【数据结构(十二·图)】图的相关知识(包括深度优先遍历和广度优先遍历)

文章目录

  • 1. 图的基本介绍
    • 1.1. 图的举例说明
    • 1.2. 图的常用概念
  • 2. 图的表示方式
    • 2.1. 邻接矩阵
    • 2.2. 邻接表
  • 3. 应用案例
  • 4. 图的遍历
    • 4.1. 深度优先遍历
      • 4.1.1. 基本思想
      • 4.1.2. 算法步骤
      • 4.1.3. 代码实现
    • 4.2. 广度优先遍历
      • 4.2.1. 基本思想
      • 4.2.2. 算法步骤
      • 4.2.3. 代码实现
    • 4.3. 图的深度优先 VS 广度优先


1. 图的基本介绍

为什么要有图?
    前面学了线性表和树,线性表局限于一个直接前驱和一个直接后继的关系,树也只能有一个直接前驱也就是父节点。当我们需要表示多对多的关系时, 这里我们就用到了

1.1. 图的举例说明

图是一种数据结构,其中
    ①结点可以具有零个或多个相邻元素。
    ②两个结点之间的连接称为
    ③结点也可以称为顶点
如图:

在这里插入图片描述

1.2. 图的常用概念

1.顶点(vertex)
2.边(edge)
3.路径
4.无向图
    
如下图所示:

在这里插入图片描述

5.有向图
6.带权图

    
如下图所示:
在这里插入图片描述

2. 图的表示方式

图的表示方式有两种:二维数组表示(邻接矩阵);链表表示(邻接表)。

2.1. 邻接矩阵

邻接矩阵是表示图形中顶点之间相邻关系的矩阵,对于 n 个顶点的图而言,矩阵是的 r o w row row c o l col col 表示的是 1.... n 1....n 1....n 个点。

在这里插入图片描述

2.2. 邻接表

  1. 邻接矩阵需要为每个顶点都分配 n 个边的空间,其实有很多边都是不存在,会造成空间的一定损失.
  2. 邻接表的实现只关心存在的边,不关心不存在的边。因此没有空间浪费
    邻接表由数组+链表组成

举例说明:

在这里插入图片描述

3. 应用案例

要求: 代码实现如下图结构

在这里插入图片描述

思路分析:
    (1) 存储顶点String,使用 ArrayList
    (2) 保存矩阵 int[][] edges

代码实现:

package graph;

import java.util.ArrayList;
import java.util.Arrays;

import javax.management.loading.PrivateClassLoader;

public class Graph {

	private ArrayList<String> vertexList;// 存储顶点的集合
	private int[][] edges;// 存储图的邻接矩阵
	private int numOfEdges;// 表示边的数目

	public static void main(String[] args) {
		// 测试
		int n = 5;// 节点的个数
		String Vertexs[] = { "A", "B", "C", "D", "E" };

		// 创建图对象
		Graph graph = new Graph(n);
		// 循环添加顶点
		for (String Vertex : Vertexs) {
			graph.inserVertex(Vertex);
		}
		// 添加边
		// A-B A-C B-C B-D B-E
		graph.insertEdge(0, 1, 1);// A-B
		graph.insertEdge(0, 2, 1);
		graph.insertEdge(1, 2, 1);
		graph.insertEdge(1, 3, 1);
		graph.insertEdge(1, 4, 1);

		// 显示邻接矩阵
		graph.showGrap();

	}

	// 构造器
	public Graph(int n) {
		// 初始化矩阵和vertexList
		edges = new int[n][n];
		vertexList = new ArrayList<String>(n);
		numOfEdges = 0;
	}

	// 图 常用的方法
	// 返回节点的个数
	public int getNumOfVertex() {
		return vertexList.size();
	}

	// 显示图对应的矩阵
	public void showGrap() {
		for (int[] link : edges) {
			System.out.println(Arrays.toString(link));
		}
	}

