update
This commit is contained in:
nonstriater
@@ -0,0 +1,20 @@
|
||||
<?xml version="1.0" encoding="UTF-8"?>
|
||||
<!DOCTYPE plist PUBLIC "-//Apple Computer//DTD PLIST 1.0//EN" "http://www.apple.com/DTDs/PropertyList-1.0.dtd">
|
||||
<plist version="1.0">
|
||||
<dict>
|
||||
<key>CFBundleDevelopmentRegion</key>
|
||||
<string>English</string>
|
||||
<key>CFBundleIdentifier</key>
|
||||
<string>com.apple.xcode.dsym.a.out</string>
|
||||
<key>CFBundleInfoDictionaryVersion</key>
|
||||
<string>6.0</string>
|
||||
<key>CFBundlePackageType</key>
|
||||
<string>dSYM</string>
|
||||
<key>CFBundleSignature</key>
|
||||
<string>????</string>
|
||||
<key>CFBundleShortVersionString</key>
|
||||
<string>1.0</string>
|
||||
<key>CFBundleVersion</key>
|
||||
<string>1</string>
|
||||
</dict>
|
||||
</plist>
|
||||
Binary file not shown.
@@ -0,0 +1,71 @@
|
||||
|
||||
|
||||
#include "stdio.h"
|
||||
#include "pthread.h"
|
||||
|
||||
pthread_mutex_t mutex;
|
||||
pthread_cond_t condition;
|
||||
|
||||
unsigned int i = 0;
|
||||
|
||||
void *threadFunc1(void *arg){
|
||||
|
||||
pthread_mutex_lock(&mutex);
|
||||
pthread_cond_wait(&condition,&mutex);
|
||||
pthread_mutex_unlock(&mutex);
|
||||
|
||||
printf("aaaaaaa %d\n",i);
|
||||
pthread_exit((void *)0);
|
||||
|
||||
}
|
||||
|
||||
|
||||
void *threadFunc2(void *arg){
|
||||
|
||||
pthread_mutex_lock(&mutex);
|
||||
pthread_cond_wait(&condition,&mutex); //??? 这里人存在问题
|
||||
pthread_mutex_unlock(&mutex);
|
||||
|
||||
printf("vbbbbbbbbbb %d\n",i);
|
||||
pthread_exit((void *)0);
|
||||
|
||||
}
|
||||
|
||||
|
||||
int main(int argc, char const *argv[])
|
||||
{
|
||||
|
||||
pthread_mutex_init(&mutex,NULL);
|
||||
pthread_cond_init(&condition,NULL);
|
||||
|
||||
pthread_t thread1,thread2;
|
||||
pthread_create(&thread1,NULL,threadFunc1,(void *)0);
|
||||
pthread_create(&thread2,NULL,threadFunc2,(void *)0);
|
||||
|
||||
while(1){
|
||||
|
||||
pthread_mutex_lock(&mutex);
|
||||
i++;
|
||||
pthread_mutex_unlock(&mutex);
|
||||
|
||||
if (i==100000000)
|
||||
{
|
||||
//
|
||||
pthread_cond_broadcast(&condition);
|
||||
break;
|
||||
|
||||
}
|
||||
|
||||
}
|
||||
|
||||
pthread_join(thread1,NULL);
|
||||
pthread_join(thread2,NULL);
|
||||
|
||||
