ES6学习笔记(四)

超详细ES6变动,ES6学习笔记,JavaScriptES6学习笔记 由本人总结修改的es6学习笔记,结合了和es5的部分不同点,仅用于简略学习,如果需要深度学习es6,还请移步阮一峰等大神博客!!!不知道怎么改成0资源分0_o哈哈,就设置成1了 立即下载

数值的扩展和对象的扩展

ES6提供了二进制和八进制数值的新的写法,粉笔用前缀0b和0o表示

ES6在Number对象上新提供了Number.isFinite() 和Number.isNaN()两个方法,Number.isFinite()用来检查一个数值是否为有限的,Number.isNaN()用来检查一个值是否为NaN.

ES6将全局的parseInt()和parseFloat()移植到Number对象上面,行为保持不变.Number.isInteger()用来判断一个值是否为整数.ES6在Number对象上新增了一个极小的常量Number.EPSILON,根据规定,它表示1与大于1的最小浮点数之间的差.

ES6引入了Number.MAX_SAFE_INTEGER 和Number.MIN_SAFE_INTEGER两个常量,用来表示这个范围的上下限.Number,isSafeInteger()则表示判断一个整数是否落在这个范围之内.

Math对象的扩展:

Math.trunc() 用于去除一个数的小数部分,返回整数部分.

Math.sign() 用于判断一个数到底是正数,负数还是零,对于非数值,会先转化为数值 .+1表示正;-1表示负;0 返回0

Math.cbrt() 计算一个数的立方根

Math.clz32() js的整数使用32位二进制形式表示

Math.imul() 返回两个数以32位带符号整数形式相乘的结果

Math.fround() 返回一个数的单精度浮点数形式

Math.hypot() 返回所有参数的平方和的平方根

Math.expm1() 返回ex-1

   Math.log1p(x)方法返回1 + x的自然对数,即Math.log(1 + x)。如果x小于-1,返回NaN。

Math.log10(x)返回以10为底的x的对数。如果x小于0,则返回NaN。

Math.log2(x)返回以2为底的x的对数。如果x小于0,则返回NaN。

Math.sinh(x) 返回x的双曲正弦(hyperbolic sine)
Math.cosh(x) 返回x的双曲余弦(hyperbolic cosine)
Math.tanh(x) 返回x的双曲正切(hyperbolic tangent)
Math.asinh(x) 返回x的反双曲正弦(inverse hyperbolic sine)
Math.acosh(x) 返回x的反双曲余弦(inverse hyperbolic cosine)
Math.atanh(x) 返回x的反双曲正切(inverse hyperbolic tangent)

新增指数运算符(**)






【Arduino 101】五分钟搞懂PID控制算法 【Arduino 101】五分钟搞懂PID控制算法物料清单尺寸接线 文章目录物料清单尺寸接线 物料清单 Arduino Uno x 1 超声波模块(HC-SR04)x 1 舵机(Tower Pro MG996R)x 1 舵机供电: 5V 稳压管(LM7805) x 1 , 滤波电容 (0.33uF, 0.1uF) x 2, 9V 电池 x 1 滑轨:泡沫板 支架:乐高 滚动物体:胶带(Up试过网球,但是测距模块的表现不理想) 尺寸 接线 ... 阅读详情

相关推荐

华硕三频万兆分布式路由组网实战:从AiMesh 2.0到全屋Wi-Fi 6覆盖

Mesh组网是解决大户型Wi-Fi覆盖难题的主流方案,其核心原理是通过多个节点构建网状网络,实现设备间的无缝漫游。在技术层面,Wi-Fi 6标准、三频设计(包括专属回程频段)和有线回程等技术,共同提升了网络的带宽、稳定性和抗干扰能力。这些技术的工程价值在于,能够为多设备并发、高带宽应用(如4K/8K流媒体、在线游戏、内网文件高速传输)提供可靠支撑。具体到应用场景,例如利用华硕AiMesh 2.0系统,配合三频万兆分布式路由器,可以实现智能的设备连接与负载均衡。通过合理规划节点位置、优先采用有线回程,并进行Q

weixin_34054866的博客 434

ES6+ Math 对象的扩展

在编程中遇到数学问题时一般会借助Math这个 JavaScript 的内置对象,它拥有一些数学常数属性和数学函数方法。Math不是一个函数对象,它主要用于Number类型。与其他全局对象不同的是,Math不是一个构造器。Math的所有属性与方法都是静态的。圆周率的写法是Math.PI,调用正余弦函数的写法是,x是要传入的参数。Math的常量是使用 JavaScript 中的全精度浮点数来定义的。本节我们主要学习,ES6 对 Math 对象的扩展。

