智能体测开Day21
枚举# 枚举 枚举法 穷举法 基本的算法设计从解决问题的所有可能出发将所有解决办法一一列举排除直到解决问题为止 水仙花数 三位数每位数上的立方和等于该数 367 3**36**37**3367 五角星数 五位数每位数上的无次方和等于该数 递归 函数的内部调用该函数本身自己调自己 递归类似于循环但是比循环功能更强大 所有的递归都有一个出口否则肯定回内存溢出造成系统崩溃 阶乘 5 5*4*3*2*1 定义一个函数jiecheng(n) n代表获取n的阶乘 jiecheng(5) 5*jiecheng(4) jiecheng(4) 4*jiecheng(3) jiecheng(3) 3*jiecheng(2) jiecheng(2) 2*jiecheng(1) jiecheng(1) 1 -------------------出口 回归 jiecheng(1) 1 jiecheng(2) 2*1 jiecheng(3) 3*2*1 jiecheng(4) 4*3*2*1 jiecheng(5) 5*4*3*2*1 for i in range(100,1000): a i//100 b i//10%10 c i%10 if a**3b**3c**3i: print(i) for i in range(10000,100000): m 0 i str(i) for j in range(0,5): n int(i[j]) m m n**5 if m int(i): print(i) def abc(): print(------------) abc() # 阶乘 5 5*4*3*2*1 def xunhuan(n): sum 1 for i in range(1,n1): sum *i return sum print(xunhuan(4)) # 递归 def jiecheng(n): if n1: return n * jiecheng(n-1) else: return 1 print(jiecheng(8))查找# 查找 顺序查找按照存储顺序逐个排查直到找到为止 优点对列表的元素没有要求 缺点查询效率慢逐个查找可能找不到 二分查找前提列表的元素是有顺序的 l1 [52,33,45,6,71,23,45,22] # 查找某个元素 def search(list1,key): for k in list1: # 如果k和key相同找到了 if k key: print(找到了) return print(找不到) search(l1,6) ls 2,5,7,9,11,13,15,17,23,45,68 key11 mid ls 2,5,7,9,11 key11 mid 711 ls 9,11 key11 mid 中间值和key相同---找到了 ls 2,5,7,9,11,13,15,17,23,45,68 key12 mid 1312 ls 2, 5,7, 9,11 mid 712 ls 9,11 mid 1112 ls [] 空列表 ---没找到 def binary_search(ls,key): # 定义中间下标 mid len(ls)//2 # 判断中间下标对应的元素和key if not ls: return 没找到 if ls[mid]key: # ls[mid] key 往前找 ls[0:mid:] return binary_search(ls[0:mid:],key) elif ls[mid]key: # ls[mid] key 往后找 ls[mid1::] return binary_search(ls[mid1::], key) else: # ls[mid] key 找到了 return 找到了 ls[2,5,7,9,11,13,15,17,23,45,68] print(binary_search(ls, 13))冒泡排序# 冒泡排序 常见的排序方式冒泡排序选择排序快速排序哈希值排序 a 9 b 8 a, b b, a print(a) print(b) ls [45, 123, 23, 4, 6, 8, 25, 75, 89, 18] for i in range(0, len(ls) - 1): for j in range(0, len(ls) - 1 - i): if ls[j] ls[j 1]: # 互换 ls[j], ls[j 1] ls[j 1], ls[j] print(ls) a [中国, 阿根廷, 澳大利亚, 阿尔及利亚, 哈萨克斯坦, 俄罗斯, 巴西, 美国, 加拿大, 印度] b [960, 278,769.2 ,238.1, 272.2, 1709.8, 851.4, 937,998.4, 298] 根据国土面积对国家进行排序 a [中国, 阿根廷, 澳大利亚, 阿尔及利亚, 哈萨克斯坦, 俄罗斯, 巴西, 美国, 加拿大, 印度] b [960, 278, 769.2, 238.1, 272.2, 1709.8, 851.4, 937, 998.4, 298] for i in range(0, len(b) - 1): for j in range(0, len(b) - 1 - i): if b[j] b[j 1]: b[j], b[j 1] b[j 1], b[j] # 互换a a[j], a[j 1] a[j 1], a[j] print(a) scores{tom:89,lily:97,lucy:45} 推导式# 推导式 1)推导式是一种简洁高效的语法结构能快速生成列表字典集合 2推导式分为列表推导式字典推导式 集合推导式 生成器 3没有元组推导式和字符串推导式因为他们不可变 # 1~10之间所有数字的平方放到一个列表中。 # 方式1 ls [] for i in range(1,11): ls.append(i**2) print(ls) # 方式2 ls1 list(map(lambda x:x**2,range(1,11))) print(ls1) # 方式3:列表推导式 [a**2 for a in range(1,11) ] ls2 [a**2 for a in range(1,11)] print(ls2) 列表推导式:[表达式 for 变量 in 序列集 if 条件] # 1-100以内的 3的倍数放在一个列表中 ls3 [x for x in range(1,101) if x%30] print(ls3) # 1-10的数如果是偶数存偶数如果碰到奇数存储False ls4[偶数 if i%20 else False for i in range(1,11)] print(ls4) # 笛卡尔集 a 121 b ^* c !# ls [] for aa in a: for bb in b: for cc in c: ls.append(aabbcc) print(ls) ls5 [ aabbcc for aa in a for bb in b for cc in c] print(ls5) 集合推导式{表达式 for 变量 in 序列集 if 条件} # 1-10的数如果是偶数存偶数如果碰到奇数存储False 存储到集合中 set1 {偶数 if i%20 else False for i in range(1,11)} print(set1) set2 {aabbcc for aa in a for bb in b for cc in c} print(set2)

相关新闻

企业禁用root token却仍遭横向提权?Claude Code权限上下文隔离机制失效的3个隐蔽触发条件(CVE-2024-CODE-012已静默修复)

企业禁用root token却仍遭横向提权?Claude Code权限上下文隔离机制失效的3个隐蔽触发条件(CVE-2024-CODE-012已静默修复)

更多请点击: https://kaifayun.com 第一章:CVE-2024-CODE-012漏洞的发现与影响全景 CVE-2024-CODE-012 是一个高危远程代码执行(RCE)漏洞,存在于开源日志聚合组件 LogBridge v3.2.0–v3.4.7 中。该漏洞源于对用户可控…

2026/7/11 7:09:14阅读更多 →
Chrome-Charset终极指南:3分钟彻底解决网页乱码的完整方案

Chrome-Charset终极指南:3分钟彻底解决网页乱码的完整方案

Chrome-Charset终极指南:3分钟彻底解决网页乱码的完整方案 【免费下载链接】Chrome-Charset An extension used to modify the page default encoding for Chromium 55 based browsers. 项目地址: https://gitcode.com/gh_mirrors/ch/Chrome-Charset 你是否曾…

2026/7/11 7:09:14阅读更多 →
在Windows上实现macOS级三指拖拽:技术解析与实战配置指南

在Windows上实现macOS级三指拖拽:技术解析与实战配置指南

在Windows上实现macOS级三指拖拽:技术解析与实战配置指南 【免费下载链接】ThreeFingersDragOnWindows Enables macOS-style three-finger dragging functionality on Windows Precision touchpads. 项目地址: https://gitcode.com/gh_mirrors/th/ThreeFingersDra…

2026/7/11 7:09:14阅读更多 →
数字电路上拉与下拉电阻设计及信号完整性优化

数字电路上拉与下拉电阻设计及信号完整性优化

1. 信号上拉与下拉的基础概念解析在数字电路设计中,上拉(Pull-up)和下拉(Pull-down)是两种常见的信号处理技术。它们通过在信号线上添加电阻连接到电源(VCC)或地(GND)&am…

2026/7/11 8:19:18阅读更多 →
Excel SUM函数区域求和:3种常见多算1场景的精确诊断与修复

Excel SUM函数区域求和:3种常见多算1场景的精确诊断与修复

Excel SUM函数区域求和:3种常见多算1场景的精确诊断与修复当你盯着Excel表格中那个莫名其妙的求和结果,发现它总是比预期多出1时,那种感觉就像咖啡里混进了盐——明明看起来正常,入口却完全不对味。作为财务分析师,我曾…

2026/7/11 8:19:18阅读更多 →
专访 DeepChat 作者们:聊聊本地优先、MCP 与 Agent Memory

专访 DeepChat 作者们:聊聊本地优先、MCP 与 Agent Memory

近半年如果你关注 AI 客户端、MCP、Agent Memory、Computer Use 这些关键词,就会发现很多 AI 工具正在从“聊天窗口”变成更完整的 Agent 工作台。这也是今天要聊的开源项目——DeepChat 演变的路线。一开始它是一个 Chatbot,后来逐步演进成一个 Local F…

2026/7/11 8:19:18阅读更多 →
防火墙报文转发流程深度解析:从首包到会话表的7个关键处理节点

防火墙报文转发流程深度解析:从首包到会话表的7个关键处理节点

防火墙报文转发流程深度解析:从首包到会话表的7个关键处理节点当数据包穿越防火墙时,会经历一场精密的安全"流水线"检测。这条处理路径上的每个节点都直接影响着网络性能和安全防护效果。本文将拆解防火墙内部报文转发的完整生命周期&#xff…

2026/7/11 8:19:18阅读更多 →
AI初创企业如何高效利用免费算力:计算积分与模型额度的工程实践

AI初创企业如何高效利用免费算力:计算积分与模型额度的工程实践

对于 AI 初创企业来说,最稀缺的资源不是创意或团队,而是训练和推理模型所需的庞大计算资源。一张高端 GPU 卡每月租赁成本可能高达数万元,对于早期项目来说,这笔固定支出足以拖慢整个产品迭代节奏。OpenAI、Anthropic 等头部模型公…

