- 综合排序
- 最热优先
- 最新优先
- 来自专栏JusterZhu
树（7）
平衡二叉树（AVL树） 平衡二叉树也叫平衡二叉搜索树（self-balancing binary search tree）又被称为AVL树，可以保证查询效率较高。 （4）解决方案，平衡二叉树（AVL） 应用案例 1.单旋转（左旋转） 1.根据数列{4，3，6，5，7，8}创建出对应的平衡二叉树。 比如数列： int[] array = {10,11,7,6,8,9}; 运行原来的代码可以看到，并没有转换成AVL树。 int[] array = {2,1,6,5,7,3}; 运行原来的代码可以看到，并没有转换成AVL树。 }; //int[] array = { 10, 12, 8, 9,7,6 }; int[] array = { 10, 11, 7, 6, 8, 9
59730编辑于 2022-12-07 - 来自专栏机器学习技术分享
好记忆的机器学习面试--决策树
什么是决策树 1.1 决策树的基本思想 其实用一下图片能更好的理解LR模型和决策树模型算法的根本区别，我们可以思考一下一个决策问题：是否去相亲，一个女孩的母亲要给这个女海介绍对象。 ? 1.2 “树”的成长过程 决策树基于“树”结构进行决策的，这时我们就要面临两个问题 ： “树”怎么长。 这颗“树”长到什么时候停。 回归树： CART回归树是假设树为二叉树，通过不断将特征进行分裂。比如当前树结点是基于第j个特征值进行分裂的，设该特征值小于s的样本划分为左子树，大于s的样本划分为右子树。 最终得到一棵回归树。 参考文章：经典算法详解–CART分类决策树、回归树和模型树 4. 参考文章：决策树及决策树生成与剪枝 5.
72820发布于 2019-07-30 - 来自专栏学弱猹的精品小屋
Leetcode | 第8节：记忆化搜索，树（上）
今天我们来讲一讲记忆化搜索和树这个数据结构。记忆化搜索是对搜索算法的一个优化，涉及到记忆化搜索的题目都或多或少有一点技巧。至于树，它的定义非常简单，也有非常多的应用。 记忆化搜索 记忆化搜索（Memorization）是搜索算法的一个改进。 当然了，这肯定不是记忆化搜索的部分。记忆化搜索顾名思义，是要保存一些状态，避免重复计算。这里可以保存的状态就是从某一个位置出发到之后，可以组成的句子列表。 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。 比方说输入的二叉树是[3,9,20,null,null,15,7]，那么输出就是3。因为它对应的二叉树长下面这样。 ? 比方说如果输入[3,9,20,null,null,15,7]，那么输出就是 [ [3], [20,9], [15,7] ] 这一题其实就是二叉树的层序遍历，但是稍微加了一点技巧，就是如果第一层是从左到右遍历的
60830发布于 2021-08-10 - 来自专栏企鹅号快讯
2017年，互联网给我们留下的7个记忆
2017互联网7个记忆 分享经济 移动互联网时代，数字平台与物联网的结合，使得分享经济具备了发展的技术条件。
89780发布于 2018-01-30 - 来自专栏运维有术
OpenClaw Memory：让 AI Agent 拥有 7×24 小时的长期记忆
它是怎么存记忆的？答案简单到我不敢信 我原本以为会有一个向量数据库、或者什么知识图谱。 两层记忆，各管各的 OpenClaw 默认用两层结构存记忆： 每日日志：memory/2026-02-23.md 这个文件只追加，不修改。每次对话开始，系统自动加载今天和昨天的日志。 我之前维护过一个持续半年的项目，记忆文件积累了几百个。搜索"部署流程"，返回的结果全是半年前的——早就废弃了。 时序衰减解决的就是这个问题：新记忆权重高，老记忆权重低。 } } } 我踩过的坑： 模型下载慢：国内网络可能要挂代理，或者手动下载到本地再指定路径 首次索引慢：几十个文件要几分钟，后面有缓存就快了 内存占用：本地推理需要 1-2GB 内存，小机器慎用 7. 如果你也在找一个有长期记忆的 AI Agent，不妨试试。
1.6K00编辑于 2026-04-01 - 来自专栏大数据和云计算技术
算法基础7：平衡查找树概述
算法是基础，小蓝同学准备些总结一系列算法分享给大家，这是第7篇《平衡查找树概述》，非常赞！希望对大家有帮助，大家会喜欢！ 前面系列文章： 归并排序 #算法基础#选择和插入排序 由快速排序到分治思想 算法基础：优先队列 二分查找 二叉树查找 在上面一篇分享中我们了解了二叉查找树，他有着 最多2 节点，在这个基础上我们去了解下二三数和红黑树 所有我们就多出来一种数据结构 称之为2-3查找树。具体形态如下图。它因为他下面 ? 可以放2-3个节点，所以他大大减少了树的高度更便于查找和插入了。 B+树： 是一种树数据结构，是一个n叉树，每个节点通常有多个孩子，一颗B+树包含根节点、内部节点和叶子节点。 B+ 树的特点是能够保持数据稳定有序，其插入与修改拥有较稳定的对数时间复杂度。 B+ 树元素自底向上插入
