【算法专题】动态规划之路径问题

动态规划2.0

  • 动态规划 - - - 路径问题
    • 1. 不同路径
    • 2. 不同路径Ⅱ
    • 3. 珠宝的最高价值
    • 4. 下降路径最小和
    • 5. 最小路径和
    • 6. 地下城游戏

动态规划 - - - 路径问题

1. 不同路径

题目链接 -> Leetcode -62.不同路径

Leetcode -62.不同路径

题目：一个机器人位于一个 m x n 网格的左上角 （起始点在下图中标记为 “Start” ）。
机器人每次只能向下或者向右移动一步。机器人试图达到网格的右下角（在下图中标记为 “Finish” ）。
问总共有多少条不同的路径？

示例 1：
输入：m = 3, n = 7
输出：28

示例 2：
输入：m = 3, n = 2
输出：3
解释：
从左上角开始，总共有 3 条路径可以到达右下角。

  1. 向右->向下->向下
  2. 向下->向下->向右
  3. 向下->向右->向下

示例 3：
输入：m = 7, n = 3
输出：28

示例 4：
输入：m = 3, n = 3
输出：6

提示：

  • 1 <= m, n <= 100
  • 题目数据保证答案小于等于 2 * 10^9

思路：

  1. 状态表示：对于这种「路径类」的问题，我们的状态表示一般有两种形式：
    i. 从 [i, j] 位置出发，…；
    ii. 从起始位置出发，到达 [i, j] 位置，…；
    我们选择第二种定义状态表示的方式：dp[i][j] 表示：走到 [i, j] 位置处，一共有多少种方式。
  2. 状态转移方程：分析一下，如果 dp[i][j] 表示到达 [i, j] 位置的方法数，那么到达 [i, j] 位置之前的一小步，有两种情况：
    i. 从 [i, j] 位置的上方（ [i - 1, j] 的位置）向下走一步，转移到 [i, j] 位置；
    ii. 从 [i, j] 位置的左方（ [i, j - 1] 的位置）向右走一步，转移到 [i, j] 位置。
    由于我们要求的是有多少种方法，因此状态转移方程就呼之欲出了： dp[i][j] = dp[i - 1][j] + dp[i][j - 1] 。
  3. 返回值：根据状态表示，我们要返回 dp[m][n] 的值。

代码如下：

		class Solution {public:int uniquePaths(int m, int n){// 多开一行一列，可以直接在循环内初始化vector<vector<int>> dp(m + 1, vector<int>(n + 1));dp[0][1] = 1;  // 为了后面填表的正确// dp[i][j] 表示：⾛到 [i, j] 位置处，⼀共有多少种方式for (int i = 1; i <= m; i++){for (int j = 1; j <= n; j++){dp[i][j] = dp[i - 1][j] + dp[i][j - 1];}}return dp[m][n];}};

2. 不同路径Ⅱ

题目链接 -> Leetcode -63.不同路径Ⅱ

Leetcode -63.不同路径Ⅱ

题目：一个机器人位于一个 m x n 网格的左上角 （起始点在下图中标记为 “Start” ）。
机器人每次只能向下或者向右移动一步。机器人试图达到网格的右下角（在下图中标记为 “Finish”）。
现在考虑网格中有障碍物。那么从左上角到右下角将会有多少条不同的路径？
网格中的障碍物和空位置分别用 1 和 0 来表示。

示例 1：
输入：obstacleGrid = [[0, 0, 0], [0, 1, 0], [0, 0, 0]]
输出：2
解释：3x3 网格的正中间有一个障碍物。
从左上角到右下角一共有 2 条不同的路径：

  1. 向右->向右->向下->向下
  2. 向下->向下->向右->向右

示例 2：
输入：obstacleGrid = [[0, 1], [0, 0]]
输出：1

提示：

  • m == obstacleGrid.length
  • n == obstacleGrid[i].length
  • 1 <= m, n <= 100
  • obstacleGrid[i][j] 为 0 或 1

