【十六】【动态规划】97. 交错字符串、712. 两个字符串的最小ASCII删除和、718. 最长重复子数组，三道题目深度解析

动态规划

动态规划就像是解决问题的一种策略，它可以帮助我们更高效地找到问题的解决方案。这个策略的核心思想就是将问题分解为一系列的小问题，并将每个小问题的解保存起来。这样，当我们需要解决原始问题的时候，我们就可以直接利用已经计算好的小问题的解，而不需要重复计算。

动态规划与数学归纳法思想上十分相似。

数学归纳法：

  1. 基础步骤（base case）：首先证明命题在最小的基础情况下成立。通常这是一个较简单的情况，可以直接验证命题是否成立。

  2. 归纳步骤（inductive step）：假设命题在某个情况下成立，然后证明在下一个情况下也成立。这个证明可以通过推理推断出结论或使用一些已知的规律来得到。

通过反复迭代归纳步骤，我们可以推导出命题在所有情况下成立的结论。

动态规划：

  1. 状态表示：

  2. 状态转移方程：

  3. 初始化：

  4. 填表顺序：

  5. 返回值：

数学归纳法的基础步骤相当于动态规划中初始化步骤。

数学归纳法的归纳步骤相当于动态规划中推导状态转移方程。

动态规划的思想和数学归纳法思想类似。

在动态规划中，首先得到状态在最小的基础情况下的值，然后通过状态转移方程，得到下一个状态的值，反复迭代，最终得到我们期望的状态下的值。

接下来我们通过三道例题，深入理解动态规划思想，以及实现动态规划的具体步骤。

97. 交错字符串 - 力扣（LeetCode）

题目解析

状态表示

对于两个字符串之间的dp问题，我们的一般的思考方式如下：

  1. 选取第一个字符串的[0,i]区间以及第二个字符串的[0,j]区间当成研究对象，结合题目要求来定义状态表示。

  2. 然后根据两个区间上最后一个位置的状况进行分类讨论，从而确定状态转移方程。

由于这段题目里面空串是研究意义的，因此我们先预处理一下原字符串，前面统一加上一个占位符：s1=s1+“ ”，s2=s2+” “，s3=s3+” “；

根据上述思路，我们很容易可以定义这样一个状态表示，

定义dp[i][j]表示字符串s1中[1,i]区间内的字符串以及s2中[1,j]区间内的字符串能否拼接成s3中[1,i+j]区间内的字符串。

状态转移方程

  1. 如果s3[i+j]==s1[i]， 此时s3[i+j]与s1[i]匹配，如果s1[1,i-1]和s2[1,j]可以拼成s3[1,i+j-1]说明s1[1,i]和s2[1,j]可以拼成s3[1,i+j]，此时dp[i][j]=dp[i-1][j]；

  2. 如果s3[i+j]==s2[j], 此时s3[i+j]与s2[i]匹配，如果s1[1,i]和s2[1,j-1]可以拼成s3[1,i+j-1]说明s1[1,i]和s2[1,j]可以拼成s3[1,i+j]，此时dp[i][j]=dp[i][j-1]；

  3. 如果s3[i+j]！=s1[i]&&s3[i+j]!=s2[j]， 此时dp[i][j]=false；

综上所述，将false设置为初始值，得到状态转移方程为

 

    dp[i][j] = (s1[i] == s3[i + j] && dp[i - 1][j]) ||(s2[j] == s3[i + j] && dp[i][j - 1]);
 

初始化
 

 

根据状态转移方程，我们知道，想要推到（i，j）位置的状态，我们需要用到（i-1，j）（i，j-1）位置的状态。
 

所以我们需要初始化第一行和第一列。
 

  1.  
    初始化第一行， 第一行表示s1是空串，此时s2[1,j]必须和s3[1,i+j]对应相等，dp[i][j]才为true。
     
  2.  
    初始化第一列， 第一列表示s2是空串，此时s1[1,j]必须和s3[1,i+j]对应相等，dp[i]j]才为true。
     
 

 

