- 综合排序
- 最热优先
- 最新优先
- 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。 例如说matrix = [[9,9,4],[6,6,8],[2,1,1]]，那么输出就是4。这对应着下面这一张图 ? 如果输入是stones = [0,1,3,5,6,8,12,17]，那么输出就是true。 Problem 8: Leetcode 230 给定一个二叉搜索树的根节点 root ，和一个整数 k ，请你设计一个算法查找其中第 k 个最小元素（从 1 开始计数）。
60930发布于 2021-08-10 - 来自专栏JusterZhu
树（8）
多路查找树 二叉树与B树 二叉树的问题分析：二叉树的操作效率较高，但是也存在问题。 如图： B树、B+树、B*树 B-Tree树即B树，B即Balanced,平衡的意思。有人把B-Tree翻译成B-树，容易让人产生误解。会以为B-树是一种树，而B树又是另一种树。 实际上，B-Tree就是指的B树。 我们所说的B树、B+树、B*树，首先得是一颗平衡树，平衡树的前提必须是一颗搜索树或者排序树。 放在单链表中的排列就会是{5，8，9，10，15，18.....28.....99}。 如果需要去检索除28，那么就会逐个遍历去找效率会非常低。如果不想这么去操作，这时候就需要进行分组。 将它们每3个分成一组，那么{5，8，9，10，15，18.....28.....99}这个列表就会被分成9段。每一段有3个数据。 这个时候再去找28就会非常快，就相当于砍掉了2/3个节点数。
39410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 - 来自专栏大数据和云计算技术
算法基础8：平衡树之红黑树
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8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 平衡查找树概述 我们在上一节写了平衡树的一些理念和具体的实现名（算法基础7： 根据这个理念，我们找到了平衡查找树树。 一、 下面我们来一起聊一聊平衡树的具体实现红黑树。 红黑树需要满足的五条性质： 性质一：节点是红色或者是黑色；注（红色节点可以理解成一种过渡节点，实现平衡树） 在树里面的节点不是红色的就是黑色的，没有其他颜色，要不怎么叫红黑树呢，是吧。 二、结点插入 将一个节点插入到红黑树中，需要执行哪些步骤呢？首先，将红黑树当作一颗二叉查找树，将节点插入；然后，将节点着色为红色；最后，通过旋转和重新着色等方法来修正该树，使之重新成为一颗红黑树。
1.3K50发布于 2018-03-30 - 来自专栏总栏目
05-树8 File Transfer
= 'S'); return 0; } 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8 File Transfer
33910编辑于 2022-09-05 - 来自专栏未竟东方白
【CPP】各种各样的树（8）——赫夫曼树
看完了这么多树，来看个二叉树的小应用——赫夫曼编码（Huffman Coding），是一种用于无损数据压缩的熵编码（权编码）算法。 它又称最优二叉树，是一种带权路径长度最短的二叉树。是二叉树的一个常见应用。 我们知道英文字符在计算机中可以用标准的ASCII字符集来表示，而用ASCII来表示字符的话每个字符需要8bit的位置，例如大写字母A用十进制表示为65，写为二进制就是0100 0001，这样编写我们可以很方便地表示出 所以引出了最优二叉树压缩，也就是赫夫曼编码（最优前缀码）了。 ? 编码表方法和赫夫曼树的构造，由于使用了数组来存储，我们可以直接把二叉树数组中每个结点的信息按照顺序传输就好，由于使用了数组，所以结点的指针都可以用数组下标来代替，这样更方便导出。
63740发布于 2020-07-29 - 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
69420编辑于 2023-04-16 - 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
