主要用来保存刷算法的题目
关于错误
EOFError: EOF when reading a line
通过try except解决就行
while True:
try:
a = input()
except EOFError:
breakn = num[n:m]
相当于逐个复制一遍。效率低下。
void bfs(起始点)
{
将起始点放入队列中;
标记起点访问;
while(如果队列不为空)
{
访问队列首元素X;
删除队首元素;
for(X 所有相邻点)
{
if(该点未被访问过且合法)
{
将该点加入队列末尾;
}
}
}
队列为空，广搜结束;
}这里得BFS主要是非递归得形式，也就是采用一个大队列得形式。
主要步骤：
- 加入初始点
- 开始循环
- 取出队首元素
- 判断需要加入得元素
- 判断队列是否为空结束循环
基本得是上面，但是实际上，我们可能需要许多细节操作。必须打表，判断不必要得加入。
dfs 可以使用递归和非递归得办法 非递归主要可以使用数据结构，栈。
DFS（顶点） # 可以传入其他保存当前dfs路径的值，比如状态参数
{
处理当前顶点，记录为已访问
遍历与当前顶点相邻的所有未访问顶点
{
标记更改;
DFS( 下一子状态);
恢复更改;
}
}步骤：
- 确定题目可以将问题得数量级之间通过子问题进行重构。也就是当前得答案可以由其之前得问题（更加小一个数量得问题）进行简单计算得到
- 然后初始化边界问题
- 然后开始递推（或者递归）
常用技巧，备忘录减小计算量。
//DP问题 板子
//背包问题
//1,正向、逆向循环i
void dp()
{
for(int i = 0; i < n; i ++)
{
for(int j = 0; j <= W; j ++)
{
if(j+w[i]<=W)
{
dp[i+1][j] = max(dp[i][j],dp[i][j-w[i]]+v[i]);//i逆向循环则dp[i][j] = max(dp[i+1][j],dp[i+1][j-w[i]]+v[i])
}
else
dp[i+1][j] = dp[i][j];//i逆向循环则dp[i][j] = dp[i+1][j]
}
}
}
//2
void dp()
{
for(int i = 0; i < n; i++)
{
for(int j = 0; j <= W; j ++)
{
dp[i+1][j] = max(dp[i][j],dp[i+1][j]);
if(j+w[i] <= W)
dp[i+1][j+w[i]] = max(dp[i+1][j+w[i]],dp[i][j]+v[i]);
}
}
}
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent