当前位置: 首页 > news >正文

第四十一天(5.8)

第四十二天(5.9)
所花时间(包括上课): 约 7 小时(毛概 1.5h + 算法专项练习 3.5h + 模板复写与错题回顾 2h)
代码量(行): 约 300 行(动态规划专项练习、图论模板复写、部分蓝桥杯省赛真题回顾)
博客量(篇): 1 篇
了解到的知识点:
毛概(思想政治教育):踏实心态 —— 课上一次讨论提到“行百里者半九十”,越到收尾阶段越要稳住。现在离蓝桥杯国赛还有一段时间,正好是容易松懈的时候,需要保持每天至少几道题的手感,不贪多但求稳。
DP 常见模型梳理: 今天集中练了几道蓝桥杯风格的动态规划题,复盘了 01 背包完全背包的滚动数组优化写法、最长公共子序列的递推推导,以及一道用前缀和优化区间 DP 的题目。手推状态转移方程比死记硬背模板管用得多。
图论模板复写与细节打磨: 闭卷重写了 Dijkstra(邻接表 + 优先队列)、SPFA 判负环、以及拓扑排序的模板。特别注意了初始化距离数组时用 memset 的坑(0x3f 技巧),以及无向图开边数组要乘 2 的老问题。
审题与边界条件敏感性: 练习时差点踩坑:一道题输入描述里写了“多组测试数据”,我习惯性只读了一组就 break 了。这种低级错误放到正式比赛里会直接零分,必须养成读完输入格式说明画红线的习惯。
总结:
今天照常上了毛概课,回到机房后继续按计划推进蓝桥杯国赛的备考。没有刻意去啃难题,重点放在 DP 常见模型的熟悉和基础图论模板的巩固上。练习时发现一个读题疏忽差点导致整题白写,幸好及时发现,算是给自己提了个醒。接下来的日子继续保持这个节奏,把基础分拿稳,比什么都强。

表 3 缺陷记录日志示例
学生: 马昀昀_________
日期: 5.9_______
程序号: 日常训练_DP 初始化与多组输入
日期: 5.9
编号: 1
类型: 10
引入阶段: 编码
排除阶段: 本地测试
修复时间: 10min
修复缺陷:
描述: 写一道 DP 题目时漏看了题目开头的“输入包含多组测试数据”,代码里只处理了一组就 return 0。本地跑样例正常,但心里不踏实又瞟了一眼题面才发现问题。
修复方法: 以后读题时强制自己先通读一遍输入输出格式,重点圈出“多组数据”“文件结束符”等字眼;模板代码里统一改成 while(cin >> n) 或 while(scanf(...) != EOF) 的外层循环结构。

http://www.jsqmd.com/news/779136/

相关文章:

  • 母亲节送妈妈什么礼物更实用?从健康、陪伴和日常使用场景看这8类 - GrowthUME
  • HC32F460_ADC驱动(一)
  • SQL中如何对聚合后的数据进行二次计算_GROUP BY与算术组合
  • 揭秘ASA投放技巧,掌握流量密码
  • XSLT被移除后的RSS美化方案
  • OpenClawWeChat:基于Wechaty的插件化微信机器人开发与部署实战
  • Spring框架快速上手!(理论+实战)
  • PWN-栈溢出
  • 一年磨一剑,今年最炸机器人Demo来了!1亿美元种子轮团队出手,单个模型解锁单手打蛋解魔方弹钢琴
  • 用Fiddler抓包查看Claude Code提示词
  • AI编程助手选型指南:从GitHub Awesome清单到高效开发实践
  • ZynqMP SD卡启动全记录:从Vivado配置到Linux命令行(基于黑金AXU2CGB板)
  • C++11 变参模板、完美转发和emplace 机制——奇牛 (Gemini润色)
  • 00后下场整顿Agent:啥都不学就能用好AI,这才是正确打开方式
  • 大数据毕业设计推荐:基于Hadoop+Django诺贝尔奖可视化系统源码 毕业设计 选题推荐 毕设选题 数据分析 机器学习 数据挖掘
  • JavaScript 打开小窗口的实现方法
  • 地铁站台门控系统集成方案:三菱Q系列PLC以太网通讯与上位机联动实例
  • 自媒体常用图片尺寸!收藏这张图就对了
  • 2026 年量化交易软件 10 强实测:9.8 分 OKQuant 领跑全市场 - GrowthUME
  • 长期使用Taotoken聚合API对项目月度账单清晰度的感受
  • 上饶GEO优化服务机构实测排行:效果与合规能力对比 - 奔跑123
  • 真空压力变送器选型攻略|6大核心参数,避开90%选型误区 - WHSENSORS
  • 2026最新AIGC动画实战教程 零基础入门到精通 附全套素材+工程文件(新手必看)
  • 【布局优化】基于改进SLP与遗传算法的梁场布局优化附Matlab代码
  • 如何高效修复损坏视频:智能MP4修复工具Untrunc实用指南
  • 宋宝华:原理和实战解析Linux中如何正确地使用内存屏障
  • 5分钟搞懂BERT tokenizer:用encode_plus为你的NLP模型准备‘标准餐’(附PyTorch/TF代码适配)
  • 上饶本地GEO优化服务机构实测排行:效果维度对比 - 奔跑123
  • 2026届必备的降AI率方案实测分析
  • PWN-ROP