	// 得到边的数目
	public int getNumOfEdges() {
		return numOfEdges;
	}

	// 返回节点i(下标)对应的数据:0->"A" 1-> "B" 2->"C" ...
	public String getValueByIndex(int i) {
		return vertexList.get(i);
	}

	// 返回v1和v2的权值
	public int getWeight(int v1, int v2) {
		return edges[v1][v2];
	}

	// 插入节点
	public void inserVertex(String vertex) {
		vertexList.add(vertex);
	}

	// 添加边
	/**
	 * 
	 * @param v1     表示第一个顶点对应的下标:即第几个顶点,A B C D E 的下标分变为:0 1 2 3 4
	 * @param v2     表示第二个顶点对应的下标
	 * @param weight 表示是否连通,0:没有连通,1:连通
	 */
	public void insertEdge(int v1, int v2, int weight) {
		edges[v1][v2] = weight;
		edges[v2][v1] = weight;
		numOfEdges++;
	}

}

运行结果:

在这里插入图片描述

4. 图的遍历

图遍历介绍:
    所谓图的遍历,即是对结点的访问。一个图有那么多个结点,如何遍历这些结点,需要特定策略,一般有两种访问策略: (1)深度优先遍历 (2)广度优先遍历

4.1. 深度优先遍历

4.1.1. 基本思想

图的深度优先搜索(Depth First Search) :
    深度优先遍历,从初始访问结点出发,初始访问结点可能有多个邻接结点,深度优先遍历的策略就是首先访问第一个邻接结点,然后再以这个被访问的邻接结点作为初始结点,访问它的第一个邻接结点, 可以这样理解:每次都在访问完当前结点后首先访问当前结点的第一个邻接结点。
    这样的访问策略是优先往纵向挖掘深入,而不是对一个结点的所有邻接结点进行横向访问。显然,深度优先搜索是一个递归的过程

4.1.2. 算法步骤

  1. 访问初始结点 v,并标记结点 v 为已访问。
  2. 查找结点 v 的第一个邻接结点 w。
  3. 若 w 存在,则继续执行 4,如果 w 不存在,则回到第 1 步,将从 v 的下一个结点继续。
  4. 若 w 未被访问,对 w 进行深度优先遍历递归(即把 w 当做另一个 v,然后进行步骤 123)。
  5. 查找结点 v 的 w 邻接结点的下一个邻接结点,转到步骤 3。

分析图解:

在这里插入图片描述

4.1.3. 代码实现

package graph;

import java.util.ArrayList;
import java.util.Arrays;

import javax.management.loading.PrivateClassLoader;

public class Graph {

	private ArrayList<String> vertexList;// 存储顶点的集合
	private int[][] edges;// 存储图的邻接矩阵
	private int numOfEdges;// 表示边的数目

	// 定义一个数组boolean[]:记录某个节点是否被访问过
	private boolean[] isVisited;

	public static void main(String[] args) {
		// 测试
		int n = 5;// 节点的个数
		String Vertexs[] = { "A", "B", "C", "D", "E" };

		// 创建图对象
		Graph graph = new Graph(n);
		// 循环添加顶点
		for (String Vertex : Vertexs) {
			graph.inserVertex(Vertex);
		}
		// 添加边
		// A-B A-C B-C B-D B-E
		graph.insertEdge(0, 1, 1);// A-B
		graph.insertEdge(0, 2, 1);
		graph.insertEdge(1, 2, 1);
		graph.insertEdge(1, 3, 1);
		graph.insertEdge(1, 4, 1);

		// 显示邻接矩阵
		graph.showGrap();

		// 测试:dfs遍历是否ok
		System.out.println("深度遍历");
		graph.dfs();

	}

	// 构造器
	public Graph(int n) {
		// 初始化矩阵和vertexList
		edges = new int[n][n];
		vertexList = new ArrayList<String>(n);
		numOfEdges = 0;
		isVisited = new boolean[5];
	}

