杨校老师课堂之桶排序——桶标记

（如 a[t] = 1;）数组作为 “标记表” 的应用（用 0/1 表示元素是否出现过）数组范围与边界数组下标从 0 开始（但代码中常从 1 开始使用，需注意对应关系）静态数组大小的限制（如 a[1005 【输入样例】5 32 4 5【输出样例】1 3#include <iostream>using namespace std;int a[1005] = {0}; // 定义标记数组，初始化为0（所有元素未被标记 ）int main() { int n, m, t; cin >> n >> m; // 输入n（总范围）和m（待标记元素数量） // 标记阶段：将输入的m个元素在数组a中对应位置设为 i未被标记 cout << i << " "; // 输出该元素 } } return 0;}3. （标记为1） for (int i = 1; i <= m; i++) { cin >> t; a[t] = 1; // 将元素t对应的数组位置标记为1

杨校老师课堂之桶排序算法——桶标记计数练习

用于存储数字出现的次数 int k, t; // k 表示输入数字的次数，t 表示输入的数字 cin >> k; // 从标准输入读取输入数字的次数 k // 输入每个数字并进行次数标记 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 从标准输入读取一个整数到 t ++a[t]; // 将数组 a 中下标为 t 的元素值加 1 } int cnt = 0; // 定义计数器 cnt 并初始化为 0 // 遍历每一个桶对出现数字进行计数 a 并初始化为 0 int n, x; // n 表示输入数字的数量，x 表示输入的数字 cin >> n; // 从标准输入读取输入数字的数量 n // 输入数字并判断，未被标记过的数字 ，输出并进行标记 for(int i = 1; i <= n; ++i){ cin >> x; // 从标准输入读取一个整数到 x if(a[x] == 0){

杨校老师课堂之去重桶排序算法——桶标记应用专项题单

（如 a[5]=1 表示数字 5 出现过）空间换时间：通过 O (1) 时间复杂度完成元素查询与标记统计与筛选计数统计：通过 a[t]++ 统计数字出现次数（第三套代码）补集思想：输出未被标记的元素（第二套代码 【输入样例】2 7 4 1 8【输出样例】3 5 6 9 10#include <iostream>using namespace std;int a[15] = {0}; // 定义标记数组，用于标记 1-10范围内的数字是否出现过，初始全为0int main() { int t; // 标记阶段：读取5个输入数字，并在数组a中标记这些数字出现过 for (int i = 1 样例输入54 1 3 2 3输出4 3 2 1#include <iostream>using namespace std;int a[105] = {0}; // 定义标记数组，用于标记1-100范围内的数字是否出现过 ，初始全为0int main() { int n, t; cin >> n; // 输入数字的总数量 // 标记阶段：读取n个输入数字，并在数组a中标记这些数字出现过

杨校老师课堂之字符桶排序算法——桶排序结合字符标记专项题单

一、知识重点（一）字符桶的本质：数组映射字符核心逻辑：用数组下标映射字符的 ASCII 值，数组元素存储字符出现的次数（或是否出现）。 次数 → 元素值：数组元素值记录该字符出现的次数（或标记是否出现）。（二）字符桶的 3 大典型应用场景1. 统计每个字符的出现次数（字符的统计）2. 找出现次数最多的字符（字符的计数）3. 找未出现的字符（字符的存在）（三）字符桶的关键知识点知识点说明数组与 ASCII 的映射利用字符的 ASCII 码作为数组下标，实现 “字符→次数” 的直接映射桶数组的初始化需覆盖目标字符的 ASCII 范围（如小写字母 97-122，大写字母 65-90）遍历与筛选逻辑通过循环遍历桶数组，结合条件判断（>0/==0/>maxx）筛选结果字符与整数的转换输出时用 (char)i 将 ASCII 值转回字符 ；输入时 char c 直接存 ASCII 值（四）字符桶的扩展与进阶支持更多字符：若涉及中文或特殊字符，需用 ** Unicode 编码 **（如 wchar_t 或字符串统计），但基础思想一致（用下标映射编码值

