Zhang_Qin123的博客

和整数运算操作不同，AVX 浮点操作不能以立即数值作为操作数。相反，编译器必须为所有的常量值分配和初始化存储空间。然后代码再把这些值从内存读入。函数从标号为 .LC2 的内存位置读出值 1.8，从标号为 .LC3 的位置读出值 32.0，观察这些标号对应的值，可以看出每一个都是通过一对 .long 声明和十进制表示的值指定的。把这些数解释为浮点值，标号为 .LC2 的声明，有两个值 3435973837（0xcccccccd因为机器采用的是小端法字节顺序，第一个值给出的是低位4字节，第二个给出的是。

假设一个C程序，有两个文件p1.c p2.c，用Unix命令行编译代码：gcc指的就是GCC编译器，它是linux系统上默认的编译器，编译选项-Og是用来告诉编译器生成符合原始C代码整体结构的机器代码的优化等级。（在实际项目中，为了获得更高的性能，会使用-O1或者-O2，甚至更高的编译优化选项。但是使用高级别的优化产生的代码会严重变形，导致产生的机器代码与最初的源代码之间的关系难以理解，这里为了理解方便，因此选择-Og这个优化选项） gcc命令调用了一整套程序，将源代码转化成可执行代码：

二进制值是计算机编码，存储和操作信息的核心。最简单的布尔代数是在二元集合{0，1}基础上的定义，定义布尔代数中的几种运算。① ~ (逻辑运算 NOT ) 取反运算，即 ~0=1 ，~1=0 对每一位数都取反② & （逻辑运算 AND），∩ ，两者为真（1）才为真（1），其余都是假（0）③ | （逻辑运算 OR），或，两者只要有一真（1）即为真（1），二者都为假(0)才为假(0)④ ^ （逻辑运算 异或）二者为真（1）但不同时为真（1）时，结果才为真（1）

汇编语言为不同高级语言的不同编译器。

给定一个无向图，其中 V 是图的顶点集，E图的边集完全图：如果无向图中的任何一对顶点之间都有边，这种无向图称为完全图完全子图：给定无向图，如果，且对应任意且，则称U是G的完全子图。（即完全子图中的任意两个顶点之间都有边）团（最大完全子图）：U 是 G 的团当且仅当若存在一个最大完全子图包含U，那么 U 不是一个团。最大团：G 中所包含顶点数最多的团最大团问题是一个NP-C问题，无法在多项式时间内求出最大团，通常只能在数据规模较小的情况下适用。

并查集是一种，用来处理问题。思想：用一个数组表示整片森林，，只要找到某个元素对应的树根，就能确定它的集合。

对于一个进行拓扑排序，是将G中所有节点排成一个线性序列，该序列满足以下两个条件：① 每个节点有且仅出现一次 ② 若存在一条从节点A到节点B的路径，则在序列中A一定出现在B前面。对于求一个有向无环图的拓扑排序步骤：1.在图中找到一个没有前驱(入度为0)的节点，然后输出2. 从图中删除该节点和所有以它为起点的有向边3.重复操作1和操作2，直到图为空 或 当前图不存在无前驱的顶点为止第一步操作，删除节点 1第二步操作，删除节点 2第三步操作，删除节点4最后拓扑排序依次为 3 5，不再画图讲述。

（n为节点个数，m为边总数）与前面所述的dijkstra算法不同，Bellman-Ford 算法，同时可以判断是否存在负权回路。算法描述：①初始化：将除起始点 s 以外的 dis 数组设置为 无穷大， dis[ s ] = 0②迭代：遍历图中的每条边，对边的两个顶点分别进行松弛操作，一共遍历 n 次 m条边，直到没有节点能够松弛③判断负环：Bellman-Ford算法迭代后，再迭代一次，若最短路距离发生改变，则存在负环。Bellman-Ford算法，

概念：从某个点 A 到另一个点B的最短距离（或路径）。从点 A 到 B 可能有多条路线，多种距离，求其中最短的距离和相应路径。

运用链式前向星遍历图的过程：

对于图G=（V，E）有两种表示方法：邻接链表和邻接矩阵，两种表示方法既可以表示有向图，也可以表示无向图。如果 G 是连通图，则，一个图连通，至少有 v -1 条边。，而，此外要判断两个节点之间是否有边相邻，可以快速通过邻接矩阵判断。

链表中的每个节点都包含。

时间复杂度为 O(n)，平均每个操作的摊还代价为 O(1)

顺序为： 根-->左子树---->右子树先，再根节点的左子树（通过递归不断往下遍历），直到访问的节点没有左子树，此时其右子树（通过递归进行相同操作），直至所有的节点都被访问过，访问的顺序即为前序遍历。前序遍历的代码： （可以根据前序遍历的代码推出前序遍历的过程）前序遍历的过程（图示）以如下二叉树为例：进行先访问根，再左子树，右子树的顺序遍历（递归）前序遍历的访问顺序：前序遍历的顺序为： ABDECF。

路径：从树中的一个节点到另一个节点之间的分支构成两个节点间的路径。节点的路径长度：两节点间路径的分支数（路径的个数）树的路径长度（TL）：从根节点到树中。路径长度：节点A到A，B，C，D，E，F的路径长度分别为0，1，1，2，2，2树的路径长度（TL）：节点A到树中每个节点的路径之和　TL=0+1+1+2+2+2=8权（权重）：将树中的节点赋值（具体实际意义与场合有关）。节点的带权路径长度：从根节点到该节点之间的路径长度与节点上权的乘积。树的带权路径长度（WPL）：树中。

有 N 件物品和一个容量是 V 的背包。。第 i 件物品的体积是 vi，价值是 wi。求解将哪些物品装入背包，可使这些物品的。输出最大价值。

贪心算法是指：在对问题求解时，总是做出在当前看来是最好的选择，而不从整体最优考虑，。。基本思路：通过一种贪心的想法，使得得到当前的局部最优解，从而拓展至整体最优解（不一定）。所求问题的整体最优解可以，换句话说，当考虑做何种选择的时候，我们只考虑对当前问题最佳的选择而不考虑子问题的结果。这是贪心算法可行的第一个基本要素。，每作一次贪心选择就将所求问题简化为规模更小的子问题。对于一个具体问题，要确定它是否具有贪心选择性质，贪心算法的弊端：1.不能保证得到的最后解一定是最佳的，可能存在近似解（

将字符串从末尾开始比较有以下递推公式。

满足以下1.如果左子树不为空，则左子树上的所有节点都小于根节点2.如果右子树不为空，则右子树上的所有节点都大于根节点3. 左右子树也为二叉搜索树。

动态规划算法通常用于其思想与分治法类似，将待求解的问题分成若干个子问题，先求出子问题，再根据子问题的解求出原来问题中的解，与分支法不同的是，。采用动态规划求解的问题通常有以下性质：1.最优化原理：问题的最优解中包含的。2.无后效性：即某阶段状态一旦确定，就不受该状态以后决策的影响，只与当前状态有关。3.有重叠子问题：子问题之间是不相互独立的，一个子问题在下一阶段的决策中可能被多次用到。（通常减少不必要的重复操作）