	// 得到第一个邻接节点的下标
	/**
	 * 
	 * @param index
	 * @return 如果存在就返回对应的下标,否则返回-1
	 */
	public int getFirstNeighbor(int index) {
		for (int j = 0; j < vertexList.size(); j++) {
			if (edges[index][j] > 0) {
				return j;
			}
		}
		return -1;
	}

	// 根据前一个邻接节点的下标来获取下一个邻接节点
	public int getNextNeighbor(int v1, int v2) {
		for (int j = v2 + 1; j < vertexList.size(); j++) {
			if (edges[v1][j] > 0) {
				return j;
			}
		}
		return -1;
	}

	// 深度优先遍历算法
	// i第一次就是 0
	private void dfs(boolean[] isVisited, int i) {
		// 首先访问该节点,输出
		System.out.print(getValueByIndex(i) + "->");
		// 将节点设置为已访问
		isVisited[i] = true;

		// 查找节点i的第一个邻接节点w
		int w = getFirstNeighbor(i);
		while (w != -1) {// 说明有
			if (!isVisited[w]) {
				dfs(isVisited, w);
			}
			// 如果w节点已经被访问过
			w = getNextNeighbor(i, w);

		}
	}

	// 对dfs进行一个重载,遍历所有的节点,并进行dfs
	public void dfs() {
		// 遍历所有的节点,进行dfs[回溯]
		for (int i = 0; i < getNumOfVertex(); i++) {
			if (!isVisited[i]) {
				dfs(isVisited, i);
			}
		}
	}

	// 图 常用的方法
	// 返回节点的个数
	public int getNumOfVertex() {
		return vertexList.size();
	}

	// 显示图对应的矩阵
	public void showGrap() {
		for (int[] link : edges) {
			System.out.println(Arrays.toString(link));
		}
	}

	// 得到边的数目
	public int getNumOfEdges() {
		return numOfEdges;
	}

	// 返回节点i(下标)对应的数据:0->"A" 1-> "B" 2->"C" ...
	public String getValueByIndex(int i) {
		return vertexList.get(i);
	}

	// 返回v1和v2的权值
	public int getWeight(int v1, int v2) {
		return edges[v1][v2];
	}

	// 插入节点
	public void inserVertex(String vertex) {
		vertexList.add(vertex);
	}

	// 添加边
	/**
	 * 
	 * @param v1     表示第一个顶点对应的下标:即第几个顶点,A B C D E 的下标分变为:0 1 2 3 4
	 * @param v2     表示第二个顶点对应的下标
	 * @param weight 表示是否连通,0:没有连通,1:连通
	 */
	public void insertEdge(int v1, int v2, int weight) {
		edges[v1][v2] = weight;
		edges[v2][v1] = weight;
		numOfEdges++;
	}

}
//代码似乎有问题

运行结果:

在这里插入图片描述

4.2. 广度优先遍历

4.2.1. 基本思想

图的广度优先搜索(Broad First Search) :
    类似于一个分层搜索的过程,广度优先遍历需要使用一个队列以保持访问过的结点的顺序,以便按这个顺序来访问这些结点的邻接结点

4.2.2. 算法步骤

  1. 访问初始结点 v 并标记结点 v 为已访问。
  2. 结点 v 入队列
  3. 当队列非空时,继续执行,否则算法结束。
  4. 出队列,取得队头结点 u。
  5. 查找结点 u 的第一个邻接结点 w。
  6. 若结点 u 的邻接结点 w 不存在,则转到步骤 3;否则循环执行以下三个步骤:
    6.1 若结点 w 尚未被访问,则访问结点 w 并标记为已访问。
    6.2 结点 w 入队列
    6.3 查找结点 u 的继 w 邻接结点后的下一个邻接结点 w,转到步骤 6。

在这里插入图片描述

4.2.3. 代码实现

package graph;

import java.util.ArrayList;
import java.util.Arrays;
import java.util.LinkedList;

import javax.management.loading.PrivateClassLoader;

public class Graph {

	private ArrayList<String> vertexList;// 存储顶点的集合
	private int[][] edges;// 存储图的邻接矩阵
	private int numOfEdges;// 表示边的数目

