算法

期末考复习中，蓝桥杯都没时间学了

力扣刷题19第一题：找出字符串中第一个匹配项的下标来源：https://leetcode.cn/problems/find-the-index-of-the-first-occurrence-in-a-string/

Java 算法实践（四）：链表核心题型在 Java 中，链表节点通常定义如下：链表最大的特点是不支持随机访问（No Random Access），查找时间复杂度为 O ( N ) O(N) O(N)，但插入和删除操作只需要 O ( 1 ) O(1) O(1)（前提是已知前驱节点）。

C++课后习题训练记录Day1051.练习项目：给定一个长度为 n 的字符串 S。请你判断字符串 S 是否回文。输入仅 1 行包含一个字符串 S。

好学且牛逼的马

【Hot100|25-LeetCode 142. 环形链表 II - 完整解法详解】给定一个链表的头节点 head，返回链表开始入环的第一个节点。如果链表无环，则返回 null。为了表示给定链表中的环，评测系统内部使用整数 pos 来表示链表尾连接到链表中的位置（索引从 0 开始）。如果 pos 是 -1，则在该链表中没有环。注意：pos 不作为参数进行传递，仅仅是为了标识链表的实际情况。

数据结构与算法：高效编程的核心目录一、什么是数据结构二、时间复杂度与空间复杂度1.时间复杂度(1)计算func2的时间复杂度(2)计算func3的时间复杂度

Python 特性（第一部分）：知识点讲解（含示例）目录一、集合（Set）与字典（Dictionary）1. 集合（Set）2. 字典（Dictionary）

01二进制代码漫游日记

自定义类型：联合和枚举（一）像结构体一样，联合体也是由一个或者多个成员构成，这些成员可以是不同的类型。但是编译器只为最大的成员分配足够的内存空间，联合体的特点是所有成员共用一块内存空间所以联合体也叫做：共用体

复试day25今天明明学到了什么叫做矩阵，但他发现要将一个矩阵输入进电脑是一件很麻烦的事。特别是有些矩阵很大，且大部分元素都是0，我们称这类矩阵为稀疏矩阵。于是，明明发明了一种简单的表示方法，只指出矩阵中非零元素来表示该矩阵。

样例过了就是过了

LeetCode热题100 和为 K 的子数组给你一个整数数组 nums 和一个整数 k ，请你统计并返回该数组中和为 k 的子数组的个数。子数组是数组中元素的连续非空序列。

二年级程序员

单链表算法思路详解（下）目录一、相交链表（一）题目描述（二）解题思路二、环形链表 I（一）题目描述（二）解题思路（三）代码实现

C++ 成员指针（Pointer to Member）完全指南核心思想：成员指针不是普通指针，它指向的是“类中某个成员的位置（偏移量）”，必须与具体对象结合才能使用。

浅谈随机化与模拟退火模拟赛时朋友经常用随机化乱搞，导致最后一道黑被他骗了 40 p t s 40pts 40pts，而我拼尽全力只有 10 p t s 10pts 10pts，不过也是我太菜了。

A. Add and Dividetime limit per test1 secondmemory limit per test256 megabytes

LeetCode 67. 二进制求和给你两个二进制字符串 a 和 b，以二进制字符串的形式返回它们的和。示例 1：示例 2：二进制加法与十进制加法类似，从低位到高位逐位相加并处理进位。区别在于二进制是“逢二进一”。模拟竖式计算过程：

上海锟联科技

DAS 与 FBG 振动监测对比：工程应用中该如何选择？随着光纤传感技术在轨道交通、管线安全、周界防护、结构健康监测等领域的普及，“DAS 振动监测”和“FBG 振动监测”成为用户最常对比的两种方案。

星火开发设计

模板参数：类型参数与非类型参数的区别在C++模板编程中，模板参数是构建泛型代码的核心基础——它决定了模板的灵活性和适配范围。很多新手入门模板时，很容易混淆「类型参数」和「非类型参数」：两者都写在模板的尖括号<>中，语法相似，但作用、用法和限制却天差地别。

【嵌入式】直流无刷电机FOC控制算法全解析在直流无刷电机（BLDC）和永磁同步电机（PMSM）的控制领域，磁场定向控制（Field-Oriented Control，简称FOC）凭借其转矩平稳、噪声低、效率高及动态响应快的核心优势，已成为高性能电机控制的主流方案。这种算法通过精准控制电机磁场的大小与方向，将复杂的三相交流控制问题转化为简单的直流控制模型，完美解决了传统六步换相控制中转矩脉动大的痛点。

LeetCode Hot100 哈希我觉得这个模块就是为了让你知道哈希的用法哈希：我觉得就是唯一的那种特性哈希表的话就是类似一个函数，一个映射，所以我觉得它可以快速给我们对应的值

二叉搜索树·极速分拣篇」：用C++怒肝《双截棍》分拣算法，暴打节点删除Boss战！【温馨提示，本文是理论文，手撕的文章还在加急处理中】程序员老张最近失业了。不是因为他写代码时把分号敲成了希腊字母“α”（虽然这确实发生过），而是因为他试图用一坨意大利面条——哦不，是一坨链表——给楼下菜鸟驿站的快递包裹做自动分拣。结果某位邻居收到了一箱猫粮和三双荧光绿洞洞鞋，而隔壁程序员小王则被迫签收了一整箱《母猪产后护理指南》。

人工智能AI酱

【AI深究】高斯混合模型（GMM）全网最详细全流程详解与案例（附Python代码演示） | 混合模型概率密度函数、多元高斯分布概率密度函数、期望最大化（EM）算法 | 实际案例与流程 | 优、缺点分析大家好，我是爱酱。继前几篇介绍了层次聚类、K均值聚类和密度聚类之后，本篇我们聚焦于另一种强大的聚类算法——高斯混合模型（GMM）。GMM是一种基于概率的软聚类方法，能够为每个样本点计算属于各个簇的概率，适合复杂数据的建模。本文将系统介绍GMM的原理、数学表达、实际案例流程及Python代码实现，加上大量公式给出，方便你直接用于技术文档和学习。