pthread_cond_destroy(&condition);
|
||||
pthread_mutex_destroy(&mutex);
|
||||
|
||||
|
||||
return 0;
|
||||
}
|
||||
|
||||
|
||||
@@ -1,27 +1,160 @@
|
||||
|
||||
|
||||
多线程有几种实现方法，都是什么？
|
||||
### 多线程有几种实现方法，都是什么？
|
||||
|
||||
OC中：
|
||||
Thread： 使用简单方便，但效率不及下面的几种方式
|
||||
NSOperationQueue：可以对thread的状态做精确的控制，gcd做不到
|
||||
GCD： 效率做好的方案，且结合block，使用方便
|
||||
pthread OS提供的api
|
||||
|
||||
|
||||
|
||||
### 多线程同步和互斥有几种实现方法，都是什么？
|
||||
|
||||
首先理解线程`同步`和`互斥`的概念。
|
||||
|
||||
`同步` 在一个功能调用时，如果没有得到结果，调用就不返回
|
||||
|
||||
`死锁` 2个线程访问共享资源，顺序不当造成的。如一个线程锁定了资源A，想访问另一个线程锁定的资源B，而这个线程又在等待A资源。
|
||||
|
||||
`线程同步` 线程A和B一块配合，A执行到一定程度需要拷B的结果，于是停下来，等待B的指向结果。
|
||||
|
||||
1. 临界区： 任意时刻只允许一个线程访问共享资源
|
||||
2. 互斥量： 拥有互斥对象的线程才能访问公共资源
|
||||
3. 信号量： 允许多个线程同时访问统一资源？？
|
||||
4. 事件 ： ？
|
||||
|
||||
|
||||
结合代码来看看 linux上 3种 线程同步的方式：
|
||||
|
||||
#### 互斥锁
|
||||
|
||||
pthread_mutex_t
|
||||
pthread_mutex_init()
|
||||
pthread_mutex_lock() // 在访问共享资源时，加锁，这样别的线程无法访问
|
||||
pthread_mutex_unlock() // 解锁，这样别的线程可以访问共享资源了
|
||||
pthread_mutex_destroy()// 释放互斥锁
|
||||
|
||||
|
||||
互斥锁是如何通知到等待锁的线程的？
|
||||
|
||||
我猜内核会维护一个 互斥量对多个等待线程(1对多) 的表，在互斥量解锁后，采用某种方式选择一个等待线程唤醒，让其获得互斥锁，如此往复，直到所有等待线程唤醒执行。(具体待参加linux/kernel/mutex.c)
|
||||
|
||||
|
||||
#### 条件变量
|
||||
|
||||
条件变量用来等待，阻塞一个线程,等待某个条件发生时触发。条件变量与互斥锁同时使用.
|
||||
|
||||
条件变量和互斥量相关联 是一种用于 多线程之间共享数据状态改变的通信机制。
|
||||
|
||||
pthread_cond_init()
|
||||
pthread_cond_destroy()
|
||||
pthread_cond_wait(cond,mutex) // 条件测试为假，线程就会阻塞；
|
||||
pthread_cond_signal() // 给出“条件成立”信号
|
||||
pthread_cond_broadcast()
|
||||
|
||||
|
||||
以生产者消费者问题为例，消费线程在得知队列中没有产品时，将阻塞自己；
|
||||
生产者线程生产产品后，没有办法激活消费线程，这个时候生产者还要继续运行生产产品，不能用互斥量来实现；如果消费线程采用轮询的方式，无疑又是对CPU的浪费；最好的方式还是生产线程来唤醒消费线程；
|
||||
|
||||
那生产线程如何唤醒另一个线程呢？
|
||||
|
||||
|
||||
|
||||
|
||||
多线程同步和互斥有几种实现方法，都是什么？
|
||||
条件变量本身是需要互斥量来保护的，也就是条件的检查实在互斥锁的保护下进行的。 因此pthread_cond_wait(cond,mutex)函数中，传递了一个mutex互斥量用来锁住cond条件变量
|
||||
|
||||
|
||||
iOS中又NSCondition
|
||||
|
||||
- wait
|
||||
- signal
|
||||
- broadcast
|
||||
|
||||
NSCondition 还实现了 NSLocking协议
|
||||
- lock
|
||||
- unlock
|
||||
|
||||
|
||||
|
||||
#### 信号量
|
||||
|
||||
又叫 `信号灯`，本质上是一个计数器。
|
||||
|
||||
sem_t
|
||||
sem_init() // 初始化一个信号量，需要指定允许的最大资源计数。如果这里最大计数为1，跟互斥量类似了。
|
||||
