七月集训(第20天) —— 二叉搜索树

英雄算法联盟值七月算法集训

给定二叉搜索树的根结点root，返回值位于范围[low,high]之间的所有结点的值的和。给定一个二叉搜索树，请将它的每个节点的值替换成树中大于或者等于该节点值的所有节点值之和。给出二叉搜索树的根节点，该树的节点值各不相同，请你将其转换为累加树（GreaterSumTree），使每个节点node的新值等于原树中大于或等于node.val的值之和。给定一个二叉搜索树root(BST)，请将它的每个节点的值替换成树中大于或者等于该节点值的所有节点值之和。...

七月集训day20二叉搜索树

BST

BST

知识星球---英雄算法联盟

我们在遍历数组的同时，将遍历过的数字及其索引存入哈希表中。每次遍历到一个新数字时，我们检查目标值与当前数字的差值（即“匹配项”）是否已经存在于哈希表中。如果存在，我们就找到了答案。

Java漏斗算法（漏桶算法）是一种流量整形技术，通过固定速率处理请求来平滑流量。核心实现基于阻塞队列和定时任务，以恒定速率消费队列元素。与令牌桶算法相比，漏斗算法严格控制输出速率但不允许突发流量。工业级推荐使用Guava的RateLimiter（令牌桶变体），分布式场景可采用Redis+Lua实现。典型应用包括数据库保护、API限流等，需根据业务需求权衡流量平滑性与突发处理能力，合理设置桶容量（建议=漏出速率×最大容忍延迟）。

题目要求将数组中的零元素移动到末尾，保持非零元素原有顺序，且需原地操作。解题思路采用双指针法： 初始化dest指针为-1（记录非零序列末尾），cur指针为0（用于遍历） 遍历数组时： 遇到非零元素：dest右移，交换dest与cur位置的元素 遇到零元素：仅cur右移 最终保证[0,dest]区间为非零元素，[dest+1, n-1]区间为零元素 时间复杂度O(n)，空间复杂度O(1)。该方法通过一次遍历和元素交换高效实现零元素后移。

本文探讨了如何通过01分数规划和浮点二分法解决一个关于物品选择的最优化问题。题目要求在n组物品中舍弃k件，使得剩余物品的权值比率（∑a_i / ∑b_i）最大化。算法核心是将比率问题转化为数学不等式，通过构造c_i = a_i - x*b_i并排序后贪心选取最大的n-k项来验证当前比率x是否可行。采用浮点二分在区间[0,1]内搜索最优解，精度设为1e-4以确保结果准确。代码实现包括变量定义、校验函数、二分查找和主函数处理多组输入，特别强调了排序逻辑和精度控制的重要性，避免常见错误如反向选取和数据类型溢出。该

摘要：本文介绍了三种经典排序算法及其应用。快速排序采用分治思想，通过基准值划分数组，优化手段包括三数取中、小区间插入排序等。归并排序通过分治和合并实现，可用于求解逆序对问题。堆排序通过建堆和调整实现，能高效解决TopK问题。文章还分析了排序算法的稳定性，指出冒泡、插入等是稳定的，而选择、快排等不稳定，并给出了实际选型建议，如快排适合一般场景，归并适合稳定排序，堆排序适合TopK问题。

回溯法也可以叫做回溯搜索法，它是一种搜索的方式。回溯是递归的副产品，只要有递归就会有回溯。所以以下讲解中，回溯函数也就是递归函数，指的都是一个函数。回溯法解决的问题都可以抽象为树形结构（N叉树）是啥？本质？解决啥问题？解决模板回溯–递归三部曲画出树 ，主要收集的是节点还是叶子节点按照模板写代码组合和分割收集的都是叶子节点子集收集每个节点。

我必须考虑这是否是我此生仅有的机会

本文介绍了大语言模型中三种主流的子词分词技术。首先阐述了分词的必要性，即将文本转换为数字序列以便模型处理，并指出现代模型普遍采用子词分词算法来平衡词汇表规模和语义表达能力。随后详细讲解了三种主流算法：1）Byte-Pair Encoding（BPE），通过迭代合并高频字符对构建词汇表；2）WordPiece，基于最大似然准则选择合并对；3）SentencePiece的Unigram语言模型方法，直接从原始字节流学习子词概率分布。每种算法都配有原理说明、具体示例和简化Python实现，展现了子词分词如何帮助模

│▼│ 传感器数据采集 │ RGB(5视角) + LiDAR + GPS/IMU/Speed│▼│ 数据预处理 │ 图像裁剪/归一化 + LiDAR点云处理│▼│ 视觉特征提取 │ ResNet + HybridEmbed + Position Encoding│▼│ 多模态特征融合 │ Transformer Encoder (多视图注意力)│▼│ 语言指令理解 │ Q-Former + LLaVA/Vicuna│▼。

本文介绍了一个高精度单位转换器的设计与实现，支持长度、温度和重量三种单位类型的转换。核心算法采用中间基准法，通过基准单位（米/摄氏度/千克）进行间接转换，特别处理了温度单位的线性关系。功能上实现了一键互换单位和下拉选择器（使用ArkTS的Select组件）。转换逻辑包含三个关键方法：to基准单位/from基准单位的双向换算，以及针对不同单位类型的特定转换系数。界面包含类型切换按钮、数值输入框、单位选择和转换结果显示，支持实时计算和单位互换功能。该实现通过模块化设计和精确的数学运算，确保了单位转换的高准确性和

本文介绍了ConvNeXt语义分割模型在金属晶粒识别中的应用。主要内容包括： 语义分割概念演变; ConvNeXt架构特点,8种金属专用模型, 分辨率优化策略。该方案通过专业化的模型设计，为金属材料显微分析提供了高精度的自动化识别解决方案。

关于“拓扑排序”，主要看图片中的内容来理解。