当前位置: 首页 > news >正文

图的存储(邻接矩阵,边集数组,邻接表,链式前向星)

目录

🌼图的存储

(1)邻接矩阵

(2)边集数组

(3)邻接表

(4)链式前向星

😀刷题

🐍最大节点

🐍有向图 D 和 E

🐍奶牛排序


🌼图的存储

(1)邻接矩阵

adjacency matrix(邻接矩阵)

#define MaxVnum 100 // 节点数最大值
typedef char VexType; // 节点的数据类型, 根据需要定义
typedef int EdgeType; // 边上权值的数据类型; 不带权的图, 为0 / 1

结构体 

typedef struct {VexType Vex[MaxVnum]; // 节点类型 + 一维数组存储节点EdgeType Edge[MaxVnum][MaxVnum]; // 边上权值类型 + 邻接矩阵存储边int vexnum, edgenum; // 节点数, 边数
} AMGraph;

算法

void CreateAMGraph(AMGraph &G) { // 引用传递, 直接修改对象本身// AMGraph 包含一维节点数组, 二维邻接矩阵数组, 节点数, 边数int i, j;VexType u, v; // 节点类型cin >> G.vexnum;cin >> G.edgenum;for (int i = 0; i < G.vexnum; i++) cin >> G.Vex[i]; // 输入节点for (int i = 0; i < G.vexnum; i++)for (int j = 0; j < G.vexnum; j++) G.Edge[i][j] = 0; // 初始化邻接矩阵所有值为 0while(G.edgenum--) {cin >> u >> v; // 'a' 'b' ...i = locatevex(G, u); // 查找节点 u 对应下标j = locatevex(G, v); // 查找节点 v 对应下标if(i != -1 && j != -1)G.Edge[i][j] = G.Edge[j][i] = 1; // 无向图两点连通}
}

优点

(1)快速判断两点间,是否有边(Edge[i][j] == 1 有边)

(2)快速计算各节点的度

(无向图,邻接矩阵,第 i 行元素之和,就是节点 i 的 度)

(有向图,邻接矩阵,第 i 行的和为 出度,第 i 列的和为 入度)

缺点

(1)不利于增删节点(需要改变邻接矩阵大小,效率低)

(2)不利于访问邻接点

访问第 i 个点所有邻接点时,需要遍历第 i 行,时间复杂度 O(n) 

访问所有点邻接点,时间复杂度 O(n^2) 

(3)空间复杂度高,O(n^2)

初始可以这样定义👇(省去节点信息的查询步骤)

int M[m][n] = { {0,1,0,1}, {1,0,1,1}, {0,1,0,1}, {1,1,1,0} };

直接定义一个邻接矩阵

(2)边集数组

数组存储每条边的起点和终点,以下是网的结构体定义(增加了一个权值域)

适用于 最小生成树 kruskal算法 

struct Edge {int u;in v;int w;
} e[N*N];

(3)邻接表

邻接表,包括节点和邻接点

节点

typedef struct VexNode { // 定义节点类型    VexType data; // VexType为节点信息的数据类型, 根据需要定义AdjNode *first; // 指向第1个邻接点
}VexNode;

邻接点

typedef struct AdjNode { // 定义邻接点类型int v; // 下标vstruct AdjNode *next; // 指向下一个邻接点
}AdjNode;

邻接表结构体

typedef struct {VexNode Vex[MaxVnum]; // 节点表int vexnum, edgenum; // 节点数, 边数
} ALGraph;

算法代码

void CreateALGraph(ALGraph &G) { // 创建有向图的邻接表VexType u, v; // 节点类型cout << "请输入节点数和边数:" << endl;cin >> G.vexnum >> G.edgenum;cout << "请输入节点信息:" << endl;for (int i = 0; i < G.vexnum; i++) // 节点数 vexnumcin >> G.Vex[i].data;for (int i = 0; i < G.vexnum; i++) G.Vex[i].first = NULL; // 下一个邻接点置空cout << "请依次输入每条边的两个节点 u, v" << endl;while (G.edgenum--) {cin >> u >> v;int i = locatevex(G, u); // 查找节点 u 的下标int j = locatevex(G, v); // 查找节点 v 的下标if (i != -1 && j != -1)insertedge(G, i, j); // 插入边// 无向图多插入 1 次}
}