	// 定义一个数组boolean[]:记录某个节点是否被访问过
	private boolean[] isVisited;

	public static void main(String[] args) {
		// 测试
		int n = 5;// 节点的个数
		String Vertexs[] = { "A", "B", "C", "D", "E" };

		// 创建图对象
		Graph graph = new Graph(n);
		// 循环添加顶点
		for (String Vertex : Vertexs) {
			graph.inserVertex(Vertex);
		}
		// 添加边
		// A-B A-C B-C B-D B-E
		graph.insertEdge(0, 1, 1);// A-B
		graph.insertEdge(0, 2, 1);
		graph.insertEdge(1, 2, 1);
		graph.insertEdge(1, 3, 1);
		graph.insertEdge(1, 4, 1);

		// 显示邻接矩阵
		graph.showGrap();

		// 测试:dfs遍历是否ok
		System.out.println("深度遍历");
		graph.dfs();
		System.out.println();
		// 测试:bfs遍历是否ok
		System.out.println("广度遍历");
		graph.bfs();

	}

	// 构造器
	public Graph(int n) {
		// 初始化矩阵和vertexList
		edges = new int[n][n];
		vertexList = new ArrayList<String>(n);
		numOfEdges = 0;

	}

	// 得到第一个邻接节点的下标
	/**
	 * 
	 * @param index
	 * @return 如果存在就返回对应的下标,否则返回-1
	 */
	public int getFirstNeighbor(int index) {
		for (int j = 0; j < vertexList.size(); j++) {
			if (edges[index][j] > 0) {
				return j;
			}
		}
		return -1;
	}

	// 根据前一个邻接节点的下标来获取下一个邻接节点
	public int getNextNeighbor(int v1, int v2) {
		for (int j = v2 + 1; j < vertexList.size(); j++) {
			if (edges[v1][j] > 0) {
				return j;
			}
		}
		return -1;
	}

	// 深度优先遍历算法
	// i第一次就是 0
	private void dfs(boolean[] isVisited, int i) {
		// 首先访问该节点,输出
		System.out.print(getValueByIndex(i) + "->");
		// 将节点设置为已访问
		isVisited[i] = true;

		// 查找节点i的第一个邻接节点w
		int w = getFirstNeighbor(i);
		while (w != -1) {// 说明有
			if (!isVisited[w]) {
				dfs(isVisited, w);
			}
			// 如果w节点已经被访问过
			w = getNextNeighbor(i, w);

		}
	}

	// 对dfs进行一个重载,遍历所有的节点,并进行dfs
	public void dfs() {
		isVisited = new boolean[5];
		// 遍历所有的节点,进行dfs[回溯]
		for (int i = 0; i < getNumOfVertex(); i++) {
			if (!isVisited[i]) {
				dfs(isVisited, i);
			}
		}
	}

	// 对一个节点进行广度优先遍历的方法
	private void bfs(boolean[] isVisited, int i) {
		int u;// 表示队列的头节点对应下标
		int w;// 邻接节点w
		// 队列:记录节点访问的顺序
		LinkedList queue = new LinkedList();
		// 访问节点,输出节点信息
		System.out.print(getValueByIndex(i) + "=>");
		// 标记为已访问
		isVisited[i] = true;
		// 将节点加入队列
		queue.addLast(i);
		while (!queue.isEmpty()) {
			// 取出队列的头节点下标
			u = (Integer) queue.removeFirst();
			// 得到第一个邻接节点的下标w
			w = getFirstNeighbor(u);
			while (w != -1) {// 找到
				// 是否访问过
				if (!isVisited[w]) {
					System.out.print(getValueByIndex(w) + "=>");
					// 标记已经访问
					isVisited[w] = true;
					// 入队
					queue.addLast(w);
				}
				// 以u为前驱节点,找w后面的下一个邻接节点
				w = getNextNeighbor(u, w);// 体现出广度优先

