师范大学生的博客

在之前的文章中，虽然被观察者并不依赖于观察者，但是被观察者知道观察者的存在，这就出现了一定程度的耦合关系。我们通常希望一个观察者模式是这样的：1.观察者依赖于被观察者，被观察者不依赖于观察者。2.被观察者最好不知道观察者的存在，既能独立工作，又能减少与观察者的耦合关系。

观察者模式常用于一对多的监听情景，并且被监听者可以实现监听者的回调，也就是说被监听者能够触发监听者的动作，该动作就是回调。观察者模式的特点：1.被观察者不知道具体的观察者是谁，只知道自己被观察了，并且在合适的时机进行广播，让感兴趣的观察者知道发生了什么事情。2.观察者依赖于被观察者，被观察者不依赖于观察者，是单向关系，耦合程度不高。没有被观察者，观察者无法工作；没有观察者，被观察者该干啥干啥，因为被观察者本来就不清楚谁观察他，发广播是被观察的个人行为。......

  1. 两数之和给定一个整数数组 nums 和一个整数目标值 target，请你在该数组中找出 和为目标值 target 的那 两个 整数，并返回它们的数组下标。你可以假设每种输入只会对应一个答案。但是，数组中同一个元素在答案里不能重复出现。你可以按任意顺序返回答案。  经典的哈希表问题。我们用哈希表记录每个值的下标，当合适的数值出现时我们就能直接获得该数值的下标。class Solution {public: vector<int> twoSum(vector<

  剑指 Offer 05. 替换空格  极致的快乐，可以用新建一个字符串的方式实现。class Solution {public: string replaceSpace(string s){ if(s.size()==0){ return s; } string ans; for(int i=0;i<s.size();i++){ if(s[i] == ' '){

  经典二叉树问题，快乐是要保证的。二叉树的最大深度  典中典之二叉树最大深度，非常经典的深度搜索和递归。  对左右子树深度搜索，如果碰到空节点就返回，每次返回计数都+1，最后在左子树和右子树中取最大值。class Solution {public: int maxDepth(TreeNode* root) { if(root==nullptr) return 0; return max(maxDepth(root->left),maxDepth(ro

  剑指链表总结。剑指 Offer 06. 从尾到头打印链表  可以用朴素的数组记录，最后倒序一下就好了。class Solution {public: vector<int> reversePrint(ListNode* head) { vector<int> ans; if(head == nullptr){ return ans; } while(head!=nullptr)

  弗洛伊德算法：  弗洛伊德算法能记录出图中任何一点到其他任何一点的最短距离。class Solution {public: int networkDelayTime(vector<vector<int>>& times, int n, int k) {//k是起点 //定义图 vector<vector<long long>> graph(n+1,vector<long long>(n+1,

  哈希集和哈希映射都是常用的数据结构。这里记录一下各自的特点与操作方法。  首先定义两个概念：  假设我们做一个名单，里面记录了人物名称与某项事务的对应关系。比如记录了每个人拥有的LOL段位：“盖伦——黄金”，“赵信——白银”。基于刚才的例子，我们定义：  键（key），就是该对应关系的索引。一般我们想要去查找的都是某个人的段位，那么这个人的名称就是用来查找的索引。“盖伦”、“赵信”就属于键。  键值（value），就是键所对应的值，在例子中“黄金”、“白银”就是键值。  需要注意的是，在哈希结

  题目：    此题的贪心算法解法如下。def maxSubArray(nums): cur_sum=nums[0] max_sum=nums[0] for i in range(1,len(nums)): cur_sum=max(nums[i],cur_sum+nums[i]) max_sum=max(cur_sum,max_sum) return max_sum  从题目的示例中可以看到，需要在列表[-2,1,-3,4,-1,2

  把二叉树的学习历程记录一下。遍历二叉树        如上图所示，二叉树是由父节点与子节点组成的，每个父节点最多有一左一右两个子节点，子节点不能脱离父节点单独存在。  前序遍历：前序遍历先访问根节点，再遍历左子树，最后遍历右子树。简记为根->左->右。上图中的二叉树根据前序遍历得到的结果为：F、B、A、D、C、E、G、I、H  从遍历的过程中可以直观地看到，前序遍历和其名称一样，在左右两侧分别严格进行从上至下的遍历。  中序遍历：中序遍历先遍历左子树，再访问根节点，最后遍

class Solution: def removeNthFromEnd(self, head: ListNode, n: int) -> ListNode: if head.next == None: return None point1 = head point2 = head length = 1 # 因为遍历链表是从第一个节点往后开始的，所以需要先算上头结点 while poin

import randomimport numpy as npimport matplotlib.pyplot as plt class PSO: def __init__(self, parameters): """ particle swarm optimization parameter: a list type, like [NGEN, pop_size, var_num_min, var_num_max] """

import numpy as npimport matplotlib.pyplot as plt#每一个个体就是一个蚂蚁#一个种群就是一个蚁群 class ACO: def __init__(self, parameters): """ Ant Colony Optimization parameter: a list type, like [NGEN, pop_size, var_num_min, var_num_max]

import numpy as npfrom deap import base, tools, creator, algorithmsimport randomimport matplotlib.pyplot as plt#定义问题creator.create('MultiObjMin',base.Fitness,weights=(-1.0,-1.0))#两个目标，都求最小值creator.create('Individual',list,fitness = creator.MultiObjMi

import numpy as npfrom deap import base, tools, creator, algorithmsimport random#定义问题creator.create('FitnessMin',base.Fitness,weights=(-1.0,))#单变量，求最小值creator.create('Individual',list,fitness = creator.FitnessMin)#创建individual类GENE = 48#基因长度toolbo

  

import numpy as npfrom deap import base, tools, creator, algorithmsimport randomfrom scipy.stats import bernoulliGENE_SIZE = 26#定义问题creator.create('FitnessMin',base.Fitness,weights=(1.0,))#单变量，求最大值creator.create('Individual',list,fitness = creator.F