精华内容
下载资源
问答
  • 在形状因子等于1时,水平极化模式与垂直极化模式对电磁波传播衰减的影响相同,形状因子小于1时,垂直极化模式对电磁波衰减的影响大于水平极化模式,形状因子大于1时,水平极化模式对电磁波传播衰减的影响大于垂直极...
  • 光束品质因子M

    2021-02-12 07:50:03
    光束品质因子M2直接影响高斯光束传播特性,光纤口径主要约束激光雷达接收系统的视场角。几何重叠因子是影响激光雷达探测性能的重要参量,...几何重叠因子小于1的探测距离受到M2因子的较大影响且随着M2因子的增大而增大。
  • 1.如果切片的容量cap小于1024,那么扩容的时候slice的cap就乘以2;一旦元素个数超过1024个元素,增长因子就变成1.25 2.如果扩容之后,还没有触及原数组的容量,那么,切片中的指针指向的位置,就还是原数组,如果扩...

    知识

    1.如果切片的容量cap小于1024,那么扩容的时候slice的cap就乘以2;一旦元素个数超过1024个元素,增长因子就变成1.25

    2.如果扩容之后,还没有触及原数组的容量,那么,切片中的指针指向的位置,就还是原数组,如果扩容之后,超过了原数组的容量,那么,Go就会开辟一块新的内存,把原来的值拷贝过来,这种情况丝毫不会影响到原数组。

    例子

    import (
        "fmt"
    )
    func main(){
        array := [4]int{10, 20, 30, 40}
        slice := array[0:2]
        newSlice := append(append(append(slice, 50), 100), 150)
        newSlice[1] += 1
        fmt.Println(slice)
    }
    
    [10 20]
    上述程序中,由于扩容了三次,超过了原始数组的容量,所以把原始数组拷贝过来,对新切片的修改并不影响
    原始数组的值。从而打印原始数组不影响原数组。
    
    
    import (
        "fmt"
    )
    func main(){
        array := [4]int{10, 20, 30, 40}
        slice := array[0:2]
        newSlice := append(append(slice, 50), 100)
        newSlice[1] += 1
        fmt.Println(slice)
    }
    
    [10 21]
    
    由于扩容了两次,没有超过原始数组的容量,所以新切片指针还是指向原始数组,对新切片的修改既对原始数
    组的修改。从而打印原始数组为修改过的原数组。

     

    展开全文
  • 基于2 + 1维理想流体动力学描述的夸克-胶子膨胀等离子体中J /ψ分解和生成的动力学... 我们发现,不同于冷核物质的影响,RpPb(J /ψ)略小于最小偏置碰撞中的RpPb(J /ψ),并且在向后快速运动时,倍率明显小于1
  • 通过确定平衡模型(EM)得出的非反应性Cl-的BTC结果显示延迟因子小于1。通过确定非平衡模型(NEM)得出的苯酚BTC的结果表明R-改性率增加时,R值增加,R的顺序为CK(1.337)(4.085)(7.048)。 较低至较高浓度的...
  • 在某些固定参数下,我们发现较小的黑洞(V1)与较大的黑洞(V2)之间的体积差异较大将导致效率降低,而较大的压差P1-P4将使效率更高,但 它总是小于1,永远不会超出卡诺效率,这是热力学定律所约束的效率的最大值;...
  • 一、HashMap的架构 HashMap底层主要是通过数组+链表+红黑树实现的,当链表的长度大于等于8的时候,链表会转化为红黑树,当红黑树的大小小于等于6时,红黑... * 2、loadFactor(影响因子)默认值是0.75,是均衡了时间和...

    一、HashMap的架构
    HashMap底层主要是通过数组+链表+红黑树实现的,当链表的长度大于等于8的时候,链表会转化为红黑树,当红黑树的大小小于等于6时,红黑树会转化为链表。

    二、常见属性

    	/*
         * 类注释
         * 1、不同于HashTable,允许key值和value为null,线程不安全。
         * 2、loadFactor(影响因子)默认值是0.75,是均衡了时间和空间损耗算出来的值,较高的值会减少空间开销(扩容减少,数组大小增长速度变慢),但增加了查找成本(hash 冲突增加,链表长度变长),不扩容的条件:数组容量 > 需要的数组大小 /load factor。
         * 3、如果有很多数据需要储存到 HashMap 中,建议 HashMap 的容量一开始就设置成足够的大小,这样可以防止在其过程中不断的扩容,影响性能。
         * 4、HashMap 是非线程安全的,我们可以自己在外部加锁,或者通过 Collections#synchronizedMap 来实现线程安全,Collections#synchronizedMap 的实现是在每个方法上加上了 synchronized 锁。
         * 5、在迭代过程中,如果 HashMap 的结构被修改,会快速失败。
         */
    	private static final long serialVersionUID = 362498820763181265L;
    
