算法

每日两道力扣，day2每日两道力扣，今日是：162. 寻找峰值 - 力扣（LeetCode）153. 寻找旋转排序数组中的最小值 - 力扣（LeetCode）

UVA-11846 找座位题解答案代码算法竞赛入门经典第二版GitHub - jzplp/aoapc-UVA-Answer: 算法竞赛入门经典例题和习题答案刘汝佳第二版

力扣算法刷题 Day 31 (贪心总结）添加链接描述和前面重叠区间的思路相同。这里需要用到vector::back()函数，来获取结果集当前最后区间的右边界。

算法奇妙屋(四十)-贪心算法学习之路7题目中最重要的一句话是, 从nums[i]位置, 可以跳到区间[i, i + j]的任意位置贪心算法 + 双指针 + 层序遍历

647. 回文子串 - 力扣（LeetCode）解题步骤：https://www.bilibili.com/video/BV1mV9TBNEf3/

力扣热门100题之合并两个有序链表思路：用一个虚拟头节点接住结果，然后像拉链一样，谁小就先拿谁。建一个虚拟头 dummy，用 cur 往后拼接 2. 同时遍历 list1、list2 3. 谁小就把谁接到 cur 后面，然后那条链表指针后移 4. 最后把剩下不为空的整条直接接上 5. 返回 dummy.next

LeetCode热题100--45.跳跃游戏 II这是一个贪心算法，通过维护当前跳跃边界end和当前可到达的最远位置maxP，每次到达边界时进行跳跃，从而以最小步数到达终点。

基于STM32的步进电机加减速程序设计（梯形加减速算法）步进电机加减速控制是工业自动化、3D打印、机器人等领域的核心需求，通过梯形加减速算法可实现电机平稳启停，避免失步和过冲。本设计基于STM32F103C8T6，采用定时器中断+脉冲频率动态调整实现梯形加减速，支持正反转、速度调节、步数控制，具备高精度、低抖动、易扩展特点，适用于42步进电机（如17HS4401）驱动。

day12-数据结构力扣一学一个不吱声,以下4道题都是优先掌握递归的方法。题目链接226. 翻转二叉树 - 力扣（LeetCode）

LeetCode--454.四数相加 II（哈希表）给你四个整数数组 nums1、nums2、nums3 和 nums4 ，数组长度都是 n ，请你计算有多少个元组 (i, j, k, l) 能满足：

c++编程：D进制的A+B（1022-PAT乙级）

HJ159 没挡住洪水简单通过率：26.80% 时间限制：1秒空间限制：256M知识点广度优先搜索(BFS)校招时部分企业笔试将禁止编程题跳出页面，为提前适应，练习时请使用在线自测，而非本地IDE。

美式请加冰

斐波那契数列介绍和使用该模型是动态规划模型中的一个重要分支，让我们来进行学习 1.class Solution {public:

【PAT】 - Course List for Student (25)Course List for Student (25)题目描述点击链接自行查看注意点：Zhejiang University has 40000 students and provides 2500 courses. Now given the student name lists of all the courses, you are supposed to output the registered course list for each student who comes for a query

力扣洛谷模拟题刷题2动态变化转换状态（减少变量）string反转：reverse(t.begin(),t.end());错误解法

c++编程：说反话（1009-PAT乙级）

计算机安禾

【数据结构与算法】第23篇：树、森林与二叉树的转换每个节点存储数据和父节点下标，适合找父节点的场景。c缺点：找孩子需要遍历整个数组。每个节点用链表存储所有孩子，适合找孩子的场景。

温九味闻醉

人工智能应用作业1：PPO强化学习算法该函数量化了策略在一段时间内根据所获得的奖励的整体表现。 2. 策略梯度定理简化后的梯度公式： ∇θJ(θ)=E(st,at)∼πθ[∇θlogπθ(at∣st)⋅At]∇_θJ(θ)=E_{(st,at)∼π_θ}[∇_θlogπ_θ(a_t∣s_t)⋅A_t]∇θJ(θ)=E(st,at)∼πθ[∇θlogπθ(at∣st)⋅At]

每日算法练习：LeetCode 167. 两数之和 II - 输入有序数组 ✅大家好，我是你们的算法小伙伴。今天我们来练习一道双指针的经典高频题 ——LeetCode 167. 两数之和 II - 输入有序数组。这道题是「两数之和」的进阶版本，利用数组有序的特性可以实现时间和空间的双重优化，是面试中考察双指针思想的标杆题目。

深入理解 Microscaling (MX) 格式：从浮点基础到共享指数矩阵乘法当大模型参数量突破千亿，推理成本成为落地的最大障碍。MX 格式通过"共享指数"这一简单而优雅的设计，在存储和计算两端同时实现了数倍的效率提升。本文从浮点数的基本原理出发，逐步拆解 MX 的设计思路、量化过程、硬件优势与精度代价。