故初始化为，
 

 

    for (int j = 1; j <= n; j++) if (s2[j] == s3[j])dp[0][j] = true;elsebreak;for (int i = 1; i <= m; i++)if (s1[i] == s3[i])dp[i][0] = true;elsebreak;
 

填表顺序
 

根据状态转移方程，我们知道，想要推到（i，j）位置的状态，我们需要用到（i-1，j）（i，j-1）位置的状态。
 

  1.  
    固定i，改变j， i的变化需要从小到大，由于需要用到（i，j-1）位置的状态，所以j的变化也需要从小到大。
     
  2.  
    固定j，改变i， j的变化需要从小到大，由于需要用到（i-1，j）位置的状态，所以i的变化也需要从小到大。
     
 

返回值
 

定义dp[i][j]表示字符串s1中[1,i]区间内的字符串以及s2中[1,j]区间内的字符串能否拼接成s3中[1,i+j]区间内的字符串。
 

结合题目意思，我们需要判断字符串s1中[1,m]区间内的字符串以及s2中[1,n]区间内的字符串能否拼接成s3中[1,m+n]区间内的字符串。
 

故返回dp[m][n]；
 

代码实现
 

 

class Solution {
public:bool isInterleave(string s1, string s2, string s3) {// 1. 创建 dp 表// 2. 初始化// 3. 填表// 4. 返回值int m = s1.size(), n = s2.size();if (m + n != s3.size())return false;s1 = " " + s1, s2 = " " + s2, s3 = " " + s3;vector<vector<bool>> dp(m + 1, vector<bool>(n + 1));dp[0][0] = true;for (int j = 1; j <= n; j++) if (s2[j] == s3[j])dp[0][j] = true;elsebreak;for (int i = 1; i <= m; i++)if (s1[i] == s3[i])dp[i][0] = true;elsebreak;for (int i = 1; i <= m; i++)for (int j = 1; j <= n; j++)dp[i][j] = (s1[i] == s3[i + j] && dp[i - 1][j]) ||(s2[j] == s3[i + j] && dp[i][j - 1]);return dp[m][n];}
};
 

712. 两个字符串的最小ASCII删除和 - 力扣（LeetCode）
 

 

题目解析
 

 

状态表示
 

对于两个字符串之间的dp问题，我们的一般的思考方式如下：
 

  1.  
    选取第一个字符串的[0,i]区间以及第二个字符串的[0,j]区间当成研究对象，结合题目要求来定义状态表示。
     
  2.  
    然后根据两个区间上最后一个位置的状况进行分类讨论，从而确定状态转移方程。
     
 

根据上述思路，我们很容易可以定义这样一个状态表示，
 

定义dp[i][j]表示s1[0,i]和s2[0,j]区间中所有公共子序列ASCII的最大和。
 

状态转移方程
 

 

  1.  
    如果公共子序列包括s1[i]和s2[j]，此时s1[i]==s2[j]， 此时dp[i][j]=dp[i-1][j-1]+s1[i]；或者dp[i][j]=dp[i-1][j-1]+s2[j]；
     
  2.  
    如果公共子序列包括s1[i]但是不包括s2[j]， 因为要使得公共子序列ASCII尽可能大，所以此时s1[i]!=s2[j], 此时dp[i][j]=dp[i][j-1];
     
  3.  
    如果公共子序列包括s2[j]但是不包括s1[i]， 因为要使得公共子序列ASCII尽可能大，所以此时s1[i]!=s2[j], 此时dp[i][j]=dp[i-1][j];
     
  4.  
    如果公共子序列不包括s1[i]也不包括s2[j]， 因为要使得公共子序列ASCII尽可能大，所以此时s1[i]!=s2[j], 此时dp[i][j]=dp[i-1][j-1];
     
 

 

将上述情况进行合并和简化，得到状态转移方程，
 

 

    dp[i][j] = max(dp[i][j - 1], dp[i - 1][j]);if (s1[i] == s2[j])dp[i][j] = max(dp[i][j], dp[i - 1][j - 1] + s1[i]);

 

初始化
 

 