很酷的站长的博客 428

AI 小说生成器本地部署完全指南

这篇文章介绍了本地部署AI小说生成器的完整指南,主要面向网文作者、内容创作者和AI爱好者。文章从环境搭建到创作实践,详细讲解了三种主流部署方案:Ollama(推荐新手)、LMStudio(图形界面)和text-generation-webui(高级定制)。内容涵盖硬件需求、系统架构、模型选择、API对接、提示词工程等关键技术环节,并提供了小说创作的特制提示词模板和参数调优建议。文章还讨论了长篇小说管理、多模型协作等进阶技巧,以及版权伦理等法律问题。最后推荐了相关工具资源和社区论坛,帮助读者实现安全、高效、可

珂珂可爱多 2305

arm中clz指令_JavaScript中带有示例的Math.clz32()方法

arm中clz指令 JavaScript | Math.clz32()方法 (JavaScript | Math.clz32() Method) Math.clz32() is a function in math library of JavaScript that is used to find the number of leading zeroes in the 32-bit repres...

cumudi0723的博客 1092

NRF24L01学习操作教程(二)——NRF实现一对一,一对多通讯

以上内容详细介绍了,使用NRF24L01实现1对1单向通讯、1对1双向通讯、1对多双向通讯。

Joseph Wen的博客 7392

最新版IAR9.40和注册工具

IAR最新版的IDE在编译速度和代码提示等各个方面上都有很大提升,软件这个东西果然还是越新越好。之前的时候,IAR v9系列网上很多人都说能用,但是又没有把 IAR v9系列的注册方法写的很清楚,导致我一直都用注册老版本v8的方法去注册v9。结果注册后都会提示。

xue_nuo的博客 4万+

前端练习39 Math.clz32的Polyfill

知识点 Math.clz32方法 求负数的二进制编码的方法 求小数的二进制编码的方法 填充字符串的方法padStart 题目 ES6新增了Math.clz32方法,可以让我们获取到一个整数的无符号32位的二进制形式有多少位前置的 0。例如: Math.clz32('2') // => 30 如果不能转换成数字的,返回32: Math.clz32('good') // => 32 ...

多啦的博客 345

深度学习实战:基于YOLOv5/v8/v10的快递暴力分拣检测系统(完整版)

在电商物流高速发展的今天,快递包裹日均处理量已突破亿件级别。然而,快递分拣过程中的暴力抛扔行为不仅造成包裹损坏,更带来巨大的经济损失。据统计,每年因暴力分拣导致的快递破损投诉占总投诉量的30%以上。传统的人工监控方式存在疲劳、疏漏等问题,因此开发一套智能化的快递暴力分拣检测系统具有重要的现实意义。

YOLO 278

FreeRTOS笔记 __clz指令 (5)

前言: 本博文只是简介__clz功能; __clz: Count Leading Zeros ,计算前导零指令; 指令编码格式 __clz指令返回操作数二进制编码中第一个1前0的个数。如果操作数为0,则指令返回32;如果操作数二进制编码第31位为1,指令返回0。 功能:加入一个数为0x1FFF FFFF,则转换为2进制为 (0001 1111 1111 1111 1111 1111 1111...

small_is_powerful , small_is_beautiful 1万+

history 历史命令记录功能如何防坏人(高级)

在 Linux 下面可以使用 history 命令查看用户的所有历史操作,同时 shell 命令操作记录默认保存在用户目录的 .bash_history 文件中。通过这个文件可以查询 shell 命令的执行历史,有助于运维人员进行系统审计和问题排查,同时在服务器遭受黑客攻击后,也可以查询黑客登录服务器的历史命令操作。但是黑客在入侵后,为了抹除痕迹,会删除 .bash_history 文件,这个就需...

