qq_37256866的博客

单缓存的方案有着致命的缺陷，那我们直接上双缓存，当收到第一个垂直同步信号时，CPU开始计算数据，然后GPU渲染并把数据存入缓存A，同时显示屏从另一个缓存B中读取数据，收到第二个垂直同步信号时，两个缓存再交换数据，然后CPU开始计算数据，然后GPU渲染并把数据存入缓存A,同时显示屏再从缓存B中读取数据，以此类推。双缓存虽然解决了画面撕裂的问题，但是我们仔细想一下，CPU计算和GPU渲染一帧的时间是不固定的，会根据画面复杂度而动态变化，但是垂直同步信号的频率却是固定的，是屏幕刷新率的倒数。

快速上手JNI

快速入门kotlin

简单说一下安卓屏幕是如何感知到手指触摸的，目前安卓手机屏幕绝大部分都是电容屏，屏幕上覆盖着一层导电层，当手指触摸屏幕时，由于人体是导电的，所以触摸点的电容会发生变化，屏幕上的电容传感器就能感知到，从而可以计算得到触摸点的坐标。

而n-1阶又可以由n-2阶推导出，以此类推，最后可推到1阶汉诺塔，然后从1阶的最少移动次数为1出发，算出2阶的最少移动次数为 1+1+1，3阶的最少移动次数为 3+1+3，以此类推。传说中有一座位于印度寺庙的塔，塔内有三个柱子，其中一个柱子上摞着n个大小不同的圆盘，从底部开始呈递减的形式。从上面的两个例子中，我们可以归纳总结，n阶的汉诺塔，在移动时，都需要经过上面红框里面的。3、最后将中间柱子上的n-1个圆盘移到右边的柱子上；由前面的分析，我们知道n阶汉诺塔的函数表达式为。再看下四阶的汉诺塔移动过程。

我自己的理解是 一种自底向上的思维，求解一个复杂问题时，将复杂问题分解为不同阶段（不同子问题），先从已知的最简单的阶段（问题）开始，一步一步推导出最后的复杂情况，期间会用数组或者集合把中间结果存起来，避免重复计算。分治是一种自顶向下的思维，求解一个复杂问题时，将复杂问题分解成多个独立的子问题，子问题继续分解，直到子问题可以直接求解，然后将子问题的解一层一层组合成复杂问题的解。相同点：都是将复杂问题简单化，分解成子问题不同点：分治一般是自顶向下递归求解，动态规划一般是自底向上，从简单问题慢慢迭代求解。

则状态转移方程如下 f(i,target) = Max(f(i-1,target), f(i,target-weight[i])+weight[i])设f(i,target) 代表 轮到第i个物品选择时，背包最大空间大小为target时能获得的最大物品重量， weight[n]为每个物品的重量，f(i,target-weight[i])+weight[i] 表示第i个物品选择时，能获得的最大重量。上述方程中：f(i-1,target) 表示第i个物品不选时，能获得的最大重量。

动态规划算法中经典的题型之一：路径问题