根据状态转移方程，我们知道在推导（i，j）位置的状态时需要用到（i，j-1）（i-1，j）（i-1，j-1）以及s1（i-1）和s2（j-1）的值。
 

所以蓝色部分会发生越界情况，此时推导这些位置的状态没有前驱值，所以我们需要将这些位置的状态进行初始化。
 

 

我们可以正常对这些位置进行初始化，也可以添加虚拟结点代替这些位置的虚拟化。
 

添加虚拟节点，即多添加一行和一列，代替原先需要初始化的位置，现在只需要初始化绿色位置的值，即可。这样做的好处是绿色位置的初始化过程可能很简单，而蓝色位置的初始化过程可能稍微复杂。
 

 

我们添加虚拟节点后，状态表示、状态转移方程会发生改变，即 定义dp[i][j]表示s1[0,i-1]和s2[0,j-1]区间中所有公共子序列ASCII的最大和。
 

 

    dp[i][j] = max(dp[i][j - 1], dp[i - 1][j]);if (s1[i - 1] == s2[j - 1])dp[i][j] = max(dp[i][j], dp[i - 1][j - 1] + s1[i - 1]);
 

 

添加虚拟结点之后有两点注意事项，
 

  1.  
    初始化虚拟节点，必须保证推导后续位置的状态的正确性。
     
  2.  
    下标的映射关系。
     
 

 

初始化虚拟节点：
 

我们根据状态表示，定义dp[i][j]表示s1[0,i-1]和s2[0,j-1]区间中所有公共子序列ASCII的最大和，可以将第一行和第一列虚拟节点位置表示为空串的意义，统一状态表示。
 

接下来初始化绿色位置的状态。
 

  1.  
    初始化第一行， 此时i=0，表示s1为空串，公共子序列不存在，所以对应ASCII值应该为0。将第一行全部初始化为0。
     
  2.  
    初始化第一列， 此时j=0，表示s2为空串，公共子序列不存在，所以对应ASCII值应该为0。将第一列全部初始化为0。
     
 

下标映射关系：
 

  1.  
    此时，定义dp[i][j]表示s1[0,i-1]和s2[0,j-1]区间中所有公共子序列ASCII的最大和。 dp中i对应s1的i-1位置，dp中j对应s2的j-1位置。
     
  2.  
    如果在s1，s2前面添加一个占位符，就可以使得dp中i，j继续映射s1，s2中i，j。
     
 

 

我们这里选择第一种解决办法。
 

填表顺序
 

根据状态转移方程，
 

 

    dp[i][j] = max(dp[i][j - 1], dp[i - 1][j]);if (s1[i - 1] == s2[j - 1])dp[i][j] = max(dp[i][j], dp[i - 1][j - 1] + s1[i - 1]);
 

我们知道在推导（i，j）位置的状态时，需要用到（i，j-1）（i-1，j）（i-1，j-1）以及s1（i-1）和s2（j-1）的值。
 

  1.  
    固定i改变j， i的变化需要从小到大，由于需要用到（i，j-1）位置的状态，所以j的变化需要从小到大。
     
  2.  
    固定j改变i， j的变化需要从小到大，由于需要用到（i-1，j）位置的状态，所以j的变化需要从小到大。
     
 

返回值
 

根据状态表示，定义dp[i][j]表示s1[0,i-1]和s2[0,j-1]区间中所有公共子序列ASCII的最大和。
 

结合题目要求，我们需要找到s1[0,m-1]和s2[0,n-1]区间中所有公共子序列ASCII的最大和。然后返回”s1，s2中ASCII和“ - 2*dp[m][n]；
 

代码实现
 

 

class Solution {
public:int minimumDeleteSum(string s1, string s2) {// 1. 创建 dp 表// 2. 初始化// 3. 填表// 4. 返回值int m = s1.size(), n = s2.size();vector<vector<int>> dp(m + 1, vector<int>(n + 1));for (int i = 1; i <= m; i++)for (int j = 1; j <= n; j++) {dp[i][j] = max(dp[i][j - 1], dp[i - 1][j]);if (s1[i - 1] == s2[j - 1])dp[i][j] = max(dp[i][j], dp[i - 1][j - 1] + s1[i - 1]);}int sum = 0; // 统计元素和for (auto s : s1)sum += s;for (auto s : s2)sum += s;return sum - dp[m][n] - dp[m][n];}
};
 

