- 综合排序
- 最热优先
- 最新优先
- 来自专栏Cell的前端专栏
深搜广搜
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34
88220编辑于 2022-02-25 - 来自专栏calmound
poj 3126 Prime Path （广搜）
id=3126 题意：从一个素数，挨个数位的变换，在此过程中保证每次变换的数位都是素数，最后变到所给的另一个素数最少步多少 分析：广搜，依次换一位数字，判断该数字是否是素数，若是进队列，其中需要注意的是 0;i<4;i++) { for(j=0;j<=9;j++) { if(i==0) next=head/10 *10+j; if(i==1) next=head/100*100+j*10+head%10; if(i==2) next=head/1000
67750发布于 2018-04-17 - 来自专栏calmound
poj 2251 Dungeon Master（广搜）
题意：三维空间，可以走上下左右前后六个方向，求最短路径，BFS #include<stdio.h> #include<queue> #include<string.h> using namespace std; const int MAXN=50; char str[MAXN][MAXN][MAXN]; int step[MAXN][MAXN][MAXN]; int vis[MAXN][MAXN][MAXN]; int l,r,c; struct Node { int x,y,z; }s,e;
75960发布于 2018-04-17 - 来自专栏calmound
poj 1426 Find The Multiple （广搜）
id=1426 题意：求n的倍数m，对于m的要是求所有位的数必须是0或1 a nonzero multiple m of n n的m倍 广搜：以模作为标志记录是否入队列，当模相同的话，后面出现的数字会重复的 head=Q.front(); Q.pop(); for(int i=0; i<=1; i++) { next=head*10
1.3K50发布于 2018-04-17 - 来自专栏blog(为什么会重名，真的醉了)
双向广搜-HDU1401 Solitaire
文章目录 双向广搜 例题 题意 分析 代码 小结 双向广搜 ---- 什么是双向广搜？ 那么双向广搜就是在起点和终点同时丢石头，两个波浪将在中间某个位置相遇，即得到最优路径。 分析 用双向广搜求解，8个坐标值位压缩成为10进制作为hash值（或者8维数组？）并用unordered_set判重，当hash值出现在另一个分支即相遇。 , y = cur.p[j] % 10; for (int k = 0; k < 4; ++k) { //4个方向 int nx = x + stepx[k], ny = y + cur.check(nx * 10 + ny)) { cur.p[j] = nx * 10 + ny; if (st[i].find(cur.hash()) == st[i]
53420发布于 2020-09-15 - 来自专栏算法工程师之路
深搜和广搜问题-LeetCode 110、104（DFS, BFS）
给定一个二叉树，找出其最大深度。 二叉树的深度为根节点到最远叶子节点的最长路径上的节点数。 说明: 叶子节点是指没有子节点的节点。
1.4K10发布于 2019-10-13 - 来自专栏数据结构与算法
数据结构与算法 | 深搜（DFS）与广搜（BFS）
深搜（DFS）与广搜（BFS） 在查找二叉树某个节点时，如果把二叉树所有节点理解为解空间，待找到那个节点理解为满足特定条件的解，对此解答可以抽象描述为： 在解空间中搜索满足特定条件的解，这其实就是搜索算法