			}
		}
	}

	// 遍历所有的节点,都进行广度优先搜索
	public void bfs() {
		isVisited = new boolean[5];
		for (int i = 0; i < getNumOfVertex(); i++) {
			if (!isVisited[i]) {
				bfs(isVisited, i);
			}
		}
	}

	// 图 常用的方法
	// 返回节点的个数
	public int getNumOfVertex() {
		return vertexList.size();
	}

	// 显示图对应的矩阵
	public void showGrap() {
		for (int[] link : edges) {
			System.out.println(Arrays.toString(link));
		}
	}

	// 得到边的数目
	public int getNumOfEdges() {
		return numOfEdges;
	}

	// 返回节点i(下标)对应的数据:0->"A" 1-> "B" 2->"C" ...
	public String getValueByIndex(int i) {
		return vertexList.get(i);
	}

	// 返回v1和v2的权值
	public int getWeight(int v1, int v2) {
		return edges[v1][v2];
	}

	// 插入节点
	public void inserVertex(String vertex) {
		vertexList.add(vertex);
	}

	// 添加边
	/**
	 * 
	 * @param v1     表示第一个顶点对应的下标:即第几个顶点,A B C D E 的下标分变为:0 1 2 3 4
	 * @param v2     表示第二个顶点对应的下标
	 * @param weight 表示是否连通,0:没有连通,1:连通
	 */
	public void insertEdge(int v1, int v2, int weight) {
		edges[v1][v2] = weight;
		edges[v2][v1] = weight;
		numOfEdges++;
	}

}

运行结果:

在这里插入图片描述

4.3. 图的深度优先 VS 广度优先

上面的例子看不出深度优先遍历和广度优先遍历的区别,下面换一个例子进行演示:
问题情景:

在这里插入图片描述

深度优先遍历顺序为 1->2->4->8->5->3->6->7
广度优先算法的遍历顺序为:1->2->3->4->5->6->7->8

代码实现:

package graph;

import java.util.ArrayList;
import java.util.Arrays;
import java.util.LinkedList;

import javax.management.loading.PrivateClassLoader;

public class Graph {

	private ArrayList<String> vertexList;// 存储顶点的集合
	private int[][] edges;// 存储图的邻接矩阵
	private int numOfEdges;// 表示边的数目

	// 定义一个数组boolean[]:记录某个节点是否被访问过
	private boolean[] isVisited;

	public static void main(String[] args) {
		// 测试
		int n = 8;// 节点的个数
		String Vertexs[] = { "1", "2", "3", "4", "5", "6", "7", "8" };

		// 创建图对象
		Graph graph = new Graph(n);
		// 循环添加顶点
		for (String Vertex : Vertexs) {
			graph.inserVertex(Vertex);
		}
		// 添加边
		graph.insertEdge(0, 1, 1);
		graph.insertEdge(0, 2, 1);
		graph.insertEdge(1, 3, 1);
		graph.insertEdge(1, 4, 1);
		graph.insertEdge(3, 7, 1);
		graph.insertEdge(4, 7, 1);
		graph.insertEdge(2, 5, 1);
		graph.insertEdge(2, 6, 1);
		graph.insertEdge(5, 6, 1);

		// 显示邻接矩阵
		graph.showGrap();

		// 测试:dfs遍历是否ok
		System.out.println("深度遍历");
		graph.dfs();
		System.out.println();
		// 测试:bfs遍历是否ok
		System.out.println("广度遍历");
		graph.bfs();

	}

	// 构造器
	public Graph(int n) {
		// 初始化矩阵和vertexList
		edges = new int[n][n];
		vertexList = new ArrayList<String>(n);
		numOfEdges = 0;

	}

	// 得到第一个邻接节点的下标
	/**
	 * 
	 * @param index
	 * @return 如果存在就返回对应的下标,否则返回-1
	 */
	public int getFirstNeighbor(int index) {
		for (int j = 0; j < vertexList.size(); j++) {
			if (edges[index][j] > 0) {
				return j;
			}
		}
		return -1;
	}