        /*
         * Implementation notes.
         *
         * This map usually acts as a binned (bucketed) hash table, but
         * when bins get too large, they are transformed into bins of
         * TreeNodes, each structured similarly to those in
         * java.util.TreeMap. Most methods try to use normal bins, but
         * relay to TreeNode methods when applicable (simply by checking
         * instanceof a node).  Bins of TreeNodes may be traversed and
         * used like any others, but additionally support faster lookup
         * when overpopulated. However, since the vast majority of bins in
         * normal use are not overpopulated, checking for existence of
         * tree bins may be delayed in the course of table methods.
         *
         * Tree bins (i.e., bins whose elements are all TreeNodes) are
         * ordered primarily by hashCode, but in the case of ties, if two
         * elements are of the same "class C implements Comparable<C>",
         * type then their compareTo method is used for ordering. (We
         * conservatively check generic types via reflection to validate
         * this -- see method comparableClassFor).  The added complexity
         * of tree bins is worthwhile in providing worst-case O(log n)
         * operations when keys either have distinct hashes or are
         * orderable, Thus, performance degrades gracefully under
         * accidental or malicious usages in which hashCode() methods
         * return values that are poorly distributed, as well as those in
         * which many keys share a hashCode, so long as they are also
         * Comparable. (If neither of these apply, we may waste about a
         * factor of two in time and space compared to taking no
         * precautions. But the only known cases stem from poor user
         * programming practices that are already so slow that this makes
         * little difference.)
         *
         * Because TreeNodes are about twice the size of regular nodes, we
         * use them only when bins contain enough nodes to warrant use
         * (see TREEIFY_THRESHOLD). And when they become too small (due to
         * removal or resizing) they are converted back to plain bins.  In
         * usages with well-distributed user hashCodes, tree bins are
         * rarely used.  Ideally, under random hashCodes, the frequency of
         * nodes in bins follows a Poisson distribution
         * (http://en.wikipedia.org/wiki/Poisson_distribution) with a
         * parameter of about 0.5 on average for the default resizing
         * threshold of 0.75, although with a large variance because of
         * resizing granularity. Ignoring variance, the expected
         * occurrences of list size k are (exp(-0.5) * pow(0.5, k) /
         * factorial(k)). The first values are:
         *
         * 0:    0.60653066
         * 1:    0.30326533
         * 2:    0.07581633
         * 3:    0.01263606
         * 4:    0.00157952
         * 5:    0.00015795
         * 6:    0.00001316
         * 7:    0.00000094
         * 8:    0.00000006
         * more: less than 1 in ten million
         *
         * The root of a tree bin is normally its first node.  However,
         * sometimes (currently only upon Iterator.remove), the root might
         * be elsewhere, but can be recovered following parent links
         * (method TreeNode.root()).
         *
         * All applicable internal methods accept a hash code as an
         * argument (as normally supplied from a public method), allowing
         * them to call each other without recomputing user hashCodes.
         * Most internal methods also accept a "tab" argument, that is
         * normally the current table, but may be a new or old one when
         * resizing or converting.
         *
         * When bin lists are treeified, split, or untreeified, we keep
         * them in the same relative access/traversal order (i.e., field
         * Node.next) to better preserve locality, and to slightly
         * simplify handling of splits and traversals that invoke
         * iterator.remove. When using comparators on insertion, to keep a
         * total ordering (or as close as is required here) across
         * rebalancings, we compare classes and identityHashCodes as
         * tie-breakers.
         *
         * The use and transitions among plain vs tree modes is
         * complicated by the existence of subclass LinkedHashMap. See
         * below for hook methods defined to be invoked upon insertion,
         * removal and access that allow LinkedHashMap internals to
         * otherwise remain independent of these mechanics. (This also
         * requires that a map instance be passed to some utility methods
         * that may create new nodes.)
         *
         * The concurrent-programming-like SSA-based coding style helps
         * avoid aliasing errors amid all of the twisty pointer operations.
         */
    
        /**
         * The default initial capacity - MUST be a power of two.
         * 初始容量,默认16
         */
        static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16
    
        /**
         * The maximum capacity, used if a higher value is implicitly specified
         * by either of the constructors with arguments.
         * MUST be a power of two <= 1<<30.
         * 最大容量
         */
        static final int MAXIMUM_CAPACITY = 1 << 30;
    
        /**
         * The load factor used when none specified in constructor.
         * 默认负载因子值
         */
        static final float DEFAULT_LOAD_FACTOR = 0.75f;
    
        /**
         * The bin count threshold for using a tree rather than list for a
         * bin.  Bins are converted to trees when adding an element to a
         * bin with at least this many nodes. The value must be greater
         * than 2 and should be at least 8 to mesh with assumptions in
         * tree removal about conversion back to plain bins upon
         * shrinkage.
         * 链表长度大于等于8时,链表转化为红黑树
         * 为什么为8?
         * 答:链表查询的时间复杂度是 O (n),红黑树的查询复杂度是 O (log (n))。在链表数据不多的时候,使用链表进行遍历也比较快,只有当链表数据比较多的时候,才会转化成红黑树,但红黑树需要的占用空间是链表的 2 倍,考虑到转化时间和空间损耗,所以我们需要定义出转化的边界值。
         * 在考虑设计 8 这个值的时候,参考了泊松分布概率函数,由泊松分布中得出结论。当链表的长度是 8 的时候,出现的概率是 0.00000006,不到千万分之一,所以说正常情况下,链表的长度不可能到达 8 ,而一旦到达 8 时,肯定是 hash 算法出了问题,所以在这种情况下,为了让 HashMap 仍然有较高的查询性能,所以让链表转化成红黑树,我们正常写代码,使用 HashMap 时,几乎不会碰到链表转化成红黑树的情况,毕竟概念只有千万分之一。
         */
        static final int TREEIFY_THRESHOLD = 8;
    
        /**
         * The bin count threshold for untreeifying a (split) bin during a
         * resize operation. Should be less than TREEIFY_THRESHOLD, and at
         * most 6 to mesh with shrinkage detection under removal.
         * 红黑树大小小于等于6时,红黑树转化为链表
         */
        static final int UNTREEIFY_THRESHOLD = 6;
    
        /**
         * The smallest table capacity for which bins may be treeified.
         * (Otherwise the table is resized if too many nodes in a bin.)
         * Should be at least 4 * TREEIFY_THRESHOLD to avoid conflicts
         * between resizing and treeification thresholds.
         * 当数组容量大于 64 时,链表才会转化成红黑树
         */
        static final int MIN_TREEIFY_CAPACITY = 64;
    
