写面经，攒人品。第二批一面：7.8号投递，7.19通知第二天早上进行，第二批提前批一面；自我介绍然后让你介绍一下简历上面的项目，挑了一个单片机相关的比赛项目进行发问；简单介绍其他项目（非相关项目）；你研究生期间遇到问题如何解决；嫌弃研究生期间没有相关电控技术积累，我简历写的是通信工程专业，被询问是做通信相关的吗；反问：新人培养：有培养，有绩效，但是开始不会和老员工对比，需要参加培训，下工厂学习。7.27了，距离一面都一周了，还是显示面试进行中，又不干脆点挂了我，还是说池子太深了，我感觉也没有那么多hc啊，emmmm8.2 第四批一面（捞起来敲打一下，防止萎靡）自我介绍问了一下项目，单片机比赛那个视觉检测圆是怎么做到的介绍一下指针，指针的指针是干嘛用的；介绍一下如何监控栈溢出，指针指向内存溢出反问新人没听说过背c

LRU（Least Recently Used）是一种缓存淘汰策略。它基于"最近最少使用"的原理，即当缓存空间已满时，优先淘汰最近最少使用的数据。在此算法中，首先需要一个list记录哪些key是最近使用的，哪些key是最不常使用的。双向链表list的增删效率为O(1)，但是查询效率较低O(n);另外需要一个unordered_map进行配合，unordered_map的特点在于增删/查找效率都是O(1)，但是因为其为无序，不能记录"最近最少使用"的元素。LRU的特点在于使用双向链表list记录"最近最少使用"的key；使用unorde...

//并查集 class UnionFind { public: vector<int> parent;//记录父节点 int cnt;//连通分量 UnionFind(int n) { this->cnt = n; this->parent.resize(n); for (int i = 0; i < n; ++i) { parent[i] = i;//初始父节点指向自己 } } //找到x的根节点//根节点存在parent[x] = x，自己指向自身 int Find(int x) { while (parent[x] != x) { x = parent[x]...

class Solution { public: void re(vector<vector<int> >& m, int i) { //把跟i相连的城市化0 for (int k = 0; k < m.size(); k++) { if (m[i][k] == 1) { m[i][k] = 0; m[k][i] = 0; re(m, k); } } } int citys(vector<vector<int> >& m) { int n = m.size();//城市数量 int count = 0; queue<int> q...

class Solution { public: int citys(vector<vector<int> >& m) { int n = m.size();//城市数量 int count = 0; queue<int> que; for(int i=0; i<n; i++){ for(int j=0; j<n; j++){ //if(i==j){m[i][j] = 0; } //独立的城市也算一个城市群 if(m[i][j]==1){ count++; que.push(i); while(!que.empty()){//将所有与i相连的点去...

class Solution { public: //0跳，重复跳 int dirt[4][2] = {{-1, 0}, {1, 0}, {0, -1}, {0, 1}}; int solve(vector<vector<char> >& grid) { int n = grid.size(); int m = grid[0].size(); int count = 0; queue<pair<int, int>> que; for (int i = 0; i < n; i++) { for (int j = 0; j < m; j+...

class Solution { public: //0跳，重复跳 int dirt[4][2] = {{-1, 0}, {1, 0}, {0, -1}, {0, 1}}; void re(vector<vector<char> >& grid, int i, int j){ grid[i][j] = '0';//1->0 for(int k=0; k<4; k++){ int nexti = i+dirt[k][0]; int nextj = j+dirt[k][1]; if(nexti>=0 && nexti<grid.size() && n...

class Solution { //图论解法，以出度为0为一层的开始。 public: //记录四个方向 int dirs[4][2] = {{-1, 0}, {1, 0}, {0, -1}, {0, 1}}; int n, m; int solve(vector<vector<int> >& matrix) { //空矩阵 if (matrix.size() == 0 || matrix[0].size() == 0) return 0; n = matrix.size(); m = matrix[0].size(); //记录每个单元的出度 vector<v...

LRU算法使用双向链表和哈希表进行实现1. 双向链表按照被使用的顺序存储了这些键值对，靠近头部的键值对是最近使用的，而靠近尾部的键值对是最久未使用的。2.哈希表即为普通的哈希映射，通过缓存数据的键映射到其在双向链表中的位置。所以，双向链表用于存储数据，增删头尾比较容易，但是需要知道地址才能erase中间元素，查找效率低；哈希表用于映射相应元素在双向链表中的地址，弥补了双向链表的查找效率。两者配合实现增删查改。cpp选手，双向链表list<int>，哈希表用unordered_map<int, list<int>::iterator>实现。下图为华为426第二题cpp解法，引用了这位佬的一张图片，本菜鸡不太懂如何正确引用，只能放上佬的个人主页https://www.nowcoder.com/users/515175727图片有大佬水印，可直接访问主页

#include<iostream> #include<vector> #include<queue> #define MAX 200001 using namespace std; int main() { int n, m; cin>>n>>m; vector<int> adjlist[MAX]; // 用于模拟邻接表的vector容器 int inDegree[MAX] = {0}; // 用于记录每个顶点入度的数组，初始值全部设置为0 int a, b; for(int i = 0; i < m; i++) ...