m0_53271604的博客

原创 播放bilibili视频，视频正常加载，但是无法播放一直转圈。机型拯救者R9000P 2023

问题出在扬声器，当我使用笔记本自带的扬声器就不可播放。

原创 claude 的命令 防止回答问题复杂

好你给我最简单的这个例子，给我讲一下做题方法，注意不要用进阶方法，比如能用最清晰的二维表格解决，就不要用进阶的一维表格解决分组背包问题。

原创 雷达期刊JSTARS

啊，明白了 😊你这里说的和都是，不是雷达系统。

原创 有序数组，距离目标最近的k个数 二分查找

这道题的关键洞察是：最近的k个元素必然是连续的。初始: left=0, right=4, 区间=[1,2,3,4,5] (5个元素)结果: left=0, right=3, 区间=[1,2,3,4] (4个元素) ✓。| 暴力法 | O(n log n) | O(n) | ⭐ || 双指针 | O(n) | O(1) | ⭐⭐ || 二分查找 | O(log n) | O(1) | ⭐⭐⭐ |比较: |1-3|=2 vs |5-3|=2，距离相等，移除较大的5。

原创 链表中点链表环的暴力法，及快慢指针在链表中的应用 - ✅ “链表中点“ - ✅ “检测环“ - ✅ “倒数第k个节点“ - ✅ “链表长度的一半“ - ✅ “判断链表奇偶“

它巧妙地将复杂的位置计算转化为简单的相对运动，既节省了空间（不需要存储额外信息），又提供了优雅的解决方案。| 方法 | 时间复杂度 | 空间复杂度 | 优缺点 || 暴力法 | O(n) | O(n) | 需要额外存储空间 || 快慢指针 | O(n) | O(1) | 不需要额外空间 || 方法 | 时间复杂度 | 空间复杂度 | 遍历次数 || 暴力法 | O(n) | O(1) | 2次 || 快慢指针 | O(n) | O(1) | 1次 |

原创 考试链表必背模板

看到有序数组 → 想二分查找/对撞指针。✅ 固定长度窗口（异位词问题）中等题：15分钟（识别+修改模板）看到子串/子数组 → 想滑动窗口。✅ 两数之和（对撞指针）✅ 移除元素（快慢指针）✅ 查找区间（左右边界）模式1：快慢指针（最重要！模式2：前后指针（固定间距）模板4：删除倒数第N个节点。看到原地操作 → 想快慢指针。简单题：5分钟（直接套模板）模板6：合并两个有序链表。看到链表 → 想快慢指针。

原创 删除元素(不是删除而是覆盖)快慢指针 慢指针是覆盖位置，快指针找元素

双指针法的精髓是"重新定义问题"：从"删除不要的元素"重新定义为"收集想要的元素"。例子： nums = [3,2,2,3], val = 3 → nums = [2,2,_,_], return 2。| 思考角度 | "删掉坏的" | "保留好的" || 时间复杂度 | O(n²) | O(n) || 空间复杂度 | O(1) | O(1) |删除后: [2, 2, _, _]，长度变成2。初始: [3, 2, 2, 3], val = 3。

原创 双指针模板

关键是要理解不同类型双指针的移动策略：对撞指针基于大小关系移动。● 总结：双指针主要处理有序数组、原地操作、回文判断、区间优化、链表操作这5大类问题。| 场景 | 暴力法复杂度 | 双指针复杂度 | 优势 || 两数之和 | O(n²) | O(n) | 巨大提升 || 移除元素 | O(n) | O(n) | 空间优化 || 回文判断 | O(n) | O(n) | 代码简洁 || 容器盛水 | O(n²) | O(n) | 巨大提升 |类型2：快慢指针（同向移动）

原创 划动窗口+统计频次模板，做题思路，

i=3: window="bae" → 移除'c'，加入'e' → window_count={'b':1,'a':1,'e':1} ≠ p_count。i=2: window="cba" → window_count={'c':1,'b':1,'a':1} = p_count ✓ 记录位置0。窗口1: "cba" → {'c':1, 'b':1, 'a':1} = p的频次 ✓ 记录位置0。窗口7: "bac" → {'b':1, 'a':1, 'c':1} = p的频次 ✓ 记录位置6。

原创 统计频次的方法 数组 /哈希表 模板

比较简单：直接比较两个数组是否相等。方法1：数组统计（因为只有小写字母）- 只适用于小写字母（或已知字符集）- 扩展性好：中文、数字、符号都可以。🔧 纠正：字母频次统计的两种方法。- 空间动态：只存储出现过的字符。- 访问更快：O(1)直接索引。- 如果字符种类很多会浪费空间。- 通用性强：任何字符都能处理。- 稍微慢一点点（但可以忽略）方法2：哈希表统计（更通用）- 空间固定：总是26个位置。