88190发布于 2018-03-30 - 来自专栏小白历险记
平衡搜索二叉树之红黑树（拒绝死记硬背，拥抱理解记忆）
前言 在了解完平衡搜索二叉树的优势和应用后，我们学习了AVL树这种方案来实现它，但在前人们的不断使用和开辟，另一种更优的方案横空出世——红黑树。 ---- 一、红黑树概念 红黑树，是一种二叉搜索树，但在每个结点上增加一个存储位表示结点的颜色，可以是Red或Black。 由红黑树的概念得知，红黑树方案和AVL树的方案对比，我们可以得知： AVL树是一颗宁折不弯的树：它容不下一点偏差，AVL树任何时候都是一颗绝对的平衡搜索二叉树；但是也由于这个特性，当我们面对频繁的修改时 pParent 域指向红黑树的根节点，pLeft域指向红黑树中最小的节点，_pRight域指向红黑树中最大的节点，如下： 3.3红黑树的插入操作 红黑树是在二叉搜索树的基础上加上其平衡限制条件，因此红黑树的插入可分为两步 ; }; ② 检测新节点插入后，红黑树的性质是否造到破坏（重点） 先看每种情况下如何处理，最后有总结帮助记忆 因为新节点的默认颜色是红色，因此：如果其双亲节点的颜色是黑色，没有违反红黑树任何 性质，则不需要调整
69320编辑于 2023-04-16 - 来自专栏总栏目
04-树7 二叉搜索树的操作集
本题要求实现给定二叉搜索树的5种常用操作。 并返回结果树的根结点指针； 函数Delete将X从二叉搜索树BST中删除，并返回结果树的根结点指针；如果X不在树中，则打印一行Not Found并返回原树的根结点指针； 函数Find在二叉搜索树BST中找到 X，返回该结点的指针；如果找不到则返回空指针； 函数FindMin返回二叉搜索树BST中最小元结点的指针； 函数FindMax返回二叉搜索树BST中最大元结点的指针。 Left; } free(p); } } return BST; } 废江博客 , 版权所有丨如未注明 , 均为原创丨本网站采用BY-NC-SA协议进行授权 转载请注明原文链接：04-树7 二叉搜索树的操作集
45750编辑于 2022-09-05 - 来自专栏前端ACE
年会 （记忆化搜索+二叉树思想）------------------------------C语言—菜鸟级
该校的员工具有等级结构, 即师生关系构成一棵树, 以校长为树根. 员工号是1到N之间的整数. 人事部门把所有员工按活跃度排序. 样例输入 7 1 1 1 1 1 1 1 1 3 2 3 6 4 7 4 4 5 3 5 0 0 样例输出 5 //思路： 记忆化搜索 + 二叉树 //常理来说大学里 一个导师可以有多个学员 但一个学员只能有一个导师（二叉树） // 导师和学员不能同时邀请，那就是除了同时邀请外 还有三种情况，邀导不邀学 //邀学不邀导 和都不邀 （0与1 ）的关系 通过DFS枚举各类情况 ，优化记忆数组； #include <string.h> #include <stdio.h> #define M 6002 #define max(a,b) a>b? L）的导师未邀请状态最优活跃度 // dp[L][1]代表满足条件下该员工(L)的导师邀请状态下最优活跃度 int dfs(int L,int last) { //优化 记忆数组
42320编辑于 2022-11-21 - 来自专栏扶墙集
记忆技巧
今天扫了收藏夹里一个TED视频，所以也借此总结一下上半辈子学到的点滴技巧吧~ 关于记忆技巧， 我印象最深的是小时候电视里有个老师在讲如何记忆英语单词，比如同样的词根，只要变换一个字母就可以记住一大批单词这样的技巧 第二个印象，是一个女的演讲者提到的记忆技巧， 她的记忆技巧可以归纳为一个词： “标新立异”， 也就是给每一个你要记忆的事物都打上一个不同寻常的标签，突出强烈的反差感， 比如在脑海里描绘一幅“隔壁老王蹲在一个十米的茅坑里 第三个印象是一个TED演讲者， 他的方法是是图像记忆法， 给每一个词语或者生硬的字面都配合上一幅图， 这种记忆法其实很好的阐述了那句英语谚语："one picture is better than a 第四个印象是某人发明了个记忆宫殿（Memory Palace）这样的记忆技巧或者说术语，总结下来就是上下文关联（Context），将你要记忆的信息放到一个上下文中，这个上下文是任何你熟悉的场景，比如你的房子 关联性，将要记忆的信息通过某种故事线或者物理场景（上下文Context） 串联起来，可以帮助我们批量记忆一组信息，配合强烈反差的故事线更好。
