2020年12月_不太聪明的样子

原创快速排序模板（C语言）

代码模板：void swap(int* a, int* b){ int tmp = *a; *a = *b; *b = tmp;}//以中间点为pivotvoid quick_sort_mid(int* arr, int l, int r){ if(l >= r) return; int i = l - 1, j = r + 1, x = arr[l + r >> 1]; while(i < j){ while

2020-12-25 12:22:57 279

原创并查集（C语言）

并查集并查集是一种树形的数据结构，顾名思义，它用于处理一些不相交集的合并和查询问题。它支持两种操作：1.查找（Find）：确定某个元素处于哪个集合2.合并（Union）：将两个子集合并成一个集合在一些有N个元素的集合应用问题中，我们通常是在开始时让每个元素构成一个单元素的集合，然后按一定顺序将属于同一组的元素所在的集合合并，其间要反复查找一个元素在哪个集合中。一般我们用一个数组来表示全部集合，数组有两种初始化的方式，第一种，数组每个元素都设置为-1，理由是数组下标都是非负整数，用负数可以标记一

2020-12-19 20:49:32 1150 1

原创归并排序（C语言）

归并排序归并排序是建立在归并操作上的一种有效，稳定的排序算法，该算法是采用分治法的一个非常典型的应用。归并排序的最优时间复杂度、平均时间复杂度和最坏时间复杂度均为O(nlogn)，空间复杂度为O(n)。归并排序分为三个步骤：1.将数列划分为两部分2.递归地分别对两个子序列进行归并排序3.合并两个子序列将已有的子序列合并，得到完全有序的序列，即先使每个子序列有序，再使子序列段间有。其本质是由小规模有序到大规模有序的自底向上的过程。核心算法是两个有序序列的排序，即使用双指针对两个数组进行扫描，以线

2020-12-18 19:05:58 392

原创线段树（C语言）

线段树线段树是一种二叉搜索树，与区间树相似，它将一个区间划分成一些单元区间，每个单元区间对应线段树中的一个叶子结点。使用线段树可以快速以O(logN)的时间复杂度实现单点、区间的修改和查询，综合性能较好。对于线段树中的每一个非叶子结点[i, j]，它的左儿子表示的区间为[i, (i + j)/2]，右儿子表示的区间为[(i + j)/2 + 1, j]，因此线段树是平衡二叉树。以数组arr = [1, 2, 3, 5, 7]为例，我们可以画出以下的线段树，每个结点的值表示对应区间的元素和，叶子结点表示单

2020-12-14 22:06:22 759

原创差分、前缀和数组（C语言）

差分、前缀和数组差分数组作用：加快区间修改的速度一般要将数组的[i, j]区间元素都加上或减去一个数，需要从i遍历到j，但是使用差分数组，只需要修改差分数组上两个位置的值即可int nums[6] = {2, 3, 5, 8, 4, 9}; //待操作的数组int diff[6];diff[0] = 0;for(int i = 1; i < 6; i++){ diff[i] = nums[i] - nums[i - 1]; }//diff[6] = {0, 1, 2, 3,

2020-12-13 22:12:02 1254

原创哈希表（C语言）

哈希表哈希表又称散列表，是一种是“key-value"形式存储的数据结构。即将key映射到表上的一个单元，从而实现快速查找等操作，这个映射操作就叫散列，具体通过散列函数实现相应的映射。根据key的形式，散列的形式多种多样，这里以正整数为例，常用的散列函数为：Hash(Key)=Key%TableSizeHash(Key) = Key \% TableSizeHash(Key)=Key%TableSize TableSize为表长，一般情况下，我们希望一个元素能唯一对应表上的一个单元，但是这是

2020-12-13 21:15:56 3076

原创基数排序（C语言）

基数排序基数排序（Radix sort）是一种非比较型的排序算法，最早用于解决卡片排序的问题。它的工作原理是将待排序的元素拆分为k个关键字，其中k为最大值的位数，从低位开始进行稳定排序。（注意：数列中的元素都是非负整数）基数排序是一种稳定的排序算法。代码实现：#include <stdio.h>#include <string.h>#include <stdlib.h>typedef unsigned long long ULL;//数据预处理，保证

2020-12-12 20:11:47 1817

原创 Python手写数字识别MNIST数据集（PyTorch）

import numpy as npimport torchfrom torchvision import transformsfrom torchvision import datasetsfrom torch.utils.data import DataLoaderimport torch.nn.functional as Fimport torch.optim as optim#MNIST数据集中包含59968张数字图片，大小为（28 * 28），通道数为1 59968 = 64 *

2020-12-02 20:09:51 426

qq_45524140的博客