登录社区云,与社区用户共同成长
邀请您加入社区
本文详细讲解了最短路问题的各种算法,dijkstra算法,bellman_ford算法,spfa,floyd算法,以及不同算法的使用场景和扩展
本文介绍了背包问题的基本概念和分类,重点分析了01背包问题的两种变体:普通背包和恰好装满背包。通过动态规划的思路,详细讲解了状态表示、状态转移方程、初始化和遍历顺序的设计方法。文章指出01背包是其他背包问题的基础,优化策略对性能提升显著。最后用C++代码实现了两种背包问题的解决方案,展示了如何通过调整状态转移方程和初始化条件来满足不同需求。
动态规划是一种将问题“分而治之”的高效方法,核心在于拆分子问题、保存中间结果、避免重复计算。它适用于有重叠子问题和最优子结构的问题。通过本篇文章的青蛙跳台阶与最长递增子序列两个案例,我们掌握了从状态定义、边界处理、状态转移方程推导到代码实现的完整套路。只要理解了这些关键步骤,动态规划其实并不难,是值得深入掌握的重要算法技能。
我做了一款终极的摸鱼工具,它将自己伪装成一个无害的弹窗广告,但内部却是一个功能齐全的迷你浏览器。让你可以在"百忙"之中,光明正大地处理任何"紧急"的网页任务。:网页中的视频全屏时,将充满整个应用窗口,而不是整个电脑屏幕,保持低调。:精心设计的广告样式布局,完美融入任何桌面环境,让人真假难辨。:通过设置面板,可以随意更换要加载的网页地址和页面的缩放比例。:一键切换窗口置顶,确保你的"工作"窗口永远在
目录1、疲劳分析基本原理2、疲劳分析常用参量 3、疲劳分析求解模块4、疲劳分析技术流程(仍是3*3)编辑 5、案例分析 注意:疲劳分析求解模块有三种:稳态分析、谐响应分析、随机振动分析其中:稳态模块是基于时域分析,谐响应分析和随机振动分析基于频域分析
目录回溯法理论基础组合问题组合问题转载于:https://zhuanlan.zhihu.com/p/302415065回溯法理论基础「回溯是递归的副产品,只要有递归就会有回溯」,所以回溯法也经常和二叉树遍历,深度优先搜索混在一起,因为这两种方式都是用了递归。回溯法就是暴力搜索,并不是什么高效的算法,最多再剪枝一下。回溯算法能解决如下问题:组合问题:N个数里面按一定规则找出k个数的集合排列问题:N个
蓝桥杯 2021年省赛真题 (Java 大学B组 )#A ASC#B 卡片#C 直线#D 货物摆放#E 路径#F 时间显示#G 最少砝码#H 杨辉三角形#I 双向排序#J 括号序列
2020年7月1日最长重复子数组 findLength默认格式:class Solution {public int findLength(int[] A, int[] B) {}}解题思路:1,暴力算法遍历数组1中的每一个元素用这个元素和数组2的每一个元素对比,如果相同循环读取两个数组的下一个元素,直到不相同为止这个算法太复杂,就不做实现了。2,使用哈希表+链表遍历一遍数组1,将其每个元素出现的
Step3-VL多模态模型代码优化摘要 原1074行代码经九章编程法重构为385行,修复20个核心缺陷(含6个致命崩溃级问题)。主要改进: 缺陷修复:解决未初始化变量、维度硬编码、参数边界缺失等致命问题 架构分层:拆分配置池(C)、数据池(B)、操作池(A),实现物理隔离 边界强化:新增参数校验、异常兜底机制,覆盖输入维度、索引范围等风险点 代码精简:清理死代码冗余逻辑,函数职责单一化 典型问题示
