小白学算法

最新推荐文章于 2025-12-15 22:32:00 发布
原创 最新推荐文章于 2025-12-15 22:32:00 发布 · 146 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#算法

小白学算法3.2——高位优先字符串排序
moverzp的博客
03-02 4258
小白学算法3.2——高位优先字符串排序标签： 小白学算法 博客本节内容总结自《算法（第4版）》5.1节1.高位优先字符串排序字符串常见的排序算法有两种，分别是低位优先（LSD）和高位优先（MSD），低位优先从右向左检查字符，高位优先从左向右检查字符。低位优先字符串排序要求待排序的字符串长度一致，然而很多时候字符串长度并不一致，低位优先排序并不适用，此时就要用到高位优先排序或者三向字符串快排。 高位优
小白学算法3.1——低位优先字符串排序
moverzp的博客
02-22 2830
小白学算法3.1——低位优先字符串排序标签： 小白学算法 博客本节内容总结自《算法（第4版）》5.1节1.低位优先字符串排序相比较于数字，字符串在生活中出现的频率更高，更常用，如姓名、车牌和电话号码等，而字符串常常也需要按照一定的顺序存放（一般是ASCII顺序），此时决定顺序的键就是字符串。字符串常见的排序算法有两种，分别是低位优先（LSD）和高位优先（MSD），低位优先从右向左检查字符，高位优先从
小白学算法一IQR
q_776355102的博客
07-29 2906
这个IQR值（21分钟）告诉我们，大约50%的跑者（也就是从第25百分位到第75百分位的跑者）完成马拉松的时间在96.5分钟和117.5分钟之间。4. **箱线图**：在统计学中，箱线图是一种常见的可视化工具，用于展示数据的五数概括（最小值，Q1，中位数，Q3，最大值）。在箱线图中，箱体的上边缘和下边缘分别表示Q3和Q1，箱体的高度（即IQR）可以显示数据的离散程度。这是因为这些值远离了数据的中间50%的范围。1. **描述数据的分布**：IQR用于度量数据的离散程度，可以提供数据分布的一种视角。
小白学算法1.2——链表
moverzp的博客
11-17 934
小白学算法1.2——链表标签：小白学算法1.什么是链表 链表是一种递归的数据结构，它或者为空，或者指向指向下一个结点。 struct node{ int data; node* next; };看起来很抽象的感觉，就我自己的理解，可以用车链子来模拟链表在计算机中的结构。“链表结点”就是车链子上面的一个个“圆柱结点”，每个“圆柱结点”最多与两个其它“圆柱结点”相连
小白学算法1.1——栈
moverzp的博客
11-11 1081
小白学算法（01）——堆栈标签： 小白学算法1.什么是堆栈先解释一下什么是算法和数据结构吧~ 简单地说，算法就是解决一个问题的方法。有一个很流行的笑话：请问如何把大象放到冰箱里？答：第一步，打开冰箱；第二步，把大象塞进去；第三步，关上冰箱。当然，这是一个非常糟糕甚至失败的算法，因为谁都知道在第二步中大象是塞不进冰箱的，大象相对于冰箱来说实在是太大了。 数据结构是算法的副产品，因为大部分的算法都需要适
小白学算法2.A——常见排序算法比较
moverzp的博客
01-15 1066
小白学算法2.A——常见排序算法比较标签： 小白学算法 博客1.常见算法的时间复杂度与空间复杂度 名称 平均时间复杂度 最坏时间复杂度 空间复杂度 稳定性 冒泡排序 O(N2)O(N^2) O(N2)O(N^2) O(1)O(1) 稳定 选择排序 O(N2)O(N^2) O(N2)O(N^2) O(1)O(1) 不稳定 插入排序 O(
小白学算法2.8——计数排序
moverzp的博客
12-09 6818
小白学算法2.8——计数排序标签： 小白学算法1.计数排序算法计数排序是某些情况下比较快的排序算法，时间复杂度为O(N)O(N)。基于比较的排序算法时间复杂度最低就是O(NlogN)O(NlogN)，故计数排序是基于非比较的算法。计数排序的使用条件限制比较多，需要对待排序的数组有一个初步的了解，比如要求的排序数据一般都是整数，且待排序的数组中最大值和最小值差值不应该过大。计数排序常常用来对年龄、身高