插入代码

void insertedge(ALGraph &G, int i, int j) // 头插法(插入一条边)
{AdjNode *s; // 新的邻接点s = new AdjNode; // 开辟内存// i 和 j相连, 所以是向 j 出边s->v = j; // 邻接点下标s->next = G.Vex[i].first; // 新的邻接点的下一个, 是原来节点 i 的下一个G.Vex[i].first = s; // 原来节点 i 的下一个, 变成邻接点
}

邻接表优点

(1)便于增删节点

(2)便于访问所有邻接点( 时间复杂度O(n + e) )

(3)空间复杂度低( 节点表 n 个空间 ,无向图邻接点表 n + 2e 空间,有向图临界点表 n + e 空间,所以空间复杂度O(n + e) ),而邻接矩阵空间复杂度 O(n^2)

存储图稀疏图 -> 邻接表稠密图 -> 邻接矩阵

缺点

(1)不利于判断两节点是否有边(需要遍历该节点后,整条链表)

(2)不利于计算各节点的度

无向图为该节点后单链表节点数

有向图(邻接表)的出度为 单链表节点数,但不易求入度

有向图(逆邻接表)的入度为 单链表节点数,但不易求出度

总体上,邻接表,访问同一节点所有关联边时,仅需访问该点后单链表,这是一大优势 

(4)链式前向星

链式前向星——最完美图解-腾讯云开发者社区-腾讯云 (tencent.com)

(👆算法训练营原文) 

链式前向星--最通俗易懂的讲解-CSDN博客

链式前向星,即静态链表,边集数组 + 邻接表

可快速访问一个节点的所有邻接点

(1)边集数组:edge[i],第 i 条边

(2)头节点数组:head[k],存储以 顶点 k 为起点的第 1 条边的下标(edge[i] 中的 i,即第几条边)

结构体 

struct node {int to, next, w;}edge[maxe]; // 边集数组, 对边数的设置要比 maxn*maxn大int head[maxn]; // 头节点数组

next

与edge[cnt](第 cnt 条边)起点相同的上一条边的编号(之所以是上一条,不是下一条,因为邻接表采取头插法 -- 逆序) 

添加边 u,v,w

void add(int u, int v, int w) 
{// 第 cnt 条边edge[cnt].to = v; // 终点edge[cnt].w = w; // 权值edge[cnt].next = head[u]; // -1时没有上一条边head[u] = cnt++; // 先赋值, 后自增// 起点 u 为顶点的, 第一条边是 cnt, 然后 cnt++, 进入下一条边
}

有向图:一次 add(u, v, w)

无向图:两次 add(u, v, w) 和 add(v, u, w)

访问一个节点 u 所有邻接点

当 edge[i].next != -1,说明还有邻接点 

for (int i = head[u]; i != -1; i = edge[i].next)
{int v = edge[i].to; // 顶点 u 的邻接点int w = edge[i].w; // u-v 这条边的权值
}

特点

(1)类似邻接表,头插法(倒序)进行链接 --> 边的输入顺序不同,创建的链式前向星也不同

(2)无向图的话,每输入一条边,需要添加 2 条边,又因为边从 0 开始,比如 edge[0]和edge[1],edge[2]和edge[3],4和5等等(即 0000和0001,0010和0011,0100和0101),此时,两条反向边,可以互相异或 1 得到另一条边,i 和 i^1

这个特性在网络流中较为常用(异或运算,不需要额外的存储 / 操作,节省空间和时间)

(3)整合了边集数组和邻接表,属于静态链表,不需要频繁创建节点

😀刷题

🐍最大节点

P3916 图的遍历 - 洛谷 | 计算机科学教育新生态 (luogu.com.cn)