2026/7/11 8:19:18阅读更多 →
华为数字IC/FPGA笔试:30单选+10多选真题解析与3类高频考点归纳

华为数字IC/FPGA笔试:30单选+10多选真题解析与3类高频考点归纳

华为数字IC/FPGA笔试深度解析:高频考点与备考策略1. 笔试概况与核心特点华为数字IC/FPGA岗位的笔试环节是校招过程中的第一道技术门槛,其独特的设计模式往往让初次接触的考生感到既熟悉又陌生。与大多数科技公司的技术笔试不同,华为硬件类岗位…

2026/7/11 8:14:18阅读更多 →
从GitHub安全案例解析常见漏洞与防护实践

从GitHub安全案例解析常见漏洞与防护实践

1. 项目概述:从GitHub Trending看安全实战 最近在GitHub Trending上看到一个项目,叫 skills4/skills ,它因为一些安全漏洞案例被大家讨论。这其实是一个挺典型的场景:一个旨在展示或教授某种技能的仓库,本身却成了安…

2026/7/10 12:10:00阅读更多 →
MLT 2026启示:因果推理与概率建模驱动下一代LLM应用

MLT 2026启示:因果推理与概率建模驱动下一代LLM应用

# MLT 2026启示:因果推理与概率建模驱动下一代LLM应用## 一、背景与挑战:从“黑箱预测”到“可信推理”2026年6月,第7届机器学习与趋势国际会议(MLT 2026)将在悉尼召开。会议议程中,“因果与可解释机器学习…

2026/7/10 12:29:21阅读更多 →
通达OA SQL注入漏洞深度剖析:从手工注入到自动化利用与防御

通达OA SQL注入漏洞深度剖析:从手工注入到自动化利用与防御

1. 项目概述与漏洞背景最近在梳理一些历史OA系统的安全风险时,通达OA v11.6版本中的一个老漏洞又进入了我的视线。这个漏洞位于/general/bi_design/appcenter/report_bi.func.php文件中,是一个典型的SQL注入点。虽然这个漏洞的利用方式看起来并不复杂&am…

2026/7/10 4:59:05阅读更多 →
Premiere Pro 2025安装失败原因与AGSIS验证绕过指南

Premiere Pro 2025安装失败原因与AGSIS验证绕过指南

1. 为什么2025版PR安装比以往更“磨人”?——从弹窗警告到路径陷阱的真实处境 Premiere Pro 2025版不是简单的一次版本迭代,它是一道分水岭。我从去年底开始帮影视工作室、高校剪辑实验室和自由职业者部署2025环境,累计处理了137台设备&#…

2026/7/11 0:03:43阅读更多 →
5款实用macOS系统优化工具:让你的Mac运行更流畅更高效

5款实用macOS系统优化工具:让你的Mac运行更流畅更高效

5款实用macOS系统优化工具:让你的Mac运行更流畅更高效 【免费下载链接】open-source-mac-os-apps 🚀 Awesome list of open source applications for macOS. https://t.me/s/opensourcemacosapps 项目地址: https://gitcode.com/gh_mirrors/op/open-so…

2026/7/11 0:03:43阅读更多 →
5分钟完全掌握:ComfyUI ControlNet预处理器终极使用指南

5分钟完全掌握:ComfyUI ControlNet预处理器终极使用指南

5分钟完全掌握:ComfyUI ControlNet预处理器终极使用指南 【免费下载链接】comfyui_controlnet_aux ComfyUIs ControlNet Auxiliary Preprocessors 项目地址: https://gitcode.com/gh_mirrors/co/comfyui_controlnet_aux 想要让AI图像生成真正听从你的指挥吗&…

2026/7/11 0:03:43阅读更多 →
YOLOv8推理性能优化:从1.2FPS到35FPS的全链路加速实践

YOLOv8推理性能优化:从1.2FPS到35FPS的全链路加速实践

如果你在部署 YOLOv8 时,发现推理速度只有可怜的 1-2 FPS,而别人的演示视频却能跑到 30 FPS 以上,那么问题很可能不在模型本身,而在于你的整个处理链路。很多开发者拿到一个训练好的 YOLOv8 模型后,会直接使用官方示例…

2026/7/10 13:39:09阅读更多 →
Coze与Dify对比指南:低代码AI应用开发从入门到实战

Coze与Dify对比指南:低代码AI应用开发从入门到实战

1. 从零到一:为什么你需要了解 Coze 和 Dify?如果你对 AI 应用开发感兴趣,但一看到“大模型”、“智能体”、“工作流”这些词就头疼,觉得门槛太高,那这篇文章就是为你准备的。很多开发者,包括我自己&#…

2026/7/10 22:20:33阅读更多 →
AI生图工具怎么选?2026年6月版实测对比

AI生图工具怎么选?2026年6月版实测对比

做自媒体的朋友应该都有体会:配图一直是个让人头疼的问题。2026年,AI生图工具已经非常成熟了,但工具太多反而不知道怎么选。以下是截至2026年6月我对主流AI生图工具的实测对比。Midjourney V8.1:速度之王2026年6月11日&#xff0c…

2026/7/10 17:29:22阅读更多 →