小白学算法1.3——堆
moverzp的博客
12-03 919
小白学算法1.3——堆标签： 小白学算法1.什么是堆 堆是一种特殊的树形数据结构，每个结点都有一个值。通常我们所说的堆是指二叉堆。 当一棵二叉树的每个结点都大于等于它的两个子结点时，它被称为堆有序。 根节点是堆有序的二叉树中最大的结点。 二叉堆（以下简称堆）是一组能够用堆有序的完全二叉树排序的元素，在数组中按照层级存储（一般不使用第一个位置），下图是一个堆有序的完全
小白学算法2.9——基数排序
moverzp的博客
12-09 956
小白学算法2.9——基数排序标签： 小白学算法1.基数排序算法基数排序的时间复杂度为O(d∗2N)O(d*2N)，d表示待排序数字的位数，2N是因为分配和收集都需要O(N)O(N)的时间，空间复杂度为O(N+M)O(N+M)，M表示桶的数量。假设我们要对十进制的数进行排序，那么需要10个桶表示0~9。首先从个位开始，把个位是0的数放进0号桶，个位是1的数放进1号桶……依次类推，直到把个位是9的数放进
小白学算法2.7——堆排序
moverzp的博客
12-07 918
小白学算法2.7——堆排序标签： 小白学算法1.堆排序算法堆排序属于高级排序，时间复杂度为O(NlogN)O(NlogN)。堆排序之所以叫堆排序是因为堆排序是基于二叉堆实现的优先队列实现的。 二叉堆的相关内容请阅读小白学算法1.3——堆 优先队列相关内容请阅读小白学算法1.4——优先队列 第一阶段：构造有序的二叉堆把一个无序的堆有序化成一个二叉堆，最容易想到的一个算法就是从数组的左端向右，
基于C++实现的遗传算法适合小白学习
05-27
基于C++实现的遗传算法适合小白学习 基于C++实现的遗传算法适合小白学习 基于C++实现的遗传算法适合小白学习 基于C++实现的遗传算法适合小白学习 基于C++实现的遗传算法适合小白学习 基于C++实现的遗传算法适合...
力扣hot100：搜索二维矩阵
一本大学生java学习技术分享与交流
12-14 247
二分查找返回的是目标值最先出现的位置或者是在有序数组中的插入位置，如果是在有序数组中的插入位置则可能为在数组最后一个位置加一个数，这是如果进行matrix[i][weizi]==target的判断的话会导致数组越界，必须先处理越界问题，最终判断条件应为weizi<matrix[i].length&&matrix[i][weizi]==target。本题的本质是一个查找算法，为了提高性能可以使用二分查找，这个二维矩阵可以看出许多个数组，只需要对每个数组都进行一次二分查找就可以实现查找整个二维矩阵。
Louvain 算法
FionaDong的博客
12-12 201
Louvain 是一种经典的图社区发现算法（Community Detection），由 Blondel 等人在 2008 年提出。核心目标：通过最大化 Modularity（模块度）来自动划分图中的社区（cluster）。它最大的特点是：✔ 速度非常快✔ 能处理百万级节点的大图✔ 结果相对稳定。
从零开始写算法——链表篇4:删除链表的倒数第 N 个结点 + 两两交换链表中的节点
最新发布
m0_59624833的博客
12-15 562
hot100链表的两道题详解。
二次规划（QP）算法
weixin_43156294的博客
12-10 599
二次规划的本质，是在一组线性约束条件下，求解一个二次函数的极值问题。其核心特征在于目标函数的二次性与约束条件的线性性，这种结构既保留了线性规划的求解高效性，又能处理更复杂的优化场景——例如实际系统中普遍存在的“最小能量”“最小方差”等目标，这类目标往往天然呈现二次形式。1.标准数学模型QP问题的标准形式通常分为“凸二次规划”与“非凸二次规划”两类，其中凸QP因具有全局最优解且求解难度可控，应用最为广泛。
Conan-embedding整理
kexin197的博客
12-11 931
本文提出了一种改进的文本嵌入模型Conan-embedding，其核心创新在于动态难负样本挖掘和跨GPU平衡损失。该方法在训练过程中实时挖掘难负样本，使模型能动态适应复杂数据分布；采用多阶段训练策略，包括预训练阶段的通识学习和微调阶段的专项训练；通过跨GPU平衡损失解决训练振荡问题，提升模型稳定性。实验表明，该方法能有效提升文本嵌入质量，尤其在检索任务中表现突出。研究还探讨了不同任务（检索与STS）在训练策略上的差异，为后续研究提供了重要参考。