思路 

本题,求,从节点 v 出发,能到达的最大节点 u

建立原图的反向图,即 add(u, v) 变成 add(v, u)

然后从节点 n 开始递归,一直到节点 1

对于当前最大节点 u,凡是能到达的节点 v,v能到达的最大节点就是 u

解释 

结合图理解👇

节点 1 的第 1 条边是 edge[0],边的编号为 0,0号边即 节点1 到 节点2,距离(权值)为 5 的这条边,这条边的终点是 2(to),权值是 5(w),没有上一条边(next == -1)

if (ans[v]) return;

两种可能的解释👆

(1)已经得到最远的点,避免后续多余的计算

(2)已经计算过的点,因为是反向的,此时再计算,可能会把无法到达的点算进去,导致结果错误

AC  代码

#include<iostream>
#include<cstdio> // scanf()
#include<cstring> // memset()
using namespace std;const int MAX = 100010;
int n, m, cnt = 0, head[MAX], ans[MAX];struct node
{int to, next;
}e[MAX];// 添加 u 到 v 的边
void add(int u, int v)
{e[cnt].to = v; // 终点e[cnt].next = head[u]; // 节点 u 的第一条边, 就是它的上一条边head[u] = cnt++; // 先赋值, 再自增
}// 递归遍历所有邻接边
// 注意是倒序反向遍历, 所以 u 是最远可到达的点
void dfs(int u, int v)
{if (ans[v]) return; // 已经得到最远点ans[v] = u; // 最远的点// 递归遍历所有邻接边for (int i = head[v]; i != -1; i = e[i].next) { // head[v] 节点 v 的第1条边int v1 = e[i].to; // 邻接点dfs(u, v1); // 最大节点 u 所能到达的点 v1}
}int main()
{scanf("%d%d", &n, &m);// 初始化 头节点 数组memset(head, -1, sizeof(head));// 添加反向边int u, v;while(m--) {scanf("%d%d", &u, &v);add(v, u);}// 倒序 dfs 递归for (int i = n; i >= 1; --i)dfs(i, i);// 输出for (int i = 1; i <= n; ++i)cout << ans[i] << " ";return 0;
}

🐍有向图 D 和 E

From D to E and Back - UVA 11175 - Virtual Judge (vjudge.net)

思路 

把 D 的边缩成点,D 的边对应 E 的点

如果D存在边 i (u, v),j (v, w),那么 E 存在点 i, j,以及一条 i 到 j 的边

因为 D 和 E,都是有向图(关键)

所以, 若 D 中,边 i, j 有公共端点,那么 i 连接的边,j 一定也连接

换言之,E 中,点 i, j 有公共连接点 k,那么,此时如果 i 有邻接点 k2,j 必定也邻接 k2(因为 E 是有向图)

即,E中,点 i 和 点 k1 有边,点 j 和 k2 也有边,此时若点 i 和 k2 有边,j 必定也和 k2 有边

解释

第一个

宏定义

第二个

REP(i,b,e)