	// 根据前一个邻接节点的下标来获取下一个邻接节点
	public int getNextNeighbor(int v1, int v2) {
		for (int j = v2 + 1; j < vertexList.size(); j++) {
			if (edges[v1][j] > 0) {
				return j;
			}
		}
		return -1;
	}

	// 深度优先遍历算法
	// i第一次就是 0
	private void dfs(boolean[] isVisited, int i) {
		// 首先访问该节点,输出
		System.out.print(getValueByIndex(i) + "->");
		// 将节点设置为已访问
		isVisited[i] = true;

		// 查找节点i的第一个邻接节点w
		int w = getFirstNeighbor(i);
		while (w != -1) {// 说明有
			if (!isVisited[w]) {
				dfs(isVisited, w);
			}
			// 如果w节点已经被访问过
			w = getNextNeighbor(i, w);

		}
	}

	// 对dfs进行一个重载,遍历所有的节点,并进行dfs
	public void dfs() {
		isVisited = new boolean[vertexList.size()];
		// 遍历所有的节点,进行dfs[回溯]
		for (int i = 0; i < getNumOfVertex(); i++) {
			if (!isVisited[i]) {
				dfs(isVisited, i);
			}
		}
	}

	// 对一个节点进行广度优先遍历的方法
	private void bfs(boolean[] isVisited, int i) {
		int u;// 表示队列的头节点对应下标
		int w;// 邻接节点w
		// 队列:记录节点访问的顺序
		LinkedList queue = new LinkedList();
		// 访问节点,输出节点信息
		System.out.print(getValueByIndex(i) + "=>");
		// 标记为已访问
		isVisited[i] = true;
		// 将节点加入队列
		queue.addLast(i);
		while (!queue.isEmpty()) {
			// 取出队列的头节点下标
			u = (Integer) queue.removeFirst();
			// 得到第一个邻接节点的下标w
			w = getFirstNeighbor(u);
			while (w != -1) {// 找到
				// 是否访问过
				if (!isVisited[w]) {
					System.out.print(getValueByIndex(w) + "=>");
					// 标记已经访问
					isVisited[w] = true;
					// 入队
					queue.addLast(w);
				}
				// 以u为前驱节点,找w后面的下一个邻接节点
				w = getNextNeighbor(u, w);// 体现出广度优先

			}
		}
	}

	// 遍历所有的节点,都进行广度优先搜索
	public void bfs() {
		isVisited = new boolean[vertexList.size()];
		for (int i = 0; i < getNumOfVertex(); i++) {
			if (!isVisited[i]) {
				bfs(isVisited, i);
			}
		}
	}

	// 图 常用的方法
	// 返回节点的个数
	public int getNumOfVertex() {
		return vertexList.size();
	}

	// 显示图对应的矩阵
	public void showGrap() {
		for (int[] link : edges) {
			System.out.println(Arrays.toString(link));
		}
	}

	// 得到边的数目
	public int getNumOfEdges() {
		return numOfEdges;
	}

	// 返回节点i(下标)对应的数据:0->"A" 1-> "B" 2->"C" ...
	public String getValueByIndex(int i) {
		return vertexList.get(i);
	}

	// 返回v1和v2的权值
	public int getWeight(int v1, int v2) {
		return edges[v1][v2];
	}

	// 插入节点
	public void inserVertex(String vertex) {
		vertexList.add(vertex);
	}

	// 添加边
	/**
	 * 
	 * @param v1     表示第一个顶点对应的下标:即第几个顶点,A B C D E 的下标分变为:0 1 2 3 4
	 * @param v2     表示第二个顶点对应的下标
	 * @param weight 表示是否连通,0:没有连通,1:连通
	 */
	public void insertEdge(int v1, int v2, int weight) {
		edges[v1][v2] = weight;
		edges[v2][v1] = weight;
		numOfEdges++;
	}