sem_wait() // 给信号量-1 ， 如果信号量任然>=0,线程可以继续指向，否则等待
|
||||
sem_post() // 给信号量+1
|
||||
sem_destroy() // 销毁信号量
|
||||
|
||||
互斥量与临界区比较
|
||||
可以理解为，`互斥量` 是 `信号量` 的一种特殊情况（max_sem_count==1）
|
||||
|
||||
看下信号量的结构(/usr/src/linux/include/linux/sem.h)
|
||||
struct semaphore {
|
||||
spinlock_t lock; // 用来确保对count成员的原子操作
|
||||
unsigned int count;
|
||||
struct list_head wait_list;// 在信号量+1，给wait的线程或进程发送信号量
|
||||
};
|
||||
|
||||
|
||||
|
||||
生产者消费者问题
|
||||
`线程互斥` ： 某一资源同时只允许一个访问者访问。上面介绍的 `互斥量` `临界区` 都可以实现线程的互斥
|
||||
|
||||
|
||||
|
||||
### 怎么避免死锁？（经验）
|
||||
|
||||
A线程
|
||||
@synchronized(lockobj){
|
||||
while([datas count==0){...}
|
||||
}
|
||||
|
||||
B线程
|
||||
@synchronized(lockobj){
|
||||
[datas addObject:[Item new]];
|
||||
}
|
||||
|
||||
A线程一直在while循环上等待，但是B线程有无法获得lockobj锁而等待出现死锁。解决办法是用NSLock来替换@synchronized(lock),在while()中
|
||||
|
||||
1). 在使用锁的程序中，不要在程序中间使用return（这个时候还没有解锁，就可能会造成死锁）， 而使用goto函数跳转至解锁并退出函数的位置
|
||||
|
||||
|
||||
多线程同步问题
|
||||
1. 线程重排序reordering thread
|
||||
2. minimize locking
|
||||
3. a bigger loc
|
||||
4. try lock
|
||||
5. time out for locking
|
||||
|
||||
|
||||
|
||||
### 互斥量与临界区比较？
|
||||
|
||||
互斥量比临界区复杂，临界区只能完成统一进程内线程直接的同步，互斥量可以实现不同进程的线程的同步，可以跨进程使用。
|
||||
|
||||
互斥量，信号量，事件都可以跨进程访问
|
||||
|
||||
|
||||
|
||||
### 生产者消费者问题
|
||||
|
||||
生产者和消费者之间通常有一个缓冲区作为中介。这个缓冲区有以下作用：
|
||||
1. 解耦合
|
||||
2. 让 生产者 和 消费者 并发执行
|
||||
3. 支持忙闲不均
|
||||
|
||||
队列缓冲区
|
||||
环形缓冲区
|
||||
|
||||
|
||||
|
||||
### 读者写者问题
|
||||
这也是一个非常经典的多线程题目，题目大意如下：有一个写者很多读者，多个读者可以同时读文件，但写者在写文件时不允许有读者在读文件，同样有读者读时写者也不能写。
|
||||
|
||||
|
||||
|
||||
### 几个多线程面试题目
|
||||
|
||||
主线程启动10个子线程并将表示子线程序号的变量地址作为参数传递给子线程。子线程接收参数 -> sleep(50) -> 全局变量++ -> sleep(0) -> 输出参数和全局变量。
|
||||
|
||||
要求：
|
||||
@@ -30,12 +163,6 @@
|
||||
|
||||
|
||||
|
||||
读者写者问题
|
||||
这也是一个非常经典的多线程题目，题目大意如下：有一个写者很多读者，多个读者可以同时读文件，但写者在写文件时不允许有读者在读文件，同样有读者读时写者也不能写。
|
||||
|
||||
|
||||
|
||||
|
||||
编写一个程序，开启3个线程，这3个线程的ID分别为A、B、C，每个线程将自己的ID在屏幕上打印10遍，要求输出结果必须按ABC的顺序显示；如：ABCABC….依次递推。
|
||||
|
||||
|
||||
|
||||
+29
-26
@@ -1,4 +1,6 @@
|
||||
|
||||
|
||||
|
||||
## 排序算法
|
||||
|
||||
**排序的稳定性** 对于相等的元素，排序之后，任然保存2个元素的位置没有变，就是稳定的排序，反之就是不稳定排序。
|
||||
@@ -19,10 +21,10 @@
|
||||
|
||||
递归一次，pivot 左边都比它小，右边都比它大。这是递归，分治的思想。
|
||||
|
||||
对 A[p...r] :