墨痕诉清风的博客 1658

PentAGI自动渗透测试平台搭建与使用

但是PentAGI的缺陷也比较明显,一个是自动化程度高带来过程的介入困难,整个渗透的过程都交给AI自动决策,无法进行人工调整,耗时较长;从上述过程来看PentAGI似乎是一个比较“可用”的AI自动化渗透测试平台,但是在继续等待测试的过程中,PentAGI的一些缺点也暴露了出来,一个是测试的过程非常漫长,因为PentAGI是使用配置大模型API key的方式全自动运行,支持openai、deepseek等主流LLM大模型,过程中不需要人工介入,会不断自动调整,所以比较依赖于大模型本身的响应速度。

墨痕诉清风的博客 2420

ES6学习笔记

ES6泛指5.1版本后的JavaScript的下一代标准,有许多新的特性,尤其是关于异步操作的改善和面对对象编程的适应性以及模块化的实现

bfbshs_ddd的博客 172

AI 学术科研与论文写作的正确打开方式!不套提示词模板,靠这个思路完美实现人机共创

真正的“人机共创”,也就是AI引导我思考的过程,如果你想用你的模糊需求,去写出专业化的学术内容,那是不可能的。对想快速完成某些学术任务的同仁来说,我们完全不用去抠提示词的细节,直接用魔法打败魔法,设计一段优化提示词的结构化提示词(提示词架构),辅助优化你的模糊需求。创建好之后,可以对它提你的任何模糊学术需求,比如写论文、写综述、学术润色等等,它绝不会直接帮你生成,而是先搞懂你的真实意图。以上整个流程,完全没有一句废话,先是思考,再是向你提问弄懂你的意图,最后整合你给出的关键信息,直接优化你给的模糊需求。

智能AI让学术科研更容易 478

es6学习笔记四

es6 es6阮一峰 学习笔记(以下) 函数的扩展 函数参数的默认值 rest 参数 严格模式 name 属性 箭头函数 尾调用优化 函数参数的尾逗号 Function.prototype.toString() catch 命令的参数省略 函数参数的默认值 ES6 允许为函数的参数设置默认值,即直接写在参数定义的后面。 function log(x, y = 'World') { console.log(x, y); } log('Hello') // Hello World log('Hello

opo77_的博客 213

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

ES6学习笔记(四)

补充学习一下 ES6 正则扩展 方面的知识,包含以下内容: 1、ES6 认可了构造函数的一种带修饰符参数的特殊写法; 2、在字符串的四个正则方法内调用正则对象的实例方法,使得正则方法与RegExp对象绑定; 3、u、y、s修饰符的引入; 4、后行断言; 5、新增具名组匹配,并可以通过 \k<组名> 的写法去引用具名组; 6、正则匹配索引的提案,通过indices属性获取每个组匹配的开...

华工Web练习生 3617

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

JavaScript学习笔记(四) ES6

ES6 泛指ES2015 及后续的版本,为了解决 ES5 的先天不足,ES6 加入许多新的语法特性,编程实现更简单、高效。

kianagrow的博客 829

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料,已经经过了本人的筛选和整理,希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助!

ES6学习笔记(四):教你轻松搞懂ES6的新增语法

let ES6新增的用于声明变量的关键字 let声明的变量只在所处于的块级有效 不存在变量提升 暂时性死区 // 使用let声明的变量具有块级作用域 if(true) { let a = 10 console.log(a) // 10 if(true) { let c= 30 } console.log(c) // c is not defined } console...

前端岚枫 1353

学习笔记:关于ES6的特性(四)

学习笔记:关于ES6的特性(四)Promise 的含义基本用法Promise.all()Promise.resolve()Promise.reject()Promise.try() Promise 的含义 Promise 是异步编程的一种解决方案,比传统的解决方案——回调函数和事件——更合理和更强大。它由社区最早提出和实现,ES6 将其写进了语言标准,统一了用法,原生提供了Promise对象。 所...

hyqapple的博客 262

# ES6学习笔记(四):教你理解ES6的新增语法

let ES6新增的用于声明变量的关键字 let声明的变量只在所处于的块级有效 不存在变量提升 暂时性死区 // 使用let声明的变量具有块级作用域 if(true) { let a = 10 console.log(a) // 10 if(true) { let c= 30 } console.log(c) // c is not defined } console.log(a) // a is not defined 注意: 使用let 关键字声明的变量才具有块级作...