HTML布局标记和列表标记

布局标记 首先要介绍的布局标记是div标记，div可以做网页的层也可以做网页的分区。当div做网页的层时可以实现漂浮在网页上的效果，就像我们经常可以在网站里看见的那些漂浮广告。 我们查看一下百度搜索的源码就可以看到，这个页面用的最多的标记就是div，所以也就可以知道这个页面是使用div标签来布局的： ? table标记和div标记一样都是属于网页布局的标记，table主要是用来做表格，table里常用的属性是：border表格的边界线、cellpadding 表格的填充程度、cellspacing 内间距距离 列表标记 首先要介绍的第一个列表是ul无序列表，无序列表是一个项目的列表，此列项目使用粗体圆点（典型的小黑圆圈）进行标记，ul需要嵌套li实现列表效果。 接下来是ol有序列表同样，有序列表也是一列项目，列表项目使用自增的数字进行标记，所以称为有序列表。有序列表始于

标签，每个列表项也是始于
1. 标签，代码示例： ? 运行结果： ?

HTML多媒体标记与框架标记

多媒体标记 在html中可以使用多媒体标记来在网页上播放音频文件，或者显示一些好看的图片用来装饰网页。Flash文件也可以通过相应的标记显示在网页上，

标记肤色

算法：肤色范围划定为：色调值在[5,170]之间，饱和度值在[25,166]之间（肤色范围根据实际图片设定）。

信息标记

信息标记的三种形式 XML(eXtensible Markup Language) YAML(YAML Ain’t Markup Language) JSON(JaveScript Object Notation ) XML 使用标签标记信息的表达形式<people> <! <zipcode>541004</zipcode> <prof>boy</prof><prof>boring</prof> </people> JSON 有类型键值对标记信息的表达形式 streetAddre":"None", "city": "Gui Lin", "zipcode": "541004" } } YML 无类型键值对标记信息的表达形式

桶排序

# LeetCode-桶排序 桶排序算法回顾 示例1 输入: nums = [4,0,1,2,0,5] 输出: [0,0,1,2,4,5] # 解题思路 桶排序(Bucket Sort)的原理很简单 在桶排序时，创建容量为MAX的桶数组r，并将桶数组元素都初始化为0；将容量为MAX的桶数组中的每一个单元都看作一个"桶"。 在排序时，逐个遍历数组a，将数组a的值，作为"桶数组r"的下标。 ，在计数排序中，每个桶只存储相同的元素 而桶排序中每个桶存储一定范围的元素，通过映射函数，将待排序数组中的元素存储到各个对应的桶中 之后对每个桶中的元素进行排序 最后将非空桶中的元素逐个放入原序列中 桶排序需要尽量保证元素分散均匀 ，否则当所有数据集中在同一个桶中时，桶排序就会失效 桶排序的稳定性取决于桶内部使用的排序算法 # Java代码2 import java.util.ArrayList; import java.util.Collections 主要步骤有： N次循环，将每个元素装入对应的桶中 M次循环，对每个桶中的数据进行排序(平均每个桶有N/M个元素) 一般使用较为快速的排序算法，时间复杂度为O(nlogn)，实际的桶排序过程是以链表形式插入的

桶排序

每个桶子再个别排序（有可能再使用别的排序算法或是以递回方式继续使用桶排序进行排序）。桶排序是鸽巢排序的一种归纳结果。当要被排序的阵列内的数值是均匀分配的时候，桶排序使用线性时间（Θ（n））。 总共有100个桶。然后对A[1..n]从头到尾扫描一遍，把每个A[i]放入对应的桶B[j]中。 然后再对这100个桶中每个桶里的数字排序，这时可用冒泡，选择，乃至快排，一般来说任何排序法都可以。 最后依次输出每个桶里面的数字，且每个桶中的数字从小到大输出，这样就得到所有数字排好序的一个序列了。          假设有n个数字，有m个桶，如果数字是平均分布的，则每个桶里面平均有n/m个数字。 因为输入数均匀分布在[0，1)上，所以一般不会有很多数落在一个桶中的情况。为得到结果，先对各个桶中的数进行排序，然后按次序把各桶中的元素列出来即可。 当然桶排序的空间复杂度为O(N+M)，如果输入数据非常庞大，而桶的数量也非常多，则空间代价无疑是昂贵的。此外，桶排序是稳定的。

