蓝桥杯刷题总结：递归函数的优化(记忆化标记/动态规划) 本文探讨了洛谷P1464题目中递归函数的优化方法。原递归解法时间复杂度高达O(4ⁿ)，对于参数值20会产生约1.1×10¹²次调用。提出了两种优化方案：1）记忆化标记，使用memory数组存储计算结果，calculate数组标记是否计算过；2）动态规划，预先计算所有可能结果并存入dp数组。两种方法都通过空间换时间显著提升了性能，并解决了数组索引类型转换问题。文章强调算法优化需要不断实践，好的算法是在持续改进中打磨出来的。

阅读 993

27赞

收藏 15
Horse3D游戏引擎研发笔记（十）：在QtOpenGL环境下，视图矩阵与投影矩阵（摄像机）带你正式进入三维世界 通过本篇的讲解，我们实现了Horse3D引擎中的摄像机功能，包括视图矩阵和投影矩阵的计算与应用。这一功能为我们正式进入三维世界奠定了基础。支持更多的投影类型（如鱼眼投影）。实现摄像机的动画与平滑移动。增加摄像机的调试工具，方便开发者调整参数。如果你对Horse3D引擎感兴趣，欢迎访问我们的GitHub或Gitee仓库，参与我们的开发与讨论！（此处插入一张渲染后的三维场景效果图，展示摄像机的视角效果）

阅读 4.6k

103赞

收藏 64
【强化学习】区分理解： 时序差分（TD）、蒙特卡洛（MC）、动态规划（DP） 本文对比分析了强化学习中三种核心价值估计方法：时序差分（TD）、蒙特卡洛（MC）和动态规划（DP）。TD方法结合即时奖励和下一状态估计进行在线更新，效率高但可能估计偏差；MC依赖完整回合回报，适合离线学习但方差大；DP需要环境模型，能精确求解但计算量大。三者各具特点：TD适用于在线/大规模任务，MC适合回合制问题，DP则适用于模型已知的小规模场景。理解这些方法的特性有助于根据实际问题选择合适的算法，平衡学习效率、计算成本和环境依赖性。

阅读 2.7k

79赞

收藏 68
AI大模型学习路径：适合每个人的详细步骤与技巧！2026AI大模型应用开发爆火！ 25年AI大模型应用迎来爆发期，掌握相关开发技术至关重要。本文提供业界首份系统化AI大模型学习路线，包含7大阶段32个核心模块：1)大模型基础与API调用；2)RAG架构与实战项目；3)LangChain应用开发；4)模型微调技术；5)Agent智能体开发；6)边缘设备部署；7)多模态开发。路线涵盖从提示工程、向量数据库到LoRA微调等关键技术，配套PDF问答、新闻推荐等实战项目，助力开发者全面掌握大模型应用开发能力。完整资料可免费领取。

阅读 225

3赞

收藏 0
2026数学建模美赛题目特点与选题建议，常用四大模型汇总 本文系统分析了美国大学生数学建模竞赛（MCM/ICM）的题目特点和选题策略。A、B、D题侧重数学建模与编程能力，C题关注数据分析，E、F题强调逻辑与写作。同时详细介绍了数学建模四大核心模型：评价模型（AHP、熵值法等）、预测模型（ARIMA、指数平滑等）、分类与聚类模型（逻辑回归、K-Means等）及统计分析模型（相关性分析、主成分分析等）。针对不同基础的团队提供了选题建议，并推荐了SPSSAU等工具辅助分析，为参赛者提供全面的备赛指导。

阅读 2.5k

24赞

收藏 36
动态规划 —— dp 问题-买卖股票的最佳时机III 正无穷大/小。

阅读 2.7k

71赞

收藏 49
CV Coach 爬虫模块架构与实现分析 CV Coach爬虫模块采用基于CEF的多层架构设计，实现了高效的网络图片爬取与处理流程。该模块包含用户交互层、核心控制层、浏览器交互层和处理分析层，通过JavaScript注入和CEF浏览器组件实现网页渲染与图片提取。核心功能包括：1)网页渲染与脚本执行，2)图片下载与处理（重命名、质量评估、格式转换），3)图片质量评估（拉普拉斯变换模糊检测和MD5哈希重复检测）。模块采用线程池提高效率，支持自动去模糊、去重复和格式转换，为计算机视觉训练提供了高质量的数据采集方案。

阅读 428

11赞

收藏 5
【图论 拓扑排序 贪心 临项交换】P5603 小 C 与桌游 题解|普及+ 这个桌游的地图可以被抽象成一个 $n$ 个点，$m$ 条边的**有向无环图**（**不保证连通**），小 C 在这个地图上行走，小 C 能走到某个点当且仅当能够到达这个点的所有点都已经被小 C 走到。小 C 会走到每个点恰好 $1$ 次，并且他能走到哪些点与他当前所在的点没有关系（即可以走到与当前所在的点没有连边的点，只要满足之前的条件）。小 C 每走到一个标号比之前走到的点都大的点，他就会有 $\frac{1}{2}$ 的概率从对手那里拿到 $1$ 块筹码，有 $\frac{1}{2}$ 的概率给对手