718. 最长重复子数组 - 力扣（LeetCode）
 

 

题目解析
 

 

状态表示
 

对于两个字符串之间的dp问题，我们的一般的思考方式如下：
 

  1.  
    选取第一个字符串的[0,i]区间以及第二个字符串的[0,j]区间当成研究对象，结合题目要求来定义状态表示。
     
  2.  
    然后根据两个区间上最后一个位置的状况进行分类讨论，从而确定状态转移方程。
     
 

根据上述思路，我们很容易可以定义这样一个状态表示，
 

dp[i][j]表示以nums1中i位置元素结尾、nums2中j位置元素结尾的所有公共子数组中，最长的公共子数组长度值。
 

状态转移方程
 

 

  1.  
    如果nums1[i]==nums2[j]， 因为是子数组，所以，如果以nums1[i]、nums2[j]为结尾的公共子数组长度大于等于2，此时一定包括nums1[i-1]、nums[j-1]元素。此时dp[i][j]=dp[i-1][j-1]+1。
     
  2.  
    如果nums1[i]==nums2[j]， 此时不存在以nums1[i]、nums2[j]为结尾的公共子数组，所以长度为0。
     
 

 

故状态转移方程为，
 

 

if (nums1[i] == nums2[j]) dp[i][j] = dp[i - 1][j - 1] + 1, ret = max(ret, dp[i][j]);

 

初始化
 

 

根据状态转移方程，我们知道在推导（i，j）位置的状态时可能需要用到（i-1，j-1）位置的状态。
 

所以蓝色位置的状态会发生越界，此时推导（i，j）位置的状态时没有前驱值，所以我们需要初始化这些位置的状态。
 

或者我们可以添加虚拟节点，即多添加一行和一列，使这些虚拟节点成为蓝色位置的前驱，这样就不用初始化蓝色位置的值，而变为初始化虚拟节点即可。
 

这样做的好处是，虚拟结点的初始化可能比蓝色部分位置状态的初始化要简便许多。
 

 

 

添加虚拟结点后，状态表示和状态转移方程会发生改变，即，
 

dp[i][j]表示以nums1中i-1位置元素结尾、nums2中j-1位置元素结尾的所有公共子数组中，最长的公共子数组长度值。
 

 

if (nums1[i - 1] == nums2[j - 1]) dp[i][j] = dp[i - 1][j - 1] + 1, ret = max(ret, dp[i][j]);
 

 

添加虚拟节点后，有两点注意事项，
 

  1.  
    初始化虚拟节点，必须保证推导后续位置的状态的正确性。
     
  2.  
    下标的映射关系。
     
 

 

初始化虚拟节点：
 

我们根据状态表示，dp[i][j]表示以nums1中i-1位置元素结尾、nums2中j-1位置元素结尾的所有公共子数组中，最长的公共子数组长度值，可以将第一行和第一列虚拟节点位置表示为空串的意义，统一状态表示。
 

接下来初始化绿色位置的状态。
 

  1.  
    初始化第一行， 此时i=0，表示nums1为空串，公共子数组不存在，所以对应长度值应该为0。将第一行全部初始化为0。
     
  2.  
    初始化第一列， 此时j=0，表示nums2为空串，公共子数组不存在，所以对应长度值应该为0。将第一列全部初始化为0。
     
 

下标映射关系：
 

  1.  
    此时，定义dp[i][j]表示nums1[0,i-1]和nums2[0,j-1]区间中所有公共子序列ASCII的最大和。 dp中i对应nums1的i-1位置，dp中j对应nums2的j-1位置。
     
  2.  
    如果在nums1，nums2前面添加一个占位符，就可以使得dp中i，j继续映射nums1，nums2中i，j。
     
 

 