77210发布于 2020-01-13 - 来自专栏程序员
智能体（Agent）的记忆架构：深入解析短期记忆与长期记忆
在人工智能领域，尤其是基于大语言模型（LLM）的智能体（Agent）系统中，记忆机制是实现持续、连贯和个性化交互的核心基石。记忆系统模拟了人类的认知结构，通常划分为短期记忆和长期记忆。 第一章：短期记忆——智能体的工作记忆与意识流1.1定义与本质短期记忆是智能体用于处理当前任务或单次会话的临时信息存储区。 检索当新的会话开始时，Agent不会加载整个长期记忆库（那样会瞬间爆满短期记忆）。相反，它会根据当前的用户查询和短期记忆的上下文，去长期记忆库中寻找最相关的信息。 记忆冲突与更新：当新信息与旧记忆矛盾时，如何更新或版本化管理记忆（例如，用户之前喜欢咖啡，现在改喝茶了）。 检索长期记忆：系统将当前查询与短期记忆的上下文结合，作为“检索键”，在长期记忆库中进行向量相似性搜索，找出相关记忆。
2.7K11编辑于 2025-09-25 - 来自专栏全栈程序员必看
记忆化递归（记忆化搜索）
我看了答案还是有些不能完全理解，于是又去b站翻了翻教程基础DP，其中提到记忆化的递归（也称记忆化搜索），相当于结合了dp和递归的优点（这时我又觉得比DP还厉害），然后就准备写写记忆化递归。 ---- 目录 1.记忆化递归的解释与分析 2.记忆化递归的应用 ---- 一、记忆化递归的解释与分析 前面说道它结合了dp和递归的优点，分别是记忆化和逻辑清晰易懂。 记忆化递归则更加”投机取巧“了，它只计算了需要用的值并储存起来，而其它不会用到的值不去计算，最大化地减少了计算。 打个比方，dp就相当于计算了一个方阵上所有的点（无论有没有利用价值），而记忆化递归相当于计算了方阵上有价值的点，因此记忆化递归的运行时间可能比dp还要短。 （注意只是可能，因为斐波那契数列无论是dp还是记忆化递归，都是要把前面的值全部算出来的） ---- 二、记忆化递归的应用 感觉没啥写的,就拿分配宝藏来写shui一写shui吧。题目在这里。
78260编辑于 2022-09-17 - 来自专栏Deep learning进阶路
7-2 其余的一些树-排序二叉树-霍夫曼树
7-2 其余的一些树 1、二叉排序树 二叉排序树可以通过递归的方法来定义，它或者是空二叉树，或者是具有如下定义的二叉树： 左子树上所有节点的关键字均小于根节点的关键字；右子树上所有节点的关键字均大于等于根节点的关键字 先来看一个霍夫曼编码的例子： 已知一个通信系统中使用的字符为a, b, c, d, e, f, g 7个不同的字母，每传输1千字，他们出现的频率为： 115，11，14，35，516，254，55. ① 把7个不同的字母看成不同的节点，它们的出现频率就看成它们的权重，先按照权重对它们排序如下： ? 如果把每条左边的边标为0，右边的边标为1，那么就得到这7个字母的霍夫曼编码： e---1， f---01， a---001， g---0000， d---00011， b---000100， c---000101 ， 试想，如果使用传统的二进制编码从 000到110 共7个二进制编码对这7个数进行编码，则每个字符都需要3bit，那么1000字的内容就是3000 bit； 而如果采用霍夫曼编码，同样1000字，只需要
1K50发布于 2019-07-02 - 来自专栏HansBug's Lab
算法模板——线段树7（骰子翻转问题）
上1前2左4右5后3下6），然后输入任意多个操作，输入“1 x y”表示将序列第x个数改成y，输入“2 x y”表示输出对于原始状态的骰子，按照从x到y的序列操作可以使骰子变成什么样子 原理：还是线段树， ); 4 ba:cube=(2,6,1,4,5,3); 5 le:cube=(5,2,3,1,6,4); 6 ri:cube=(4,2,3,6,1,5); 7
1.1K50发布于 2018-04-10 - 来自专栏总栏目
05-树7 堆中的路径
false; tmp /= 2; } cout << endl; } } 废江博客 , 版权所有丨如未注明 , 均为原创丨本网站采用BY-NC-SA协议进行授权 转载请注明原文链接：05-树7
41630编辑于 2022-09-05 - 来自专栏刷题笔记
7-4 树的遍历 (20 分)
本文链接：https://blog.csdn.net/shiliang97/article/details/102924283 7-4 树的遍历 (20 分) 给定一棵二叉树的后序遍历和中序遍历，请你输出其层序遍历的序列 输入格式： 输入第一行给出一个正整数N（≤30），是二叉树中结点的个数。第二行给出其后序遍历序列。第三行给出其中序遍历序列。数字间以空格分隔。 输出格式： 在一行中输出该树的层序遍历的序列。 输入样例： 7 2 3 1 5 7 6 4 1 2 3 4 5 6 7 输出样例： 4 1 6 3 5 7 2 纯属学习，靠抄答案学习这个知识点 #include<iostream> #include<