《信息工业的遗传病》揭示了代码错误在开源生态中稳定复制的现象。作者通过九章排错法发现,大型科技企业的代码普遍存在相同结构缺陷,这些错误如同基因般通过开源项目稳定遗传。补丁虽能短期修复症状,却加剧了系统熵增,导致代码臃肿化。文章指出,当前软件工程缺乏结构性审查标准,使得错误在生态中持续传播。九章排错法提出基于信息物理法则的客观审查标准,试图从根源解决这一系统性缺陷,推动软件工程从经验修补转向结构治理
其中,提问能力是前三项能力的“催化剂”:没有好的提问,专业深度可能沦为迂腐,模式识别无法聚焦关键异常,跨界联想变成漫无目的的胡思乱想。在问题经济中,OPC 的提问能力与AI 的解答能力形成互补,而非竞争关系。它的竞争壁垒只能是创始人的“认知资产”——独特的行业洞察、稀缺的专业技能、无法被快速复制的方法论,以及最为核心的“提出定义性问题的能力”。本章将系统剖析OPC 的生存逻辑、提问链的构建,以及平
AI陪聊是指利用大语言模型(LLM)驱动的AI角色与用户进行深度对话交互的产品形态。用户可以与预设或自定义的AI角色进行角色扮演、情感陪伴、心理疏导、学习辅助等多种互动。市场涵盖角色扮演平台(Character.AI)、情感伴侣App(Replika)、NSFW内容平台(SpicyChat、CrushOn)等多种形态。2026年MITTechnology Review将"AI陪伴"列为年度突破性技
将番茄工作法计时器、AI专注预测、习惯追踪、目标管理、待办事项五大模块融合。):从今天开始倒推,统计连续有工作 session 的天数,直到遇到中断。每次工作 session 完成时自动调用。这是整个项目的 AI 核心,使用。FocusTrack 是一个。
摘要: AI九章编程法是一套融合数学理论与编程的工程方法,包含两部分:1)基于空间几何的编程排错方法,确保代码结构严谨;2)AI多模型协作训练体系,通过"语粒库构建""加噪纠偏"和"约束求解"机制,消除代码生成中的逻辑错误与幻觉。该方法适用于千万行级工业代码场景,经验证可将千行代码排错周期缩短至分钟级,错误定位准确率达95%。合作对象需具
动态规划算法——斐波那契数列模型——1.第 N 个泰波那契数、2.三步问题
短期内,市场的最大担忧在于近期美联储加息预期的提升,以及金融条件收紧的可能性。而在风险中性利率之中,实际短端利率预期是主要上行贡献,对应市场对美国经济的乐观预期(如花旗经济意外指数上行),而非通胀预期。但是,基于三大因素,当前美联储加息预期对AI 投资逻辑的冲击整体可控。当前,美国就业市场虽然趋于稳定,但是仍然偏弱,工资物价螺旋或难以形成,而中长期通胀预期亦维持稳定。因此,美联储加息仍然是小概率事
但是,从历史对比视角看,以纳斯达克100 样本公司为例,虽然2026 年一季度资本开支/营收已经超过2000 年初水平,但这或并不意味着资本开支已经“达峰”,资本开支/经营现金流比例仍较低。(2)历史比较而言,2000 年一季度,美国企业债券、贷款、权益融资流合计占GDP 比重高达5.4%,而2025 年底这一水平仅为1.6%(4QMA);2)从财务数据来看,Mag7 公司现金/市值、ROE、净利
当我们还在为手机能流畅跑7B模型而惊喜,当行业正将“端侧14B”作为旗舰手机的核心卖点,一个更值得探索的问题浮出水面:32B参数的通用大模型,能在普通手机上完整运行吗?