思路：本题为不同路径的变型，只不过有些地方有「障碍物」，只要在「状态转移」上稍加修改就可解决。

  1. 状态表示：dp[i][j] 表示：走到 [i, j] 位置处，一共有多少种方式。
  2. 状态转移：简单分析一下。如果 dp[i][j] 表示到达 [i, j] 位置的方法数，那么到达 [i, j] 位置之前的一小步，有两种情况：
    i. 从 [i, j] 位置的上方（ [i - 1, j] 的位置）向下走一步，转移到 [i, j] 位置；
    ii. 从 [i, j] 位置的左方（ [i, j - 1] 的位置）向右走一步，转移到 [i, j] 位置。
    但是， [i - 1, j] 与 [i, j - 1] 位置都是可能有障碍的，此时从上面或者左边是不可能到达 [i, j] 位置的，也就是说，此时的方法数应该是 0；由此我们可以得出一个结论，只要这个位置上「有障碍物」，那么我们就不需要计算这个位置上的值，直接让它等于 0 即可。
  3. 返回值：根据状态表示，我们要返回的结果是 dp[m][n].

代码如下：

		class Solution {public:int uniquePathsWithObstacles(vector<vector<int>>& obstacleGrid){int m = obstacleGrid.size(), n = obstacleGrid[0].size();// 多开一行一列方便初始化vector<vector<int>> dp(m + 1, vector<int>(n + 1));dp[0][1] = 1; // 为了后面填表的正确// dp[i][j] 表示：⾛到 [i, j] 位置处，⼀共有多少种方式for (int i = 1; i <= m; i++){for (int j = 1; j <= n; j++){// 原矩阵中的位置不是障碍物if (obstacleGrid[i - 1][j - 1] != 1){dp[i][j] = dp[i - 1][j] + dp[i][j - 1];}}}return dp[m][n];}};

3. 珠宝的最高价值

题目链接 -> Leetcode -LCR 166.珠宝的最高价值

Leetcode -LCR 166.珠宝的最高价值

题目：现有一个记作二维矩阵 frame 的珠宝架，其中 frame[i][j] 为该位置珠宝的价值。拿取珠宝的规则为：

只能从架子的左上角开始拿珠宝
每次可以移动到右侧或下侧的相邻位置
到达珠宝架子的右下角时，停止拿取
注意：珠宝的价值都是大于 0 的。除非这个架子上没有任何珠宝，比如 frame = [[0]] 。

示例 1:
输入: frame = [[1, 3, 1], [1, 5, 1], [4, 2, 1]]
输出 : 12
解释 : 路径 1→3→5→2→1 可以拿到最高价值的珠宝

提示：

  • 0 < frame.length <= 200
  • 0 < frame[0].length <= 200

思路：本题的思路与上题的思路差不多，状态转移方程为：dp[i][j] = max(dp[i - 1][j], dp[i][j - 1]) + grid[i][j] .

代码如下：

		class Solution {public:int maxValue(vector<vector<int>>& grid){int m = grid.size(), n = grid[0].size();// 多开一行一列方便初始化vector<vector<int>> dp(m + 1, vector<int>(n + 1));// dp[i][j] 表示：⾛到 [i, j] 位置处，此时的最大价值for (int i = 1; i <= m; i++){for (int j = 1; j <= n; j++){dp[i][j] = max(dp[i - 1][j], dp[i][j - 1]) + grid[i - 1][j - 1];}}return dp[m][n];}};

4. 下降路径最小和

题目链接 -> Leetcode -931.下降路径最小和

Leetcode -931.下降路径最小和

题目：给你一个 n x n 的 方形 整数数组 matrix ，请你找出并返回通过 matrix 的下降路径 的 最小和 。

下降路径 可以从第一行中的任何元素开始，并从每一行中选择一个元素。
在下一行选择的元素和当前行所选元素最多相隔一列（即位于正下方或者沿对角线向左或者向右的第一个元素）。
具体来说，位置(row, col) 的下一个元素应当是(row + 1, col - 1)、(row + 1, col) 或者(row + 1, col + 1) 。