1.7K231编辑于 2023-10-26 - 来自专栏算法修养
HUST 1605 Gene recombination（广搜，位运算）
样例输入 4 ATCC CTCA 4 ATCG GCTA 4 ATCG TAGC 样例输出 2 4 6 求最短的路径，所以可以用广搜，如果你单纯用字符串处理
68160发布于 2018-04-26 - 来自专栏计算机工具
深度优先搜索（DFS、深搜）和广度优先搜索（BFS、广搜）
深度优先搜索（DFS、深搜）和广度优先搜索（BFS、广搜） 深度优先搜索（简称“深搜”或DFS） 图 1 无向图 深度优先搜索的过程类似于树的先序遍历，首先从例子中体会深度优先搜索。 运行结果 13,13 1 2 3 4 5 6 7 8 9 10 11 12 13 1,2 1,3 1,6 1,12 2,13 4,5 7,8 7,10 7,9 8,10 11,12 11,13 12,13 1 2 13 11 12 3 6 4 5 7 8 10 9 广度优先生成森林 非连通图采用广度优先搜索算法进行遍历时，经过的顶点以及边的集合为该图的广度优先生成森林 11 12 13 1,2 1,3 1,6 1,12 2,13 4,5 7,8 7,10 7,9 8,10 11,12 11,13 12,13 1 2 13 3 6 12 11 4 5 7 8 9 10
1.8K10编辑于 2024-12-14 - 来自专栏glm的全栈学习之路
电路维修（双端队列广搜）
pii>q; memset(dist,0x3f,sizeof dist); memset(st,0,sizeof st); dist[0][0]=0; char tep[10
45720发布于 2021-03-23 - 来自专栏glm的全栈学习之路
字串变换 (BFS最难版本 双向广搜）
){ t=extend(qa,da,db,a,b); } else t=extend(qb,db,da,b,a); if(t<=10
38930发布于 2021-03-23 - 来自专栏CSDNToQQCode
【蓝桥杯省赛】冲刺练习题【深搜广搜】倒计时【09】天
目录 demo1 深搜代码 广搜代码 demo2 深搜代码 广搜代码 demo3 深搜代码 广搜代码 demo4 深搜代码 广搜代码 5、剪邮票 demo1 static String b[] 深搜结果 a c b d f g e 广搜结果 a c d f b g e 深搜的遍历过程就是尽可能深的搜索树的分支，当一个节点的所有子节点都被探寻过了，搜索将回溯到发现该节点的那那条边的起始节点 深搜结果 1 2 3 4 5 6 7 8 9 广搜结果 1 2 8 3 5 6 9 4 7 深搜的遍历过程就是尽可能深的搜索树的分支，当一个节点的所有子节点都被探寻过了，搜索将回溯到发现该节点的那那条边的起始节点 深搜结果 v1 v2 v3 v4 v7 v6 v5 广搜结果 v1 v2 v3 v4 v6 v5 v7 深搜的遍历过程就是尽可能深的搜索树的分支，当一个节点的所有子节点都被探寻过了，搜索将回溯到发现该节点的那那条边的起始节点 d、e 进程又会查找d的子节点可以发现d也有两个子节点e、f 这个时候e和f都没有子节点了树的所有节点也都被遍历了 广搜遍历过程 和深搜不同广搜会沿着树的高度和宽度对节点进行依次遍历 从树的根节点
48330编辑于 2022-11-29 - 来自专栏青玉伏案
算法与数据结构(四) 图的物理存储结构与深搜、广搜(Swift版)
(A, B, 10)就说明A到B有条弧，该弧的权值是10，类似于大望路到国贸有条地铁，距离是1.5一样。我们就可以根据下方的这个信息来构建我们想构建的图了。 因为A到B的的权值为10，那么B到A的权值也是10，所以会形成上述对称结构。这个在我们对图的遍历时需要注意一下该对称结构。 ?