|
||||
1. 分解：A[p..q-1] A[q+1..r],使得 A[p...q-1]<A[q]<A[q+1..r]
|
||||
2. 解决：递归调用 快排，，对子数组A[p..q-1],A[q+1..r]排序
|
||||
3. 合并（子问题相互独立的，因此用分治算法就可以了）
|
||||
对 A[p...r] :
|
||||
1. 分解：A[p..q-1] A[q+1..r],使得 A[p...q-1]<A[q]<A[q+1..r]
|
||||
2. 解决：递归调用 快排，，对子数组A[p..q-1],A[q+1..r]排序
|
||||
3. 合并（子问题相互独立的，因此用分治算法就可以了）
|
||||
|
||||
具体步骤：
|
||||
|
||||
@@ -31,15 +33,15 @@
|
||||
3. 递归的，使用相同的方式，重排左右两边的子序列
|
||||
|
||||
扫描过程分2种：
|
||||
1. 挖坑排序，2头向中间扫描，先从后向前找，再从前向后找。
|
||||
2. 单向扫描
|
||||
1. 挖坑排序，2头向中间扫描，先从后向前找，再从前向后找。
|
||||
2. 单向扫描
|
||||
|
||||
|
||||
平均复杂度 O(n*logn)
|
||||
最坏O(n^2)
|
||||
空间复杂度
|
||||
平均复杂度 O(n*logn) ，
|
||||
最坏O(n^2)
|
||||
空间复杂度
|
||||
|
||||
快速排序是对冒泡排序的改进，划分交换排序。
|
||||
快速排序是对冒泡排序的改进，划分交换排序。
|
||||
|
||||
|
||||
|
||||
@@ -76,10 +78,10 @@
|
||||
2个有序数组的合并操作是O(n)的复杂度
|
||||
因此我们可以将无序的数组，分成2个子数组分别排序，然后再merge,依次类推
|
||||
|
||||
归并排序的步骤
|
||||
1. 分解 ， 将一个数组分成2个子数组
|
||||
2. 解决 ， 将2个子数组都排好序，然后 merge 2个有序数组
|
||||
3. 合并
|
||||
归并排序的步骤
|
||||
1. 分解 ， 将一个数组分成2个子数组
|
||||
2. 解决 ， 将2个子数组都排好序，然后 merge 2个有序数组
|
||||
3. 合并
|
||||
|
||||
|
||||
|
||||
@@ -101,26 +103,27 @@
|
||||
|
||||
堆的操作有：
|
||||
|
||||
建堆
|
||||
插入：都是插入到数组最后，然后再调整满足堆次序
|
||||
删除：删除总是发生在 A[0]处，也就是只删除根节点
|
||||
建堆
|
||||
插入：都是插入到数组最后，然后再调整满足堆次序
|
||||
删除：删除总是发生在 A[0]处，也就是只删除根节点
|
||||
|
||||
这样难怪`堆`被称为 `优先队列`。插入和删除分别在 数组尾部和 头部，只是需要再次调整以满足堆次序。
|
||||
|
||||
`堆`的应用场景有：
|
||||
优先队列 如iOS中的NSOperationQueue 就是维护一个优先队列
|
||||
堆排序
|
||||
`堆`的应用场景有：
|
||||
优先队列 如iOS中的NSOperationQueue 就是维护一个优先队列
|
||||
堆排序
|
||||
|
||||
|
||||
|
||||
我们来看看如何使用`堆` 来做排序。
|
||||
我们来看看如何使用`堆` 来做排序?
|
||||
|
||||
1.将待排序数列看做一颗完全二叉树的存储结构
|
||||
2.`堆化数组`，结束后，根a[0]变成了最小的值（小根堆）
|
||||
3.取a[0]值，然后对`堆`做删除操作，此时，`堆`会重新 `堆化数组`，a[0]又是下一个最小的值
|
||||
4. 循环3，就可以按从小到大的顺序取出所有数组元素。
|
||||
1.将待排序数列看做一颗完全二叉树的存储结构
|
||||
2.`堆化数组`，结束后，根a[0]变成了最小的值（小根堆）
|
||||
3.取a[0]值，然后对`堆`做删除操作，此时，`堆`会重新 `堆化数组`，a[0]又是下一个最小的值。
|
||||
删除操作通常是先把数组最后的元素提到a[0]位置，然后从根节点开始进行一次从上向下的调整；调整时，先从左右孩子中找最小的交换。如果父节点比每个节点都小就不用调整。（因此，在`堆排序`是可以直接让 a[0]和数组最后一个元素互换，但要先保存好a[0],或者a[n-1],这样导致了使用`堆排序`时，递增排序使用大根堆，递减排序使用小根堆。）
|
||||
4. 循环3，就可以按从小到大的顺序取出所有数组元素。
|
||||
|
||||
堆排序主要时间花在建堆期间和`堆化数组`，找数列中最大树只需要O(1)时间复杂度
|
||||
堆排序主要时间花在建堆期间和`堆化数组`，找数列中最大树只需要O(1)时间复杂度
|
||||
|
||||
|
||||
|
||||
|
||||
BIN
Binary file not shown.
