达美航空 | 易学教程

Python日期时间函数

阅读更多关于 Python日期时间函数

所有日期、时间的api都在datetime模块内。 1. 日期输出格式化 datetime => string import datetime now = datetime.datetime.now() now.strftime('%Y-%m-%d %H:%M:%S') 输出 '2015-04-07 19:11:21' strftime是datetime类的实例方法。 2. 日期输出格式化 string => datetime import datetime t_str = '2015-04-07 19:11:21' d = datetime.datetime.strptime(t_str, '%Y-%m-%d %H:%M:%S') strptime是datetime类的静态方法。 3. 日期比较操作在datetime模块中有timedelta类，这个类的对象用于表示一个时间间隔，比如两个日期或者时间的差别。构造方法： import datetime datetime.timedelta(days=0, seconds=0, microseconds=0, milliseconds=0, minutes=0, hours=0, weeks=0) 所有的参数都有默认值0，这些参数可以是int或float，正的或负的。可以通过 timedelta.days、tiemdelta

优先队列的基本数据结构(2)

阅读更多关于优先队列的基本数据结构(2)

摘要：本次提供另外一些优先队列的基本操作【1】对二叉堆进行下滤，就是让某个元素降至到使得它符合二叉堆优先结构的节点. void PerLocateDown(Heap H, int i) //对二叉堆进行下滤 { int child; int FirstElement = H->Element[i]; for (;i* 2 <= H->heapsize; i = child ) { //for循环一直到满足堆序或者到底层 //获取最小儿子 child = i* 2 ; if (child != H->heapsize && H->Element[child+ 1 ]<H->Element[child] ) child++; if (FirstElement > H->Element[child]) { //不满足堆序，交换节点 H->Element[i] = H->Element[child]; } else break ; //满足堆序 } H->Element[i] = FirstElement; } 【2】对二叉堆进行上滤，使得它上升到某个符合堆序的位置； void PerLocateUp(Heap H, int i ) { //将一个元素【i】上滤 int LastElement = H->Element[i]; for (; LastElement < H-

bzoj2597

阅读更多关于 bzoj2597

费用流反过来做，考虑什么情况下不行对于三个点，当一个点出度为$2$时不形成三元环设$x$度数为$d_x$,那么不形成的三元环就是$\frac{d_x(d_x-1)}{2}$ 建图，一边是点，一边是边，边向汇连容量为$1$费用为$0$的边点连向对应边原点向点连$n-1$条边，费用递增跑最小费用流，总数减去就是答案 #include <bits/stdc++.h> using namespace std; const int maxn = 1e4 + 5, inf = 0x3f3f3f3f; struct edge { int nxt, to, f, c; } e[maxn * 100]; int n, m, k, source, sink, cnt = 1; int head[maxn], pree[maxn], Prev[maxn], vis[maxn], d[maxn]; inline void link(int u, int v, int f, int c) { e[++cnt].nxt = head[u]; head[u] = cnt; e[cnt].f = f; e[cnt].to = v; e[cnt].c = c; } inline void insert(int u, int v, int f, int c) { link(u, v, f, c);

（二）泛函的极值

阅读更多关于（二）泛函的极值

极值的概念函数 $f(x)$ 在 $x_0$ 处取得极小值，是指当 $x$ 在 $x_0$ 点及其附近 $|x - x_0| < \varepsilon$ 时，恒有 $f(x) \ge f(x_0)$ 若有 $f(x) \leq f(x_0)$ 则称函数 $f(x)$ 在 $x_0$ 点取极大值。函数 $f(x)$ 在点 $x_0$ 处取得极值的必要条件是在该点处的导数为 0，即 $f'(x) = 0$ 泛函的极值必要条件仿照函数极值必要条件的到处方法，得到泛函取得极值的必要条件。首先，设所考虑的变量函数均通过固定的两个端点： $y(x_0) = a, \qquad y(x_1) = 0$ 即 $\delta y(x_0) = 0, \qquad \delta y(x_1) = 0$ 考虑泛函的差值 \[J[y + \delta y] - J[y] = \int^{x_1}_{x_0} [ F(x, y + \delta y, y' + (\delta y)') - F(x, y, y')] dx\] 当函数的变分 $\delta y$ 足够小时，可将上式进行泰勒展开，有 \[\begin{align} J[y + \delta y] - J[y] &= \int^{x_1}_{x_0} \left\{ [

