微软面试100题-天天做-第5题

K8s部署与资源管理教程
本教程提供了一系列关于Kubernetes(K8s)的部署方法及资源管理配置的视频课程链接,涵盖从开发测试环境到生产环境的各种部署方案,并详细介绍了K8s中重要资源的概念与使用。

发布一个k8s部署视频:https://edu.youkuaiyun.com/course/detail/26967

课程内容:各种k8s部署方式。包括minikube部署,kubeadm部署,kubeasz部署,rancher部署,k3s部署。包括开发测试环境部署k8s,和生产环境部署k8s。

腾讯课堂连接地址https://ke.qq.com/course/478827?taid=4373109931462251&tuin=ba64518

第二个视频发布  https://edu.youkuaiyun.com/course/detail/27109

腾讯课堂连接地址https://ke.qq.com/course/484107?tuin=ba64518

介绍主要的k8s资源的使用配置和命令。包括configmap,pod,service,replicaset,namespace,deployment,daemonset,ingress,pv,pvc,sc,role,rolebinding,clusterrole,clusterrolebinding,secret,serviceaccount,statefulset,job,cronjob,podDisruptionbudget,podSecurityPolicy,networkPolicy,resourceQuota,limitrange,endpoint,event,conponentstatus,node,apiservice,controllerRevision等。

第三个视频发布:https://edu.youkuaiyun.com/course/detail/27574

详细介绍helm命令,学习helm chart语法,编写helm chart。深入分析各项目源码,学习编写helm插件
————————————————------------------------------------------------------------------------------------------------------------------

5.查找最小的k个元素(数组)题目:输入n个整数,输出其中最小的k个。

 

 

例如输入1,2,3,4,5,6,7和8这8个数字,则最小的4个数字为1,2,3和4。

 

 

package com.microsoft;

public class FindNMinimum {
	private static void merge(int [] source,int left,int right){
		if(left==right){
			return;
		}
		int middle=(left+right)/2;
		merge(source,left,middle);
		merge(source,middle+1,right);
		int[]tmp=new int[right-left+1];
		int l=0;
		int lindex=left;
		int rindex=middle+1;
		for(;lindex<=middle;){
			if(rindex>right){
				break;
			}
			if(source[lindex]<source[rindex]){
				tmp[l++]=source[lindex];
				lindex++;
			}else{
				tmp[l++]=source[rindex];
				rindex++;
			}
		}
		if(lindex==middle+1&&rindex<=right){
			for(;rindex<=right;rindex++){
				tmp[l++]=source[rindex];
			}
		}
		if(rindex>right&&lindex<=middle){
			for(;lindex<=middle;lindex++){
				tmp[l++]=source[lindex];
			}
		}
		
		l=0;
		for(int x=left;x<=right;x++){
			source[x]=tmp[l++];
		}
	}
	public static void main(String[] args) {
		int[] data=new int[]{4,5,2,9,1,0,7};
		for(int i=0;i<data.length;i++){
			System.out.print(data[i]+" ");
		}
		System.out.println();
		merge(data,0,data.length-1);;
		for(int i=0;i<data.length;i++){
			System.out.print(data[i]+" ");
		}
		System.out.println();
		int k=5;
		System.out.println("最小"+k+"个元素为:");

		if(k>data.length){
			for(int i=0;i<data.length;i++){
				System.out.print(data[i]+" ");
			}
		}else{
			for(int i=0;i<k;i++){
				System.out.print(data[i]+" ");
			}
		}

	}

}

 

 

 

 

 

提供了基于BP(Back Propagation)神经网络结合PID(比例-积分-微分)控制策略的Simulink仿真模型。该模型旨在实现对杨艺所著论文《基于S函数的BP神经网络PID控制器及Simulink仿真》中的理论进行实践验证。在Matlab 2016b环境下开发,经过测试,确保能够正常运行,适合学习和研究神经网络在控制系统中的应用。 特点 集成BP神经网络:模型中集成了BP神经网络用于提升PID控制器的性能,使之能更好地适应复杂控制环境。 PID控制优化:利用神经网络的自学习能力,对传统的PID控制算法进行了智能调整,提高控制精度和稳定性。 S函数应用:展示了如何在Simulink中通过S函数嵌入MATLAB代码,实现BP神经网络的定制化逻辑。 兼容性说明:虽然开发于Matlab 2016b,但理论上兼容后续版本,可能会需要调整少量配置以适配不同版本的Matlab。 使用指南 环境要求:确保你的电脑上安装有Matlab 2016b或更高版本。 模型加载: 下载本仓库到本地。 在Matlab中打开.slx文件。 运行仿真: 调整模型参数前,请先熟悉各模块功能和输入输出设置。 运行整个模型,观察控制效果。 参数调整: 用户可以自由调节神经网络的层数、节点数以及PID控制器的参数,探索不同的控制性能。 学习和修改: 通过阅读模型中的注释和查阅相关文献,加深对BP神经网络与PID控制结合的理解。 如需修改S函数内的MATLAB代码,建议有一定的MATLAB编程基础。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

hxpjava1

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
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