递归法将数字转化成字符串.cpp

该算法主要解决了系统的资源分配所规定的资源分配算法，该实验课题包含了先来先服务调度算法，短作业优先调度算法，时间片轮转调度算法，多级反馈队列调度算法，最短剩余时间算法，高响应比调度算法。解决了作业的多种情况下，各种算法的性能输出。

LeetCode：LeetCode题解（CC ++）

特殊矩阵的压缩存储，包含对称矩阵，上下三角矩阵，对角矩阵，稀疏矩阵

吊索 sling是信号和插槽的轻量级C ++实现。 插槽本质上是一个回调包装，可以从不同类型的可调用实体创建。 插槽可以连接到信号，并在发出信号时得到通知。 安装 作为仅标头的库，您只需将其包含在项目中即可。 需要C ++ 11或更高版本的编译器支持。 用法 创建信号 sl::Signal<> sig0; // signal without parameters. sl::Signal sig1; // signal with one parameter (std::string). sl::Signal< double> sig2; // signal with two parameters (double and int). 连接插槽 sl::Signal< int> sig; 连接从lambda表达式创建的插槽。

仅供参考，copy冲查重塔峰 算法设计与分析-5图论桥报告.docx （1） 图的连通性。 （2） 并查集的基本原理和应用。 由上面的数据可以看出： 1. 在基准算法里深度优先DFS比并查集DSU效率高。 2. 在小规模数据由于深度不大，所以路径压缩效果不明显。 3. 将基准算法改为判断可达后时间可以缩短40%，效果较明显。 4. 通过查并集dsu+最近公共祖先lca的方法，可以避免大量的冗余计算，效果明显。 通过本次实验，我加深对图的连通性的理解和运用，直到如何利用深度优先DFS算法、广度优先BFS算法、查并集DSU算法生成生成树并确定连通性。掌握并查集的基本原理和应用，通过父亲数组father、查找find()、合并join()实现并查集，以确定图的连通性。同时也了解到通过路径压缩和按秩合并的并查集优化方法。路径压缩在图规模较大、树深度较大时效果会比较好。

仅供参考，copy冲查重塔峰 算法设计与分析-回溯法地图填色源代码.cpp (1) 回溯法算法设计思想。 (2) 地图填色问题的回溯法解法。 （1） 通过本次实验，我了解到回溯法的基本思想： 不断尝试每一条可行路径，出错时回退，直到找到可行解或全部解。提高回溯法的效率关键在于剪枝和路径选择策略。 （2） 在本次实验中，我尝试利用回溯法实现地图填色： ① 路径选择策略：即结点选择策略我采用了选择（MRV）和度最大选择（DH）策略，优先MRV再DH。 ② 剪枝策略：采用向前检测和颜色轮换策略。 ③ 每个区域可当做结点用结构体表示。需要记录最少剩余量(可选色)和度。 ④ 地图文件数据的获取：可采用文件流fstream读取。 ⑤ 邻接关系：可用邻接矩阵实现。 （3） 由运行时间可以看出随着图规模的增大，运行时间会相应增大。根据图密度的不同获得全部答案的难度也不同。当点规模较大且图密度较大时，运行时间和获得全部解的难度大大增加。 （4） 在本次实验中需要注意几个点： ① 我使用c++编程，注意map为关键字不可使用。 ② 为了确保地图获取功能和填色结果的正确性，可分别编写测试模块进行检查。

仅供参考，copy冲查重塔峰。 算法设计与分析-4动态规划金罐游戏源代码.cpp （1） 动态规划算法设计思想。 （2） 金罐游戏问题的动态规划解法。 通过本次实验，我尝试了使用蛮力法（简单重复递归）和动态规划解决金罐问题，在该过程中我加深了对于动态规划算法的理解和运用。我认识到动态规划其实是在简单重复递归的逻辑增加状态数组，通过对状态数组的求解而免去重复递归的资源和时间消耗，从而获得解。 动态规划算法的关键就是将问题分解为子问题，并找到两者之间的状态方程。分解子问题的方法是找到最后一步。 另外通过蛮力法（时间复杂度O(2n)）和动态规划（时间复杂度O(n2)）的实际运行时间，加深对二者运算效率的理解。 在算法优化上，蛮力法也可借鉴动态规划的状态进行记录，避免重复调用，改进后可处理大数据但空间开销还是较大。动态规划求和步骤可提前做，同时在空间效率上可将二维数组压缩为一维数组。而将问题改为求当前序列相对最大金币值可避免求和开销。

PlotJuggler - 用于绘制图表的开源Qt5应用程序（基于Qwt）

Dev-Cpp 5.11 TDM-GCC x64 4.9.2 Portable.zip