}

运行结果:

在这里插入图片描述

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/241771.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

【Geoserver】将geoserver迁移到jetty的发行包中

之前讲了在Geosever的二进制发行包中升级jetty的内容&#xff0c;我测试之后发现有些问题&#xff0c;本地运行可能没有问题&#xff0c;但是在linux上运行报错了。 于是我想着换个思路好了&#xff0c;总是想着将Geosever中的jetty包替换掉&#xff0c;干脆反过来&#xff0c;…

css 实现GTA5 封面

上面的图片如何通过css 完成呢。废话不说&#xff0c;直接上代码 <template><view class"movie_report"><view class"movie_img" v-for"item in 9" :key"item"><image :src"../../static/item.png" &…

螺旋矩阵算法(leetcode第54题)

题目描述&#xff1a; 给你一个 m 行 n 列的矩阵 matrix &#xff0c;请按照 顺时针螺旋顺序 &#xff0c;返回矩阵中的所有元素。示例 1&#xff1a;输入&#xff1a;matrix [[1,2,3],[4,5,6],[7,8,9]] 输出&#xff1a;[1,2,3,6,9,8,7,4,5]示例 2&#xff1a;输入&#xff…

用python打印出菱形图案

你可以使用Python编写一个简单的函数来打印菱形图案。下面是一个例子&#xff0c;这个函数接受一个参数n&#xff0c;表示菱形的高度&#xff0c;然后打印出一个菱形图案&#xff1a; def print_diamond(n): # 上半部分 for i in range(n): print(" " …

接口测试练习步骤

在接触接口测试过程中补了很多课&#xff0c; 终于有点领悟接口测试的根本&#xff1b; 偶是个实用派&#xff5e;&#xff0c;那么现实中没有用的东西&#xff0c;基本上我都不会有很大的概念&#xff1b; 下面给的是接口测试的统一大步骤&#xff0c;其实就是让我们对接口…

滑动窗口如人生,回顾往事不复还———力扣刷题

第一题&#xff1a;长度最小的子数组 力扣&#xff08;LeetCode&#xff09;官网 - 全球极客挚爱的技术成长平台 思路&#xff1a; 第一想法肯定时暴力枚举&#xff0c;枚举数组任何一个元素&#xff0c;把他当起始位置&#xff0c;然后从起始位置找最短区间&#xff0c;使得…

接口测试 — 2.Requests库介绍

1、接口测试的意义&#xff08;优势&#xff09; &#xff08;1&#xff09;更早的发现问题&#xff1a; 不少的测试资料中强调&#xff0c;测试应该更早的介入到项目开发中&#xff0c;因为越早的发现bug&#xff0c;修复的成本越低。 然而功能测试必须要等到系统提供可测试…

微搭低代码实现登录注册功能

目录 1 创建用户数据源2 实现登录逻辑3 搭建登录页面4 设置登录框5 实现登录的逻辑6 用户注册总结 原来产品在创建应用的时候可以创建模型应用&#xff0c;模型应用对应我们小程序的后端。最新的更新已经将模型应用的能力下线&#xff0c;那我们不得不自己实现一下后端的逻辑。…

目前进度记录

目前已经把之前记录的方法都实现了&#xff0c;目前的主函数可以写的更简单比如 int main(int argc, char* argv[]) {KernelClass::create_kernel();MPI_Init(&argc, &argv);kernel().mpi_manager.init_mpi(argc, argv);//创建种群int group1 kernel().conn_manger.c…

链表基础知识(一、单链表)

一、链表表示和实现 顺序表的问题及思考 问题&#xff1a; 1. 中间/头部的插入删除&#xff0c;时间复杂度为O(N) 2. 增容需要申请新空间&#xff0c;拷贝数据&#xff0c;释放旧空间。会有不小的消耗。 3. 增容一般是呈2倍的增长&#xff0c;势必会有一定的空间浪费。例如当…