我们这里选择第一种解决办法。
 

填表顺序
 

根据状态转移方程，我们知道在推导（i，j）位置的状态时可能需要用到（i-1，j-1）位置的状态。
 

  1.  
    固定i改变j， 此时i的变化需要从小到大，j的变化可以从小到大也可以从大到小。
     
  2.  
    固定j改变i， 此时j的变化需要从小到大，i的变化可以从小到大也可以从大到小。
     
 

返回值
 

dp[i][j]表示以nums1中i-1位置元素结尾、nums2中j-1位置元素结尾的所有公共子数组中，最长的公共子数组长度值。
 

结合题目意思，我们需要返回所有情况下最长的公共子数组的长度值，所以我们需要遍历dp表找到最大的值然后返回。
 

代码实现
 

 

class Solution {
public:int findLength(vector<int>& nums1, vector<int>& nums2) {int m = nums1.size(), n = nums2.size();vector<vector<int>> dp(m + 1, vector<int>(n + 1));int ret = 0;for (int i = 1; i <= m; i++)for (int j = 1; j <= n; j++)if (nums1[i - 1] == nums2[j - 1]) dp[i][j] = dp[i - 1][j - 1] + 1, ret = max(ret, dp[i][j]);return ret;}
};
 

结尾
 

今天我们学习了动态规划的思想，动态规划思想和数学归纳法思想有一些类似，动态规划在模拟数学归纳法的过程，已知一个最简单的基础解，通过得到前项与后项的推导关系，由这个最简单的基础解，我们可以一步一步推导出我们希望得到的那个解，把我们得到的解依次存放在dp数组中，dp数组中对应的状态，就像是数列里面的每一项。最后感谢您阅读我的文章，对于动态规划系列，我会一直更新，如果您觉得内容有帮助，可以点赞加关注，以快速阅读最新文章。
 

 

最后，感谢您阅读我的文章，希望这些内容能够对您有所启发和帮助。如果您有任何问题或想要分享您的观点，请随时在评论区留言。
 

 

同时，不要忘记订阅我的博客以获取更多有趣的内容。在未来的文章中，我将继续探讨这个话题的不同方面，为您呈现更多深度和见解。
 

 

谢谢您的支持，期待与您在下一篇文章中再次相遇！











本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mzph.cn/news/601703.shtml


如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！











相关文章










Hadolint：Lint Dockerfile 的完整指南








Hadolint：Lint Dockerfile 的完整指南




想学习如何使用 Hadolint 对 Dockerfile 进行 lint 处理吗&#xff1f;这篇博文将向您展示如何操作。这是关于 Dockerfile linting 的完整指南。 
通过对 Dockerfile 进行 lint 检查&#xff0c;您可以及早发现错误和问题&#xff0c;并确保它们遵循最佳实践。 
什么是Hadolint…




阅读更多...

















坐标转换 | EXCEL中批量将经纬度坐标（EPSG:4326）转换为墨卡托坐标（EPSG:3857）








坐标转换 | EXCEL中批量将经纬度坐标（EPSG:4326）转换为墨卡托坐标（EPSG:3857）




1 需求 坐标系概念&#xff1a; 经纬度坐标&#xff08;EPSG:4326&#xff09;&#xff1a;WGS84坐标系&#xff08;World Geodetic System 1984&#xff09;是一种用于地球表面点的经纬度坐标系。它是美国国防部于1984年建立的&#xff0c;用于将全球地图上的点定位&#xff0…




阅读更多...

















Vue-2、初识Vue








Vue-2、初识Vue




1、helloword小案列 代码 
<!DOCTYPE html>
<html lang"en">
<head><meta charset"UTF-8"><title>初始Vue</title><!--引入vue--><script type"text/javascript" src"https://cdn.jsdelivr.n…




阅读更多...

















【贪心算法】Dijkstra 算法及其衍生








【贪心算法】Dijkstra 算法及其衍生




目录 Dijkstra 算法Dijkstra 算法正确性证明 Dijkstra 算法的复杂度优化 Dijkstra 算法的衍生SSSP的应用 Dijkstra 算法 
1959 年&#xff0c;Edsger Dijkstra 提出一个非常简单的贪心算法来求解单源最短路径问题&#xff08;Single-Source Shortest Path&#xff0c;SSSP&…




阅读更多...

