1.2K100发布于 2018-01-11 - 来自专栏不二小段
大模型浪潮下的搜广推革命：快手如何重构万亿流量？
这些看似传统的「搜广推」算法，每天都在处理着万亿级流量。可以说，搜广推是所有互联网公司的核心业务，支撑着最为关键的用户留存和营收转化。 然而，在过去很长一段时间里，搜广推的底层架构没有发生根本性变化，甚至陷入了某种瓶颈。 来到大模型时代，一个很直接的想法是：我们如何借助生成式 AI 重塑搜广推业务？但提出想法很简单，落地很难。 最近，快手举办了了一场题为「生成式推荐系统新范式」的技术沙龙，展示他们如何运用生成式 AI 对搜广推系统进行端到端的彻底重构。 搜广推的未来将有无限可能 随着生成式 AI 的发展，未来搜广推的界限将彻底模糊，演化为无处不在的 「个人信息助理」，交互方式将不再是单向的「信息流列表」，而是直接满足用户需求的智能体。 结语 回到最初的问题：生成式 AI 是搜广推的未来，还是昙花一现的伪范式？
21710编辑于 2026-04-09 - 来自专栏glm的全栈学习之路
通信线路(双端队列广搜 二分）
思路： 题意求1到N中路径第k+1大的权值的最小值 可以采用二分 然后我们可以利用二分的这个值作为分界线 小于等于这个值 置为0，大于则为1 然后就变成了一个无向图 权0或1的双端队列广搜模型 注意此题答案可能为 0 并且为判断无解情况我们可以取答案为1e6+1~ #include<bits/stdc++.h> using namespace std; const int N=1010,M=2e4+10; int
57120发布于 2021-03-23 - 来自专栏深度学习与python
Scaling Law 仍然成立，企业搜广推怎么做才能少踩“坑”？
搜广推场景中的 scaling law 依然成立，并且仍在快速上升阶段。 低价值场景用小模型覆盖，高价值场景用大模型争取额外收益。 1 大模型改变了搜广推了什么？ 颜林：在各位负责的业务里，如果只用一句话概括：大模型真正改变的是搜广推系统的哪一块？能否结合一个典型场景简单对比一下以前和现在的做法？ 这些工作占去了我们大量时间和精力，一旦处理不够扎实，大模型在搜广推场景中的实际收益就会受到明显限制，算力堆得再多也难以发挥其真正潜力。 换句话说，未来搜广推的算法工程师可能会逐渐演变为“跑模工程师”。 王皓： 从学术角度来看，有两个根本性问题需要明确。第一个问题是搜广推的基础模型究竟应该是什么？它应该基于怎样的机制来实现决策？ 颜林：在过去这一两年大模型和搜广推的实践里，有哪一件事情是让你改变过自己原本的判断的？比如：曾经觉得不重要但现在很重要，或者相反？
39710编辑于 2025-12-24 - 来自专栏Reinvent Data Science
视频｜10分钟讲清楚Milvus 以图搜图、以图搜视频
今天我们要和大家介绍的是 Milvus 在计算机视觉领域的应用，包含以图搜图和以图搜视频。
1.1K20发布于 2020-04-28 - 来自专栏小码匠和老码农
【小码匠自习室】一道题3种解法：广搜+深搜+并查集，本宝宝困了，明天继续研究
有N个城市（编号1到N）和M条双向道路（编号1到M）。道路 i 连接城市 A 和城市 B 。
69920编辑于 2022-12-06 - 来自专栏云计算D1net
广和：IService分布云 —— 云布中国 广和天下
接下来，广和大中华区总裁方霳将和我们分享：IService分布云——云布中国 广和天下，掌声欢迎！ 方霳： 大家下午好！ 我很荣幸今天能代表广和公司利用今天这个参会的机会，给大家介绍一下广和的一些背景、运营模式，希望和在座的企业有一些合作方面的想法，给大家介绍一 下。 我先说一下广和公司的一个发展历程，广和原来是一个上海的公司，原来的前身是上海正广和，上海当地人基本都知道这个公司，是一个比较大型的国企，下面有几大A股的上 市公司，益民集团、光明乳业等等。 当时法国达能公司收购正广和，后来五十对五十的合资，合资完了之后，我们就剥离出来。因为正广和原来是一个英国公司，解放后为国有。 在上海地区慢慢积累了将近三百万的客户，主要是家庭客户。 到了今年这个年头，我们在常熟去年的产值10个亿左 右，今年第三季度准备在国内上市，大概的背景是这样的。
1.1K40发布于 2018-03-16 好物周刊#114：素材搜搜
Pip-Helper[10] 一款简单易用的浏览器扩展，帮助您在任何网页上使用画中画功能观看视频。 2. //clipso.agilestudio.cn [8]CodeBox:https://www.codebox.club [9]XCloud 音乐:https://music.xcloudv.top [10
10710编辑于 2026-03-26
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号