REP后要紧跟着 (i,b,e),不要加个空格,否则报错:i was not defined in this scope

第三个

flag1, flag2 的声明,应该放在 i, j 两重循环内,而不是放在 check() 里

因为 return false,是针对相同的 i, j 去遍历每一个 k 的

第四个

每组测试,读入的是 m,边数

第五个

注意Yes,No之前有空格,直接复制题目会错

第六个

为什么用邻接矩阵存储呢,需要不断判断两个两个节点之间是否有边

AC  代码

远程 OJ 崩了,样例过了,就当过了吧

#include<bits/stdc++.h>
#define REP(i,b,e) for(int i=(b); i<(e); ++i)
using namespace std;const int N = 310;
int g[N][N], n, m; // g 邻接矩阵bool check()
{REP(i, 0, n) // 0~n-1REP(j, 0, n) { //0~n-1int flag1 = 0, flag2 = 0;REP(k, 0, n) { // 0~n-1if (g[i][k] && g[j][k]) flag1 = 1; // 共同邻接点if (g[i][k] ^ g[j][k]) flag2 = 1; // 一方有, 一方没有}if (flag1 && flag2) return false;}return true;
}int main()
{int T, cnt = 1;cin >> T;int x, y;while (T--) {memset(g, 0, sizeof(g)); // 初始化邻接矩阵cin >> n >> m;REP(i, 0, m) { // 读取 m 条边cin >> x >> y;g[x][y] = 1;}if (check())printf("Case #%d: Yes\n", cnt++);elseprintf("Case #%d: No\n", cnt++);}return 0;
}

🐍奶牛排序

Ranking the Cows - POJ 3275 - Virtual Judge (vjudge.net)

思路 

样例 

奶牛理解为有向图的节点,关系理解为边

对于 n 个节点的图,两两之间的关系有, 1 + ... + n-1 种,即 n(n-1) / 2

样例中 5 个节点,就有 10 种关系

然后根据给出的 5 条边,又能间接得到另外的 2 条边

所以10 - (5 + 3)= 3

还需要知道 3 种关系

位运算 

那么,如何得到已知的关系是 7 种呢

每个节点用一个 bitset 表示👇目录中 2.4.7 bitset

STL入门 + 刷题(下)_千帐灯无此声的博客-CSDN博客

bitset<maxn>p[maxn]; // maxn表示位数, p[] 二进制数组

初始化:p[i][i] = 1,表示自身可达(即自己和自己有关系)

输入 

输入 2 1  (其他输入同理)

即 2 -> 1 的有向边,2 可达 1,那么 p[2][1] = 1,p[2] = 000110👇

右边第 0 位开始,第 2 位为 1,表示自身可达,第 1 位为 1,即节点 2 可达 节点 1

根据已知点找其他

if (p[i][k])p[i] |= p[k];// 等价于if (p[i][k])p[i] = p[i] | p[k];

按位或:同时为 0 才为 0

可以间接找到每个点与其他点的关系👇

(比如节点 a 可达节点 b,b 可达 c,那么间接得到 a 也可达 c)

计算结果

两两间,总的关系数:n(n-1) / 2

用 ans 累计每个 bitset 数组 p[i] 中 1 的个数

由于 ans 中包括 n 种自己到自己的关系

所以已知关系为 ans - n

输出答案为 总数 - 已知数 =

n(n-1) / 2 - ans + n

解释

看懂代码后,有个疑问,如果最后还差 5 个关系,是否存在,只需要再调查 2 个关系,就能间接得到剩下 3 个关系的可能呢(可能是出题者结果导向,或者我的理解有偏差)

👆如果按这个意思,那么题目会复杂很多👆

编号从 1 开始,所以如果你所有 for 循环都是 0 ~ n-1,就会 Wrong Answer

AC  代码

#include<iostream> // 编号 1 开始
#include<bitset>
using namespace std;const int N = 1010;
// N 表示长度为 N 的位集合
bitset<N> p[N]; // 数组 p 的每个元素都是 bitset<N> 类型, 即一个二进制数int main()
{int n, m, x, y, ans = 0;cin >> n >> m;// 初始化 bitset 数组for (int i = 1; i <= n; ++i)p[i][i] = 1; // 自己和自己有联系while (m--) {cin >> x >> y;p[x][y] = 1; // 节点 x 可达 y}// 间接求其他关系for (int i = 1; i <= n; ++i)for (int j = 1; j <= n; ++j) if (p[j][i])p[j] = p[j] | p[i];// 输出for (int i = 1; i <= n; ++i)ans += p[i].count(); // 统计每个 bitset 中 1 的个数cout << n*(n-1)/2 - ans + n << endl;return 0;
}

除了常规意义的 邻接矩阵,边集数组,邻接表,链式前向星(存储图)外

我们还可以考虑 bitset,用二进制来存图

相关文章:

图的存储(邻接矩阵,边集数组,邻接表,链式前向星)

目录 &#x1f33c;图的存储 &#xff08;1&#xff09;邻接矩阵 &#xff08;2&#xff09;边集数组 &#xff08;3&#xff09;邻接表 &#xff08;4&#xff09;链式前向星 &#x1f600;刷题 &#x1f40d;最大节点 &#x1f40d;有向图 D 和 E &#x1f40d;奶牛…...