神经动态规划是神经网络无教师学习的核心章节,将动态规划与强化学习结合,通过神经网络解决"维数灾"问题。主要内容包括:1)Markov决策过程(MDP)框架,定义状态、动作、转移概率、奖励等要素;2)Bellman最优准则,通过价值函数递归分解决策问题;3)动态规划方法如策略迭代和值迭代;4)神经动态规划的核心思想,使用神经网络逼近价值函数;5)Q-学习算法,通过试错更新动作价值
开源策略和模块化研发极大地降低了中小企业的进入门槛,带来创新主体的结构变化。例如,百川智能在医疗领域利用自建数据集提升诊断模型精准度,零一万物则聚焦企业级部署,通过模块化实现成本可控的商用应用落地。同时,智能体的模块化开发流程进一步推动人工智能领域创新的民主化。拥有包括产品经理Agent 和程序员Agent 在内的多智能体协同系统能够自动完成企业内部的复杂工作流程,大幅提升企业运营效率。技术的轻量
具身智能的本质不只是机器人技术的延伸,而是认知智能向物理空间的拓展,从而使人工智能实现从数字空间认知到物理世界行动的跨越。在世界模型的支持下,具身智能系统能够在采取行动之前预判行为的结果,通过在潜在空间进行生成式预测,理解包括重力和摩擦在内的物理规律,对动作的适应性和后果进行判断,极大提升了机器人在非结构化环境中的自适应能力。世界模型解决了“知”的深度问题,而具身智能则使机器具备了主动认知和预测能
本文摘要:文章通过四个动态规划问题(泰波那契数、三步问题、最小花费爬楼梯、解码方法)详细讲解了算法实现步骤。每道题均包含题目解析、算法原理(状态表示、转移方程、初始化、填表顺序、返回值)及代码实现。重点关注状态转移方程推导和边界处理,强调从左到右的填表顺序,并提供完整C++代码示例。这些案例由浅入深地展示了动态规划在解决递推类问题时的通用思路和实现框架。
2026年2月4日 模型推理量化加速优化问题(通过率100%)2025年10月22日 最大能量路径(通过率100%)2025年9月17日 大模型分词(90%)2026年3月18日 大模型训练显存优化算法(通过率30%)
2026年6月4日,中国移动通信集团上海有限公司浦东分公司与深兰人工智能科技(上海)股份有限公司在深兰科技上海张江总部举行合作签约仪式。双方将以AI+OPC端侧智能体手机及智能体服务能力共建为重点,围绕算力资源协同、医疗智能体、政企业务合作、机器人终端入库推广及5G数智生态建设等方向展开合作,共同推动人工智能技术与通信网络、算力基础设施、智能终端和产业场景深度融合。
本文介绍了LeetCode 516题「最长回文子序列」的解法。该题要求在给定字符串中找到最长的回文子序列(不要求连续字符)。解题采用区间动态规划方法:定义dp[i][j]表示子串s[i...j]的最长回文子序列长度。初始状态为单个字符dp[i][i]=1。状态转移分两种情况:当两端字符相等时,结果为内部区间结果加2;不等时取左右子区间较大值。遍历顺序需从后往前处理左边界,确保正确依赖子问题。最终返
⊲ 成本压力与预算逻辑的重构:Token 正在深刻改变 IT 预算逻辑。AI 服务的计费方式由传统的包年包月、按席位授权,转向了按使用量、按处理量、按上下文的精细计费。当AI 从“边缘试用”进入“核心生产”后,如何稳定、安全、可持续地运营成百上千个智能体,成为了CIO 与CTO 们的头号课题。企业必须解决AI 决策的可解释性、偏见与公平性问题,并明确AI 自主决策后的责任界定。⊲ 多智能体协作的复
包括基础模型、行业模型、智能体和具身智能在内的智能系统在提升智能密度的同时,推动物理智能、生物智能和社会智能的诞生和发展,网络空间和物理空间界限被快速打破。其中,物理智能可能被广泛应用于智能制造和自动驾驶等领域,生物智能推动生物医疗和制造产业的发展,而社会智能则为新的社会生产力发展、资源配置方式和生产关系调整奠定了坚实基础。信息智能、物理智能、生物智能和社会智能的快速创新和交互融合,标志着智能经济
工业厂房数字化转型迎来无感化三维重构升级,通过透明建筑可视化和AI无感定位技术,彻底改变传统管理模式。系统采用激光雷达扫描和三维渲染技术,实现厂房1:1全真重构,支持墙体透明化透视,消除视觉盲区。同时依托AI视觉算法,无需穿戴设备即可实时追踪人员三维位置和轨迹。升级后的系统具备主动预警功能,可划定电子围栏并实时监测违规行为,大幅提升安全管理效率。这一革新实现了从静态展示到动态管控的转变,为智慧工业
