算法

代码随想录算法训练营Day-50 图论02 | 99.岛屿数量-深搜、99.岛屿数量-广搜、100.岛屿的最大面积主函数比较朴素：定义基础变量，接收数据，遍历图节点，对每个节点进行处理：遇到没访问过的陆地就result++，然后深搜这篇陆地的上下左右，把和这片土地挨着的所有土地标记为访问过，也就是把一片岛屿都标记为访问过，之后再遍历到这片岛屿的其他陆地节点时就直接跳过了。遍历完之后，把所有的新大陆计数并搜索成岛屿，最后结果就是岛屿数量了。

【C++】模版进阶（特化+分离编译+非类型模版参数）必须是编译期常量非类型模板参数的值，必须在编译时就确定，不能是变量：不同值 = 不同类型FixedArray<int, 5> 和 FixedArray<int, 10> 是完全不同的两个类，不能互相赋值。

Black蜡笔小新

自动化AI算法训练服务器DLTM企业级AI模型工作站构筑企业AI自主可控新模式数字化转型浪潮下，AI已成为企业升级发展的核心底座。但传统AI应用普遍面临技术门槛高、数据存安全隐患、落地成本居高不下等难题，制约着企业智能化进程。企业私有化AI训练推理一体工作站DLTM，有效破解行业痛点，让企业低成本、高安全地掌握自主AI研发能力，实现数据、模型与业务深度融合。

数据结构深度剖析链表全集：结构实现、分类与底层原理全解析概念：链表是一种物理存储结构上非连续、非顺序的存储结构，数据元素的逻辑顺序是通过链表中的指针链接次序实现的。链表的结构跟火车车厢相似，淡季时车次的车厢会相应减少，旺季时车次的车厢会额外增加几节。只需要将火车里的某节车厢去掉/加上，不会影响其他车厢，每节车厢都是独立存在的。

华为云、阿里云、AWS签名机制详解！ AK/SK + HMAC-SHA256 签名鉴权！今天在做机动车重点库是遇到了一个新的鉴权模式，本质上和：那套签名机制类似。总体做下来感觉比较有记录意义，现在分享出来给大家做参考。

【贪心算法】(经典实战应用解析(二):最⻓递增⼦序列、递增的三元⼦序列、最⻓连续递增序列、买卖股票的最佳时机、买卖股票的最佳时机II)在贪心算法的学习过程中,数组类问题是非常重要的一类应用场景.很多题目表面上看只是简单的遍历、比较和更新，但真正的核心在于:如何在每一步选择中保留对后续最有利的状态.这也正是贪心算法区别于普通模拟的关键所在.在上一篇内容中,我们已经通过一些经典题目初步了解了贪心算法在找零、排序、优先队列和趋势判断中的应用.本文将继续围绕贪心算法展开,重点分析一组与递增序列和股票买卖相关的经典实战题目,包括:最长递增子序列、递增的三元子序列、最长连续递增序列、买卖股票的最佳时机、买卖股票的最佳时机 II.这些题目虽然

动态规划十题通关：从爬楼梯到编辑距离（Python + C++）动态规划（DP）是算法面试中最重要也最灵活的专题。核心思想是将大问题分解为重叠子问题，通过状态转移避免重复计算。本文整理了10道经典DP题目，每道题包含：题目描述、状态定义、状态转移方程、图解（表格/文本）、Python代码、C++代码、复杂度分析。掌握这些，DP类题目基本通关。

GAT（Graph Attention Network）学习笔记GAT 全称是 Graph Attention Network，图注意力网络。它是一种图神经网络模型，和 GCN、GraphSAGE 一样，GAT 的核心目标也是通过聚合邻居节点的信息来更新当前节点的表示。

学校知识竞赛怎么组织？从班级到年级的进阶方案激发学习兴趣 · 拓展知识视野 · 培养团队协作知识竞赛是激发学生学习兴趣、拓展知识视野、培养团队协作能力的有效活动。一场成功的竞赛，需要周密的策划与执行。

混合检索+重排序：当前 RAG 精度提升最成熟的工程路径RAG 的回答有引用，但引用是真的吗？这篇论文用"混合检索→重排序→保守生成→逐条验证"四步流水线，在生物医疗 QA 上做到了 100% 引用准确率。方法不炫，但管用。

【力扣100题】42.杨辉三角给定一个非负整数 numRows，生成「杨辉三角」的前 numRows 行。在「杨辉三角」中，每个数是它左上方和右上方的数的和。

東隅已逝，桑榆非晚

深⼊理解指针(3)数组名就是数组⾸元素(第⼀个元素)的地址。sizeof(数组名)，sizeof中好的，我们来详细解释一下C语言中数组名的含义。数组名在不同上下文中确实有不同的含义，理解这一点对于掌握指针和数组操作至关重要。

地平线开发者

地平线征程 6 工具链进阶教程征程 6E/M 工具链 QAT 精度调优流程总览：针对征程 6E/M 的硬件特性，以 int8+int16 的混合精度量化为主要调优配置，可尝试少量 fp16 算子如 LayerNorm（fp16 LayerNorm 在 OE 3.5.0 及以后版本支持）。

小O的算法实验室

2025年IEEE TETCI，异构无人机取送货问题中的转运优化，深度解析+性能实测针对载重与续航提升背景下的物流无人机群，本文研究了一种基于大机载小机、自动化机场回收新型异构无人机取送货配送模式，并将其建模为开放式双层多目标路径优化问题。为解决传统算法忽略历史经验、计算资源冗余问题，论文提出一种结合启发式算子迁移优化算法（TOHO），通过拓扑对齐映射机制提取并重用既有任务知识，以加速新任务收敛；设计了一种基于投票机制集成遗传优化策略，利用启发式算子筛选兼具多样性与收敛性的帕累托前沿。基准测试结果证明，该方法在保证解集质量的同时，具有显著知识迁移能力与优化效率。

基于 SPEA2 的多目标优化算法 MATLAB 实现参考代码基于SPEAII的多目标优化算法 www.youwenfan.com/contentcsu/63221.html

AI大模型面试题：支持向量机是什么？间隔最大化、软间隔、核函数、LinearSVC 全面拆解支持向量机本质上是一类监督学习方法，既能做分类，也能做回归，还能做异常检测。它最经典的用途，是在二分类任务里找到一条最合适的分界线，把两类样本尽量稳地分开。scikit-learn 的官方文档也把 SVM 明确归为可用于分类、回归和离群点检测的一组监督学习方法。

倍增算法和ST表前置知识1.建立一张表，横向表示位置，纵向表示从某个点跳2^i次方步最远到达的位置。第一列跳一步最远到达的点题目给出，后面的每一列都可以由状态转移方程推出

知识领航员

蘑兔AI音乐深度实测：功能拆解、实测表现与适用场景最近蘑兔AI在音乐创作圈讨论度不低。作为一款面向国内用户的AI音乐生成工具，它的实际表现到底怎么样？我花了两周时间，从功能、生成质量、适用场景三个维度做了系统测试。以下为客观实测，不含推广。

薛定e的猫咪

因果推理研究方向综述笔记因果推理研究变量间的因果关系而非相关关系，理论基础来自两大框架：关键依赖：因果效应估计通常需要已知或假设因果图（因果发现的产出）；因果表示学习是将深度学习引入上游的桥梁；LLM 是目前贯穿所有方向的"横切关注点"。