数据结构篇（七）：线性表——双端队列
前言前面讲了栈（一端进出）和队列（一端进、一端出）。这一篇讲双端队列——顾名思义，它把栈和队列的能力结合在了一起：两端都能插入，两端都能删除。理解了双端队列，再看C++ STL的deque、Java的ArrayDeque会更加清晰，同时它也是很多算法题&#x
数据结构与算法
【知识讲解】 哈希表的介绍与实现
目录前言Part1. unordered_map和setPart1.1. 有序性差异Part1.2. 迭代器特性Part1.3. Key约束Part2. 哈希表核心原理Part2.1. 两种基础映射方案Part2.1.1. 直接定址法Part2.1.2. 哈希函数映射法Part2.2. 哈希冲突定义Part2.3. 负载因子Part2.4. 哈希冲突解决方案Part2.4.1. 开放寻址
【知识讲解】 链式哈希表的实现与unordered_map和unordered_set的封装
目录前言Part1. 哈希函数Part2. 插入操作Part3. 查找操作Part4. 删除操作Part5. unordered_map和unordered_set的封装Part6. 链式哈希表的封装实现结语前言
上篇文章：【知识讲解】 哈希表的介绍与实现-CSDN博客
在上篇文章我们讲述了哈希表的开放寻址法，也谈到了他的一些缺点
动态规划状态压缩：从 O(2^N) 到 O(N) 的空间优化方法论
动态规划状态压缩：从 O(2^N) 到 O(N) 的空间优化方法论一、空间爆炸——动态规划的隐性瓶颈动态规划的时间复杂度通常由状态总数和单状态转移代价的乘积决定，这已是共识。但一个常被忽视的事实是：空间复杂度同样可能成为瓶颈，而且在实际工程中，空间瓶颈往往比时间瓶颈更致命——时间超限可以通过重试或并行缓解，空间超限
TimechoAI时序大模型 vs 传统算法，精度/延迟/适配性量化数据对比
TimechoAI时序大模型 vs 传统算法，精度/延迟/适配性量化数据对比做时序数据开发和分析的朋友应该都清楚，业内常用的传统算法基本就是 ARIMA、Prophet、LSTM 这几类。平时开发选型的时候，我们大多是靠经验去判断，很少有人会做完整的量化对比测评。之前的文章我分别讲了代码实操、生产踩坑、零代码落地的内容。那这一篇我就来点不一
C++图论基础多源最短路-Floyd 算法流食般投喂
多源最短路：即图中每对顶点间的最短路径。
📌这里多源最短路算法我们只介绍 Floyd（弗洛伊德） 算法。
📌它适用于任何图，不管是有向无向，边权正负，但是最短路必须存在（也就是不存在负环），但其实 Floyd 算法是可以判断负环的。
哈希表题解：O(1) 查询背后也有边界
哈希表题解：O(1) 查询背后也有边界一、哈希表不是无脑加速器哈希表在算法题里太常见了：两数之和、最长连续序列、字母异位词、前缀和计数。它的优势是平均 O(1) 查询，但这不代表可以无脑使用。哈希表会消耗空间，也会带来 key 设计、重复元素、计数和边界问题。很多哈希题写错，不是不会用 dict，而是没想清楚存什么
【题目讲解】 算法系列之定长类滑动窗口解析（上）
目录前言Part1. 标准滑动窗口Part1.1. 定长子串中元音的最大数目Part1.2. 子数组的最大平均数Part2. 滑动窗口+哈希表Part2.1. 长度为K子数组中的最大和Part3. 转化类滑动窗口Part3.1. 得到K个黑块的最少涂色次数Part3.2. 重新安排会议得到最多空闲时间Part4. 总结Part5. 结语前言
滑动窗口作为经典的算法之一&#
【C++】 链式哈希表（Separate Chaining）
链式哈希表（Chaining Hash Table / 拉链法哈希表）
链式哈希表是最经典、工业界应用最广的哈希表实现方案之一，核心作用是解决哈希冲突问题：当不同的Key经过哈希函数计算后，映射到同一个桶位置时，用「链表挂载」的方式把所有冲突的键值对挂在同一个桶下，避免数据覆盖
干货版《算法导论》08：哈希——重构集合数据结构的速度魔法
干货版《算法导论》08：哈希——重构集合数据结构的速度魔法
Bilibili 同步视频
🔎 一、比较模型：藏在查找背后的「下界枷锁」
🎯 二、直接寻址数组：O(1) 乌托邦，却困于空间爆炸
核心原理
极致性能
致命缺陷：空间爆炸💥
🔑 三、哈希登
