算法

List<String> error_P

C语言枚举类型枚举类型（Enumeration Type）是C语言中的一种用户自定义数据类型，它允许我们定义一组具有离散值的常量，每个常量都有一个名称和一个关联的整数值。

20.预处理详解当前被定义的文件的路径这里不进行任何计算,只进行替换这样看着没啥问题替换成这样就肯定算不对了我们可以尝试写一个宏,是参数的2倍

努力学算法的蒟蒻

day26（12.6）——leetcode面试经典150228. 汇总区间第一版是我最开始想的，后面都是优化完成的，但是第二版和第三版区别感觉没有很大

数据结构——哈希表哈希表是一种存储和查询技术，通过哈希函数将关键字映射到表中位置，实现 O(1) 的平均查找时间。存储位置：数组中存储数据的地址

Stable Baselines3中调度函数转换器get_schedule_fn 函数get_schedule_fn 函数它的主要作用是将不同的输入格式统一转换为可调用的调度函数。核心功能：将数值或函数统一转换为可调用调度函数，确保所有需要调度的地方都有统一的调用接口。

动态规划算法-子数组、子串系列（数组中连续的一段）：26.环绕字符串中唯一的子字符串

C语言——表达式、语句、函数

12.华为OD机试 - N个选手比赛前三名、比赛（Java 双机位A卷 100分）一个有 N 个选手参加的比赛，选手编号为 1~N（3<=N <= 100），有 M（3<= M <= 10）个评委对选手进行打分。

【算法通关指南：数据结构与算法篇】树形结构遍历指南：DFS 递归深搜与 BFS 队列广搜实战解析🔥小龙报：个人主页 🎬作者简介：C++研发，嵌入式，机器人方向学习者 ❄️个人专栏：《算法通关指南》 ✨ 永远相信美好的事情即将发生

业精于勤的牙

浅谈：快递物流与算法的相关性（六）旅行商问题，又称为TSP问题（Traveling Salesman Problem），是一个经典的组合优化问题。描述为：一个商品推销员要去若干个城市推销商品，该推销员从一个城市出发，需要经过所有城市后，回到出发地。他应如何选择行进路线，以使总的行程最短。

C++ 二维线性DP二维线性DP 框架代码见下代码练习1 对应蓝桥云课云神的路径代码见下代码 2 对应蓝桥云课激光样式代码见下

风筝在晴天搁浅

代码随想录 115.不同的子序列思路：本题也是编辑距离类型问题。本题相当于只有删除操作，不考虑替换增加之类的。动规五部曲：1.确定dp数组（dp table）及其下标的含义：dp[i][j]表示以i - 1为结尾的s子序列中，出现以j - 1为结尾的t的个数为dp[i][j]。

halcon2个区域合并为1个区域—union2在图像处理中我们有时候会需要将2个区域合并为同一个区域，本文就来介绍如何在Halcon中实现算子会先将第二个参数Region2中的所有区域进行并集运算，形成一个临时区域，然后再将这个临时区域分别与Region1中的每一个区域进行并集运算。因此，最终输出结果中区域的个数与Region1的个数相同

程序员-King.

双指针/滑动窗口—算法总结与教学指南先画图理解从暴力法思考记住三个核心问题从简单模板开始滑动窗口 = 右指针探索 + 左指针维持合法性 + 适时记录答案

Leetcode 每日一题C 语言版 -- 274 H-indexhttps://leetcode.com/problems/h-index/description/?envType=study-plan-v2&envId=top-interview-150

CCF-CSP 36-3 缓存模拟（cache）【C++】题目链接：TUOJhttps://sim.csp.thusaac.com/contest/36/problem/2

Hot100--找到字符串中所有字母异位词主要的难点是如何节约时间，采取滑动窗口的思想，有以下需要注意的点：

kingmax54212008

高中数学教师资格面试试讲稿：《直线的位置关系（例2）》师：同学们，大家好！请坐。在上节课中，我们已经学习了直线的一般式方程 ( Ax + By + C = 0 )，并且知道两条直线在平面上有三种位置关系：相交、平行、重合。那么，如何通过直线的方程来判断它们的位置关系呢？今天，我们就通过一个具体的例题来探讨这个问题——《直线的位置关系（例2）》。

吃着火锅x唱着歌

LeetCode 2909.元素和最小的山形三元组II给你一个下标从 0 开始的整数数组 nums 。如果下标三元组 (i, j, k) 满足下述全部条件，则认为它是一个山形三元组：

小O的算法实验室

2026年SEVC SCI2区，基于k均值聚类和自适应双群策略的粒子群算法，深度解析+性能实测—针对传统粒子群算法（PSO）易陷入局部最优、后期搜索效率低以及参数依赖性强等问题，本文提出了一种融合 k-means 聚类与自适应双群策略的粒子群算法（PSO-KCAD），该方法通过双粒子群协同进化，在搜索初期强化全局探索能力，在后期提升局部开发效率。引入综合学习机制和精英–普通粒子分层策略，加强粒子间的信息交互，加速算法收敛。为了维持种群多样性并提高解的精度，算法进一步采用自适应精英替换机制与竞争干扰机制。