【每天学习一点算法 2025/12/10】反转链表
Colorful9的博客
12-10 894
本文介绍了反转链表的三种实现方法：1）使用栈结构存储节点后弹栈重建；2）迭代法通过遍历直接修改节点指向；3）递归法在回归过程中逐步反转节点。重点解析了递归实现的原理，通过递推找到尾节点后，在回归过程中逐个反转节点指向并断开原链接。三种方法各有特点，栈实现直观但需额外空间，迭代法高效，递归法则展示了递归的独特处理方式。
小白如何学习无人机算法
06-26
### 无人机算法学习指南 无人机算法的学习涉及多个领域，包括控制理论、导航、感知和路径规划等。以下是针对初学者的入门指南，旨在帮助你系统地掌握无人机算法的基础知识。 #### 基础概念 在开始之前，理解一些基本概念是非常重要的。例如，强化学习中的状态、动作、奖励、策略和轨迹等术语[^1]，这些概念同样适用于无人机控制系统的设计。无人机的状态可以是其位置、速度和姿态；动作则是通过调整螺旋桨的速度来改变飞行状态；奖励机制用于评估当前状态的好坏，以指导学习过程。 #### 学习资源 对于新手来说，可以从基础的数学和编程技能入手，比如线性代数、概率论以及Python或C++编程语言。接着，可以通过阅读相关书籍和在线课程深入了解无人机相关的理论知识。 - **坐标系**：了解不同坐标系（如机体坐标系、世界坐标系）的概念及其转换方法，这对于处理无人机的空间运动至关重要[^3]。 - **传感器技术**：熟悉常用的传感器类型，如加速度计、陀螺仪、GPS和视觉传感器，并学习如何利用它们获取环境信息。 - **控制理论**：研究PID控制器和其他先进的控制策略，这是实现稳定飞行的关键部分。 - **导航与定位**：学习SLAM（同时定位与地图构建）、Kalman滤波器等技术，以便让无人机能够在未知环境中自主导航。 #### 实践项目 实践是巩固所学知识的最佳方式。你可以从简单的模拟器开始，逐步过渡到实际硬件上的实验。参与竞赛或者开源项目也是提高技能的有效途径之一。 - **仿真平台**：使用Gazebo、ArduPilot SITL等工具进行软件仿真测试。 - **开发板**：尝试基于Pixhawk系列飞控或者其他嵌入式系统搭建自己的无人机。 - **API编程**：如果条件允许，可以直接使用现有平台提供的API接口快速实现特定功能，如执行预设任务序列。 #### 示例代码 - PID 控制器 下面是一个简化的PID控制器示例，它可用于调节无人机的高度： ```c // 定义PID参数 float Kp = 0.5; // 比例增益 float Ki = 0.01; // 积分增益 float Kd = 0.1; // 微分增益 // 初始化变量 float error = 0; float integral = 0; float derivative = 0; float last_error = 0; // 设定目标高度 float setpoint = 10.0; // 米 void loop() { float current_height = get_current_height(); // 获取当前高度 error = setpoint - current_height; integral += error * dt; // dt为时间间隔 derivative = (error - last_error) / dt; // 计算输出 float output = Kp * error + Ki * integral + Kd * derivative; // 应用到电机上 apply_throttle(output); // 更新上一次误差值 last_error = error; } ``` 这段代码展示了如何根据高度偏差计算出相应的油门调整量，从而维持期望的高度水平。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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