cnmeimei的博客 351

【React系列】ES6学习笔记(四)module、编程风格

其他语言都有这项功能,比如 Ruby 的require、Python 的import,甚至就连 CSS 都有@import,但是 JavaScript 任何这方面的支持都没有,这对开发大型的、复杂的项目形成了巨大障碍。ES6 在语言标准的层面上,实现了模块功能,而且实现得相当简单,完全可以取代 CommonJS 和 AMD 规范,成为浏览器和服务器通用的模块解决方案。模块加载 3 个方法,其他方法不加载。ES6 模块的设计思想是尽量的静态化,使得编译时就能确定模块的依赖关系,以及输入和输出的变量。

川峰的博客 1752

ES6学习笔记(四):教你理解ES6的新增语法

let ES6新增的用于声明变量的关键字 let声明的变量只在所处于的块级有效 不存在变量提升 暂时性死区 // 使用let声明的变量具有块级作用域 if(true) { let a = 10 console.log(a) // 10 if(true) { let c= 30 } console.log© // c is not defined } console.log(a) // a is n...

weixin_45579770的博客 166

ES6学习笔记(四)【正则,集合】

简介 ES6对正则的扩展不多,而且几乎全都是用不到的扩展 这一节内容会很少,但是正则依旧很常用,很重要 正文 ES6为正则表达式新增了flags属性,会返回正则表达式的修饰符 /abc/ig.flags // 'gi' 以前,js只支持先行断言(lookahead)和先行否定断言(negative lookahead) 不支持后行断言(lookbehind)和后行否定断言(negative lo...

极客神殿 176

ES6学习笔记(四)函数的参数

参数的默认值 为函数的参数设置初始值时,ES6的新方法 function foo(x, y = '123') { console.log(x, y) } foo('abc') BTW,参数变量相当于默认声明.在函数中重复声明参数变量会报错. //错误 function foo(x, y = '123') { let x = 1 } foo('abc') ※默认参数必须放在最后.以便于进行使用. 解构赋值 function foo({ x, y = '123' } =

DF11G_0001的博客 196

es6学习笔记(四)

es6学习笔记(四) 字符串的扩展 Unicode 表示法 在表示四个字节的字符时,ES6 对这一点做出了改进,只要将码点放入大括号,就能正确解读该字符&quot;\u{20BB7}&quot; // &quot;

weixin_43756060的博客 215

ES6学习笔记(四)数值的扩展

1.二进制和八进制表示法 ES6 提供了二进制和八进制数值的新的写法,分别用前缀0b(或0B)和0o(或0O)表示。 1 0b111110111 === 503 // true 2 0o767 === 503 // true 从 ES5 开始,在严格模式之中,八进制就不再允许使用前缀0表示,ES6 进一步明确,要使用前缀0o表示。 1 // 非严格模式 2 (funct...

weixin_30765319的博客 141

洛谷P4889 kls and flag:线性筛+DP+树状数组优化实战解析

动态规划是算法竞赛中的核心思想,但当状态转移复杂度达到O(n²)时,往往需要借助数论预处理和数据结构进行优化。线性筛作为O(n)预处理工具,能够在筛法过程中批量计算数论函数,为dp提供基础数据;而树状数组则以极低常数支持区间查询,将转移从枚举优化为一次前缀和查询。这类组合技术在计数类问题中非常常见,尤其在涉及元素配对、区间限制的方案数统计场景。以洛谷P4889 kls and flag为例,完整拆解了从题意抽象到线性筛预处理、dp状态压缩以及树状数组优化的全过程,并分享了实现中的边界处理与对拍测试经验,帮助

weixin_34212762的博客 275
上一篇: 关于工作
下一篇: 前端的痛点之与后台和产品经理的协作
拿我格子衫来
拿我格子衫来 领域专家: 前端开发技术领域 领域专家: 前端开发技术领域
博客等级 码龄10年 6万+粉丝 858原创
评论 1
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

打赏作者

拿我格子衫来

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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