Linux 基础知识整理(二)

Linux系统目录结构 Linux采用的是树型结构。最上层是根目录&#xff0c;其他的所有目录都是从根目录出发而生成的。微软的DOS和windows也是采用树型结构&#xff0c;但是在DOS和 windows中这样的树型结构的根是磁盘分区的盘符&#xff0c;有几个分区就有几个树型结构&#xff…...

2024年值得关注的8个未来数据库

2024年值得关注的8个未来数据库 关系型数据库管理系统在数据库技术领域占据主导地位已经多年了。当SQL在1970年代首次出现时&#xff0c;关系型数据库管理系统的使用和受欢迎程度迅速提升。很快&#xff0c;MySQL成为了大多数公司和团队首选的数据库。 然而&#xff0c;2023年…...

C++新经典模板与泛型编程:将trait类模板用作模板参数

将trait类模板用作模板参数 template<typename T> struct SumFixedTraits;template<> struct SumFixedTraits<char> {using sumT int;static sumT initValue() {return 0;} };template<> struct SumFixedTraits<int> {using sumT __int64;sta…...

BUUCTF-[GYCTF2020]FlaskApp flask爆破pin

这道题不需要爆破也可以getshell ssti都给你了 {{((lipsum.__globals__.__builtins__[__import__](so[::-1])[popen]("\x63\x61\x74\x20\x2f\x74\x68\x69\x73\x5f\x69\x73\x5f\x74\x68\x65\x5f\x66\x6c\x61\x67\x2e\x74\x78\x74")).read())}} 但是学习记录一下pin…...

web前端实现LED功能、液晶显示时间、数字

MENU 效果演示html部分JavaScript部分css部分 效果演示 html部分 <div id"app"><!-- 页面 --><div class"time-box"><!-- 时 --><div class"house-box"><bit-component :num"houseTem"></bit…...

YOLOv8改进 | 2023 | DiverseBranchBlock多元分支模块(有效涨点)

一、本文介绍 本文带来的改进机制是YOLOv8模型与多元分支模块&#xff08;Diverse Branch Block&#xff09;的结合&#xff0c;Diverse Branch Block (DBB) 是一种用于增强卷积神经网络性能的结构重新参数化技术。这种技术的核心在于结合多样化的分支&#xff0c;这些分支具有…...

Spring Boot 3 整合 Spring Cache 与 Redis 缓存实战

&#x1f680; 作者主页&#xff1a; 有来技术 &#x1f525; 开源项目&#xff1a; youlai-mall &#x1f343; vue3-element-admin &#x1f343; youlai-boot &#x1f33a; 仓库主页&#xff1a; Gitee &#x1f4ab; Github &#x1f4ab; GitCode &#x1f496; 欢迎点赞…...

kubeadm 安装k8s1.28.x 底层走containerd 容器

1. k8s1.28.x 的概述 1.1 k8s 1.28.x 更新 Kubernetes v1.28 是 2023 年的第二个大版本更新&#xff0c;包含了 46 项主要的更新。 而今年发布的第一个版本 v1.27 有近 60 项&#xff0c;所以可以看出来&#xff0c;在发布节奏调整后&#xff0c; 每个 Kubernetes 版本中都会包…...

“分割“安卓用户,对标iOS,鸿蒙崛起~

近期关于**“华为于明年推出不兼容安卓的鸿蒙版本”**的消息传出&#xff0c;引起了业界的热议关注。自从2019年8月&#xff0c;美国制裁下&#xff0c;华为不再能够获得谷歌安卓操作系统相关付费服务&#xff0c;如此情况下&#xff0c;华为“备胎”鸿蒙操作系统一夜转正。 华…...