Binary file not shown.
+84
-12
@@ -131,7 +131,7 @@ void quicksort(int *a, int left, int right){
|
||||
void merge_sort(int *a, int length){
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
}
|
||||
|
||||
@@ -139,33 +139,105 @@ void merge_sort(int *a, int length){
|
||||
|
||||
// 堆排序
|
||||
|
||||
void heap_sort(int *a, int length){
|
||||
|
||||
|
||||
void heap_swop(int *a,int *b){
|
||||
|
||||
*a = *a + *b;
|
||||
*b = *a - *b;
|
||||
*a = *a - *b;
|
||||
}
|
||||
|
||||
|
||||
|
||||
//自顶向下调整
|
||||
void heap_public_adjust(int *a,int i,int length){
|
||||
|
||||
#define Max_Number 50000
|
||||
// 三个数里取最大的一个 a[i],a[2i+1],a[2i+2],跟a[i]交换；然后是 a[(i-1)/2],a[i],a[i+1] .. 一直到a[0]
|
||||
int tmp = i , max;//
|
||||
while(2*tmp+1<length){
|
||||
max = 2*tmp+1;
|
||||
//三个数里取最大的一个 a[tmp],a[2tmp+1],a[2tmp+2]
|
||||
if (2*tmp+2<length)// 越界检查
|
||||
{
|
||||
if (a[max] < a[2*tmp+2])// 先选出最大的子节点
|
||||
{
|
||||
max = 2*tmp+2;
|
||||
}
|
||||
}
|
||||
|
||||
// 和最大孩子比
|
||||
if (a[tmp] >= a[max])
|
||||
{
|
||||
break;
|
||||
}
|
||||
else
|
||||
{
|
||||
heap_swop(&a[tmp],&a[max]);
|
||||
tmp = 2*tmp+1;
|
||||
}
|
||||
|
||||
}
|
||||
|
||||
}
|
||||
|
||||
|
||||
// 从第一个非叶子节点a[(length-2)/2]，开始做调整, 跟自己的子节点比较，把最大的孩子换上来就是创建最大堆，
|
||||
//反之，把最小的孩子换上来就是创建最小堆 一直到a[0]
|
||||
void heap_build(int *a,int length){
|
||||
|
||||
|
||||
for (int i = (length-2)/2; i >=0 ; --i)
|
||||
{
|
||||
// 三个数里取最大的一个 a[i],a[2i+1],a[2i+2],跟a[i]交换；然后是 a[(i-1)/2],a[i],a[i+1] .. 一直到a[0]
|
||||
heap_public_adjust(a,i,length);
|
||||
|
||||
}
|
||||
|
||||
}
|
||||
|
||||
// 自顶向下调整
|
||||
void heap_adjust(int *a,int length){
|
||||
|
||||
heap_public_adjust(a,0,length); //对0号调整
|
||||
}
|
||||
|
||||
|
||||
void heap_sort(int *a, int length){
|
||||
|
||||
// 建立堆 大根堆，递增排序
|
||||
heap_build(a,length);
|
||||
|
||||
for (int i = length-1; i >0; --i)
|
||||
{
|
||||
//交换
|
||||
heap_swop(&a[0],&a[i]);
|
||||
|
||||
//调整
|
||||
heap_adjust(a,i);
|
||||
}
|
||||
|
||||
}
|
||||
|
||||
///////////////////////////////////////////////
|
||||
|
||||
|
||||
#define Max_Number 50
|
||||
|
||||
int main(){
|
||||
|
||||
//int a[] = {4,87,2,32,5,41,2,9};
|
||||
int a[] = {4,87,2,32,5,2,9,49,49,23,45,2,41};
|
||||
// 准备5000个数
|
||||
int a[Max_Number];
|
||||
for (int i = 0; i < Max_Number; ++i)
|
||||
{
|
||||
a[i]=rand()%Max_Number;
