备战机试：3.12

最新推荐文章于 2025-06-05 19:41:07 发布
最新推荐文章于 2025-06-05 19:41:07 发布
阅读量169 收藏
点赞数 1
文章标签： 算法
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/fusujjjj/article/details/146204781
版权

一、刷题中遇见的困难

1、栈：s.top（），队列：s.front()

(写这个好像很sb的样子)

2、水域大小

在下面的代码上被困了，首先Max的初始值一定要是1，因为执行这条代码的前提一定是当前（x，y）处已经是0，其次因为for循环内部是（x，y）点的临近8个区域，因此一定是相加，并不需要求最大值。

二、3.12日刷题

1、后继者

2、水域大小

3、矩阵中的最长递增路径

4、统计好节点的数目（没有通过全部用例）

去spa！如果人一辈子只能坐在电脑跟前写代码，那这辈子也是没有救了，也是没有下肢了，只有上半身了，谢谢思密达~

婕婕天帝
关注
美赛备战指南：从零到获奖的实战技巧与经验分享
06-04
美赛基础与赛前准备 1.1 美赛的赛制与特点 美赛（MCM/ICM）以高强度团队协作和开放性命题著称： 时间窗口：96小时连续作战（通常含周末） 题目分类： MCM：偏重传统数学建模（A题连续/B题离散/C题数据） ICM：涉及...
全面备战蓝桥杯：从基础知识到实战策略的准备指南
10-15
模拟测试是另一个备战的环节，通过模拟赛或者往年的真题进行练习，可以帮助参赛者适应比赛环境和题型。这种实战演练有助于在真正比赛中减少紧张感，提高应对问题的能力。 时间管理也是比赛中重要的一环。参赛者应该...
美赛备战指南：城市共享单车调度优化模型的设计与实现
03-22
内容概要：本文详细介绍了针对美国大学生数学建模竞赛（美赛）的城市共享单车调度优化模型的完整流程。文章涵盖了项目的背景与选题依据、模型构建方法（包括需求预测和调度优化）、代码实现（涉及数据预处理、LSTM...
全国大学生电赛备战指南：历年试题解析、实战经验和代码程序
11-20
适用人群：主要面向备战电赛的学生群体，尤其是具备一定专业知识基础和技术背景的在校大学生。 使用场景及目标：为电赛参与者提供系统的学习资料和实践经验，辅助其从理论学习、实践训练直至临场发挥等各个环节，...
美赛（MCM/ICM）备战指南: 数学建模与编程实现综合解析
02-12
本文为参加美赛（MCM/ICM）的学生提供了详尽的备战指南。涵盖了美赛的比赛规则介绍以及从数学建模到论文撰写的全流程指导，旨在全面提升参赛者的综合能力。具体章节包括美赛的入门教程，常见类型的建模方法如优化...
leetcode hot100刷题日记——33.二叉树的层序遍历
weixin_54248223的博客
05-31 648
题目描述情况1：不确定行数和列数情况2：已知行数和列数情况3：已知行数但不知道列数情况4：已知列数但不知道行数。
AtCoder 第408​场初级竞赛 A~E题解
m0_69389639的博客
06-05 847
AtCoder 第408​场初级竞赛 A~E题解：A Timeout、B Compression、C Not All Covered、D Flip to Gather 、E Minimum OR Path
leetcode-hot-100 (矩阵）
weixin_73557167的博客
06-01 911
矩阵
基于有效集MPC控制算法的直线同步电机simulink建模与仿真,MPC使用S函数实现
熟悉MATLAB/fpga/RK3588/LABVIEW/protus/单片机/dsp/Multisim
06-04 295
摘要：本研究基于有效集算法和模型预测控制(MPC)策略，对直线同步电机(LSM)系统进行优化控制。通过建立系统空间状态方程，设计有效集MPC控制器，实现位置跟踪控制。研究内容包括系统参数设定（采样周期T=0.001s，位置目标值25）、控制律设计、稳定性分析及Lyapunov方程求解。仿真结果表明，该方法能有效处理约束优化问题，将电能转换为直线机械运动。完整工程文件包含Matlab实现代码，验证了所提控制策略的有效性。参考文献涉及终端凸集约束MPC和电力系统预测控制技术。
C++：参数传递方法（Parameter Passing Methods）
2402_88047672的博客
05-31 851