【CANoe】CANoe手动发送XCP报文读取观测量

文章目录 1、硬件连接&#xff1a;配置CANoe的CAN端口&#xff0c;连接到ECU标定对应的CAN口2、配置CAN IG模块报文&#xff1a;连接XCP&#xff0c;读取观测量&#xff0c;断开XCP3、报文解析4、参考资料 1、硬件连接&#xff1a;配置CANoe的CAN端口&#xff0c;连接到ECU标定…

【JUC】二十七、synchronized锁升级之无锁

文章目录 1、背景2、Monitor、Java对象、线程如何关联起来的&#xff1f;3、synchronized锁升级4、锁升级之无锁 关于synchronized同步&#xff0c;能用无锁结构就不要用锁&#xff1b;能锁块&#xff0c;就不要锁整个方法&#xff1b;能用对象锁&#xff0c;就不要用类锁。 用…

探秘机器学习核心逻辑:梯度下降的迭代过程 (图文详解)

一 需求解函数 f() 和 g()函数分别为求y值和求导数的函数。 目的&#xff1a;求该函数的最小值&#xff1a; 代码&#xff1a; import numpy as np import matplotlib.pyplot as plt f lambda x : (x - 3.5) ** 2 - 4.5 * x 10 g lambda x : 2 * (x - 3.5) - 4.5x np.l…

1.3 什么是接口?什么是接口测试?

上一小节我们认识了C/S和B/S架构,那在B/S架构中,我们测试最常接触的,就是接口。本课程的重点是接口自动化测试,那同学们真的了解什么是接口吗?首先,我们从通俗的角度来看什么是接口。在计算机中,接口是计算机系统中两个独立的部件进行信息交换的共享边界。这种交换可以发…

ARM day8

1.题目&#xff1a;主机获取从机里面的温湿度数据&#xff0c;并打印出来 结果&#xff1a; 代码&#xff1a; main.c #include "iic.h"#include "si7006.h"void delay(int ms){int i,j;for(i0;i<ms;i){for(j0;j<2000;j);}}int main(){short tem;…

ThingsBoard 前端项目轮播图部件开发

前言 ThingsBoard 是目前 Github 上最流行的开源物联网平台&#xff08;14.6k Star&#xff09;&#xff0c;可以实现物联网项目的快速开发、管理和扩展, 是中小微企业物联网平台的不二之选。 本文介绍如何在 ThingsBoard 前端项目中开发轮播图部件。 产品需求 最近接到产品…

自动化测试、压力测试、持续集成

因为项目的原因&#xff0c;前段时间研究并使用了 SoapUI 测试工具进行自测开发的 api。下面将研究的成果展示给大家&#xff0c;希望对需要的人有所帮助。 SoapUI 是什么&#xff1f; SoapUI 是一个开源测试工具&#xff0c;通过 soap/http 来检查、调用、实现 Web Service …

python笔记(1)安装环境

1&#xff0c;官网下载自己电脑位数的安装包 https://www.python.org/downloads/windows/ install时勾选中add to path&#xff0c;把路径自动添加到环境变量 安装pycharm就不讲了 安装后选中自己的python安装包 file-> setting->project:yourprojectname ->pyt…

k8s-8 ingress

ExternalName类型 当集群外的资源往集群内迁移时&#xff0c;地址并不稳定&#xff0c;访问域名或者访问方式等会产生变化&#xff1b; 使用svc的方式来做可以保证不会改变&#xff1a;内部直接访问svc&#xff1b;外部会在dns上加上解析&#xff0c;以确保访问到外部地址。 …

CleanMyMac X2024(Mac优化清理工具)v4.14.5中文版

CleanMyMac X是一款颇受欢迎的专业清理软件&#xff0c;拥有十多项强大的功能&#xff0c;可以进行系统清理、清空废纸篓、清除大旧型文件、程序卸载、除恶意软件、系统维护等等&#xff0c;并且这款清理软件操作简易&#xff0c;非常好上手&#xff0c;特别适用于那些刚入手苹…