42420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 - 来自专栏菩提树下的杨过
spring-ai 学习系列(8)-上下文记忆-多轮对话
继续spring-ai学习之旅，大模型本身是无状态的，也就是每次请求对它来说，都是全新的，无记忆！ } 三、使用示例 @RequestMapping(value = "/conversation-stream", produces = "text/html;charset=utf-8"
1.1K10编辑于 2025-08-22 - 来自专栏Hadoop数据仓库
使用MySQL 8的递归CTE遍历树
目录 1. 从根遍历到叶 2. 从叶遍历到根 3. 确定叶子节点、分支节点和根节点 （1）使用相关子查询 （2）更高效的写法（一次外连接） ---- 表数据： mysql> select * from t1; +------+------+ | id | pid | +------+------+ | 7788 | 7566 | | 7902 | 7566 | | 7499 | 7698 | | 7521 | 7698 | | 7900 | 7698 | | 7844 | 7698 | | 7654
1.4K30编辑于 2022-11-07 - 来自专栏WD学习记录
机器学习 学习笔记（8） 决策树
决策树学习算法包含特征选择、决策树的生成与决策树的剪枝过程，由于决策树表示一个条件概率分布，因此深浅不同的决策树对应着不同复杂度的概率模型。 决策树的生成对应于模型的局部选择，决策树的剪枝对应于模型的全局选择。决策树的生成只考虑局部最优，决策树的剪枝对应于模型的全局选择。 信息增益 信息熵是度量样本集合纯度最常用的一种指标。 预剪枝基于贪心的本质禁止这些分支展开，给预剪枝决策树带来了欠拟合的风险。 后剪枝决策树通常比预剪枝决策树保留了更多的分支。一般情况下，后剪枝决策树欠拟合的风险很小，泛化性能往往优于预剪枝决策树。 但后剪枝过程是在生成完全决策树之后进行的，并且要自底向上地对树中所有非叶结点进行逐一考察，因此其训练时间开销比未剪枝决策树和预剪枝决策树大得多。 多变量决策树 多变量决策树又称为斜决策树，实现如下图所示的斜划分 甚至更复杂的决策树： image.png image.png 参考 《机器学习》 《统计学习方法》 《机器学习实战》
1.1K10发布于 2018-09-03 - 来自专栏CSDN搜“看，未来”
数据结构（8）-- 图解红黑树
文章目录 红黑树 红黑树的特征 红黑树自平衡的奥秘 红黑树自平衡操作 插入节点 删除节点 伪代码 红黑树 红黑树（Red Black Tree） 是一种自平衡二叉查找树，是在计算机科学中用到的一种数据结构 红黑树的查找也不说了，它是二叉树，所以二叉树怎么查找，红黑树就怎么查找。 ---- 红黑树自平衡操作 插入节点 第一步: 将红黑树当作一颗二叉查找树，将节点插入。 如果被删除节点的兄弟节点是红色的 */ if(node->parent->right->color){ // #5 /* 7、如果被删除节点的兄弟节点有两个子节点 8、 node->parent; node->parent->left = temp; } else if(node->parent->right->left){ // #8 同上7，可以考虑整合 */ } else if(node->parent->right->left){ // #12 /* 同上8，
14.4K13发布于 2021-09-18 - 来自专栏前端食堂
树+8道前端算法面试高频题解
为了方便理解记忆，高度就是抬头看，深度就是低头看。 与 高度、深度 不同，层 类比盗梦空间里的楼，楼都是从 1 层开始计算，盗梦空间中的楼颠倒过来，从上往下。 了解了树的基础知识后，马上开启我们愉快的刷题之旅，我整理了 8 道高频的 LeetCode 链表题及题解如下。 01 二叉树的中序遍历 原题链接[2] ? 原题链接[8] DFS 深度优先搜索 树的深度 = 左右子树的最大深度 + 1 const maxDepth = function(root) { if (! problems/binary-tree-level-order-traversal/solution/qian-duan-shi-tang-ti-jie-chao-hao-li-ji-jj2g/ [8] leetcode-cn.com/problems/maximum-depth-of-binary-tree/solution/qian-duan-shi-tang-ti-jie-chao-hao-li-ji-im8f
