- 综合排序
- 最热优先
- 最新优先
- 来自专栏C++信息学奥赛
杨校老师课堂之桶排序——桶计数
(二) 循环结构的应用for 循环的两种典型用法计数循环（输入阶段）：for (int i = 1; i <= 50; i++) 控制读取 50 个输入，通过 a[t]++ 完成次数累加（每输入一个数字 t，对应位置的计数 + 1）。 (三) 核心算法思想频率统计（计数思想）核心逻辑：用数组作为 “计数器”，通过 a[t]++ 实现对每个数字出现次数的累加。优势：时间复杂度为 O (n)（n 为输入数量），比用嵌套循环统计更高效。 【输入样例】7 2 5 6 1 2 8 9 2 8 3 3 9 9 4 3 1 9 4 5 3 9 1 6 4 8 3 9 1 7 1 7 1 2 3 2 5 4 1 2 6 4 7 9 4 6 10 【输入样例】7 2 5 6 1 2 8 9 2 8 3 3 9 9 4 3 1 9 4 5 3 9 1 6 4 8 3 9 1 7 1 7 1 2 3 2 5 4 1 2 6 4 7 9 4 6 10
26400编辑于 2025-07-03 - 来自专栏swag code
BucketSort-桶排序-计数排序
import java.util.Arrays; public class BucketSort { //桶排序-计数排序 public static void bucketSort(int[] { if((arr1==null&&arr2! =null&&arr2==null)){ return false; } if(arr1==null&&arr2==null) { return true; } if(arr1 =arr2.length) { return false; } for(int i=0;i<arr1.length;i++) { if(arr1[i]! ]=copyArray(arr1); bucketSort(arr1); comparator(arr2); if(!
39950发布于 2018-08-20 - 来自专栏ImportSource
自己动手写令牌桶、漏桶、计数等限流实现
现在举个例子“访问者A在2秒内访问次数不能超过5次”。 那么你就需要一个数据结构来存储"访问者A"，同时记录“2秒”的过期时间，同时要记录在这2秒内的访问次数。 好，这只是一个简单的通过计数和加过期时间的单机版的限流器。 令牌桶 ? 事实上，限流还有令牌桶的方式。令牌桶的方式同样也是类似计数的方式。 其实本质上还是计数。当和前面的那种计数不一样的地方是，令牌桶支持动态的添加token，也就是动态改变上限。你可以控制添加令牌的速率。 漏桶 ? jedis.expire(key, "2"); return 1 2、另外还有通过redis+lua来实现限流。 如果在分布式下实现限流，需要把你的计数器和漏桶队列维护到一个公共的地方，比如redis，zookeeper，数据库等。hystrix的线程池就类似漏桶的思路，guava里有现成的基于令牌桶的限流实现。
6.8K21发布于 2018-07-25 - 来自专栏python3
计数排序与桶排序python实现
计数排序与桶排序python实现 计数排序 计数排序原理： 找到给定序列的最小值与最大值 创建一个长度为最大值-最小值+1的数组，初始化都为0 然后遍历原序列，并为数组中索引为当前值－最小值的值 ] count_sort(a) print(a) 计数排序的缺点 当数值中有非整数时，计数数组的索引无法分配 桶排序 桶排序原理： 桶排序与计数排序类似，但可以解决非整数的排序 桶排序相当于把计数数组划分为按顺序的几个部分 每一部分叫做一个桶，它来存放处于该范围内的数 然后再对每个桶内部进行排序，可以使用其他排序方法如快速排序 最后整个桶数组就是排列好的数据， (i): s.append(j) if __name__ == '__main__': a = [3.2,6,8,4,2,6,7,3] bucket_sort( a) print(a) # [2, 3, 3.2, 4, 6, 6, 7, 8] 总结 计数排序与桶排序都是以牺牲空间换时间，虽然很快，但由于可能产生大量的空位置导致内存增大，尤其是计数排序。
1.3K10发布于 2020-01-16 - 来自专栏C++信息学奥赛
杨校老师课堂之桶排序算法——桶标记计数练习
样例输入31 2 2输出2#include<iostream>using namespace std;int main() { int a[105] = {0}; // 定义一个大小为105 的数组 从标准输入读取一个整数到 t t = t + 50; // 将 t 加上 50 ++a[t]; // 将数组 a 中下标为 t 的元素值加 1 } // 遍历每个桶查找出现次数超过一半数字 样例输入10 3 1 3 3 7 2 5 1 2 4 6输出3#include<iostream>using namespace std;int main() { int a[ cnt 并初始化为 0 // 遍历每一个桶对出现数字进行计数 for(int i = 1; i <= 30000; ++i){ // 循环 30000 次，从 1 到 30000 = 0){ // 如果数组 a 中下标为 i 的元素值不为 0 ++cnt; // 计数器 cnt 加 1 if(cnt == k){ // 如果计数器
21200编辑于 2025-07-05 - 来自专栏C/C++基础
C++引用计数（reference counting）技术简介（2）
我们可以设计一个引用计数基类RCObject，供想拥有引用计数的类继承。RCObject将“引用计数器”本身以及用以增减引用数值的函数封装起来。 此外，还包括销毁对象值的函数，设置不可共享标的函数，返回共享标志的函数，查询是否在被共享的函数，查询引用计数的数目。 （2）RCObject::removeReference的责任不只在于将对象的refCount递减，而有当引用计数refCount为0时，销毁实值对象。 2.基于引用计数基类的String 基于引用计数的基类String设计如下： class String{ private: Struct StringValue:public RCObject{ [2]http://blog.csdn.net/ruan875417/article/details/48267527.
