百度7月6日凉经

博主参加了百度的一面面试,面试官亲切并注重实际理解。主要涉及数据结构(如BlockingQueue)、容器(ArrayList、LinkedList、HashMap)、数据库排序与索引原理、多线程同步(synchronized、乐观锁、悲观锁)等技术问题。面试官建议基础知识的重要性高于框架,强调理解底层原理。虽然未进入下一轮,但博主对面试体验表示满意,并感谢面试官的建议。

百度一面凉经(7月6日)面试官人很好  问的很灵活 不会的会引导你 给你讲 最后还给了你一些建议

1、用过哪些数据结构   Queue中  BlockingQueue 阻塞队列在生产者消费者下是怎么一种运行流程

2、用过哪些容器  ArrayList和LinkedList    HashMap的底层实现原理  put的过程 

3、数据库中的order by排序是通过怎样的方式实现的  或者说排序都是怎么用的   

4、数据库中索引是怎么工作运行的  底层是B+数据结构,10000条数据怎么做到取前十条数据

5、数据库中的锁聊一聊

6、聊一聊多线程中synchronized锁  数据库中的乐观锁、悲观锁、共享锁

7、没有接触过分布式

8、聊一聊Redis吧 说一些数据结构  主要用redis干什么

最后时间到了一个小时  就没让继续手撕代码 ,面试官不按照正常的一问一答的形式,让构建的知识框架瞬间崩塌。最后给我的建议是,所谓的框架不是很重要,最重要的是底层的原理,一些基本的数据结构、网络原理了解清楚,其他的都是依据这些就基础知识在做的,所以基础知识很重要。

感谢百度面试官,即便最后被pass,还是很感谢您给的一些建议,面试体验真的不错,感谢您。

【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
评论 1
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
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