（一）泛函的概念

阅读更多关于（一）泛函的概念

泛函的定义定义一：泛函（functional）通常是指定义域为函数集，而值域为实数或者复数的映射。换而言之，泛函是从由函数组成的一个向量空间到标量域的映射。定义二：设 $\boldsymbol{C}$ 是函数（形式）的集合， $\boldsymbol{B}$ 是实数集合；如果对 $\boldsymbol{C}$ 中的任一个元素 $y(x)$ ，在 $\boldsymbol{B}$ 中都有一个元素 $\boldsymbol{J}$ 与之对应，则称 $\boldsymbol{J}$ 为 $y(x)$ 的泛函，记为 $\boldsymbol{J}[y(x)]$ 。这里的函数集合，即泛函的定义域，通常包含要求 $y(x)$ 满足一定的边界条件，并且有连续的二阶导数。这样的 $y(x)$ 称为可取函数。最简泛函泛函的形式可以是多种多样的，但是，这里只讨论以下这种积分的形式： \[\boldsymbol{J}[y] = \int^{x_1}_{x_0} F(x, y, y') dx\] 其中， $F$ 是它的宗量的已知函数，具有连续的二阶偏导数。称之为最简泛函。最速降线问题如图所示，在重力的作用下，一个质点从 $(x_0, y_0)$ 处沿着平面曲线 $y(x)$ 无摩擦地自由下滑到 $(x_1, y_1)$

新手学分布式 - Envoy Proxy XDS Server动态配置的一点使用心得

阅读更多关于新手学分布式 - Envoy Proxy XDS Server动态配置的一点使用心得

Envoy Proxy 动态API的使用总结 Envoy Proxy和其它L4/L7反向搭理工具最大的区别就是原生支持动态配置。首先来看一下Envoy的大致架构从上图可以简单理解：Listener负责接受外部的请求，然后经过Filter/Router处理之后，在转发到具体的Cluster。其中Listener，Router，Cluster和Host地址都是可以动态配置的，配置这些数据的服务就称之为X Discovery Services，简称XDS。本文主要描述如何编写XDS Server更新逻辑。 Envoy Porxy XDS Service通过GRPC服务进行数据更新，所有Proto文件可以参考 https://github.com/envoyproxy/envoy/tree/master/api/envoy/api/v2 。用户可以根据proto文件自行生成相对应语言的GRPC代码文件。如果使用golang来实现的话，Envoy已经提供了一份编译好的GRPC代码，地址在这里: https://github.com/envoyproxy/go-control-plane/tree/master/envoy/api/v2 每个XDS Service都有两种GRPC服务， Stream 和 Delta 。 Stream 用来更新全量数据， Delta 用来更新增量数据

以鼠标位置为中心

阅读更多关于以鼠标位置为中心

<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd"> <html xmlns="http://www.w3.org/1999/xhtml"> <head> <meta http-equiv="Content-Type" content="text/html; charset=utf-8" /> <title>以鼠标位置为中心的滑轮放大功能demo</title> <style type="text/css"> html, body { height: 100%; overflow: hidden; } body { margin: 0; padding: 0; } </style> <script type="text/javascript" src="js/jquery-2.1.1.min.js" ></script> <script type="text/javascript"> /*绑定事件*/ function addEvent(obj, sType, fn) { if (obj.addEventListener) { obj.addEventListener(sType, fn,