原创 二分查找左右边界模板

【代码】二分查找左右边界模板。

原创 有序数组找目标值出现得次数，左界右界背模板，不需要考虑具体的实现，记住模板的停下的指针位置就行

这一题：返回 右边界 - 左边界 + 1（即出现次数）2. 用二分查找找到最后一个target的位置（右边界）1. 用二分查找找到第一个target的位置（左边界）3. 计算出现次数：右边界 - 左边界 + 1。1. 找第一个 >= target 的位置。2. 找第一个 > target 的位置。- 上一题：返回 [左边界, 右边界]3. 两者相减就是出现次数。方法一：直接使用左右边界。方法二：更巧妙的做法。

原创 chatgpt指令

我有一个类似的问题，请你：先讲一个直观但可能效率不高的方法，并说明它的缺点。再讲一个更高效的方法（例如，基于优先队列或堆），详细解释它的工作原理和优点。用一个具体的例子（例如，

原创 找数第一个和最后一个出现的位置——二分查找

nums[2] = 3 ✓找到了！数组：[1, 2, 3, 3, 3, 4, 5] 要找：所有的3。nums[5] = 4 ✗太大了，最后的3肯定在左边。nums[3] = 3 ✓找到了！nums[3] = 3 ✓找到了！nums[1] = 2 ✗太小了，3肯定在右边。向右找: 范围变成[2,2]第1轮: 范围[0,6] 中间看位置3。第2轮: 范围[0,2] 中间看位置1。第3轮: 范围[2,2] 中间看位置2。第1轮: 范围[0,6] 中间看位置3。第2轮: 范围[4,6] 中间看位置5。

原创 函数作为参数，不加括号的例子

【代码】函数作为参数，不加括号的例子。

原创 简单例子实现 字符串搜索替换

很好，很高兴你理解了。现在我们用一个简单的例子来把串联起来。

原创 正则表达式，字符串的搜索与替换

对于常规的print("\\\\")输出只会进行一次转义，即输出结果就是 \\因为一个\\代表 \你问为什么re.search的第一个参数必须被当作正则表达式来处理，而不是和第二个参数一样被当作普通字符串。原因在于：re.search。

原创 正则表达式与转义符的区别。注意输入的东西经过了一次转义，一次正则表达式。\\转义是单斜杠\\在正则表达式也是单斜杠所以\\\\经过两道门才是字符单斜杠

就像是正则表达式的“变身”按钮。按下它，特殊字符失去魔力（变成\.按下它，普通字符获得魔力（d变成\d所以，\d和\.中的斜杠作用是完全不同的。\d是创建新功能，而\.是取消旧功能。

原创 正则表达式

让前面的*变得"不贪心"，匹配尽可能少的字符。简单理解： 找到 [任何内容] 这样的文本！() = 把内容分组，记住匹配到的内容。📉 非贪心模式 <.*?📈 贪心模式 <.*> 的匹配过程。🔍 贪心 vs 不贪心的工作原理。\ = 让特殊字符变成普通字符。. = 可以匹配任何一个字符。这就是为什么结果会完全不同！非贪心模式：像一个理智的人。贪心模式：像一个很饿的人。🎯 回到你的代码例子。

原创 组合递归，注意其递归到下一个的时候，for循环依然从0开始

原创 子集图片解法

注意，其中递归过大返回，其实和别的递归然后if判断返回一样。

原创 N皇后解法。每一次递归都进入到更深的行去遍历，一旦更深的一行遍历结束都找不到正确解，就返回到回溯到原来的行，更新一个节点再递归到更深的行

原创 分割回文串手绘图

回溯算法在解决这类问题时，正是通过这两种“回溯条件”来控制递归的。：这是一个成功的回溯，意味着我们找到一个解，然后返回去寻找其他解。for循环结束：这是一个失败的回溯（或者说是“此路不通”），意味着在当前层级没有更多可行的选择，必须返回上一层去重新选择。这两种机制共同构成了回溯算法的完整流程，确保我们能系统地、不遗漏地探索出所有可能的解决方案。

原创 单位冲击响应频谱

同理频域冲击 时间域是1 不在圆点就是震荡的。如果不用冲击，那就是几乎为0的震荡了，因为能量守恒的。为了看到时间的波形，所以使用冲击。如果不用冲击，用周期序列也能看到时域波形。频谱是1 有时移的是震荡的。

