遍历

java集合 java集合分类：（普通集合、同步集合、并发集合） 普通集合 Connection接口 List 有序,可重复 ArrayList 优点: 底层数据结构是数组，查询快，增删慢。 缺点: 线程不安全，效率高 LinkedList 优点: 底层数据结构是双向链表，查询慢，增删快。 缺点: 线程不安全，效率高 Vector 优点: 底层数据结构是数组，查询快，增删慢。 缺点: 线程安全，效率低 Set 无序,唯一 HashSet 底层数据结构是哈希表。(无序,唯一) 如何来保证元素唯一性? 1.依赖两个方法：hashCode()和equals() LinkedHashSet 底层数据结构是链表和哈希表。(FIFO插入有序,唯一) 1.由链表保证元素有序 2.由哈希表保证元素唯一 TreeSet 底层数据结构是红黑树。(唯一，有序) Map接口（key-value 的键值对，key 不允许重复，value 可重复，重复时会覆盖前一个key） Map中的key：无序的、不可重复的，value：无序的、可重复的 HashMap：无序的，效率高，但不是线程安全的，key和value都允许为null。 TreeMap：有序的，底层使用红黑树，保证按照添加的key-value对进行排序，实现排序遍历。此时考虑key的自然排序或定制排序。 LinkedHashMap

https://blog.csdn.net/qq_42687916/article/details/89528778 来源： https://www.cnblogs.com/zquan/p/11760246.html

由于现在项目中用到了LinkedHashMap，并不是太熟悉就到网上搜了一下。 ? import java.util.HashMap; import java.util.Iterator; import java.util.LinkedHashMap; import java.util.Map; public class TestLinkedHashMap { public static void main(String args[]) { System.out.println( "*************************LinkedHashMap*************" ); Map<Integer,String> map = new LinkedHashMap<Integer,String>(); map.put( 6 , "apple" ); map.put( 3 , "banana" ); map.put( 2 , "pear" ); for (Iterator it = map.keySet().iterator();it.hasNext();) { Object key = it.next(); System.out.println( key+ "=" + map.get(key)); } System.out.println( "************

http://acm.hdu.edu.cn/showproblem.php?pid=3068 脑子转个弯总算看懂马拉车算法了。记录一下思路和模板。 马拉车算法是在O(n)的时间内求出最大回文子串。 一、变量和定义 为了对奇偶回文串统一处理，每个字符之间都加上一个字符，加上一个不会出现在原字符串的， 如"abba"变成"#a#b#b#a#";"aba"变成"#a#b#a#";无论是奇偶原串都变成了奇数新串，接下来对新串处理。 在一次遍历字符的过程中，变量名及意义 i:表示当前遍历到哪一个下标的字符 p[idx]:表示下表为idx的字符的回文半径，包括自身 id:目前遍历过程中能延展到最右的回文的中心点 mx:目前遍历过程中能延展到最右的下标位置，姑且称之为探测的最远长度 j:以id为中心的关于i对称的字符，在id的左边，已经遍历过了，p[j]已经确定了的 二、为何要记录每个遍历字符的回文半径呢？利用已有的信息为后面的遍历铺垫，否则就和中心扩展一样是O(n 2 )复杂度 1."abcecbd"加上'#'后变成"#a#b#c#e#c#b#d#" 下标 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 内容 # a # b # c # e # c # b # d # p[i] 1 2 1 2 1 2 1 6 1 2 1 2 1 2 1 最长回文子串"#b#c#e#c#b

二叉树（Binary Tree）是n（n >= 0）个节点的有限集合，该集合或者为空集（称为空二叉树），或者由一个根节点和两颗互不相交的，分别称为根节点的左子树和右子树的二叉树组成。 二叉嘛，也就是每个节点最多有两个分支。 图示： 二叉树具有五种基本形态： 1.空二叉树 2.只有一个根节点 3.根节点只有左子树 4.根节点只有右子树 5.根节点既有左子树又有右子树 特殊的二叉树： 1.斜树（只有左子树的称为左斜树，只有右子树的称为右斜树，两者统称为斜树） 2.满二叉树（所有的分支节点都存在左子树和右子树，并且所得树叶都在同一层上） 3.完全二叉树的特征： 1.叶子结点只能出现在最下两层 2.最下层的叶子一定集中在左部连续位置 3.倒数二层，若有叶子结点，一定都在右部连续位置 4.如果节点度为1（这里的度与离散数学中的度不一样，这里的度是指节点所拥有的子树数），则该节点只有左孩子，即不存在只有右子树的情况 5.同样节点数的二叉树，完全二叉树的深度最小 二叉树的性质： 性质1：在二叉树的第i层上至多有2^（i - 1）个节点（i >= 1） 性质2：深度为k的二叉树至多有2^k - 1个节点（k >= 1） 性质3：对任何一颗二叉树T，如果其终端节点数为n0，度为2的节点数为n2，则n0 = n2 + 1 性质4：具有n个节点的完全二叉树的深度为[log2n] + 1（[