76110发布于 2019-11-07 - 来自专栏未竟东方白
【CPP】各种各样的树（7）——自顶而下的伸展树
上次说了自底向上用栈实现的伸展树，但是那样实现的伸展树一是需要遍历两次树才能展开，另一缺点是需要占用较大的多余空间（额外的一个足够深的栈），但使用另一种方法，利用两个辅助指针和一个新的头节点，我们使用左右两个子树来完成自顶而下的伸展树展开 理解了伸展的操作后，插入与删除也就不难了，这次有了一点点改进，插入的时候也要进行展开，让刚插入的值排在头，删除与之前差不多，利用这次改进的空展开来获取空指针域来拼接树。 ? ? 然后我们从32到1插入一棵树并试着展开一下。 ? ? ? ? ? 可以看到树正常运作了。 这份伸展树的其他部分与之前没什么区别，旋转也是AVL的旋转，Display也是之前的代码，等之后一并放出吧。 看完伸展树下次来看个比较轻松的树，是关于二叉树的一种实际应用，一种压缩数据的算法——赫夫曼树。
47120发布于 2020-07-29 - 来自专栏2023生信技能树学习记录
生信技能树笔记day7
---title: "生信技能树学习笔记"author: "天空"date: "2023-01-04"output: html_document---R语言综合应用1. ## [7] "6_两个<e6>\u0095<b0><e6>\u008d<ae><e6><a1>\u0086<e7>\u009a\u0084<e8><bf>\u009e<e6>\u008e<a5>.R " ## [8] "7_<e4><b8>\u0080<e4><ba>\u009b顶<e5>\u0091<b1><e5>\u0091<b1><e7>\u009a\u0084<e5>\u0087< \u0094\u009f信<e6>\u008a\u0080<e8>\u0083<bd><e6><a0>\u0091<e7><ac>\u0094记day7.html" ## [19] "<e7>\u0094 ## [7] "6_两个<e6>\u0095<b0><e6>\u008d<ae><e6><a1>\u0086<e7>\u009a\u0084<e8><bf>\u009e<e6>\u008e<a5>.R
79900编辑于 2023-01-16 - 来自专栏以终为始
7-3 树的同构 （25 分）
7-3 树的同构 （25 分） 给定两棵树T1和T2。如果T1可以通过若干次左右孩子互换就变成T2，则我们称两棵树是“同构”的。 例如图1给出的两棵树就是同构的，因为我们把其中一棵树的结点A、B、G的左右孩子互换后，就得到另外一棵树。而图2就不是同构的。 图1 图2 现给定两棵树，请你判断它们是否是同构的。 输入格式: 输入给出2棵二叉树树的信息。 输入样例1（对应图1）： 8 A 1 2 B 3 4 C 5 - D - - E 6 - G 7 - F - - H - - 8 G - 4 B 7 6 F - - A 5 1 H - - C 0 - D - - E 2 - 输出样例1: Yes 输入样例2（对应图2）： 8 B 5 7 F - - A 0 3 C 6 - H - - D - - G 4 - E 1 - 8 D 6 - B 5 - E
23110编辑于 2023-03-09 - 来自专栏CSDN搜“看，未来”
数据结构（7）-- Splay tree(伸展树)
---- 伸展树 现在我们来介绍一种相对与AVL树更简单的数据结构，它叫伸展树，它保证从空树开始连续任意M次操作最多花费O(MlogN)时间。 这样，很容易得想到以下这个方案：每次查找节点之后对树进行重构，把被查找的节点搬移到树根，这种自调整形式的二叉查找树就是伸展树。 当我们沿着树向下搜索某个节点X的时候，我们将搜索路径上的节点及其子树移走。我们构建两棵临时的树──左树和右树。没有被移走的节点构成的树称作中树。在伸展操作的过程中： 1、当前节点X是中树的根。 2、左树L保存小于X的节点。 3、右树R保存大于X的节点。 开始时候，X是树T的根，左右树L和R都是空的。 和自底向上一样，自顶向下也分了三种情况。 合并树 将中树的左右子树分别连接到左树的右子树和右树的左子树上。将左右树作为X的左右子树。重新最成了一所查找的节点为根的树。
1.4K30发布于 2021-09-18
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