93620发布于 2018-08-03 - 来自专栏合集
C++|计数排序
计数排序的核心在于将输入的数据值转化为键存储在额外开辟的数组空间中。作为一种线性时间复杂度的排序，计数排序要求输入的数据必须是有确定范围的整数。 计数排序是一种稳定的排序算法。 计数排序使用一个额外的数组C，其中第i个元素是待排序数组A中值等于i的元素的个数。然后根据数组C来将A中的元素排到正确的位置。它只能对整数进行排序。 算法描述 步骤1：找出待排序的数组中最大和最小的元素； 步骤2：统计数组中每个值为i的元素出现的次数，存入数组C的第i项； 步骤3：对所有的计数累加（从C中的第一个元素开始，每一项和前一项相加）； 步骤 { min = todoList[i]; } } vector<int> tempList; for (int i = 0; i < (max - min) + 2; vector<int> sortedList = countSort(randomList); sort(randomList.begin(), randomList.end()); printf("计数排序是否正确
61220发布于 2020-02-25 - 来自专栏WindCoder
计数排序—C++
/* 功能：03计数排序 作者：wind 日期：2014-01-11 */ #include<stdio.h> #include<stdlib.h> #define MAXSIZE 10; typedef =new int[11]; int i,j; RedType tmp = L->r[1]; //计算c[i] for(i =1;i<L->length;i++) { for( j=2;
58620发布于 2018-09-20 - 来自专栏算法工程师之路
单调栈-LeetCode 739、287（单调栈，桶计数）
单调栈，桶计数：LeetCode #739 287 1 编程题 【LeetCode #739】每日温度 根据每日 气温 列表，请重新生成一个列表，对应位置的输入是你需要再等待多久温度才会升高超过该日的天数 例如，给定一个列表 temperatures = [73, 74, 75, 71, 69, 72, 76, 73]，你的输出应该是 [1, 1, 4, 2, 1, 1, 0, 0]。 示例 1: 输入: [1,3,4,2,2] 输出: 2 示例 2:= 输入: [3,1,3,4,2] 输出: 3 解题思路： 前两种方法就不说了，从二分法开始： （二分法） 这个原理我不是太懂，但按照这个二分的样子确实可以解决这个问题 （桶计数） 由于题目是n+1个1到n的数，那么只要将对应数值放到其相应的索引号位置，如果没有在，就交换，直到遍历到的数值与其对应的数值一样，说明坑被占了，那么这个数就是答案了！ }else{ r = mid; } } return l; } }; （方法四：桶计数法
80610发布于 2019-11-14 - 来自专栏小樱的经验随笔
基数排序与桶排序，计数排序【详解】
例如2号桶中有1个小旗子，表示2出现了一次；3号桶中有1个小旗子，表示3出现了一次；5号桶中有2个小旗子，表示5出现了两次；8号桶中有1个小旗子，表示8出现了一次。 ? 算法的c++ plus plus描述 1 #include <iostream> 2 #include <iomanip> 3 using namespace std; 4 5 算法的c++ plus plus实现 1 #include <iostream> 2 3 using namespace std; 4 5 void print(int a[], int 4 13 10 2 ---------------------- 3 2 3 4 5 9 9 9 10 10 13 计算排序构造了k个buckets来统计数据频次，共需要两趟来实现排序，第一趟增量计数进行统计 ，第二趟将计数统计的对应的数重写入原始数据表中。
1.2K70发布于 2018-04-09 - 来自专栏BAT的乌托邦
二十三、Hystrix桶计数器：BucketedCounterStream
BucketedCounterStream它是抽象类，提供了基本的桶计数器(BucketedCounter)实现：按配置的时间间隔将所有事件聚合成桶。 Func1<Observable<Event>, Observable<Bucket>> reduceBucketToSummary; // 它是个Subject：既能发射数据，也能监听数据 // 用于计数 若不配置回事1秒 // appendRawEventToBucket：它是一个函数 R call(T1 t1, T2 t2) 输入Bucket, Event返回Bucket类型 protected inputEventStream, final int numBuckets, final int bucketSizeInMs, final Func2< { return getEmptyOutputValue(); } } ---- 总结 BucketedCounterStream提供的能力可描述为：桶计数器