【Vulnhub 靶场】【hacksudo: ProximaCentauri】【简单 - 中等】【20210608】

1、环境介绍 靶场介绍&#xff1a;https://www.vulnhub.com/entry/hacksudo-proximacentauri,709/ 靶场下载&#xff1a;https://download.vulnhub.com/hacksudo/hacksudo-ProximaCentauri.zip 靶场难度&#xff1a;简单 - 中等 发布日期&#xff1a;2021年06月08日 文件大小&…...

share pool的组成

share pool的组成 3块区域&#xff1a;free,library cache,row cache 通过查看v$librarycache视图&#xff0c;可以监控library cache的活动情况&#xff0c;进一步衡量share pool设置是否合理; 其中reloads列&#xff0c;表示对象被重新加载的次数&#xff0c;在一个设置合…...

应用案例 | 基于三维视觉的汽车零件自动化拧紧解决方案

​Part.1 引言 随着人们生活水平的提高&#xff0c;汽车作为理想的代步工具&#xff0c;逐渐成为人们生活中不可或缺的一部分。汽车的广泛应用&#xff0c;大大增加了汽车制造业的负荷。因此&#xff0c;如何提高生产效率和汽车性能&#xff0c;成为汽车制造业的首要关注话题。…...

Redis server启动源码

入口main函数 src/redis.c文件main函数 int main(int argc, char **argv) {struct timeval tv;/* We need to initialize our libraries, and the server configuration. */// 初始化库 #ifdef INIT_SETPROCTITLE_REPLACEMENTspt_init(argc, argv); #endif//设置本地时间setl…...

C++基础 强制转换

目录 static_cast&#xff1a;static_cast(expression) const_cast dynamic_cast reinterpret_cast C 提供以下几类转换 static_cast&#xff1a;static_cast<type-id>(expression) tatic_cast 主要用于以下几种情况&#xff1a; 用于显式地将一个表达式转换为另一…...

【python、opencv】opencv仿射变换原理及代码实现

opencv仿射变换原理 仿射变换是opencv的基本知识点&#xff0c;主要目的是将原始图片经过仿射变换矩阵&#xff0c;平移、缩放、旋转成目标图像。用数学公式表示就是坐标转换。 其中x&#xff0c;y是原始图像坐标&#xff0c;u&#xff0c;v是变换后的图像坐标。将公式转换为…...

mac本地部署stable-diffusion

下载Homebrew /bin/zsh -c "$(curl -fsSL https://gitee.com/cunkai/HomebrewCN/raw/master/Homebrew.sh)" ①输入“1”选择中科大版本&#xff0c;然后输入Y(YES)&#xff0c;直接输入开机密码&#xff08;不显示&#xff09;然后回车确认&#xff0c;开始下载 ②…...

dockers安装rabbitmq

RabbitMQ: easy to use, flexible messaging and streaming — RabbitMQhttps://www.rabbitmq.com/ Downloading and Installing RabbitMQ — RabbitMQ docker run -it --rm --name rabbitmq -p 5672:5672 -p 15672:15672 rabbitmq:3.12-management 之后参照&#xff1a;dock…...

07、pytest指定要运行哪些用例

官方用例 # 目录结构 | |----test_mod.py | |----testing||----test_dir.py# content of test_mod.py import pytestdef func(x):return x 1def test_mod():print("test_mod function was invoked")assert func(3) 5def test_func():print("test_func was in…...

springboot集成cxf

<?xml version"1.0" encoding"UTF-8"?> <project xmlns"http://maven.apache.org/POM/4.0.0"xmlns:xsi"http://www.w3.org/2001/XMLSchema-instance"xsi:schemaLocation"http://maven.apache.org/POM/4.0.0 http://ma…...

docker详细操作--未完待续

docker介绍 docker官网: Docker&#xff1a;加速容器应用程序开发 harbor官网&#xff1a;Harbor - Harbor 中文 使用docker加速器: Docker镜像极速下载服务 - 毫秒镜像 是什么 Docker 是一种开源的容器化平台&#xff0c;用于将应用程序及其依赖项&#xff08;如库、运行时环…...

