写了这么多年程序,来看看这些最基础的算法你会不会写...

本文深入探讨了串的朴素模式匹配与KMP模式匹配算法,解析了选择排序与冒泡排序的工作原理,并介绍了链表反转及裴波拉契数列的实现方式,为读者提供了一次全面的数据结构与算法学习之旅。

串的朴素模式匹配算法,串的kmp模式匹配算法

  • 串是由零个或多个字符组成的有序列,又名叫字符串
  • 子串的定位操作:简单地说,就是对主串的每一个字符作为字串的头,与要匹配的字符串进行匹配
  • 串的朴素模式匹配算法:对主串做大循环,每个字符开头做T的长度的小循环,直到匹配成功或全部遍历完成为止
  • 串的kmp模式匹配算法:在朴素的模式匹配算法中,主串的i值是不断地回溯来完成的,KMP算法就是为了让没必要的回溯不发生

选择排序,冒泡排序

  • 冒泡排序
void bubbleSort(int[] datas){
    for(int i=0;i<datas.length;i++){
        for(int j=0;j<datas.length;j++){
            if(datas[i]>datas[j]){
                int temp=datas[i];
                datas[i]=data[j];
                data[j]=temp;
            }
        }
    }
}
  • 选择排序
    public static void selectionSort(int[] arr]){
        int min;
        int max;
        int count=arr.length;
        for(int i=0;i<count;i++){
             // 初始化未排序序列中最小数据数组下标
            min=i;
              // 初始化未排序序列中最大数据数组下标
            max=count-1;
            for(int j=i;j<count;j++){
                  // 在未排序元素中继续寻找最小元素,并保存其下标
                if(arr[min]>arr[j]]){
                    min=j;
                }
                 // 在未排序元素中继续寻找最大元素,并保存其下标
                if(arr[max]<=arr[j]){
                    max=j;
                }
            }
             // 将未排序列中最小元素放到已排序列头
            if(min!=i){
                  int temp = arr[i];
                  arr[i] = arr[min];
                  arr[min] = temp;
            }
              // 将未排序列中最大元素放到已排序列尾
                if(max != count - 1){
                    int temp = arr[count - 1];
                    arr[count - 1] = arr[max];
                    arr[max] = temp;
                }
                count--;
        }
    }

链表反转

  • 遍历法
    Node reversal(Node node){
        Node Last;
        Node next;
        while(node!=null){
            next=node.next;
            node.next=last;
            last=node;
           node=next;
        }
    }
  • 递归法
Node reserval(Node node){
        if(node==null||node.next==null){
            return node;
        }
        Node temp=node.next;
        Node newNode=reserval(node.next);
        temp.next=node;
        head.next=null;
        return newNode;
    }

裴波拉契数列:从第三项开始,每一项都是前面两项之和。

 int pblq(int n){
         if(n==1||n==2){
             return 1;
         }
         return pblq(n-2)+pblq(n-1);
     }

链表反转,冒泡排序,裴波拉契数列在面试的写手代码环节基本上是必考的,时光飞驰,转眼已经在开发这条路上走了五个年头,回想自己这一路,虚度了大好的光阴,本该具备技术沉淀的年纪,这个年纪除了留下了厚厚的脂肪,什么也没有沉淀下,在互联网这种风气下,使自己变的更加的茫然。如果看到这篇博客的你也和我一样茫然,就和我一起加油学习吧,未来的成长之路我与你一起同行。加油!

成都市作为中国西部地区具有战略地位的核心都市,其人口的空间分布状况对于城市规划、社会经济发展及公共资源配置等研究具有基础性数据价值。本文聚焦于2019年度成都市人口分布的空间数据集,该数据以矢量格式存储,属于地理信息系统中常用的数据交换形式。以下将对数据集内容及其相关技术要点进行系统阐述。 Shapefile 是一种由 Esri 公司提出的开放型地理空间数据格式,用于记录点、线、面等几何要素。该格式通常由一组相互关联的文件构成,主要包括存储几何信息的 SHP 文件、记录属性信息的 DBF 文件、定义坐标系统的 PRJ 文件以及提供快速检索功能的 SHX 文件。 1. **DBF 文件**:该文件以 dBase 表格形式保存与各地理要素相关联的属性信息,例如各区域的人口统计数值、行政区划名称及编码等。这类表格结构便于在各类 GIS 平台中进行查询与编辑。 2. **PRJ 文件**:此文件明确了数据所采用的空间参考系统。本数据集基于 WGS84 地理坐标系,该坐标系在全球范围内广泛应用于定位与空间分析,有助于实现跨区域数据的准确整合。 3. **SHP 文件**:该文件存储成都市各区(县)的几何边界,以多边形要素表示。每个多边形均配有唯一标识符,可与属性表中的相应记录关联,实现空间数据与统计数据的联结。 4. **SHX 文件**:作为形状索引文件,它提升了在大型数据集中定位特定几何对象的效率,支持快速读取与显示。 基于上述数据,可开展以下几类空间分析: - **人口密度评估**:结合各区域面积与对应人口数,计算并比较人口密度,识别高密度与低密度区域。 - **空间集聚识别**:运用热点分析(如 Getis-Ord Gi* 统计)或聚类算法(如 DBSCAN),探测人口在空间上的聚集特征。 - **空间相关性检验**:通过莫兰指数等空间自相关方法,分析人口分布是否呈现显著的空间关联模式。 - **多要素叠加分析**:将人口分布数据与地形、交通网络、环境指标等其他地理图层进行叠加,探究自然与人文因素对人口布局的影响机制。 2019 年成都市人口空间数据集为深入解析城市人口格局、优化国土空间规划及完善公共服务体系提供了重要的数据基础。借助地理信息系统工具,可开展多尺度、多维度的定量分析,从而为城市管理与学术研究提供科学依据。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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