Loading...
本文的C++非递归实现基于栈递归的核心思想，结合C++面向对象和标准库的优势，实现了内存安全、无栈溢出、高效率、易维护的汉诺塔解法，相比C语言版和C++递归版更适合实际工程应用。通过学习该实现，不仅能掌握汉诺塔的非递归解法，更能理解递归的本质（系统栈的自动调用）和递归转非递归的通用方法（自定义栈模拟状态），这一思路可推广到所有递归问题（如二叉树遍历、深度优先搜索DFS、归并排序等）的C++非递归实现中。执笔至此，感触彼多，全文将至，落笔为终。
【数据结构与算法】优先队列(priority_queue)
小根堆优先队列每次从队头弹出来是完成时间最小的一个，符合我们时间的渐进性，就是说，完成时间小的优先出来，好让外面等待的奶牛进去吃饭，例如：第一头奶牛到达时间是1，吃饭时间是100，第二头奶牛到达时间是10，吃饭时间是5，1+100>10+5，那么第二头奶牛是排在队列最前头的。优先队列是一种特殊的队列数据结构，其中每个元素都有一个与之相关的优先级，元素的出队顺序不是按照进入队列的时间（queue），而是按照优先级决定的。当使用的非常熟练时，就会有一种错觉：优先队列怎么这么好用，创造出优先队列的人也是个人才。
腾讯云智能结构化OCR在物流行业的应用
腾讯云智能结构化OCR产品，是一款基于深度学习和大数据分析技术的智能OCR产品。其能够在复杂的文本格式和版式下，对文件中的关键信息进行识别，并将其转化为结构化数据。通过结合自然语言处理（NLP）、图像识别、多模态大模型技术等先进手段，腾讯云OCR能够高效、精准地提取各种文件中的关键信息。腾讯云智能结构化OCR产品提供基础与高级版本选项，具备全面的行业覆盖能力，能精确识别包括卡证、物流单据、工业标签、服务合同及医疗报告在内的多种文件；即便在版式多变或中英文混排的情形下，仍可维持高识别精度。
官网总是崩？一篇带你拿下满血版DeepSeek
好了，自此你就获得了满血版的DeepSeek，CherryStudio也是在电脑桌面上有客户端，以后想用的时候，直接打开CherryStudio就可以，实现随时随用，最重要的是不会有服务器繁忙，请稍后再试了。以上步骤为博主自己实践操作，若有错误以及不准确的地方，欢迎大家纠正。
数据结构大作业——家谱管理系统（超详细！完整代码！）
完成一个简易的家谱管理系统，主要包含了管理和查询两大功能。首先允许用户进行家谱的创建并能简易的输出整个家谱。其次，还要具有查询某结点祖先和孩子的功能，同时为保证用户可以随时修改家谱，添加了完善孩子、完善兄弟和删除结点的功能。其中删除结点规则定义为：若有孩子，则孩子一并删去；若有兄弟，则保留兄弟。最后考虑到现实中用户中输入错误的情况，还要包括健壮性的检查。
云开发 Copilot ——让开发变得更简单
在云开发AI+中，腾讯云提供一系列与AI相关的功能，如大模型接入、Agent等，帮助开发者为自己的小程序、web或者应用快速接入AI能力，同时也提供了云开发Copilot，来加速用户的开发，帮助用户更快构建自己的应用。下面博主将会为大家实战使用云开发Copilot来助力开发。云开发Copilot是云开发推出的一款AI开发辅助工具，可以帮助用户快速生成多种类型的应用功能，包括低代码应用、页面、组件、数据模型、CMS内容等，帮助开发者快速构建自己的小程序、web等云开发应用。
【算法】连通块问题（C/C++）
连通块问题（ConnectedComponentProblem）是一个经典的图论问题，通常用来找出图中的所有连通分量。给定一个无向图，连通块问题的目标是确定图中有多少个连通分量（即有多少个互相连通的节点组成的集合）
【算法】计算程序执行时间（C/C++）
在C或C++中计算程序执行时间，可以使用多种方法，下面我介绍几种比较常见且好用的几种方法，大家可以选择适合自己的一种记住就可以了。这个库里面有很多函数，都是与时间有关的，功能非常强大，下面列举一个比较常用的函数。时间测量的场景，适用于对比算法时，不需要计算准确时间。这个函数主要用于测量程序的CPU时间消耗，而不是实际的墙钟时间（即从墙上的时钟测量的时间）。这个方法是博主比较推荐的一个，非常简便，且易懂，它用于测量程序的CPU时间。第一个是递归的程序占用CPU的时间，第二个是非递归的程序占用CPU的时间。
【算法】日期问题（C/C++）
日期问题见名知意，就是有关时间的问题，出题人在时间这一个角度去做文章，现在来看各大刷题网站，什么样的时间问题都有，比如闰年判断、回文日期、日期差值、日期格式化输入输出、时间轮询、时间窗口问题等。可所谓眼花缭乱，但是有的时间问题感觉就是图一乐，但是不排除创新题的可能性，后续也没有什么作用，既不会考也不会出在面试题上，下面我会对几种常见的日期问题进行详解。