2.2K20发布于 2020-03-19 - 来自专栏防止网络攻击
c++实现哈希桶
_tables.resize(_n * 2); for (auto& cur : _tables) { while (cur) { newBH.insert(cur->_kv "不存在" << endl; } } int main() { TestHT1(); return 0; } 代码的运行结果如下： 我们可以再用下面的代码来进行一下测试： void TestHT2( ; } } } 这段代码的运行结果如下： 有了这个游戏之后就可以对insert函数进行改进，但是这里先不要急还有一个地方需要我们改进的就是插入数据的时候，上面扩容在插入数据的时候是创建一个哈希桶然后再调用哈希桶来插入原来哈希桶的每个数据 ，如果这么做的话，在新的哈希桶里面又会不断地创建地节点，并且在函数结束地时候又会删除节点，如果节点的个数非常多的话这就会导致效率低下，所以我们这里就有一个改进思路就是能不能用已有的节点来插入到新创建的哈希表呢 然后修改其节点内部指针的指向，那么这里的代码如下： if (_n / _tables.size() == 1)//平衡因子为1就更新 { /*vector<Node*> newBH;; newBH.resize(_n * 2)
24430编辑于 2023-10-14 - 来自专栏C++信息学奥赛
杨校老师课堂之不去重桶排序算法——桶计数应用专项题单
桶排序题目描述输入5个不大于10的正整数，请按照从小到大的顺序输出这5个数。输入描述输入5个正整数。输出描述从小到大顺序输出5个数。中间用空格隔开。 样例输入2 5 2 1 8输出1 2 2 5 8#include<iostream> using namespace std;int a[15] = {0};int main(){ // 主函数 // 根据a[i]的值进行循环 cout << i << " "; // 输出i，并输出一个空格 } } return 0; // 主函数返回0}2. 样例4 4 1 2 3输4 3 2 1#include<iostream> // 包含输入输出流头文件using namespace std; // 使用标准命名空间int main(){ //
19000编辑于 2025-07-03 - 来自专栏Java
比特位计数(C++)
比特位计数 给你一个整数 n ，对于0 <= i <= n中的每个 i ，计算其二进制表示中 1的个数 ，返回一个长度为 n + 1的数组ans作为答案。 示例 1： 输入：n = 2 输出：[0,1,1] 解释： 0 --> 0 1 --> 1 2 --> 10 示例 2： 输入：n = 5 输出：[0,1,1,2,1,2] 解释： 0 --> 0 1 --> 1 2 --> 10 3 --> 11 4 --> 100 5 --> 101 提示： 0 <= n <= 105 我的代码： class Solution { public: // 对于0那么二进制就是 0 // 对于奇数那么二进制就是比它小一位的+1 // 对于偶数那么他的1就是跟/2之后的结果一样 vector<int> countBits(int n) { vector<int res(n + 1); res[0] = 0; for (int i = 1; i <= n; ++ i) { if (i % 2
16610编辑于 2025-01-21 - 来自专栏愿天堂没有BUG（公众号同名）
微服务容错与隔离：限流保护，计数器+漏桶+令牌桶算法限流实现
计数器 比较简单的限流做法是维护一个单位时间内的计数器，每次允许请求计数器都加1，当单位时间内计数器累加到设定的阈值后，之后的请求都被拒绝，直到超过单位时间，再将计数器重置为零。 常用的更平滑的限流算法有两种：漏桶算法和令牌桶算法。 漏桶算法 漏桶算法的思路很简单，水（请求）先进入漏桶里，漏桶以一定的速度出水（接口有响应速度），当水流入的速度过大时（访问频率超过接口响应速度）会直接溢出，然后就拒绝请求。 因此，漏桶算法对于存在突发特性的流量来说缺乏效率。 令牌桶算法 令牌桶算法和漏桶算法效果相似，令牌桶算法更加容易理解。 首选引入Maven依赖： 然后使用Guava限流，Java代码实现如下： 本文给大家讲解的内容是微服务容错与隔离：限流保护，计数器+漏桶+令牌桶算法限流实现 下篇文章给大家讲解的内容是微服务容错与隔离