本文摘要： 文章系统介绍了函数参数传递的三种方式：1)值传递（Pass by Value），传递变量副本，安全但不影响原数据；2)地址传递（Pass by Address），通过指针修改原变量，高效但需注意空指针；3)引用传递（Pass by Reference），C++特有机制，语法简洁且高效。同时分析了数组作为函数参数的实现原理（退化为指针）及安全返回数组的方法（堆内存或静态数组）。此外，文章还简要说明了函数和结构体的定义及作用，强调其模块化和数据管理的优势。
视觉前沿算法复现环境配置1——2025CVPR风格迁移网络SaMam
weixin_51418895的博客
06-05 291
风格迁移网络的目的是首先学习模板图像的风格样式，然后通过深度学习方法把待转换的图像转换成与模板图像相似的风格样式，这种方法可以考虑用在目标检测等场景中对数据集进行扩增，达到丰富数据集的目的。图中，cu12对应cuda12.x版本，torch2.2对应pytorch2.2.x版本，cp310对应python3.10.x版本。首先在官网下载好SaMam的代码，进入代码目录。本文记录2025CVPR风格迁移网络——SaMam的环境配置方法。在配置环境前，要确认自己的系统cuda版本也是12.1，也就是。
④Pybullet之Informed RRT*算法介绍及示例
qq_39640794的博客
06-04 421
Informed RRT* 是 RRT*（Rapidly-exploring Random Tree Star）算法的改进版本，属于 RRT 算法家族。RRT* 算法通过引入局部优化（枝剪机制）和全局最优路径搜索，解决了传统 RRT 算法路径质量不高的问题。然而，RRT* 在复杂环境中搜索效率较低，因此 Informed RRT*通过启发式信息（如椭圆区域采样）进一步优化了搜索效率。
(LeetCode 每日一题) 1061. 按字典序排列最小的等效字符串 (并查集)
记录一些刷过的题并分享学习心得
06-05 380
【代码】(LeetCode 每日一题) 1061. 按字典序排列最小的等效字符串 (并查集)
图着色问题（回溯）
最新发布
wsdsbtzk的博客
06-05 234
给定无向连通图G=(V, E)，该图有n个顶点，e条边。用m种颜色对G中的顶点着色，使得任意两个相邻顶点着色不同。输出着色后的所有可能的结果。如果能用m种颜色着色，输出染色后的所有可能的结果（输出顺序见样例）；否则输出No solution。下面e行，每行二个整数，表示边的两个顶点，顶点编号为0,1,2,...,n-1。第一行三个整数，分别表示n，e 和 m 的值。1<=n,m<=10。
Java垃圾回收算法及GC触发条件
weixin_56018532的博客
06-02 1067
垃圾回收是一种自动内存管理机制，它能够识别程序中不再使用的内存空间（即"垃圾"），并将其回收以供后续使用。在Java中，开发者不需要显式地释放内存，JVM会自动完成这一工作。Java垃圾回收的核心任务是确定哪些对象是"活动的"（仍在使用中），哪些是"垃圾"（不再使用）。一般来说，如果一个对象不能通过任何引用链从程序的"根"（如全局变量、当前执行栈中的局部变量等）访问到，那么这个对象就被认为是垃圾，可以被回收。
Python[数据结构及算法 --- 栈]
2402_88564782的博客
06-05 837
1>.Stack ()：创建一个空栈，不包含任何数据项<2>.push (item)：将 item 加入栈顶，无返回值<3>.pop ()：将栈顶数据项移除，并返回，栈被修改<4>.peek ()：“窥视” 栈顶数据项，返回栈顶的数据项但不移除，栈不被修改<5>.isEmpty ()：返回栈是否为空栈<6>.size ()：返回栈中有多少个数据项。
Eigen实现非线性最小二乘拟合 + Gauss-Newton算法
qq_36812406的博客
06-03 1084
下面是使用实现的。
超声波测距三大算法实测对比
qq_74234033的博客
06-02 696
本文对比了超声波测距中的三种数据处理方法。无滤波算法直接输出原始数据，实时性强但精度低；卡尔曼滤波通过系统模型动态预测和更新，抗噪能力强且精度高，适合动态场景；均值滤波通过滑动平均抑制噪声，实现简单但响应慢，适用于静态检测。实验使用树莓派和HC-SR04模块，分别展示了三种算法的代码实现和应用效果。结果表明，卡尔曼滤波在动态环境中表现最优，而均值滤波更适合静态测量。
振动力学：弹性杆的纵向振动（固有振动和固有频率的概念）
人类的无知更显真理无穷
06-04 1031
实际系统的惯性质量、弹性、阻尼等特性都是连续分布的，因而成为连续系统或分布参数系统，典也称为弹性体。本文研究弹性杆的纵向振动特性。
评论
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