    	/* ---------------- Fields -------------- */
    
        /**
         * The table, initialized on first use, and resized as
         * necessary. When allocated, length is always a power of two.
         * (We also tolerate length zero in some operations to allow
         * bootstrapping mechanics that are currently not needed.)
         * 存放数据的数组
         */
        transient Node<K,V>[] table;
    
        /**
         * Holds cached entrySet(). Note that AbstractMap fields are used
         * for keySet() and values().
         */
        transient Set<Map.Entry<K,V>> entrySet;
    
        /**
         * The number of key-value mappings contained in this map.
         * HashMap 的实际大小
         */
        transient int size;
    
        /**
         * The number of times this HashMap has been structurally modified
         * Structural modifications are those that change the number of mappings in
         * the HashMap or otherwise modify its internal structure (e.g.,
         * rehash).  This field is used to make iterators on Collection-views of
         * the HashMap fail-fast.  (See ConcurrentModificationException).
         * 版本号
         */
        transient int modCount;
    
        /**
         * The next size value at which to resize (capacity * load factor).
         * 
         * @serial
         */
        // (The javadoc description is true upon serialization.
        // Additionally, if the table array has not been allocated, this
        // field holds the initial array capacity, or zero signifying
        // DEFAULT_INITIAL_CAPACITY.)
        // 扩容的门槛,有两种情况
     	// 1、如果初始化时,给定数组大小的话,通过 tableSizeFor 方法计算,数组大小永远接近于 2 的幂次方,比如你给定初始化大小 19,实际上初始化大小为 32,为 2 的 5 次方。
     	// 2、如果是通过 resize 方法进行扩容,大小 = 数组容量 * 0.75
        int threshold;
    
        /**
         * The load factor for the hash table.
         *
         * @serial
         */
        final float loadFactor;
         //链表的节点
     	static class Node<K,V> implements Map.Entry<K,V> {}
     
     	//红黑树的节点
     	static final class TreeNode<K,V> extends LinkedHashMap.Entry<K,V> {}
    

    三、添加

    	/**
         * Implements Map.put and related methods.
         * 添加流程
         * 1、空数组有无初始化,没有的话初始化
         * 2、如果通过 key 的 hash 能够直接找到值,跳转到 6,否则到 3
         * 3、如果 hash 冲突,两种解决方案:链表 or 红黑树
         * 4、如果是链表,递归循环,把新元素追加到队尾
         * 5、如果是红黑树,调用红黑树新增的方法
         * 6、通过 2、4、5 将新元素追加成功,再根据 onlyIfAbsent 判断是否需要覆盖
         * 7、判断是否需要扩容,需要扩容进行扩容,结束
         * @param hash hash for key(key的哈希值)
         * @param key the key
         * @param value the value to put
         * @param onlyIfAbsent if true, don't change existing value(如果为true不改变已经存在的value值,默认是false)
         * @param evict if false, the table is in creation mode.
         * @return previous value, or null if none
         */
        final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
                       boolean evict) {
            Node<K,V>[] tab; Node<K,V> p; int n, i;
             //如果数组为空,使用 resize 方法初始化
            if ((tab = table) == null || (n = tab.length) == 0)
                n = (tab = resize()).length;
            //(n - 1) & hash计算是将hash映射到0到n-1之间
            //如果当前索引位置的值为空,直接生成新的节点在当前索引位置上
            if ((p = tab[i = (n - 1) & hash]) == null)
                tab[i] = newNode(hash, key, value, null);
            // 如果当前索引位置有值的处理方法,即我们常说的如何解决 hash 冲突
            else {
                Node<K,V> e; K k;
                //如果第一个点的key 的 hash 和值都相等,直接把当前下标位置的 Node 值赋值给临时变量
                if (p.hash == hash &&
                    ((k = p.key) == key || (key != null && key.equals(k))))
                    e = p;
                //如果第一个点的key 的 hash 和值并不是都相等,再判断是红黑树还是链表,分别去判断并新增
                //如果是红黑树
                else if (p instanceof TreeNode)
                    e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
                //如果是链表
                else {
                    for (int binCount = 0; ; ++binCount) {
                        if ((e = p.next) == null) {
                            p.next = newNode(hash, key, value, null);
                            if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
                                treeifyBin(tab, hash);
                            break;
                        }
                        //这里使用的equals方法判断是否相同
                        if (e.hash == hash &&
                            ((k = e.key) == key || (key != null && key.equals(k))))
                            break;
                        p = e;
                    }
                }
                if (e != null) { // existing mapping for key
                    V oldValue = e.value;
                    //当 onlyIfAbsent 为 false 时,才会覆盖值 
                    if (!onlyIfAbsent || oldValue == null)
                        e.value = value;
                    afterNodeAccess(e);
                    return oldValue;
                }
            }
            //版本号+1
            ++modCount;
            //如果 HashMap 的实际大小大于扩容的门槛,开始扩容
            if (++size > threshold)
                resize();
            afterNodeInsertion(evict);
            return null;
        }
    
    

    四、红黑树新增节点

    final TreeNode<K,V> putTreeVal(HashMap<K,V> map, Node<K,V>[] tab,
                                           int h, K k, V v) {
                Class<?> kc = null;
                boolean searched = false;
                TreeNode<K,V> root = (parent != null) ? root() : this;
                for (TreeNode<K,V> p = root;;) {
                    int dir, ph; K pk;
                    if ((ph = p.hash) > h)
                        dir = -1;
                    else if (ph < h)
                        dir = 1;
                    else if ((pk = p.key) == k || (k != null && k.equals(pk)))
                        return p;
                    else if ((kc == null &&
                              (kc = comparableClassFor(k)) == null) ||
                             (dir = compareComparables(kc, k, pk)) == 0) {
                        if (!searched) {
                            TreeNode<K,V> q, ch;
                            searched = true;
                            if (((ch = p.left) != null &&
                                 (q = ch.find(h, k, kc)) != null) ||
                                ((ch = p.right) != null &&
                                 (q = ch.find(h, k, kc)) != null))
                                return q;
                        }
                        dir = tieBreakOrder(k, pk);
                    }
    