示例 1：
输入：matrix = [[2, 1, 3], [6, 5, 4], [7, 8, 9]]
输出：13
解释：如图所示，为和最小的两条下降路径
在这里插入图片描述

示例 2：
输入：matrix = [[-19, 57], [-40, -5]]
输出： - 59
解释：如图所示，为和最小的下降路径

在这里插入图片描述

提示：

  • n == matrix.length == matrix[i].length
  • 1 <= n <= 100
  • 100 <= matrix[i][j] <= 100

思路：

  1. 状态表示：dp[i][j] 表示：到达 [i, j] 位置时，所有下降路径中的最小和。
  2. 状态转移方程：对于普遍位置 [i, j] ，根据题意得，到达 [i, j] 位置可能有三种情况：
    i. 从正上方 [i - 1, j] 位置转移到 [i, j] 位置；
    ii. 从左上方 [i - 1, j - 1] 位置转移到 [i, j] 位置；
    iii. 从右上方 [i - 1, j + 1] 位置转移到 [i, j] 位置；
    我们要的是三种情况下的「最小值」，然后再加上矩阵在 [i, j] 位置的值。
    于是 dp[i][j] = min(dp[i - 1][j], min(dp[i - 1][j - 1], dp[i - 1][j + 1])) + matrix[i][j] 。
  3. 返回值：注意这里不是返回 dp[m][n] 的值；题目要求「只要到达最后一行」就行了，因此这里应该返回「 dp 表中最后一行的最小值」。

代码如下：

		class Solution {public:int minFallingPathSum(vector<vector<int>>& matrix){int len = matrix.size();// 多开一行，两列，因为dp[i][j]的值需要用到dp[i - 1][j], dp[i - 1][j - 1], dp[i - 1][j + 1]vector<vector<int>> dp(len + 1, vector<int>(len + 2, INT_MAX));// 初始化，为了后面填表的正确性for (int i = 0; i <= len; i++) dp[0][i] = 0;// dp[i][j] 表示：到达 [i, j] 位置时，所有下降路径中的最小和for (int i = 1; i <= len; i++){for (int j = 1; j <= len; j++){dp[i][j] = min(min(dp[i - 1][j], dp[i - 1][j - 1]), dp[i - 1][j + 1]) + matrix[i - 1][j - 1];}}// 返回最后一行的最小值int ret = INT_MAX;for (int j = 0; j <= len; j++) ret = min(ret, dp[len][j]);return ret;}};

5. 最小路径和

题目链接 -> Leetcode -64.最小路径和

Leetcode -64.最小路径和

题目：给定一个包含非负整数的 m x n 网格 grid ，请找出一条从左上角到右下角的路径，使得路径上的数字总和为最小。

说明：每次只能向下或者向右移动一步。

示例 1：
输入：grid = [[1, 3, 1], [1, 5, 1], [4, 2, 1]]
输出：7
解释：因为路径 1→3→1→1→1 的总和最小。
在这里插入图片描述

示例 2：
输入：grid = [[1, 2, 3], [4, 5, 6]]
输出：12

提示：

  • m == grid.length
  • n == grid[i].length
  • 1 <= m, n <= 200
  • 0 <= grid[i][j] <= 200

思路：

  1. 状态表示：dp[i][j] 表示：到达 [i, j] 位置处，最小路径和是多少
  2. 状态转移：分析一下，如果 dp[i][j] 表示到达 [i, j] 位置处的最小路径和，那么到达[i, j] 位置之前的一小步，有两种情况：
    i. 从 [i - 1, j] 向下走一步，转移到 [i, j] 位置；
    ii. 从 [i, j - 1] 向右走一步，转移到 [i, j] 位置。
    由于到 [i, j] 位置两种情况，并且我们要找的是最小路径，因此只需要这两种情况下的最小值，再加上 [i, j] 位置上本身的值即可。也就是： dp[i][j] = min(dp[i - 1][j], dp[i][j - 1]) + grid[i][j]
  3. 返回值：根据状态表示，我们要返回的结果是 dp[m][n].