阅读 4.1k

97赞

收藏 49
体系化AI开发方案：豆包新模型矩阵与PromptPilot自动化调优平台深度解析 豆包模型矩阵，通过差异化的模型组合，为开发者提供了兼顾深度、速度和广度的灵活选择，满足了不同场景下对资源和性能的精细化要求。，则直面AI应用开发中最棘手的“最后一公里”问题——如何高效、持续地优化模型在真实业务中的表现。它通过将人工反馈、自动化迭代和知识库深度融合，为Prompt工程提供了一套科学、高效的解决方案。总体而言，火山引擎发布的这套“组合拳”，展现了其从技术提供者向应用赋能者转变的清晰思路。

阅读 9.8w

94赞

收藏 75
PCL --SVD分解求变换矩阵 PCL中的奇异值分解（SVD）方法为点云刚性配准提供了一种高效精确的变换矩阵求解方案。该技术通过数学分解直接计算旋转和平移变换，无需迭代过程即可完成点云对齐。 核心原理分为四步： 点云中心化处理 构造协方差矩阵 SVD分解求旋转矩阵 计算平移向量 该方法具有以下特点： 无迭代计算，一次求解 保持点云刚性不变形 需要点云一一对应 计算精度高 实际应用中，可通过PCL的TransformationEstimationSVD类实现，并建议配合可视化验证配准效果。这种方案特别适用于已知对应关系的点云粗配准场景。

阅读 996

20赞

收藏 12
[已更新完毕]2025亚太杯A题亚太赛A题 APMCM大学生数学建模详细教学分析 本研究以 G1 类人机器人为对象，围绕题目给定的舞台表演任务，分别从运动学建模、轨迹规划、关节逆运动学求解、稳定性分析以及全程能耗优化等方面建立数学模型，并给出数值仿真验证。模型在几何上严谨、在仿真中稳定、在能耗上具有可解释性，所提出的优化策略具有工程实际意义，为未来类人机器人运动规划、能耗管理和舞台编舞提供了可行思路。进一步依据说明书中常见的肩关节角度与角速度限制，对抬手动作进行电机安全性分析，结果显示：在合理的时间规划下，肩关节角度与角速度皆满足要求，动作安全可实现。

阅读 1.3k

29赞

收藏 11
动态规划在图像分割中的应用：OCR预处理阶段切分字符 在OCR系统的预处理链条中，字符切分虽处于前端，却深刻影响着最终识别质量。本文详细阐述了如何将动态规划这一经典算法应用于解决真实场景下的字符粘连与噪声干扰问题。通过将切分建模为带约束的最优路径搜索，并融合字符宽度、投影强度、结构完整性等多重评分准则，我们的方法在保持轻量级的同时，实现了远超传统启发式算法的鲁棒性。端到端可训练切分网络：用CNN直接预测分割点，替代手工特征注意力引导切分：结合CRNN解码器的注意力权重反向指导预处理多语言适配引擎。

阅读 894

13赞

收藏 24
需求线上化编制全流程指南与工具矩阵 本指南旨在系统介绍需求线上化编制的完整流程，重点解析主流工具的功能特性与适用场景，帮助团队根据业务规模和行业特性选择最优工具组合，实现从需求收集到落地复盘的全链路数字化管理。需求线上化编制遵循 "收集 - 分析 - 评审 - 落地 - 复盘" 的闭环管理模式，每个环节都需要特定工具支持并产生数据沉淀，形成可追溯的需求生命周期管理。需求收集是线上化编制的起点，需要建立多渠道接入的数字化需求池。通过科学选型和分阶段实施，企业可以构建高效的需求线上化体系，实现需求价值的最大化释放，为数字化转型奠定坚实基础。

阅读 1.0k

18赞

收藏 18
动态规划 —— dp 问题-买卖股票的最佳时机含冷冻期 309. 买卖股票的最佳时机含冷冻期 - 力扣（LeetCode）

阅读 2.8k

86赞

收藏 74
作者推荐
ChoSeitaku
是一名在校大学生，目前在做C语言、C++、蓝桥杯、算法、考研数学、408的内容，后期会做深度学习、机器学习、神经网络、人工智能、AIGC、WEB3、开发相关的内容
关注
老歌老听老掉牙
机械工程师一枚，希望结交志同道合的朋友，互相学习。
关注
phoenix@Capricornus
要有脑子，有仇必报
关注
AI科技星
分享AI科技，统一场论，人工场技术（人工引力场）
关注
ScilogyHunter
一码流年雨疏疏，莫道E人岁月蹴。。。
关注
忘忧草ML
探索AI人工智能对商业化营销的赋能
关注
--Link--
这个人很懒，什么都没留下
关注
张赫轩(不重名)
2025-2026学年的初三蒟蒻OIer，2025年CSP-J山东二等奖，全国排名22042/39205，橙题都不一定能爆切，黄题撑死一半
关注
罗湖老棍子
老混子的救赎之路，前互联网三流pm，现某中学不入流信息技术老师
关注
sin π？
旧游无处不堪寻
关注