桶排序

桶排序 (Bucket sort)或所谓的箱排序，是一个排序算法，工作的原理是将数组分到有限数量的桶子里。 每个桶子再个别排序（有可能再使用别的排序算法或是以递归方式继续使用桶排序进行排序） 思想： 设待排序序列的元素取值范围为0到m，则我们新建一个大小为m+1的临时数组并把初始值都设为0，遍历待排序序列

桶排序

桶排序        桶排序的思想是若待排序的记录的关键字在一个明显有限范围内(整型)时，可设计有限个有序桶，每个桶装入一个值（当然也可以装入若干个值），顺序输出各桶的值，将得到有序的序列。

桶排序

桶排序是一种排序的思想，其实现包括计数排序和基数排序两种，冒泡排序、选择排序、插入排序、归并排序、快速排序和堆排序都是基于比较的排序，而桶排序提出了一种新的思路，即基于数据状态的排序。 1. 桶排序的思想 (1) 得到无序数组的取值范围 ? (2) 根据取值范围"创建"对应数量的"桶" ? (3) 遍历数组，把每个元素放到对应的"桶"中 ? (4) 按照顺序遍历桶中的每个元素，依次放到数组中，即可完成数组的排序。 "桶"是一种容器，这个容器可以用多种数据结构实现，包括数组、队列或者栈。 2. ，总的来说为O(n) 稳定性：桶排序是否稳定取决于"桶"用什么数据结构实现，如果是队列，那么可以保证相同的元素"取出去"后的相对位置与"放进来"之前是相同的，即排序是稳定的，而如果用栈来实现"桶"，则排序一定是不稳定的 ，因为桶排序可以做到稳定，所以桶排序是稳定的排序算法 3.

# 桶排序

# 桶排序 # 原理 求出无序集合的最大值与最小值（这里的最小值指存在负数的情况），创建对应的数组长度 length=max+1 这里要处理一下负数 if min<0: length+=abs(min) 该length就是桶数组的长度，并创建这个桶数组将所有值初始化为0 然后遍历无须数组，修改桶中元素的个数（桶数组所以对应的值就是无需数组中相同值的个数） 最后只需要将桶数组中值大于 minItem>item): minItem=item # 最小值，最大值 print("min:{0}\tmax:{1}".format(minItem,maxItem)) # 创建桶数组 minItem<0): length+=abs(minItem) bigArr=[0]*length for item in inputArr: bigArr[item]+=1 # 将桶中的数据放到对应的有序数组上

桶排序

简介   桶排序是将待排序序列分到有限数量的桶中，然后对每一个桶分别进行排序。 桶排序的前提假设为被排序序列的关键字数值符合均匀分布，此时桶排序的平均时间复杂度为 ，最坏时间复杂度为 其中 为桶的数量。当桶数量 时，此时桶排序的复杂度为线性复杂度 。   桶排序是非原址的，其稳定性取决于内层排序的稳定性。一般采用稳定的插入排序作为内层排序算法，此时桶排序是稳定的。 2. 思想 桶排序的主要思想是对待排序序列的关键字数值进行分块，每一块对应一个桶，然后对每个桶使用插入排序（或其他排序算法）进行排序，最后将所有桶中的元素串联起来即得到有序序列。 3. 实现 3.1 伪代码 BucketSort(A, mx, n) { // mx 为最大数值，n 为桶数量 // 定义 n 个桶 define bucket[n] // 计算分块的块大小