本文介绍了一个优化的FlashAttention v2实现,主要包括以下内容: 实现了高效的多头注意力机制,支持前向和反向传播 核心特性: 动态块配置,自动适配不同序列长度 支持因果掩码、ALiBi位置编码和dropout 可变长度序列处理能力 硬件资源感知的内存管理 关键技术: 采用Triton语言实现高性能内核 前向传播优化了softmax计算和内存访问 反向传播使用统一全局坐标语义 实现了&
dp[i][j]把 word1 的前 i 个字符,转换成 word2 的前 j 个字符,所需的最少操作次数。这两个字符已经匹配了,不需要任何操作,直接继承前面的结果:plaintext,最后一个字符都是 c,那么只需要把 "ab" 转换成 "ad" 就行。删除 word1 的最后一个字符:把word1前 i-1 个转换成word2前 j 个,再删最后一个 →插入一个字符到 word1 末尾:插入的
本文提出了一种动态规划解法来解决纸飞机分配问题。通过分析每层楼恰好达到目标数量c的时间点单调性,设计状态dp[i][j][k]表示前i层中第i层在时间j达到c且预留k个位置时的方案数。利用组合数学和前缀和优化,将时间复杂度降至O(nmc)。最终答案为dp[n][m][0],并通过滚动数组优化空间复杂度。代码简洁高效,适用于大规模数据。
本文提出了一种动态规划算法来解决飞机调度问题。通过预处理前缀和和后缀和优化状态转移,算法高效计算在给定条件下(n层、c个时间点、m架飞机)的合法调度方案数。关键点在于: 使用双动态规划数组dp和dpp交替更新状态 预处理q数组记录前i个时间点中≥j层飞机的数量 预处理h数组记录后i个时间点中j层飞机出现的次数 组合数计算优化通过阶乘和逆阶乘预处理实现 特殊处理已确定的飞机位置情况 算法的时间复杂度
摘要: LeetCode 1049题要求将一堆石头两两粉碎(剩余重量为差值),求最后石头的最小可能重量。解题核心是将其转化为0/1背包问题:将石头分为两堆,使两堆总重量尽可能接近(即差值最小)。通过动态规划计算背包容量为sum/2时的最大装载量,最终结果为sum - 2*dp[target]。此题是分割等和子集的变形,时间复杂度O(n×sum),空间复杂度O(sum)。关键思路是将问题转化为背包模
本文系统梳理了两个数组的动态规划(DP)问题,这是算法竞赛和面试中的高频题型。核心内容包括:1. 五大经典模型:最长公共子序列(LCS)、编辑距离、交错字符串、正则/通配符匹配、最大路径和问题;2. 解题框架:状态定义(通常dp[i][j]表示两数组前i/j个元素的关系)、转移方程设计、边界条件处理;3. 优化技巧:滚动数组降维、位运算加速、记忆化搜索等;4. 实战应用:覆盖LeetCode典型题
2001 NIST Speaker Recognition Evaluation Corpus(LDC 目录编号 LDC2002S34)是 NIST 主导、LDC 发布的经典说话人识别评测基准数据集,核心用于会话式电话语音(CTS)场景的说话人检测与验证任务,为早期说话人识别系统提供统一评测标准与训练 / 测试数据划分,是 GMM - UBM 等经典模型的核心评测资源。
Multiple-Translation Arabic (MTA) Part 2(LDC2005T05)是 LDC 于 2005 年发布的现代标准阿拉伯语(MSA)多译文平行语料库,核心为法新社(AFP)阿拉伯语新闻文本 + 3 组独立人工英译,适配机器翻译评估、翻译质量自动度量与模型优化,是阿拉伯语 - 英语翻译评测的经典基准资源LDC。
CSLU: Names Release 1.3 是由俄勒冈健康与科学大学口语理解中心(CSLU)构建、LDC 于 2009 年发布的英文姓名语音数据集(编号 LDC2006S39),核心用于姓名语音识别(ASR)、发音词典生成与说话人验证系统研发,包含大规模孤立姓名朗读语音及文本、发音标注,适配人名识别与口语交互场景的模型训练与评测。
风险包括:直接提示词注入(用户在对话中插入恶意指令)、间接提示词注入(攻击者在外部数据中嵌入隐藏指令,通过数据处理链路影响AI决策)、越权输出(智能体返回本应受限的敏感信息)。治理要点:输入层建立AI驱动的意图检测,识别并拦截提示词注入;工具调用是智能体区别于对话模型的核心能力,也是最大的攻击面扩展点。风险包括:恶意工具注入(通过第三方工具市场或供应链注入恶意工具/Skill)、MCP投毒(通过污