【机器学习】朴素贝叶斯算法
朴素贝叶斯算法（NaiveBayesAlgorithm）是一种基于贝叶斯定理的简单概率分类器。它假设所有特征之间相互独立，这个假设虽然在现实中往往不成立，但在很多情况下，朴素贝叶斯分类器仍然能够表现得非常好。朴素贝叶斯算法是基于贝叶斯定理的分类算法。贝叶斯定理是一种描述随机事件A和B的条件概率的公式。在朴素贝叶斯中，我们假设特征之间相互独立，即一个特征的出现不影响其他特征的出现。这个假设被称为“朴素”的假设，也是算法名称的由来。
【机器学习】K近邻算法
K近邻算法（K-NearestNeighbors,KNN）是一种简单但非常实用的监督学习算法，主要用于分类和回归问题。KNN基于相似性度量（如欧几里得距离）来进行预测，核心思想是给定一个样本，找到与其最接近的K个邻居，根据这些邻居的类别或特征对该样本进行分类或预测。
背包九讲——背包问题求具体方案
f[i][j]的上一个状态就是从i+1转移过来的，因为我们定义从第i个物品到最后一个物品，第i+1个物品到最后一个之间的数量是不是比第i个物品到最后一个物品少。f[i+1][j]是不选第i个物品，f[i+1][j-v[i]]+w[i]是选第i个物品。因为我要在所有f[i][j]当中选择一个最大值，所以前面我管不管的先初始化为不选，往后如果背包容量大于体积，那我再看看是选了这个物品总价值是否增大，如果增大就更新，不增大就保持原来。
背包九讲——背包问题求方案数
背包问题涉及到了三种基础的背包：01背包、多重背包、完全背包，我们要根据在这几个背包的基础上去计算在获得最大价值的情况下，有几种方案，并输出方案数。
背包九讲——树形背包问题（有依赖的背包）
树形背包也叫有依赖的背包，是一种背包问题的变体，与传统的背包问题不同的是，物品之间存在一定的层次结构，形成了一棵树。每个节点代表一个物品，节点之间通过边连接，表示层次关系。问题的目标是在遍历这棵树的过程中，选择一些物品放入背包，使得背包中物品的总价值最大。在树形背包问题中，一个节点可以选择放入背包，也可以选择不放入背包。如果选择放入，就需要考虑该节点的子节点；如果选择不放入，可以考虑其他兄弟节点。问题的关键是如何在遍历树的过程中，动态规划地计算每个节点的状态。
背包九讲——分组背包问题
分组背包问题（GroupedKnapsackProblem）是组合优化中的一个问题，它是经典的背包问题的变种。在分组背包问题中，有多个物品组，每组中的物品不可分割，并且每组中的物品数量至少有一个。目标是在不超过背包容量的前提下，选择物品的组合，使得总价值最大。
背包九讲——二维费用背包问题
背包问题是一类经典的组合优化问题，通常涉及在限定容量的背包中选择物品，以最大化某种价值或利益。问题的一般描述是：有一个背包，其容量为C；有一组物品，每个物品有重量w和价值v。目标是选择一些物品放入背包，使得它们的总重量不超过背包容量，同时总价值最大。二维费用背包问题则是背包问题的变体，在背包问题中它只限定物品的重量，二维费用背包会再限定一个维度（体积），在既满足背包容量和既满足背包体积的情况下，使价值最大化。
背包九讲——混合背包问题
混合背包问题是背包问题的另一种变体，结合了0/1背包、多重背包和完全背包的特点。在混合背包问题中，每种物品可以选择放入背包的次数是有限的，而且也可以选择放入的数量是无限的。问题的描述如下：给定一个背包容量为m，有n种物品，每种物品有重量v[i]、价值w[i]、以及数量s[i]。其中，s[i]表示第i种物品的数量限制。目标是选择物品放入背包，使得它们的总重量不超过背包容量，并且总价值最大。
背包九讲——完全背包问题
完全背包问题呢，见名知意，就是所谓的物品无限多，选也选不完的那种，是多重背包的promax版本。完全背包问题是背包问题的一种变体，与0/1背包问题有所不同。在完全背包问题中，每种物品的数量是无限的，可以选择任意数量的某一种物品放入背包中。
背包九讲——多重背包问题
多重背包问题是背包问题的一种扩展，与0/1背包问题和分数背包问题有些不同。在多重背包问题中，每种物品都有限定的数量，不再是仅有一个，而是有多个。问题的描述如下：给定一个背包容量为C，有n种物品，每种物品有重量w[i]、价值v[i]和数量s[i]。目标是选择物品放入背包，使得它们的总重量不超过背包容量，并且总价值最大。
背包九讲——01背包问题
背包问题是一类经典的组合优化问题，通常涉及在限定容量的背包中选择物品，以最大化某种价值或利益。问题的一般描述是：有一个背包，其容量为C；有一组物品，每个物品有重量w和价值v。目标是选择一些物品放入背包，使得它们的总重量不超过背包容量，同时总价值最大。这个问题有两个主要变体：0/1背包问题和分数背包问题。