标记字段

标记字段 代码中有时候有这种需求：需要一个公共访问的标记字段，以下称为标记字段。 从需求上看，不是当前对象设置的标记它就不应该去清除，因为另一个对象在重新设置标记字段的值得时候自动清除了上一标记值。 可以使用一个额外的字段记录对标记进行赋值的对象，然后通过比较当前对象标记试图操作的对象和之前设置已有标记值的对象就可以得到需要的标记作用。 下面设计一个类型FlagField来组合标记值和标记人，使得标记字段的含义更加内聚。 FlagField类型 代码如下： /** * 标记字段，用来存储被公共访问的带有赋值者信息的数据。 赋值者在合适的时间赋值， * 之后可以清除标记值，如果中间有其它 * 赋值者重新标记则清除操作不做任何动作——访问者继续 访问新的标记。

限速之令牌桶和漏桶算法

对于限速来说，最常用的两个算法是：令牌桶算法和漏桶算法，下面我们便来看下它们是怎么回事。 一、令牌桶： 令牌桶这种控制机制基于令牌桶中是否存在令牌来指示什么时候可以发送流量。 如果令牌桶中存在令牌，则允许发送流量；而如果令牌桶中不存在令牌，则不允许发送流量。因此，如果突发门限被合理地配置并且令牌桶中有足够的令牌，那么流量就可以以峰值速率发送。 令牌桶的工作过程： 1.令牌根据时间匀速的产生令牌数量，这里假设是r，存入到令牌桶中. 2.令牌桶在初始化的时候，会分配一定数量的令牌数capicity。 当前时间t内可以消费的令牌数量为： 当前令牌桶剩余的令牌数(这里最大是capicity) + r*t 二、漏桶 漏桶可以看作是一个带有常量服务时间的单服务器队列，如果漏桶（包缓存）溢出，那么数据包会被丢弃 在“令牌桶算法”中，只要令牌桶中存在令牌，那么就允许突发地传输数据直到达到用户配置的门限，因此它适合于具有突发特性的流量。

杨校老师课堂之桶排序——桶计数

参观完博物馆之后，同学们意犹未尽，纷纷讨论起自己看到的最棒的展品，老师看到同学们讨论如此热烈便提出一个问题，要求同学们给自己喜欢的展品进行投票。

接口限流算法：漏桶算法&令牌桶算法

以此释放服务器资源以保证核心任务的正常运行 限流：限流的目的是通过对并发访问/请求进行限速，或者对一个时间窗口内的请求进行限速来保护系统，一旦达到限制速率则可以拒绝服务、排队或等待、降级等处理 限流算法 常用的限流算法有令牌桶和和漏桶 漏桶算法 把请求比作是水，水来了都先放进桶里，并以限定的速度出水，当水来得过猛而出水不够快时就会导致水直接溢出，即拒绝服务。 ? 这时候漏桶算法可能就不合适了，令牌桶算法更为适合。 令牌桶算法的原理是系统以恒定的速率产生令牌，然后把令牌放到令牌桶中，令牌桶有一个容量，当令牌桶满了的时候，再向其中放令牌，那么多余的令牌会被丢弃；当想要处理一个请求的时候，需要从令牌桶中取出一个令牌，如果此时令牌桶中没有令牌 令牌桶算法VS漏桶算法 漏桶 漏桶的出水速度是恒定的，那么意味着如果瞬时大流量的话，将有大部分请求被丢弃掉（也就是所谓的溢出）。 令牌桶 生成令牌的速度是恒定的，而请求去拿令牌是没有速度限制的。

intent flags标记

也就是说，下一次Task带着FLAG_ACTIVITY_RESET_TASK_IF_NEEDED标记进入前台时（典型的操作是用户在主画面重启它），这个Activity和它之上的都将关闭，以至于用户不能再返回到它们 这个回调在Activity的生命周期中标记一个合适的点，并关闭一些Notification。