原创 最长的摆动子序列——很好的解释模板

这个问题的关键在于，我们不需要关心序列中间的那些点，我们只关心转折点。每次“转折”，我们都找到了一个新的摆动点，所以count加1。连续的上升或下降，我们只需要保留最开始和最末尾的点，中间的点都可以扔掉，它们不会让摆动序列更长。所以，这个问题的解法非常优雅，只需要一次遍历，就能找到答案。你觉得这个贪心策略是不是很聪明？

原创 分发饼干——很好的解释模板

好的，孩子，我们来玩一个“喂饼干”的游戏。

原创 完全背包表格

区别在于拿了物品后 加的还是本行的。

原创 0 1 背包问题表格二维

原创 0 1背包的解释 这个代码解释风格好

动态规划就像一个“填表格”的游戏。我们不是直接寻找最终答案，而是一步一步地，有条理地解决一个个小问题，最后从小问题的答案里推导出最终的答案。我们来定义这个表格（二维数组dpdp[i][j]“只考虑前i个宝贝，在背包容量为j的情况下，能得到的最大价值。我们的最终目标，就是要填完整个表格，找到dp[3][5]的值（因为有3个宝贝，背包容量是5），这个值就是最终答案。定义：动态规划是把一个大问题拆解成互相联系的小问题，然后通过解决这些小问题，来逐步得到大问题的答案。逻辑：我们用dp[i][j]

原创 爬楼梯 动态规划

dp[i]= 爬到第 i 阶楼梯的不同方法数。

原创 动态规划问题五步法

状态就是dp数组的含义# 一维DPdp[i] = 到达位置i的xxxdp[i] = 前i个元素的xxxdp[i] = 长度为i的xxx# 二维DPdp[i][j] = 前i个物品，容量为j的xxxdp[i][j] = 到达(i,j)位置的xxx。

原创 现在你问「怎么剪枝」，其实就是在 循环里面提前判断，如果后面剩下的数字不够了，就不用再递归下去了。

path 短（差很多个数）→ 上界更小，循环范围收紧，剪枝多。path 长（差很少个数）→ 上界更接近 n，循环范围放宽，剪枝少。它的作用就是：保证“至少还能凑齐 k 个数”，避免白白进入不可能成功的递归分支。要不要我帮你写个小程序，把len(path)从 0 到 k-1 的变化，以及对应的上界值打印出来，让你一步步看？

原创 回溯算法，找[1,2,3]长度为2的组合

回溯(撤销是在递归函数后)，所以递归回来就会撤销。有两种可能使得递归回来 1 、路径上有两个了。2、循环到位了 即 1 2 3 满了。而且在循环满了的时候其实会回溯两次。第一次是3元素加上正好凑齐条件一次回溯，第二次是因为循环到3满了，会使得1也被回溯。

原创 回溯算法决策树

注意这种画法就是先把下一个可以的选择。

原创 深度优先 一直往一个方向走，可用递归或者栈实现

你说得对，英文里确实是，而中文“递归方法”只是实现手段之一，它们不是完全等价的概念，但在二叉树操作中往往相关。

原创 广度优先搜索（BFS, Breadth-First Search）

按层访问：先访问根节点，然后访问它的直接子节点，再访问子节点的子节点……使用队列（FIFO）：保证先入队的节点先访问。常用于：层序遍历二叉树、最短路径搜索、图的遍历等。核心思想：先访问“广度”（当前层）再访问“深度”（下一层）。

原创 通用的二叉数迭代方法

前序迭代:重要在于每次出来一个节点后 要压入子节点在压入该节点再压入none。没有子系欸但就只压入自己和none。当到none出来的时候再出来一个节点放到结果中。以 1 23 45 00 为例。

原创 使用栈(迭代法)遍历二叉树 前序遍历

遍历顺序栈的使用逻辑前序（根 → 左 → 右）出栈访问，先压右再压左中序（左 → 根 → 右）一路往左压栈，空了就弹出并访问，再转向右后序（左 → 右 → 根）方法 A：前序的变形（根 → 右 → 左），最后反转结果。

原创 生成二叉树

这个方法利用了数组索引和二叉树节点位置的数学关系（左子节点索引为。这种方法不需要队列，代码看起来更简洁，但它只适用于。），通过递归的方式直接创建节点并连接。，那么确实可以有更简单的生成方法。，并且列表中不包含任何。

原创 堆 自动放最小数字再堆顶，移除最小数

好的，我们用一个具体的例子来演示heapq的操作，让你直观地感受它是如何工作的。heapq模块在 Python 中实现了一个最小堆（Min-Heap）。：我们要将数字逐个插入到一个堆中，并观察堆的变化。