68430发布于 2021-04-09 - 来自专栏AI人工智能
智能体的记忆系统：短期记忆、长期记忆与知识图谱
智能体的记忆系统：短期记忆、长期记忆与知识图谱 嗨，我是IRpickstars！ 总有一行代码，能点亮万千星辰。 在技术的宇宙中，我愿做永不停歇的探索者。✨ 用代码丈量世界，用算法解码未来。 而具备记忆能力的智能体，能够记录和回忆过去的经验，从而在多轮对话、任务规划和长期交互中表现出更高的连贯性和智能性。智能体的记忆系统主要包括短期记忆、长期记忆和知识图谱三个层次。 记忆系统分类与实现智能体的记忆系统可以根据其功能和实现方式，分为以下几类：1. 短期记忆（STM）短期记忆用于存储当前会话或任务的上下文信息，通常具有较短的生命周期。 联邦记忆学习：在保护隐私的前提下，多个智能体之间可以共享和学习彼此的记忆，构建分布式的集体智能记忆网络。 ⚡️ 我的更新节奏：每周三晚8点：深度技术长文每周日早10点：高效开发技巧突发技术热点：48小时内专题解析
2.1K00编辑于 2025-07-14 - 来自专栏AI那点小事
05-树8 File Transfer (25分)
We have a network of computers and a list of bi-directional connections. Each of these connections a
63010发布于 2020-04-18 - 来自专栏运维开发王义杰
刻意训练与记忆强化：竞技记忆与应用记忆的探索之旅
特别是在竞技记忆和应用记忆领域，我们看到了记忆力如何被推向极限，以及如何在日常生活中得到实际应用。本文旨在深入探讨这两个领域，分析其原理，探索它们的实际应用，并讨论如何通过刻意训练提高我们的记忆力。 一、竞技记忆：大脑的极限挑战 竞技记忆，顾名思义，是一种将记忆力竞赛化的活动。参与者需要在短时间内记忆尽可能多的信息，如一副洗乱的扑克牌、长串数字或复杂的图形等。 这不仅是一场对记忆力的挑战，更是对心智控制、专注力和心理素质的全面考验。 竞技记忆的技巧： 联想记忆：通过将抽象信息与熟悉事物关联，形成更容易记忆的图像。 二、应用记忆：日常生活的智慧 与竞技记忆相比，应用记忆更贴近日常生活，它关注如何将记忆技巧应用于学习、工作和生活中。 竞技记忆强调技巧和速度，而应用记忆强调实用性和长期记忆。两者之间的技巧和策略有交集，也有各自的特点。
51110编辑于 2024-01-04 - 来自专栏OpenClaw
GBrain 直接捅破个人 AI 天花板：8 层记忆架构深度解析
GBrain 直接捅破个人 AI 天花板 "AI Agent 最大的瓶颈不是模型能力，而是记忆和持续学习的能力" "8 层结构解决 AI Agent 的记忆缺陷，使 Agent 能持续追踪用户的人际关系 GBrain 通过 8 层记忆架构，解决了一个核心问题：为什么 AI Agent 每次对话都像「失忆」？为什么个人 AI 始终无法突破「天花板」？ ） ├── 增强（Augment） └── 生成（Generate） = 单次问答优化 GBrain： ├── 8 层记忆架构 ├── 终身学习 └── 自我进化 = 持续演化的知识系统 2.2 架构预览 三、8 层记忆架构深度解析 3.1 前 4 层：基础检索层（传统 RAG 升级） 层级 名称 功能 说明 L1 上下文窗口 Session Memory 当前会话的即时记忆 L2 向量检索 Semantic 说明 8 层架构 完整记忆系统，不是简单 RAG 终身记忆 跨会话、跨时间、跨事件 人际关系 理解用户的社会网络 自我进化 Agent 能够「成长」而非每次从零开始 开源免费 Y Combinator
80411编辑于 2026-05-19
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