代码如下：

		class Solution {public:int minPathSum(vector<vector<int>>& grid){int m = grid.size(), n = grid[0].size();// dp[i][j] 表示：到达 [i, j] 位置处，最小路径和是多少vector<vector<int>> dp(m + 1, vector<int>(n + 1, INT_MAX));dp[0][1] = 0;for (int i = 1; i <= m; i++){for (int j = 1; j <= n; j++){dp[i][j] = min(dp[i - 1][j], dp[i][j - 1]) + grid[i - 1][j - 1];}}return dp[m][n];}};

6. 地下城游戏

题目链接 -> Leetcode -174.地下城游戏

Leetcode -174.地下城游戏

题目：恶魔们抓住了公主并将她关在了地下城 dungeon 的 右下角 。地下城是由 m x n 个房间组成的二维网格。
我们英勇的骑士最初被安置在 左上角 的房间里，他必须穿过地下城并通过对抗恶魔来拯救公主。

骑士的初始健康点数为一个正整数。如果他的健康点数在某一时刻降至 0 或以下，他会立即死亡。

有些房间由恶魔守卫，因此骑士在进入这些房间时会失去健康点数（若房间里的值为负整数，则表示骑士将损失健康点数）；
其他房间要么是空的（房间里的值为 0），要么包含增加骑士健康点数的魔法球（若房间里的值为正整数，则表示骑士将增加健康点数）。
为了尽快解救公主，骑士决定每次只 向右 或 向下 移动一步。
返回确保骑士能够拯救到公主所需的最低初始健康点数。
注意：任何房间都可能对骑士的健康点数造成威胁，也可能增加骑士的健康点数，包括骑士进入的左上角房间以及公主被监禁的右下角房间。

示例 1：
输入：dungeon = [[-2, -3, 3], [-5, -10, 1], [10, 30, -5]]
输出：7
解释：如果骑士遵循最佳路径：右->右->下->下 ，则骑士的初始健康点数至少为 7 。

示例 2：
输入：dungeon = [[0]]
输出：1

提示：

  • m == dungeon.length
  • n == dungeon[i].length
  • 1 <= m, n <= 200
  • 1000 <= dungeon[i][j] <= 1000

思路：

  1. 状态表示：这道题如果我们定义成：从起点开始，到达 [i, j] 位置的时候，所需的最低初始健康点数。那么我们分析状态转移的时候会有一个问题：那就是我们当前的健康点数还会受到后面的路径的影响。也就是从上往下的状态转移不能很好地解决问题。
    这个时候我们要换一种状态表示：从 [i, j] 位置出发，到达终点时所需要的最低初始健康点数。这样我们在分析状态转移的时候，后续的最佳状态就已经知晓。综上所述，定义状态表示为：dp[i][j] 表示：从 [i, j] 位置出发，到达终点时所需的最低初始健康点数。
  2. 状态转移方程：对于 dp[i][j] ，从 [i, j] 位置出发，下一步会有两种选择（为了方便理解，设 dp[i][j] 的最终答案是 x ）：
    i. 走到右边，然后走向终点；那么我们在 [i, j] 位置的最低健康点数加上这一个位置的消耗，应该要大于等于右边位置的最低健康点数，也就是： x + dungeon[i][j] >= dp[i][j + 1] ；通过移项可得： x >= dp[i][j + 1] - dungeon[i][j] 。因为我们要的是最小
    值，因此这种情况下的 x = dp[i][j + 1] - dungeon[i][j] ；
    ii. 走到下边，然后走向终点；那么我们在 [i, j] 位置的最低健康点数加上这⼀个位置的消耗，应该要大于等于下边位置的最低健康点数，也就是： x + dungeon[i][j] >= dp[i + 1][j] 。通过移项可得： x >= dp[i + 1][j] - dungeon[i][j] 。因为我们要的是最小值，因此这种情况下的 x = dp[i + 1][j] - dungeon[i][j] ；
  • 综上所述，我们需要的是两种情况下的最小值，因此可得状态转移方程为：dp[i][j] = min(dp[i + 1][j], dp[i][j + 1]) - dungeon[i][j]

