博客 399

贪心题目:可以到达的最远建筑

为了到达尽可能远的建筑物,在将砖块替换成梯子时,应将高度差最大位置的砖块替换成梯子,此时剩余的砖块数量最多,如果将高度差较小位置的砖块替换成梯子,则剩余的砖块数量较少,能到达的最远建筑物下标不可能更大。开始向后面的建筑物移动,移动过程中维护优先队列存储正高度差,优先队列的队首元素是最大元素,每次遇到正高度差时优先考虑使用砖块,如果砖块数量不够则使用梯子替换最大高度差位置的砖块,直到砖块和梯子都使用完毕时,到达的建筑物即为最远建筑物。如果以最佳方式使用给定的梯子和砖块,返回可以到达的最远建筑物的下标。

stormsunshine的博客 283

从曲线到储层:Techlog/KAPPA 全流程算法、UltraLAB 选型与本地 AI 部署实战

以高频 CPU 保证交互,以充足内存承载多井与多任务,以 NVMe 打通项目和知识库 I/O,再按本地模型、上下文与并发配置 GPU。对 UltraLAB 用户而言,更合理的采购方式是带着真实项目做选型:一组典型井、一套完整解释模板、一个目标大模型、一次多人并发测试。用实测结果确定配置,才能把预算转化为解释效率,而不是闲置算力。软件模块、操作系统与许可条件以厂商当前正式说明为准;硬件建议需结合项目实测。AI 输出只能作为辅助证据,不能替代岩石物理与油藏工程专业审核。

wdf8088的博客 181

【Deep-OC-SORT 01】多轨迹算法Deep-OC-SORT源码分析

本工程基于Deep-OC-SORT核心模块,重构并适配了EmbeddingComputer(外观特征提取)、CMCComputer(相机运动补偿)与OCSort(主跟踪器)三类。前者实现整框/网格模式的特征提取与L2归一化;后者通过稀疏光流或SIFT匹配估计仿射变换,补偿相机运动;主跟踪器融合IoU、外观相似度与方向一致性,支持模块开关与自定义组件,实现高效多目标跟踪。

Jayson 博客 336

强化学习第十一课:完整 Q-Learning 算法

表示有:\[ 5 \]0 1 2 3 40:向左1:向右目标位置:\[ 4 \]

qq_56657939的博客 300
上一篇: 【888题秋招篇】剑指大厂offer第九题,带你用贪心秒杀米哈游校招真题-交换字符,斩获大厂年薪60wOffer
下一篇: 【888题竞赛篇】第一题,2023睿抗-出院
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值