如下例子，得到层表，然后循环得到所有层表记录，并打开图层显示 例如代码 JS： function OpenAllLayer() { var database = mxOcx.GetDatabase(); //返回数据库中的层表对象 var spLayerTable = database.GetLayerTable(); //创建一个遍历层表中所有图层的遍历器 var spIter = spLayerTable.NewIterator(); //移动当前遍历器位置 for(;!spIter.Done();spIter.Step(true,true)) { //返回遍历器当前位置的记录 var spLayerRec = spIter.GetRecord(); var sName = spLayerRec.Name; var layerRec=spLayerTable.GetAt(sName,false); if(layerRec) { layerRec.IsOff = false; alert("成功显示图层"); } } } 来源： https://www.cnblogs.com/yzy0224/p/11757264.html

锁定后的图层上的实体不能编辑，但可以选择，如果想也不能选择，设置控件InitSet属性值为：SelectLockLayer=N 下面演示，遍历所有图层表记录，并设置图层为锁定状态， 例如代码 JS： function LockeAllLayer() { //返回控件的数据库对象 var database = mxOcx.GetDatabase(); //返回数据库中的层表对象 var layerTable = database.GetLayerTable(); //创建一个遍历层表中所有图层的遍历器 var iter = layerTable.NewIterator(); for (; !iter.Done(); iter.Step()) { //返回遍历器当前位置的记录 var layerRec = iter.GetRecord(); layerRec.IsLocked = true; alert("成功锁定图层"); } } 来源： https://www.cnblogs.com/yzy0224/p/11757268.html

容器是指对对象的容纳，java中主要有这几个容器：list（列表）、set（集合）、map（映射）。所有容器都无法保存基本数据类型，需要先把基本数据类型变为封装类，用容器保存封装结果。 一.List（列表） 1.ArrayList，线性表，容量大小可变的数组　　<===>tArrayLisk() 2.LinkedList，链表，没有使用顺序存储机制，无法根据索引快速存取　　<===>tLinkedList() 3.迭代器遍历LIst　　<===>demo2() 1 public static void tArrayList(){ 2 /* 3 ArrayList的构造方法： 4 ArrayList a1=new ArrayList(); //构造一个空的线性表 5 ArrayList a1=new ArrayList(b); //根据已有类集构造线性表 6 ArrayList a1=new ArrayList(20); //构造指定初始容量的线性表 7 */ 8 ArrayList a1=new ArrayList(); 9 a1.add("a"); 10 a1.add("z"); 11 a1.add("x"); //add(value)，插入元素 12 a1.remove(0); //remove(index)，根据数组索引删除元素 13 a1.set(0,"z1"); /

1 keys命令 可以使用正则查找匹配的结果。时间复杂度是O(N)，N为redis中所有key的总数量。 该命令有致命的缺点： a. 没有limit，只能一次性获取所有符合条件的key。如果数据量很大的话，就会产生无穷无尽的输出。 b. keys命令是遍历算法，遍历全部的key，时间复杂度是O(N)。redis是单线程的，如果keys查询的时间过长，redis的其它操作会被阻塞较长时间，造成redis较长时间的卡顿。要避免在生产环境使用该命令。 命令格式：keys pattern 2 scan命令 命令格式：scan cursor match pattern count num redis2.8版本之后，可以使用scan命令进行正则匹配查找。与keys不同的是，scan命令不是一次性查找出所有满足条件的key。而是根据游标和遍历的字典槽数，使得每次查询都限制在一定范围内。 cursor = 0时表示开始查询，第一次查询。每次查询结果中都会返回一个cursor，作为下次查询的开始游标。当某次查询返回的cursor=0时，表示已全部查询完毕。 来源： https://www.cnblogs.com/mydesky2012/p/11733089.html

算法只会暴力 HDU 5952 Counting Cliques 一个图，求大小为s的完全图的个数 每个完全图都给遍历一次。。。d(u,c,x)为遍历到大小为c的完全图（此时该完全图上的点都存在数组x里），然后u是此时该完全图上的点里最大的那个点 这样是为了每个完全图都只遍历一次，因为一定是按照编号从小到大遍历的 每次考察u的所有直连的点（只有这些点有可能和上面的图形成完全图），然后判断这个点是不是可以和上面的图形成完全图 时间复杂度就是所有大小为s的完全图的个数*20，其中可以优化的地方就是后面那个20了。。。但是我又懒又傻所以过了就行了。。。 代码： 1 #include <bits/stdc++.h> 2 #define nmax 110 3 4 using namespace std; 5 int cas,n,M,s,ans; 6 vector <int> g[nmax]; 7 int m[nmax][nmax]={0}; 8 9 inline void init(){ 10 memset(m,0,sizeof(m)); 11 for (int i=0; i<=n; i++) g[i].clear(); 12 ans=0; 13 } 14 15 inline void dfs(int u,int c,int* x){ //当前遍历了c个,其中最大的是u 16 if(c==s