                    TreeNode<K,V> xp = p;
                    if ((p = (dir <= 0) ? p.left : p.right) == null) {
                        Node<K,V> xpn = xp.next;
                        TreeNode<K,V> x = map.newTreeNode(h, k, v, xpn);
                        if (dir <= 0)
                            xp.left = x;
                        else
                            xp.right = x;
                        xp.next = x;
                        x.parent = x.prev = xp;
                        if (xpn != null)
                            ((TreeNode<K,V>)xpn).prev = x;
                        moveRootToFront(tab, balanceInsertion(root, x));
                        return null;
                    }
                }
            }
    

    五、查找
    查找的代码的过程可以类比添加,主要有以下几个步骤
    1、根据 hash 算法定位数组的索引位置,equals 判断当前节点是否是我们需要寻找的 key,是的话直接返回,不是的话往下。
    2、判断当前节点有无 next 节点,有的话判断是链表类型,还是红黑树类型。
    3、分别走链表和红黑树不同类型的查找方法。

    其中红黑树的查找思路如下:
    1、从根节点递归查找;
    2、根据 hashcode,比较查找节点,左边节点,右边节点之间的大小,根本红黑树左小右大的特性进行判断;
    3、判断查找节点在第 2 步有无定位节点位置,有的话返回,没有的话重复 2,3 两步;
    4、一直自旋到定位到节点位置为止。
    如果红黑树比较平衡的话,每次查找的次数就是树的深度。

    展开全文
  • dsw算法可以从全局平衡树,但是,往往在插入于删除动作发生时,将只影响树的一部分,此时重新平衡可以只在树的一部分进行.AVL树要求每个节点左右子树...只要AVL树中任意一个节点的平衡因子小于-1或者大于1,树就要失去平衡.

    dsw算法可以从全局平衡树,但是,往往在插入于删除动作发生时,将只影响树的一部分,此时重新平衡可以只在树的一部分进行.AVL树要求每个节点左右子树的高度差最大为1.平衡因子用右子树的高度减去左子树的高度.在AVL树中,平衡因子应该只有-1,0,1三种选择.只要AVL树中任意一个节点的平衡因子小于-1或者大于1,树就要失去平衡.
    以下4种情况会导致失去平衡:

    1. 当前节点平衡因子为-1,左子节点的平衡因子为0,在左子节点的左子树中插入节点,导致当前节点的平衡因子变为-2(左子节点-1).通过右旋转使其恢复平衡.
      这里写图片描述
    2. 当前节点平衡因子为1,右子节点的平衡因子为0,在右子节点的右子树中插入节点,导致当前节点的平衡因子变为2(右子节点1).使用左旋转使其恢复平衡.
      这里写图片描述
    3. 当前节点平衡因子为-1,左子节点的平衡因子为0,在左子节点的右子树中插入节点,导致当前节点的平衡因子变为-2(左子节点1).使用先左后右旋转使其恢复平衡.
      这里写图片描述
    4. 当前节点平衡因子为1,右子节点的平衡因子为0,在右子节点的左子树中插入节点,导致当前节点的平衡因子变为2(右子节点-1).使用先右后左旋转使其恢复平衡.(与3对称)

    核心代码分析:
    在插入节点后,首先更新平衡因子,从插入节点往上依次更新.
    碰到更新为-2或2时,即中止,准备开始进行旋转.
    如果碰到更新为0时,则中止,不需要旋转.

    数据结构上,AVLNode比BinNode需要增加平衡因子和指向父亲的指针。

    AVLNode的数据结构:

    template <class T>
    class AVLNode : public BinNode<T>
    {
    public:
        AVLNode();
        AVLNode(const T& data, AVLNode<T> *l = NULL, AVLNode<T> *r = NULL, AVLNode<T> *p = NULL);
        AVLNode<T>* pa;
        int balanceValue;
        AVLNode<T>* left;
        AVLNode<T>* right;
    };

    对应旋转的代码如下:

    template <class T, unsigned int capacity>
    void BinSearchTreeAVL<T, capacity>::updateBalanceFactors(AVLNode<T>* avlNode)
    {
        if (root == avlNode)
        {
            root->balanceValue = 0;
        }
        else
        {
            AVLNode<T> *pa = avlNode->pa;
            if (pa->left == avlNode)
            {
                pa->balanceValue--;
            }
            else
            {
                pa->balanceValue++;
            }
            while ((root != pa) && (pa->balanceValue != 2) && (pa->balanceValue != -2))
            {
                AVLNode<T> *curr = pa;
                pa = pa->pa;
                if (curr->balanceValue == 0)
                {
                    return;       //no need to balance
                }
                else if (curr == pa->left)
                {
                    pa->balanceValue--;
                }
                else
                {
                    pa->balanceValue++;
                }
            }
            if ((pa->balanceValue == 2) || (pa->balanceValue == -2))
            {
                //rotation to AVL balance
                //the new insert node in right tree right
                if ((pa->balanceValue == 2) && (NULL != pa->right) && (/*static_cast<AVLNode<T>*>*/(pa->right)->balanceValue == 1))
                {
                    //update balance value of pa and ch, then rotation left, last update fa pointer
                    pa->balanceValue = 0;
                    /*static_cast<AVLNode<T>*>*/(pa->right)->balanceValue = 0;
                    AVLNode<T>* grNode = pa->pa;
                    AVLNode<T>* paNode = pa;
                    AVLNode<T>* chNode = /*static_cast<AVLNode<T>*>*/(pa->right);
                    AVLNode<T>* chLNode = chNode->left;
                    rotationLeft(grNode, paNode, chNode);
                    paNode->pa = chNode;
                    chNode->pa = grNode;
                    if (NULL != chLNode)
                    {
                        chLNode->pa = paNode;
                    }
                }
                //the new insert node in right tree left
                else if ((pa->balanceValue == 2) && (NULL != pa->right) && (/*static_cast<AVLNode<T>*>*/(pa->right)->balanceValue == -1))
                {
                    AVLNode<T>* rotationRGrNode = pa;
                    AVLNode<T>* rotationRPaNode = /*static_cast<AVLNode<T>*>*/(pa->right);
                    AVLNode<T>* rotationRChNode = /*static_cast<AVLNode<T>*>*/(pa->right->left);
                    int rotationRChNodeBalanceValue = rotationRChNode->balanceValue;
                    AVLNode<T>* rotationRChRChNode = /*static_cast<AVLNode<T>*>*/(pa->right->left->right);
                    rotationRight(rotationRGrNode, rotationRPaNode, rotationRChNode);
                    rotationRChNode->pa = rotationRGrNode;
                    rotationRPaNode->pa = rotationRChNode;
                    if (NULL != rotationRChRChNode)
                    {
                        rotationRChRChNode->pa = rotationRPaNode;
                    }
                    AVLNode<T>* rotationLGrNode = rotationRGrNode->pa;
                    AVLNode<T>* rotationLPaNode = rotationRGrNode;
                    AVLNode<T>* rotationLChNode = rotationRChNode;
                    AVLNode<T>* rotationLChLChNode = /*static_cast<AVLNode<T>*>*/(rotationLChNode->left);
                    rotationLeft(rotationLGrNode, rotationLPaNode, rotationLChNode);
                    rotationLChNode->pa = rotationLGrNode;
                    rotationLPaNode->pa = rotationLChNode;
                    if (NULL != rotationLChLChNode)
                    {
                        rotationLChLChNode->pa = rotationLPaNode;
                    }
                    if (1 == rotationRChNodeBalanceValue)
                    {
                        rotationRGrNode->balanceValue = -1;
                        rotationRPaNode->balanceValue = 0;
                        rotationRChNode->balanceValue = 0;
                    }
                    else if (-1 == rotationRChNodeBalanceValue)
                    {
                        rotationRGrNode->balanceValue = 0;
                        rotationRPaNode->balanceValue = 1;
                        rotationRChNode->balanceValue = 0;
                    }
                    else
                    {
                        rotationRGrNode->balanceValue = 0;
                        rotationRPaNode->balanceValue = 0;
                        rotationRChNode->balanceValue = 0;
                    }
    
                }
                //the new insert node in left tree left
                else if ((pa->balanceValue == -2) && (NULL != pa->left) && (/*static_cast<AVLNode<T>*>*/(pa->left)->balanceValue == -1))
                {
                    //update balance value of pa and ch, then rotation right, last update fa pointer
                    /*static_cast<AVLNode<T>*>*/(pa->left)->balanceValue = 0;
                    pa->balanceValue = 0;
                    AVLNode<T>* grNode = pa->pa;
                    AVLNode<T>* paNode = pa;
                    AVLNode<T>* chNode = /*static_cast<AVLNode<T>*>*/(pa->left);
                    AVLNode<T>* chRNode = chNode->right;
                    rotationRight(grNode, paNode, chNode);
                    paNode->pa = chNode;
                    chNode->pa = grNode;
                    if (NULL != chRNode)
                    {
                        chRNode->pa = paNode;
                    }
    
                }
                //the new insert node in left tree right
                else if ((pa->balanceValue == -2) && (NULL != pa->left) && (pa->left->balanceValue == 1))          
                {
                    AVLNode<T>* rotationLGrNode = pa;
                    AVLNode<T>* rotationLPaNode = /*static_cast<AVLNode<T>*>*/(pa->left);
                    AVLNode<T>* rotationLChNode = /*static_cast<AVLNode<T>*>*/(pa->left->right);
                    int rotationLChNodeBalanceValue = rotationLChNode->balanceValue;
                    AVLNode<T>* rotationLChLChNode = /*static_cast<AVLNode<T>*>*/(pa->left->right->left);
                    rotationLeft(rotationLGrNode, rotationLPaNode, rotationLChNode);
                    rotationLChNode->pa = rotationLGrNode;
                    rotationLPaNode->pa = rotationLChNode;
                    if (NULL != rotationLChLChNode)
                    {
                        rotationLChLChNode->pa = rotationLPaNode;
                    }
                    AVLNode<T>* rotationRGrNode = rotationLGrNode->pa;
                    AVLNode<T>* rotationRPaNode = rotationLGrNode;
                    AVLNode<T>* rotationRChNode = rotationLChNode;
                    AVLNode<T>* rotationRChRChNode = /*static_cast<AVLNode<T>*>*/(rotationRChNode->right);
                    rotationRight(rotationRGrNode, rotationRPaNode, rotationRChNode);
                    rotationRChNode->pa = rotationRGrNode;
                    rotationRPaNode->pa = rotationRChNode;
                    if (NULL != rotationRChRChNode)
                    {
                        rotationRChRChNode->pa = rotationRPaNode;
                    }
                    if (1 == rotationLChNodeBalanceValue)
                    {
                        rotationLGrNode->balanceValue = 0;
                        rotationLPaNode->balanceValue = -1;
                        rotationLChNode->balanceValue = 0;
                    }
                    else if (-1 == rotationLChNodeBalanceValue)
                    {
                        rotationLGrNode->balanceValue = 1;
                        rotationLPaNode->balanceValue = 0;
                        rotationLChNode->balanceValue = 0;
                    }
                    else
                    {
                        rotationLGrNode->balanceValue = 0;
                        rotationLPaNode->balanceValue = 0;
                        rotationLChNode->balanceValue = 0;
                    }
                }
                else
                {
                    //should be error case
                }
            }
        }
        return;
    }
    展开全文
  • 以延时抖动品质因子ε为判据,建立了微环谐振腔光延时线的优化设计方法,获得了目标延时为0.6 ns,延时带宽为2 GHz,延时抖动品质因子小于1×10-3 ns2的四环级联波导微环谐振腔光延时线的优化结构参数。
  • position_calculate.m