|
||||
}
|
||||
// int a[Max_Number];
|
||||
// for (int i = 0; i < Max_Number; ++i)
|
||||
// {
|
||||
// a[i]=rand()%Max_Number;
|
||||
// }
|
||||
|
||||
clock_t start,finish;
|
||||
|
||||
|
||||
|
||||
start = clock();
|
||||
|
||||
heap_sort(a,sizeof(a)/sizeof(int)); // 有buggggggg
|
||||
//quicksort(a,0,sizeof(a)/sizeof(int)-1); // 0.01s
|
||||
//insert_sort(a,sizeof(a)/sizeof(int)); // 3.85s
|
||||
//select_sort(a,sizeof(a)/sizeof(int)); // 5.3s
|
||||
|
||||
+28
-28
@@ -4,10 +4,10 @@
|
||||
是一种不断用旧值递推新值的过程，分精确迭代和近视迭代。是用来求方程和方程组近似根的方法。
|
||||
|
||||
|
||||
迭代变量
|
||||
迭代关系， 迭代关系选择不合理，会导致迭代失败
|
||||
迭代过程控制，也就是迭代什么时候结束，不能无休止进行下去
|
||||
|
||||
迭代变量
|
||||
迭代关系， 迭代关系选择不合理，会导致迭代失败
|
||||
迭代过程控制，也就是迭代什么时候结束，不能无休止进行下去
|
||||
|
||||
|
||||
|
||||
|
||||
@@ -38,17 +38,17 @@
|
||||
在 `递推` 阶段，将大的问题分解成小的问题
|
||||
在 `回归` 阶段，获得最简单问题的解后，逐级返回，依次得到稍微复杂情况的解，知道获得最终的结果
|
||||
|
||||
1） 确定递归公司
|
||||
2） 确定边界条件
|
||||
1） 确定递归公司
|
||||
2） 确定边界条件
|
||||
|
||||
|
||||
如
|
||||
|
||||
斐波那契数列 fib(n)=fib(n-1)+fib(n-2)
|
||||
阶乘计算
|
||||
梵塔问题 （三根针1，2，3表示，1号从小到大n个盘子，先要都移到3号上，不能出现大盘压小盘，找出移动次数最少的方案）
|
||||
快速排序
|
||||
|
||||
斐波那契数列 fib(n)=fib(n-1)+fib(n-2)
|
||||
阶乘计算
|
||||
梵塔问题 （三根针1，2，3表示，1号从小到大n个盘子，先要都移到3号上，不能出现大盘压小盘，找出移动次数最少的方案）
|
||||
快速排序
|
||||
|
||||
|
||||
递归运行效率较低，因为有函数调用的开销，递归多次也可能造成栈溢出。
|
||||
|
||||
@@ -80,7 +80,7 @@
|
||||
|
||||
案例:
|
||||
|
||||
迷宫问题
|
||||
迷宫问题
|
||||
|
||||
|
||||
|
||||
@@ -92,10 +92,10 @@
|
||||
|
||||
|
||||
|
||||
案例
|
||||
找回零钱问题
|
||||
装箱问题
|
||||
赫夫曼编码
|
||||
*案例*
|
||||
找回零钱问题
|
||||
装箱问题
|
||||
赫夫曼编码
|
||||
|
||||
|
||||
|
||||
@@ -106,15 +106,15 @@
|
||||
将一个难以直接解决的大问题，分割成一些规模较小的相同问题，各个击破，分而治之。
|
||||
分治算法常用递归实现
|
||||
|
||||
1） 问题缩小的小规模可以很容易解决
|
||||
2) 问题可以分解为规模较小相同问题
|
||||
3） 子问题的解可以合并为该问题的解
|
||||
4） 各个子问题相互独立，(如果这条不满足,转为`动态规划`求解）
|
||||
|
||||
1） 问题缩小的小规模可以很容易解决
|
||||
2) 问题可以分解为规模较小相同问题
|
||||
3） 子问题的解可以合并为该问题的解
|
||||
4） 各个子问题相互独立，(如果这条不满足,转为`动态规划`求解）
|
||||
|
||||
分治法的步骤：
|
||||
1. 分解
|
||||
2. 解决
|
||||
3. 合并
|
||||
1. 分解
|
||||
2. 解决
|
||||
3. 合并
|
||||
|
||||
|
||||
以 `大整数乘法` 为例
|
||||
@@ -122,10 +122,10 @@
|
||||
如 26542123532213598*345987342245553677884
|
||||
|
||||
|
||||
案例：
|
||||
快速排序
|
||||
归并排序
|
||||
最大子数组和
|
||||
*案例*
|
||||
快速排序
|
||||
归并排序
|
||||
最大子数组和
|
||||
|
||||
|
||||
|
||||
|
||||
Reference in New Issue
Block a user