但是，如果当前位置的 dungeon[i][j] 是一个比较大的正数的话， dp[i][j] 的值可能变成 0 或者负数。也就是最低点数会小于 1 ，那么骑士就会死亡。因此我们求出来的 dp[i][j] 如果小于等于 0 的话，说明此时的最低初始值应该为 1 。处理这种情况仅需让 dp[i][j] 与 1 取一个最大值即可：dp[i][j] = max(1, dp[i][j])

  1. 初始化：可以在最前面加上一个「辅助结点」，帮助我们初始化。使用这种技巧要注意两个点：
    i. 辅助结点里面的值要「保证后续填表是正确的」；
    ii. 「下标的映射关系」。
    在本题中，在 dp 表最后面添加一行，并且添加一列后，所有的值都先初始化为无穷大，然后让 dp[m][n - 1] = dp[m - 1][n] = 1 即可。

  2. 返回值：根据「状态表示」，我们需要返回 dp[0][0] 的值。

代码如下：

		class Solution {public:int calculateMinimumHP(vector<vector<int>>& dungeon){int m = dungeon.size(), n = dungeon[0].size();vector<vector<int>> dp(m + 1, vector<int>(n + 1, INT_MAX));dp[m][n - 1] = 1;// 从右下角往回推for (int i = m - 1; i >= 0; i--){for (int j = n - 1; j >= 0; j--){dp[i][j] = min(dp[i + 1][j], dp[i][j + 1]) - dungeon[i][j];// 如果减到负数，说明这里的血包很大，即使是负数到这里都可以，但是这是不符合常理的// 所以需要将这里置成 1 即可if (dp[i][j] <= 0) dp[i][j] = 1;    }}// 返回最初位置return dp[0][0];}};

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/643891.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

论 Solon 开源框架的意义！

论 Solon 开源框架的意义！

Solon 是一个国产的生态级 Java 应用开发框架&#xff08;已发具备全球第二级别的生态&#xff09;。七年时间打磨。14 万行代码。两三百个生态扩展呢。 国内第一个 从零开始构建&#xff0c;有自己的标准规范与开放生态。尤其没有使用 javaee 的接口规范&#xff08;它改包名…
阅读更多...
srs5.0.205编译启动

srs5.0.205编译启动

官方有教程了&#xff0c;但是我编译的时候出了很多错误&#xff0c;记录一下。 官方文档&#xff1a;https://ossrs.net/lts/zh-cn/docs/v4/doc/getting-started-build 拉取源码 git clone -b 4.0release https://gitee.com/ossrs/srs.git进入文件夹 cd srs/trunk配置 ./c…
阅读更多...
【apollo在springboot中运行原理】

【apollo在springboot中运行原理】

系列文章目录 Springboot源码分析之apollo配置 文章目录 系列文章目录前言一、apollo是如何完成初始化的,拉取配置的呢1. apollo的初始化阶段2.初始化RemoteConfigRepository3.同步远程配置4.发布ConfigFileChangeEvent事件 总结 前言 配置中心我相信有一年开发经验的程序员都…
阅读更多...
【STM32】STM32F4中USB的CDC虚拟串口（VCP）使用方法

【STM32】STM32F4中USB的CDC虚拟串口（VCP）使用方法

文章目录 一、前言二、STM32CubeMX生成代码2.1 选择芯片2.2 配置相关模式2.3 设置时钟频率2.4 生成代码2.5 编译并下载代码2.6 结果2.7 问题 三、回环测试3.1 打开工程3.2 添加回环代码3.3 编译烧录并测试 四、出现问题和解决方法4.1 烧录总是要自己插拔USB4.2 自己生成的工程没…
阅读更多...
【win】Windows下MSI Afterburner如何让其不在某个软件中显示帧数