    2020-03-31 20:18:37
    基于伪距测量、最小二乘法进行坐标定位。在参考各种影响、误差因素的条件下,gps与北斗...北斗卫星导航的位置精度因子、钟差精度因子与几何精度因子分别为1.670、2.318与2.718,它们的值都小于3,具有良好的位置分布。
  • 对马赫曾德尔干涉仪(MZI)...以四环级联微环谐振腔为例,分析了附加相位改变对延时响应的影响,通过采用环波导上相位修正的方法,获得了延时量为0.6 ns,延时带宽为2 GHz,延时抖动品质因子小于1×10-3 ns2的目标延时响应。
  • 为了研究厄米-正弦-高斯(HSiG)光束在非傍轴情形下受参量影响的...束腰宽度和光束传输因子随参量的增加呈现较大的起伏,非傍轴情形下的光束传输因子取值与傍轴情况有很大的不同,其受参量影响不仅可以小于1,甚至趋于0。
  • 当半径比a/b小于1/5,即内混合体中所含灰尘和黑碳较少时,等效折射率实部和虚部值基本可以确定,而不必考虑尺度参数的影响。用除散射相函数之外的其他光学量来等效时,较为容易找到等效的气溶胶粒子。
  • 半导体激光器侧面抽运的内腔倍频激光器是实现高功率、高稳定且低成本连续绿光激光器的...在输出功率22 W时测量激光功率稳定性,其功率不稳定度小于1%。用刀口法测量了激光器22 W输出功率时的光束质量,M2因子小于8。
  • 在惯性约束聚变高功率激光装置中,严重的低频波前畸变会引起空间滤波的小孔截断,降低光束质量。采用相位调制的离焦波前来分析不同程度的...曲率半径为3 km时,相位调制的空间频率小于1.57 mm-1时光束质量会急剧下降。
  • hashmap源码-7

    2020-04-05 16:27:16
    hashmap总体设计 1.HashMap 底层的数据结构主要是:数组 + 链表 + 红黑树。其中当链表的长度大于等于 8 时,链表会转化成红黑树,当红黑树的大小小于等于 6 时,红黑树会转化成链表,...load factor(影响因子) ...

    hashmap总体设计
    1.HashMap 底层的数据结构主要是:数组 + 链表 + 红黑树。其中当链表的长度大于等于 8 时,链表会转化成红黑树,当红黑树的大小小于等于 6 时,红黑树会转化成链表,整体的数据结构如下:
    在这里插入图片描述
    1.1 类注释
    从 HashMap 的类注释中,我们可以得到如下信息:
    允许 null 值,不同于 HashTable ,是线程不安全的;
    load factor(影响因子) 默认值是 0.75, 是均衡了时间和空间损耗算出来的值,较高的值会减少空间开销(扩容减少,数组大小增长速度变慢),但增加了查找成本(hash 冲突增加,链表长度变长),不扩容的条件:数组容量 > 需要的数组大小 /load factor;
    如果有很多数据需要储存到 HashMap 中,建议 HashMap 的容量一开始就设置成足够的大小,这样可以防止在其过程中不断的扩容,影响性能;
    HashMap 是非线程安全的,我们可以自己在外部加锁,或者通过 Collections#synchronizedMap 来实现线程安全,Collections#synchronizedMap 的实现是在每个方法上加上了 synchronized 锁;
    在迭代过程中,如果 HashMap 的结构被修改,会快速失败。
    1.2 常见属性

     //初始容量为 16
     static final int DEFAULT_INITIAL_CAPACITY = 1 << 4;
     
     //最大容量
     static final int MAXIMUM_CAPACITY = 1 << 30;
     
     //负载因子默认值
     static final float DEFAULT_LOAD_FACTOR = 0.75f;
     
     //桶上的链表长度大于等于8时,链表转化成红黑树
     static final int TREEIFY_THRESHOLD = 8;
     
     //桶上的红黑树大小小于等于6时,红黑树转化成链表
     static final int UNTREEIFY_THRESHOLD = 6;
     
     //当数组容量大于 64 时,链表才会转化成红黑树
     static final int MIN_TREEIFY_CAPACITY = 64;
     
     //记录迭代过程中 HashMap 结构是否发生变化,如果有变化,迭代时会 fail-fast
     transient int modCount;
     
     //HashMap 的实际大小,可能不准(因为当你拿到这个值的时候,可能又发生了变化)
     transient int size;
     
     //存放数据的数组
     transient Node<K,V>[] table;
     
     // 扩容的门槛,有两种情况
     // 如果初始化时,给定数组大小的话,通过 tableSizeFor 方法计算,数组大小永远接近于 2 的幂次方,比如你给定初始化大小 19,实际上初始化大小为 32,为 2 的 5 次方。
     // 如果是通过 resize 方法进行扩容,大小 = 数组容量 * 0.75
     int threshold;
     