椭圆曲线密码学(ECC)

一、ECC算法概述 椭圆曲线密码学&#xff08;Elliptic Curve Cryptography&#xff09;是基于椭圆曲线数学理论的公钥密码系统&#xff0c;由Neal Koblitz和Victor Miller在1985年独立提出。相比RSA&#xff0c;ECC在相同安全强度下密钥更短&#xff08;256位ECC ≈ 3072位RSA…...

04-初识css

一、css样式引入 1.1.内部样式 <div style"width: 100px;"></div>1.2.外部样式 1.2.1.外部样式1 <style>.aa {width: 100px;} </style> <div class"aa"></div>1.2.2.外部样式2 <!-- rel内表面引入的是style样…...

微软PowerBI考试 PL300-在 Power BI 中清理、转换和加载数据

微软PowerBI考试 PL300-在 Power BI 中清理、转换和加载数据 Power Query 具有大量专门帮助您清理和准备数据以供分析的功能。 您将了解如何简化复杂模型、更改数据类型、重命名对象和透视数据。 您还将了解如何分析列&#xff0c;以便知晓哪些列包含有价值的数据&#xff0c;…...

Redis的发布订阅模式与专业的 MQ(如 Kafka, RabbitMQ)相比,优缺点是什么?适用于哪些场景?

Redis 的发布订阅&#xff08;Pub/Sub&#xff09;模式与专业的 MQ&#xff08;Message Queue&#xff09;如 Kafka、RabbitMQ 进行比较&#xff0c;核心的权衡点在于&#xff1a;简单与速度 vs. 可靠与功能。 下面我们详细展开对比。 Redis Pub/Sub 的核心特点 它是一个发后…...

无人机侦测与反制技术的进展与应用

国家电网无人机侦测与反制技术的进展与应用 引言 随着无人机&#xff08;无人驾驶飞行器&#xff0c;UAV&#xff09;技术的快速发展&#xff0c;其在商业、娱乐和军事领域的广泛应用带来了新的安全挑战。特别是对于关键基础设施如电力系统&#xff0c;无人机的“黑飞”&…...

C#学习第29天:表达式树(Expression Trees)

目录 什么是表达式树&#xff1f; 核心概念 1.表达式树的构建 2. 表达式树与Lambda表达式 3.解析和访问表达式树 4.动态条件查询 表达式树的优势 1.动态构建查询 2.LINQ 提供程序支持&#xff1a; 3.性能优化 4.元数据处理 5.代码转换和重写 适用场景 代码复杂性…...

[大语言模型]在个人电脑上部署ollama 并进行管理,最后配置AI程序开发助手.

ollama官网: 下载 https://ollama.com/ 安装 查看可以使用的模型 https://ollama.com/search 例如 https://ollama.com/library/deepseek-r1/tags # deepseek-r1:7bollama pull deepseek-r1:7b改token数量为409622 16384 ollama命令说明 ollama serve #&#xff1a…...

群晖NAS如何在虚拟机创建飞牛NAS

套件中心下载安装Virtual Machine Manager 创建虚拟机 配置虚拟机 飞牛官网下载 https://iso.liveupdate.fnnas.com/x86_64/trim/fnos-0.9.2-863.iso 群晖NAS如何在虚拟机创建飞牛NAS - 个人信息分享...

Golang——7、包与接口详解

包与接口详解 1、Golang包详解1.1、Golang中包的定义和介绍1.2、Golang包管理工具go mod1.3、Golang中自定义包1.4、Golang中使用第三包1.5、init函数 2、接口详解2.1、接口的定义2.2、空接口2.3、类型断言2.4、结构体值接收者和指针接收者实现接口的区别2.5、一个结构体实现多…...