隐马尔可夫模型（HMM）的MATLAB实现——Viterbi算法

阅读更多关于隐马尔可夫模型（HMM）的MATLAB实现——Viterbi算法

维特比算法实际是用动态规划求解隐马尔可夫模型解码问题，即用动态规划求概率最大路径（最优路径）。代码中有示例，来自李航《统计学习方法》 function [Delta,Psi,P,I] = Viterbi(A,B,Pi,O) % 函数功能：利用维特比算法找到观测序列O的最优路径 % % 参考文献：李航《统计学习方法》 % % 思路： % 1，初始化 % delta_1(i) = Pi_i * b_i(o1), i = 1,2,...,N % psi_1(i) = o, i = 1,2,...,N % 2,递推，对于t = 2,3,...,T % delta_t(i) = max_1-from-1-to-N(delta_t-1(j) * a_ji) * b_i(ot), i = 1,2,...,N % psi_t(i) = arg max_1-from-1-to-N(delta_t-1(j) * a_ji), i = 1,2,...,N % 3,终止 % 最优路径概率P* = max_1-from-1-to-N(delta_T(i)) % 最优路径终点i*_T = arg max_1-from-1-to-N(delta_T(i)) % 4,最优路径回溯，对于t = T-1,T-2,...,1 % i*_t = psi_t+1(i*_t+1) % 最优路径I* = (i*_1,i*_2,

python assert使用说明

阅读更多关于 python assert使用说明

python assert使用说明转载篇 2019-12-05 15:05:40 self.assertEqual(a,b,msg=msg) #判断a与1.b是否一致，msg类似备注，可以为空 self.assertNotEqual(a,b,msg=msg) #判断a与b是否不一致 self.assertTrue(a,msg=none) #判断a是否为True self.assertFalse(b,msg=none) #判断b是否为false self.assertAlmostEqual(a,b,places=none,msg=none,delta=none) #该判断过程有点复杂，判断过程如下注：places与delta不能同时存在，否则出异常 #若a==b，则直接输入正确，不判断下面的过程 #若delta有数，places为空，判断a与b的差的绝对值是否<=delta，满足则正确，否则错误 #若delta为空，places有数，判断b与a的差的绝对值,取小数places位，等于0则正确，否则错误 #若delta为空，places为空，默认赋值places=7判断例 assertAlmostEqual(2,2) 正确， assertAlmostEqual(5,2,delta=4) 正确 assertAlmostEqual(5,2,delta=2) 错误

【Luogu P3376】网络最大流

阅读更多关于【Luogu P3376】网络最大流

Luogu P3376 最大流是网络流模型的一个基础问题。网络流模型就是一种特殊的有向图。概念：源点：提供流的节点（入度为0），类比成为一个无限放水的水厂汇点：接受流的节点（出度为0），类比成为一个无限收水的小区弧：类比为水管弧的容量：类比为水管的容量；用函数 $c(x,y)$ 表示弧 $(x,y)$ 的容量弧的流量：类比为当前在水管中水的量；用函数 $f(x,y)$ 表示弧 $(x,y)$ 的流量弧的残量：即容量-流量容量网络：对于一个网络流模型，每一条弧都给出了容量，则构成一个容量网络。流量网络：对于一个网络流模型，每一条弧都给出了流量，则构成一个流量网络。残量网络：对于一个网络流模型，每一条弧都给出了残量，则构成一个残量网络。最初的残量网络就是容量网络。对于网络流模型 $G=(V,E)$ （ $V$ 为点集， $E$ 为边集）有如下性质：流量守恒：除了源点与汇点之外，流入任何节点的流一定等于流出该节点的流容量限制： $\forall (x,y) \in E，有0<=f(x,y)<=c(x,y)$ 斜对称性： $\forall (x,y) \in E，有f(x,y)=-f(y,x).$ 类似于函数奇偶性中的奇函数，或者是矢量的方向。最大流问题，用通俗的方式解释就是从源点S到汇点T输送流量

订阅达美航空