【win】Windows下MSI Afterburner如何让其不在某个软件中显示帧数

本文首发于 慕雪的寒舍 Windows下MSI Afterburner如何让其不在某个软件中显示帧数 1.问题说明 总所周知&#xff0c;MSI Afterburner这个软件可以在游戏里面展示你当前电脑的各项生命体征&#xff0c;包括GPU/CPU功耗频率温度&#xff0c;内存占用&#xff0c;当前帧数等等数据…
阅读更多...
java重写与重载的区别详细讲解通俗易懂

java重写与重载的区别详细讲解通俗易懂

重写&#xff08;Override&#xff09;和重载&#xff08;Overload&#xff09;是Java中的两个重要概念&#xff0c;它们都涉及到方法的使用和定义。下面我会通俗易懂地解释它们的区别。 重写&#xff08;Override&#xff09;指的是在子类中重新定义父类中已经存在的方法&…
阅读更多...
OpenKruiseGame × KubeSphere 联合发布游戏服运维控制台，推动云原生游戏落地

OpenKruiseGame × KubeSphere 联合发布游戏服运维控制台，推动云原生游戏落地

作者&#xff1a;云原生游戏社区 近日&#xff0c;云原生游戏开源社区旗下 OpenKruiseGame&#xff08;以下简称&#xff1a;OKG&#xff09;基于 KubeSphere 4.0 LuBan 架构开发的游戏服运维控制台 OKG Dashboard 正式发布&#xff01;现已上架 KubeSphere Marketplace 云原生…
阅读更多...
32、WEB攻防——通用漏洞文件上传二次渲染.htaccess变异免杀

32、WEB攻防——通用漏洞文件上传二次渲染.htaccess变异免杀

文章目录 一、点过滤二、文件删除三、二次渲染四、.htaccess五、过滤php关键函数 一、点过滤 不能写带文件后缀的文件名&#xff1b;IP转数字 二、文件删除 文件依据规则进行删除&#xff0c;删除有两种删除的类型&#xff1a; 什么文件都删除&#xff0c;条件竞争进行绕过…
阅读更多...
宠物热潮席卷欧美：探秘宠物经济的蓬勃发展与增长动力

宠物热潮席卷欧美：探秘宠物经济的蓬勃发展与增长动力

近年来&#xff0c;宠物经济在欧美地区蓬勃发展&#xff0c;成为经济体系中一股不可忽视的力量。从宠物食品到医疗护理&#xff0c;从宠物用品到服务业&#xff0c;整个产业链日益完善&#xff0c;呈现出多元化、高度专业化的趋势&#xff0c;不仅满足了宠物主人的需求&#xf…
阅读更多...
Node.JS CreateWriteStream(大容量写入文件流优化)

Node.JS CreateWriteStream(大容量写入文件流优化)

Why I Need Node.JS Stream 如果你的程序收到以下错误&#xff0c;或者需要大容量写入很多内容(几十几百MB甚至GB级别)&#xff0c;则必须使用Stream文件流甚至更高级的技术。 Error: EMFILE, too many open files 业务场景&#xff0c;我们有一个IntradayMissingRecord的补…
阅读更多...
LeetCode2865. Beautiful Towers I

LeetCode2865. Beautiful Towers I

文章目录 一、题目二、题解 一、题目 You are given a 0-indexed array maxHeights of n integers. You are tasked with building n towers in the coordinate line. The ith tower is built at coordinate i and has a height of heights[i]. A configuration of towers i…
阅读更多...
TDengine 十大行业案例汇总，总有一款适合你！