[C#]使用PaddleInference图片旋转四种角度检测








[C#]使用PaddleInference图片旋转四种角度检测




官方框架地址】 
https://github.com/PaddlePaddle/PaddleDetection.git 【算法介绍】 
PaddleDetection 是一个基于 PaddlePaddle&#xff08;飞桨&#xff09;深度学习框架的开源目标检测工具库。它提供了一系列先进的目标检测算法&#xff0c;包括但不限于 Faster R-CNN, Ma…




阅读更多...

















一张照片来跳舞，AI带去你跳科目三








一张照片来跳舞，AI带去你跳科目三




大家好我是在看&#xff0c;记录普通人学习探索AI之路。 
重生之我是秦始皇&#xff0c;起猛了看见兵马俑在跳舞。 
最近&#xff0c;随着社交媒体上热议的科目三话题热度持续飙升&#xff0c;阿里集团旗下的通义千问项目团队精准把握住了这一社会潮流&#xff0c;借势推出了一…




阅读更多...

















PHP 基础编程 1








PHP 基础编程 1




文章目录 前后端交互尝试php简介php版本php 基础语法php的变量前后端交互 - 计算器体验php数据类型php的常量和变量的区别php的运算符算数运算符自增自减比较运算符赋值运算符逻辑运算 php的控制结构ifelseelse if 前后端交互尝试 前端编程语言&#xff1a;JS &#xff08;Java…




阅读更多...

















OpenHarmony鸿蒙源码下载编译和开发环境搭建








OpenHarmony鸿蒙源码下载编译和开发环境搭建




目录 
一、开发环境搭建和源码下载二、编译三、总结 一、开发环境搭建 
最好是在如Ubuntu18.04以上的系统中搭建&#xff0c;不然有些软件依赖需要解决&#xff0c;加大搭建时间 
如gitee中开源OpenHarmony中的文档所示&#xff0c;搭建开发环境&#xff0c;搭建文档网站如下&a…




阅读更多...

















Supershell反溯源配置








Supershell反溯源配置




简介 
项目地址&#xff1a;https://github.com/tdragon6/Supershell 
Supershell是一个集成了reverse_ssh服务的WEB管理平台&#xff0c;使用docker一键部署&#xff08;快速构建&#xff09;&#xff0c;支持团队协作进行C2远程控制&#xff0c;通过在目标主机上建立反向SSH隧…




阅读更多...

















【Java EE初阶六】多线程案例（单例模式）








【Java EE初阶六】多线程案例（单例模式）




1. 单例模式 单例模式是一种设计模式&#xff0c;设计模式是我们必须要掌握的一个技能&#xff1b; 
1.1 关于框架和设计模式 设计模式是软性的规定&#xff0c;且框架是硬性的规定&#xff0c;这些都是技术大佬已经设计好的&#xff1b; 一般来说设计模式有很多种&#xff0c;…




阅读更多...

















Go语言之父：开源14年，Go不止是编程语言，究竟做对了哪些？








Go语言之父：开源14年，Go不止是编程语言，究竟做对了哪些？




提及编程语言&#xff0c;2023 年&#xff0c;除了老牌的 C 和新晋之秀 Rust 热度最高之外&#xff0c;就要数 Go 了。 从 2009 年由 C 语言获取灵感而发布&#xff0c;到如今风靡已久的高性能语言&#xff0c;Go 已经走过了 14 个年头。 
“Go是一个项目&#xff0c;不只是一门…




阅读更多...

















基于ssm的智慧社区电子商务系统+vue论文








基于ssm的智慧社区电子商务系统+vue论文




目 录 
目 录 I 摘 要 III ABSTRACT IV 1 绪论 1 1.1 课题背景 1 1.2 研究现状 1 1.3 研究内容 2 2 系统开发环境 3 2.1 vue技术 3 2.2 JAVA技术 3 2.3 MYSQL数据库 3 2.4 B/S结构 4 2.5 SSM框架技术 4 3 系统分析 5 3.1 可行性分析 5 3.1.1 技术可行性 5 3.1.2 操作可行性 5 3…




阅读更多...

