39010编辑于 2022-10-28 - 来自专栏后端架构
C++实现令牌桶过滤算法
什么是令牌桶算法 令牌桶算法通过限制令牌桶的固定容量，实现对资源以及流量的延迟控制。请求者需先获取令牌，方可执行动作。若令牌桶内具有足够令牌便可通过消耗相等数量放过请求；而若令牌不足，则会拒绝请求。 操作示例 当然，以下是一个示例的C++代码，用于实现令牌桶过滤算法。令牌桶算法用于限制对一组资源的访问速率，它通过维护一个固定容量的令牌桶来控制对资源的访问。 } } private: int capacity_; int rate_; int tokens_; }; int main() { TokenBucket bucket(10, 2) ; // 令牌桶容量为10，每秒增加2个令牌 // 启动令牌桶的自动补充线程 std::thread refill_thread([&] { bucket.refill(); }); 令牌桶算法VS漏桶算法 令牌桶算法，它生成的令牌速率是一定的。当短时间内有大量的流量来请求的时候，他会瞬间获取大量的令牌，不会对他的请求产生太大的影响。
93720编辑于 2023-12-28 - 来自专栏前端开发
VUE2全家桶精讲
因为在 Vue.js 的 v-for 中，索引从 0 开始计数。 -- 统计数据 -->
<! script> <script> const app = new Vue({ el: '#app', data: { count: 100, title: '计数器 参数名1=参数值1&参数2=参数值2') //完整写法 this. 参数名1=参数值1&参数2=参数值2') this.1.5K10编辑于 2024-03-20来自专栏C/C++基础C++ 引用计数技术简介（23）
文章目录 1.一个引用计数基类 2.基于引用计数基类的 String 3.自动操作引用次数 4.最终 String 参考文献 1.一个引用计数基类 Reference-counting 可用于字符串以外的场合 我们可以设计一个引用计数基类 RCObject，供想拥有引用计数的类继承。RCObject将“引用计数器”本身以及用以增减引用数值的函数封装起来。 （2）RCObject::removeReference 的责任不只在于将对象的 refCount 递减，而有当引用计数 refCount 为 0 时，销毁实值对象。 2.基于引用计数基类的 String 基于引用计数基类的 String 设计如下： class String { private: Struct StringValue:public RCObject ---- 参考文献 More Effective C++.Scott Meyers著，侯捷译.P183-213 more effective c++读书笔记
81910编辑于 2022-11-29来自专栏c++【c++】哈希桶-链地址法的实现
这次带来的是C++中关于哈希表这部分的一些知识点,如果对你有所帮助的话,可否留下你宝贵的三连呢? 这些冲突的数据会构成一个链表，挂在哈希表这个位置的下面，构成一个“桶”。 比如映射一组数据到M = 11的表中：{ 12, 27, 16, 7, 1, 2, 5 }： 由于不是直接存储数据，所以它的负载因子不像开放地址法<1，它可以大于1，没有限制。 哈希桶它不会因为哈希冲突而抢占别的映射位置，所以它的增删查效率不会因为开放定址法里会出现的群集/堆积现象而降低。 2.
15910编辑于 2026-01-14来自专栏前端博客再谈基数排序-分治思想:对比计数|基数|桶|堆|希尔|快速|归并
基数排序 vs 计数排序 vs 桶排序这三种排序算法都利用了桶的概念，都属于非比较排序。非比较排序是通过确定每个元素之前，应该有多少个元素来排序。 但对桶的使用方法上有明显差异：计数排序：每个桶只存储单一键值；需要占用大量空间，它仅适用于数据比较集中的情况。比如 [0~100]，[10000~19999] 这样的数据。 每个有效数字都在0-9之间，很适合桶排序，建10个桶很方便这里个人总结下(对于整数排序)：计数排序桶的个数N就是数组的 max-min+1，然后把数组的每一项数字num放到 num-min的桶中，然后按桶序依次取数桶排序的桶的个数 分解为先对n/2，在对n/2个元素排序，最后合并的问题。利用的是分治思想，还有递归的思想 。采用先分后合并的思想。 这与整数表示的正常顺序是一致的，例如序列1、2、3、4、5、6、7、8、9、10、11。
70720编辑于 2023-06-06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