TDengine 十大行业案例汇总，总有一款适合你！

伴随着产品的六载创新与发展&#xff0c;TDengine 的全球用户实例以日增 500 例在持续扩大。截至 2024 年初&#xff0c;TDengine 全球运行的实例数已经超过了 46 万&#xff0c;在物联网、车联网、工业互联网等多个领域都有了广泛的应用&#xff0c;越来越多的企业和组织选择使…
阅读更多...
Java数据结构与算法：图算法之深度优先搜索（DFS）

Java数据结构与算法：图算法之深度优先搜索（DFS）

Java数据结构与算法&#xff1a;图算法之深度优先搜索&#xff08;DFS&#xff09; 大家好&#xff0c;我是免费搭建查券返利机器人赚佣金就用微赚淘客系统3.0的小编&#xff0c;一个热爱编程的程序猿。今天&#xff0c;让我们一起探索图算法中的深度优先搜索&#xff08;DFS&…
阅读更多...
《WebKit 技术内幕》学习之十二（1）：安全机制

《WebKit 技术内幕》学习之十二（1）：安全机制

第12章　安全机制 安全机制对于浏览器和渲染引擎来说至关重要。一个不考虑安全机制的HTML5规范体系肯定不会受到广泛地使用&#xff0c;同时一个不安全的浏览器也不会得到广大用户的青睐。本章介绍的安全机制分成两个不同的部分&#xff0c;第一个部分是网页的安全&#xff0c;…
阅读更多...
详解Mockito

详解Mockito

详解Mockito 1. Mockito简介 在我们的编程世界中&#xff0c;测试是一个非常重要的环节&#xff0c;它能帮助我们确保代码的质量和稳定性。而在众多的测试方法中&#xff0c;Mock测试是一种非常有效的手段。 1.1 什么是 Mock 测试 Mock测试&#xff0c;顾名思义&#xff0c;…
阅读更多...
gtest 单元测试

gtest 单元测试

文章目录 前言一、Google Test介绍1.1 gtest源码下载编译1.2 gtest运行参数介绍 二、Google Mock参考资料 前言 Google Test&#xff08;简称gtest&#xff09;是一个开源的C单元测试框架。和常见的测试工具一样&#xff0c;gtest提供了单体测试常见的工具和组件。比如判断各种…
阅读更多...
邦芒支招：10种小妙招让你准时下班

邦芒支招：10种小妙招让你准时下班

工作的人都希望能准时下班&#xff0c;都不希望加班&#xff0c;那么怎么做才能准时下班呢来看看下面这10种方法吧 1、提前整理文件 错误示范&#xff1a;一下班就冲出办公室&#xff0c;什么都不管。第二天怎么都找不到记着重要电话号码的便利贴了。 正确示范&#xff1a;离…
阅读更多...
Linux CentOs7 安装Mysql（5.7和8.0版本）密码修改 超详细教程

Linux CentOs7 安装Mysql（5.7和8.0版本）密码修改 超详细教程

CSDN 成就一亿技术人&#xff01; 今天出一期Centos下安装Mysql&#xff08;详细教程&#xff09;包括数据库密码跳过修改 CSDN 成就一亿技术人&#xff01; 目录 1.获取安装包 2.安装程序 安装下载的rpm包 查看安装包 修改5.7版本&#xff08;重要&#xff09; 安装M…
阅读更多...
产品面试题2

产品面试题2

39.产品经理在与 开发团队合作时&#xff0c;以下哪个角色负责将产品需求转化为可执行的任务&#xff1f; a) 技术经理 b) 交互设计师 c) 项目经理 d) 开发工程师 答案&#xff1a;c 40.以下哪个方法适用于评估产品的用户满意度和体验&#xff1f; a) 用户访谈 b) 用户调研问卷…
阅读更多...
Win10设置有线网络和WiFi网络优先级-240124成功

Win10设置有线网络和WiFi网络优先级-240124成功

Win10怎么设置有线网络和WiFi网络优先级? 修改“接口跃点数”方法成功。 使用ip.sb进行检验ip是否设置成功。
阅读更多...
最新文章

Copyright @ 2022~2023