     //链表的节点
     static class Node<K,V> implements Map.Entry<K,V> {
     
     //红黑树的节点
     static final class TreeNode<K,V> extends LinkedHashMap.Entry<K,V> {
    

    1.2新增
    新增 key,value 大概的步骤如下:
    空数组有无初始化,没有的话初始化;
    如果通过 key 的 hash 能够直接找到值,跳转到 6,否则到 3;
    如果 hash 冲突,两种解决方案:链表 or 红黑树;
    如果是链表,递归循环,把新元素追加到队尾;
    如果是红黑树,调用红黑树新增的方法;
    通过 2、4、5 将新元素追加成功,再根据 onlyIfAbsent 判断是否需要覆盖;
    判断是否需要扩容,需要扩容进行扩容,结束。
    在这里插入图片描述
    细节如下:

    // 入参 hash:通过 hash 算法计算出来的值。
    // 入参 onlyIfAbsent:false 表示即使 key 已经存在了,仍然会用新值覆盖原来的值,默认为 false
    final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
                   boolean evict) {
        // n 表示数组的长度,i 为数组索引下标,p 为 i 下标位置的 Node 值
        Node<K,V>[] tab; Node<K,V> p; int n, i;
        //如果数组为空,使用 resize 方法初始化
        if ((tab = table) == null || (n = tab.length) == 0)
            n = (tab = resize()).length;
        // 如果当前索引位置是空的,直接生成新的节点在当前索引位置上
        if ((p = tab[i = (n - 1) & hash]) == null)
            tab[i] = newNode(hash, key, value, null);
        // 如果当前索引位置有值的处理方法,即我们常说的如何解决 hash 冲突
        else {
            // e 当前节点的临时变量
            Node<K,V> e; K k;
            // 如果 key 的 hash 和值都相等,直接把当前下标位置的 Node 值赋值给临时变量
            if (p.hash == hash &&
                ((k = p.key) == key || (key != null && key.equals(k))))
                e = p;
            // 如果是红黑树,使用红黑树的方式新增
            else if (p instanceof TreeNode)
                e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
            // 是个链表,把新节点放到链表的尾端
            else {
                // 自旋
                for (int binCount = 0; ; ++binCount) {
                    // e = p.next 表示从头开始,遍历链表
                    // p.next == null 表明 p 是链表的尾节点
                    if ((e = p.next) == null) {
                        // 把新节点放到链表的尾部 
                        p.next = newNode(hash, key, value, null);
                        // 当链表的长度大于等于 8 时,链表转红黑树
                        if (binCount >= TREEIFY_THRESHOLD - 1)
                            treeifyBin(tab, hash);
                        break;
                    }
                    // 链表遍历过程中,发现有元素和新增的元素相等,结束循环
                    if (e.hash == hash &&
                        ((k = e.key) == key || (key != null && key.equals(k))))
                        break;
                    //更改循环的当前元素,使 p 在遍历过程中,一直往后移动。
                    p = e;
                }
            }
            // 说明新节点的新增位置已经找到了
            if (e != null) {
                V oldValue = e.value;
                // 当 onlyIfAbsent 为 false 时,才会覆盖值 
                if (!onlyIfAbsent || oldValue == null)
                    e.value = value;
                afterNodeAccess(e);
                // 返回老值
                return oldValue;
            }
        }
        // 记录 HashMap 的数据结构发生了变化
        ++modCount;
        //如果 HashMap 的实际大小大于扩容的门槛,开始扩容
        if (++size > threshold)
            resize();
        afterNodeInsertion(evict);
        return null;
    }
    

    2.1 链表的新增
    链表的新增比较简单,就是把当前节点追加到链表的尾部,和 LinkedList 的追加实现一样的。
    当链表长度大于等于 8 时,此时的链表就会转化成红黑树,转化的方法是:treeifyBin,此方法有一个判断,当链表长度大于等于 8,并且整个数组大小大于 64 时,才会转成红黑树,当数组大小小于 64 时,只会触发扩容,不会转化成红黑树,转化成红黑树的过程也比较简单,具体转化的过程源码可以去 github:https://github.com/luanqiu/java8 上面去查看。
    可能面试的时候,有人问你为什么是 8,这个答案在源码中注释有说,中文翻译过来大概的意思是:
    链表查询的时间复杂度是 O (n),红黑树的查询复杂度是 O (log (n))。在链表数据不多的时候,使用链表进行遍历也比较快,只有当链表数据比较多的时候,才会转化成红黑树,但红黑树需要的占用空间是链表的 2 倍,考虑到转化时间和空间损耗,所以我们需要定义出转化的边界值。
    在考虑设计 8 这个值的时候,我们参考了泊松分布概率函数,由泊松分布中得出结论,链表各个长度的命中概率为:
    2.2 红黑树新增节点过程
    首先判断新增的节点在红黑树上是不是已经存在,判断手段有如下两种:
    1.1. 如果节点没有实现 Comparable 接口,使用 equals 进行判断;
    1.2. 如果节点自己实现了 Comparable 接口,使用 compareTo 进行判断。
    新增的节点如果已经在红黑树上,直接返回;不在的话,判断新增节点是在当前节点的左边还是右边,左边值小,右边值大;
    自旋递归 1 和 2 步,直到当前节点的左边或者右边的节点为空时,停止自旋,当前节点即为我们新增节点的父节点;
    把新增节点放到当前节点的左边或右边为空的地方,并于当前节点建立父子节点关系;
    进行着色和旋转,结束。
    总的来说都是为了满足红黑树的 5 个原则:
    1.节点是红色或黑色
    2.根是黑色
    3.所有叶子都是黑色
    4.从任一节点到其每个叶子的所有简单路径都包含相同数目的黑色节点
    5.从每个叶子到根的所有路径上不能有两个连续的红色节点
    HashMap 的查找主要分为以下三步:
    根据 hash 算法定位数组的索引位置,equals 判断当前节点是否是我们需要寻找的 key,是的话直接返回,不是的话往下。
    判断当前节点有无 next 节点,有的话判断是链表类型,还是红黑树类型。
    分别走链表和红黑树不同类型的查找方法。
    链表查找的关键代码是:

    // 采用自旋方式从链表中查找 key,e 初始为为链表的头节点
    do {
        // 如果当前节点 hash 等于 key 的 hash,并且 equals 相等,当前节点就是我们要找的节点
        // 当 hash 冲突时,同一个 hash 值上是一个链表的时候,我们是通过 equals 方法来比较 key 是否相等的
        if (e.hash == hash &&
            ((k = e.key) == key || (key != null && key.equals(k))))
            return e;
        // 否则,把当前节点的下一个节点拿出来继续寻找
    } while ((e = e.next) != null);
    

    红黑树查找的代码很多,我们大概说下思路,实际步骤比较复杂,可以去 github 上面去查看源码:
    从根节点递归查找;
    根据 hashcode,比较查找节点,左边节点,右边节点之间的大小,根本红黑树左小右大的特性进行判断;
    判断查找节点在第 2 步有无定位节点位置,有的话返回,没有的话重复 2,3 两步;
    一直自旋到定位到节点位置为止。
    如果红黑树比较平衡的话,每次查找的次数就是树的深度。

    展开全文
  • 建立了基于电吸收调制器(EAM)的深度成像系统数值模型. 为定量描述时序误差对系统精度的影响推导了含尺度... 如要求7 m 处单幅深度图像精度小于1 cm, 则需要传感器阱深大于等于300 Ke, 时序的偏移误差小于等于±200 ps.
  • 感知机

    2019-03-20 21:28:22
    加权的意思在于不同的输入对于输出的影响因子(权重)是不一样的。 感知器是一种二元分类器。 二元的意思在于输出只有两个值(一般为0和1).这个神经元输出(output) 0 或者 1 是由这些输入的加权求和 ∑jwjxj 是否...
  • 一般说来当解释变量的容忍度(TOLERANCE)小于0.10或者方差膨胀因子(VIF)大于10时,说明变量之间存在多重共线性现象,会影响到回归模型的正确估计。 方差膨胀因子VIF=1/(1-r2),r是线性相关系数 具体可以参考:多重共...
  • 研究表明,煤层气排放的惩罚因子每提高1元/m3,煤炭企业需要付出的成本增加1.43亿元;当煤层气排放惩罚因子提高至10元/m3时,煤炭企业的利润率小于零; 0.0574美元/m3的CDM权益不能保证项目达到国内同行12%-15%、国外...
  • 采用米氏散射程序,计算了粒子的吸收效率因子等光学参量,并分析了吸湿性气溶胶粒子加热的等效吸收系数随时间的变化规律,着重分析了忽略粒子自身吸收对等效吸收系数的影响,常规计算值与等效吸收系数在1 μs时相对...
  • 以重庆万盛高硫煤作为研究对象,选用硝酸预处理去除无机硫,并采用单因子法考察了煤浆浓度、反应时间、反应温度、丙二醇与氢氧化钾的配比对煤中有机硫脱除率的影响.结果表明,对于粒径小于0.075 mm的煤样,丙二醇-...
  • 提出了对轻子CP违反错误的约束,该约束要求相位δCP小于... 为了覆盖整个可能的δCP范围,提出了一种组合效率因子η1,其对应于具有不同中微子束能量和距离的多组检测参数。 还给出了各种主要实验的综合效率因子η⁎。
  • 25、数据加密-RSA

    2017-08-25 14:46:04
    1、RSA公钥加密算法,是目前最有影响力和最常用的公钥加密算法。RSA算法基于一个十分简单的数论事实:将两个大质数相乘十分容易,但是想要对其乘积进行因式分解却极其困难,因此可以将乘积公开作为加密密钥。 为了...
  • 1007_Permutation

    2012-08-11 19:33:18
    由于1影响最小公倍数,问题转化为相加小于等于N的若干正整数的最小公倍数的可能数。 如果这些正整数包含大于一个质因子,只会使得正整数的和更大。 因而问题再次转化为相加小于等于N的若干质数的最小公倍数的...
  • 本文采用AFORS-HET软件模拟了ZnO(n)/ZnSe(i)/c-Si(p)异质结太阳电池结构吸收层掺杂浓度、缺陷密度和界面缺陷态密度等参数对该结构短路电流、开路电压、填充因子和光电转换效率的影响。优化后的结果显示,当吸收层...
  • 另一方面,TU2值在所有深度间隔均小于1,这表明PAH对驻留生物的影响很小。 RS和RC表层沉积物的总毒性当量因子(TEqFs)分别为9.29 ng / g TEqFs和9.16 ng / g TEqFs,这表明应更加注意湖泊沉积物中BaPyr的积累。
  • BUPT2017 wintertraining(15) #8F 题意 1到n的排列,经过几次置换(也是一个...因为1影响最小公倍数,所以等价于求几个正整数加起来小于等于n,最小公倍数的可能数。 最小公倍数与每个质因子在正整数里最大出现...
  • 将经纬度做稀疏算法

    2020-10-10 11:29:10
    如果这个差小于1,它的平方会更小。在这种情况下,公差有负面影响。 解决方案:将你的坐标乘以一个因子,这样数值就会以某种方式移动,这样对差异进行平方就会产生更大的值。 如果你的Points没有 ...

空空如也

空空如也

1 2 3
收藏数 44
精华内容 17
关键字:

影响因子小于1