HTML5大作业-精致版个人博客空间模板源码








HTML5大作业-精致版个人博客空间模板源码




文章目录 1.设计来源1.1 博客主页界面1.2 博主信息界面1.3 我的文章界面1.4 我的相册界面1.5 我的工具界面1.6 我的源码界面1.7 我的日记界面1.8 我的留言板界面1.9 联系博主界面 2.演示效果和结构及源码2.1 效果演示2.2 目录结构2.3 源代码 源码下载 作者&#xff1a;xcLeigh …




阅读更多...

















在MS中基于perl脚本实现氢键统计








在MS中基于perl脚本实现氢键统计




氢原子与电负性大的原子X以共价键结合&#xff0c;若与电负性大、半径小的原子Y&#xff08;O F N等&#xff09;接近&#xff0c;在X与Y之间以氢为媒介&#xff0c;生成X-H…Y形式的一种特殊的分子间或分子内相互作用&#xff0c;称为氢键。 氢键通常是物质在液态时形成的&…




阅读更多...

















第1章 线性回归








第1章 线性回归




一、基本概念 
1、线性模型 2、线性模型可以看成&#xff1a;单层的神经网络 输入维度&#xff1a;d 
输出维度&#xff1a;1 
每个箭头代表权重 
一个输入层&#xff0c;一个输出层 
单层神经网络&#xff1a;带权重的层为1&#xff08;将权重和输入层放在一起&#xff09; 3、…




阅读更多...

















数据库设计——DML








数据库设计——DML




D M L \huge{DML} DML DML&#xff1a;数据库操作语言&#xff0c;用来对数据库中的数据进行增删改查。 
增&#xff08;INSERT&#xff09; 
使用insert来向数据库中增加数据。  示例&#xff1a; 
-- DML : 数据操作语言
-- DML : 插入数据 - insert
-- 1. 为 tb_emp 表的 us…




阅读更多...

















Kubernetes二进制部署 单节点








Kubernetes二进制部署 单节点




一、环境准备 
k8s集群master1&#xff1a;192.168.229.90 kube-apiserver kube-controller-manager kube-scheduler etcd k8s集群node1: 192.168.229.80 kubelet kube-proxy docker flannel k8s集群node2: 192.168.229.70 kubelet kube-proxy docker flannel 至少2C2G 常见的k…




阅读更多...

















Flutter3.X基础入门教程（2024完整版）








Flutter3.X基础入门教程（2024完整版）




Flutter介绍&#xff1a; 
Flutter是谷歌公司开发的一款开源、免费的UI框架&#xff0c;可以让我们快速的在Android和iOS上构建高质量App。它最大的特点就是跨平台、以及高性能。 目前Flutter已经支持 iOS、Android、Web、Windows、macOS、Linux的跨平台开发。 教程所讲内容支持…




阅读更多...

















独立式键盘控制步进电机实验








独立式键盘控制步进电机实验




#include<reg51.h>       //包含51单片机寄存器定义的头文件 sbit S1P1^4;           //将S1位定义为P1.4引脚 sbit S2P1^5;           //将S2位定义为P1.5引脚 sbit S3P1^6;           //将S3位定义为P1.6引脚 unsigned char keyval;   //储存按键值 unsigned char ID; …




阅读更多...

















bat批处理文件_命令汇总（2）








bat批处理文件_命令汇总（2）




文章目录 1、换行2、返回上一级目录cd..3、隐藏指令回显echo off4、开启指令回显echo on5、用关闭echo off指令本身的回显6、echo提示信息 1、换行 
cd..
echo.
echo.
echo.
pause2、返回上一级目录cd… 3、隐藏指令回显echo off 
echo off
echo hello1
echo hello2
pause4、开…




阅读更多...


















推荐文章












最新文章


















Copyright @ 2022~2023