新闻详情

新闻详情

首页 / 资讯中心 / 详情

基础B(栈)(第?课)

发布时间:2026/11/14 21:52:37来源:尧图网络
基础B(栈)(第?课)
1.前言你问我标题为什么是基础B而不是提高A那我只能告诉你。我忘了这篇文章主要是回顾栈的内容毕竟是一年前的知识了有点遗忘所以如有错误请大家在评论区指出我会修改的。2.正文2.1栈的介绍栈是一种只能从一端进行操作并遵守先进后出LIFO原则的储存结构。栈的操作仅限于一端这一端被称为栈顶另外一端就被称为栈底。2.2栈的基本术语在栈中添加元素叫“入栈”Push而在栈中删除元素则叫“出栈”Pop。2.3栈的原则间接导致的结果由于栈遵守先进后出LIFO的原则所以一般最先进的元素最后出最后进的元素最先出。2.4栈的形象理解可以将栈里的元素比作纸或衣服等东西最先放进的纸或衣服在最底下而最后放进的纸或衣服就在最顶上要在里面找东西必须得把上面的纸或衣服拿掉才好找。2.5栈的具体代码操作都在代码里#includebits/stdc.h using namespace std; int z[10005];//栈数组 int pop0;//栈顶 int main() { int n,x; cinn; for(int i1;in;i) { cinx; pop; z[pop]x; } /*如果n是3x分别等于1、3、5 那么z[1]1 z[2]3 z[3]5 pop3*/ pop--;//出栈 /*出完栈后pop2 那么z[pop]就等于3*/ coutz[pop]; return 0; }如果还要进栈那么pop就不用动在出栈和入栈的次数相等时#includebits/stdc.h using namespace std; int z[10005];//栈数组 int pop0;//栈顶 int main() { int n,x; cinn; for(int i1;in;i) { cinx; pop; z[pop]x; } /*如果n是3x分别等于1、3、5 那么z[1]1 z[2]3 z[3]5 pop3*/ cinx; z[pop]x;//本来要出栈pop减一的由于还要入栈所以直接把z[pop]替换成要入栈的元素即可 /*出完栈后pop2 那么z[pop]就等于3*/ coutz[pop]; return 0; }逃新手小白提高A
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/14 3:51:47

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/15 2:04:12

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/14 10:11:15

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/14 17:14:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/14 3:51:43

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