据流可能会被分成多个缓冲块并放入一个循环链表，以便实现无缝播放。 4.3. 列表 数组长度不可变导致实用性降低。在许多情况下，我们事先无法确定需要存储多少数据，这使数组长度的选 择变得困难。若长度过小，需要在持续添加数据时频繁扩容数组；若长度过大，则会造成内存空间的浪费。 为解决此问题，出现了一种被称为「动态数组 Dynamic Array」的数据结构，即长度可变的数组，也常被称 为「列表 List」。 Landis 在其 1962 年发表的论文“An algorithm for the organization of information”中提出了「AVL 树」。论文中详细描述了一系列操作，确保在持续添加和删除节点后，AVL 树 不会退化，从而使得各种操作的时间复杂度保持在 ?(log ?) 级别。换句话说，在需要频繁进行增删查改操 作的场景中，AVL 树能始终保持高效的数据操作性能，具有很好的应用价值。 ) 。该方法的效率很高，当 ? 较小时，时间复杂度趋向 ?(?) ；当 ? 较大时，时间复杂度不会超过 ?(? log ?) 。 另外，该方法适用于动态数据流的使用场景。在不断加入数据时，我们可以持续维护堆内的元素，从而实现 最大 ? 个元素的动态更新。 8. 堆 hello‑algo.com 162 // === File: top_k.cpp === /* 基于堆查找数组中最大的 k

章 数组与链表 hello‑algo.com 76 4.3 列表 数组长度不可变导致实用性降低。在实际中，我们可能事先无法确定需要存储多少数据，这使数组长度的选 择变得困难。若长度过小，需要在持续添加数据时频繁扩容数组；若长度过大，则会造成内存空间的浪费。 为解决此问题，出现了一种被称为「动态数组 dynamic array」的数据结构，即长度可变的数组，也常被称 为「列表 list」。 Landis 在其 1962 年发表的论文“An algorithm for the organization of information”中提出了「AVL 树」。论文中详细描述了一系列操作，确保在持续添加和删除节点后，AVL 树 不会退化，从而使得各种操作的时间复杂度保持在 ?(log ?) 级别。换句话说，在需要频繁进行增删查改操 作的场景中，AVL 树能始终保持高效的数据操作性能，具有很好的应用价值。 ) 。该方法的效率很高，当 ? 较小时，时间复杂度趋向 ?(?) ；当 ? 较大时，时间复杂度不会超过 ?(? log ?) 。 另外，该方法适用于动态数据流的使用场景。在不断加入数据时，我们可以持续维护堆内的元素，从而实现 最大 ? 个元素的动态更新。 // === File: top_k.cpp === /* 基于堆查找数组中最大的 k 个元素 */ priority_queue

0 码力 | 377 页 | 30.69 MB | 1 年前

3

和 E. M. Landis 在 论 文 “An algorithm for the organization of information”中提出了 AVL 树。论文中详细描述了一系列操作，确保在持续添加和删除节点后，AVL 树不 会退化，从而使得各种操作的时间复杂度保持在 ?(log ?) 级别。换句话说，在需要频繁进行增删查改操作 的场景中，AVL 树能始终保持高效的数据操作性能，具有很好的应用价值。 ) 。该方法的效率很高，当 ? 较小时，时间复杂度趋向 ?(?) ；当 ? 较大时，时间复杂度不会超过 ?(? log ?) 。 另外，该方法适用于动态数据流的使用场景。在不断加入数据时，我们可以持续维护堆内的元素，从而实现 最大的 ? 个元素的动态更新。 8.4 小结 1. 重点回顾 ‧ 堆是一棵完全二叉树，根据成立条件可分为大顶堆和小顶堆。大（小）顶堆的堆顶元素是最大（小）的。 ‧ 不适合数据量过大的情况，因为哈希表需要额外空间来最大程度地减少冲突，从而提供良好的查询性 能。 树查找 ‧ 适用于海量数据，因为树节点在内存中是分散存储的。 ‧ 适合需要维护有序数据或范围查找的场景。 ‧ 在持续增删节点的过程中，二叉搜索树可能产生倾斜，时间复杂度劣化至 ?(?) 。 ‧ 若使用 AVL 树或红黑树，则各项操作可在 ?(log ?) 效率下稳定运行，但维护树平衡的操作会增加额 外的开销。

E. M. Landis 在 论 文 “An algorithm for the organization of information”中提出了「AVL 树」。论文中详细描述了一系列操作，确保在持续添加和删除节点后，AVL 树 不会退化，从而使得各种操作的时间复杂度保持在 ?(log ?) 级别。换句话说，在需要频繁进行增删查改操 作的场景中，AVL 树能始终保持高效的数据操作性能，具有很好的应用价值。 ) 。该方法的效率很高，当 ? 较小时，时间复杂度趋向 ?(?) ；当 ? 较大时，时间复杂度不会超过 ?(? log ?) 。 另外，该方法适用于动态数据流的使用场景。在不断加入数据时，我们可以持续维护堆内的元素，从而实现 最大的 ? 个元素的动态更新。 8.4 小结 1. 重点回顾 ‧ 堆是一棵完全二叉树，根据成立条件可分为大顶堆和小顶堆。大（小）顶堆的堆顶元素是最大（小）的。 ‧ 不适合数据量过大的情况，因为哈希表需要额外空间来最大程度地减少冲突，从而提供良好的查询性 能。 树查找 ‧ 适用于海量数据，因为树节点在内存中是分散存储的。 ‧ 适合需要维护有序数据或范围查找的场景。 ‧ 在持续增删节点的过程中，二叉搜索树可能产生倾斜，时间复杂度劣化至 ?(?) 。 ‧ 若使用 AVL 树或红黑树，则各项操作可在 ?(log ?) 效率下稳定运行，但维护树平衡的操作会增加额 外的开销。

和 E. M. Landis 在 论 文 “An algorithm for the organization of information”中提出了 AVL 树。论文中详细描述了一系列操作，确保在持续添加和删除节点后，AVL 树不 会退化，从而使得各种操作的时间复杂度保持在 ?(log ?) 级别。换句话说，在需要频繁进行增删查改操作 的场景中，AVL 树能始终保持高效的数据操作性能，具有很好的应用价值。 ) 。该方法的效率很高，当 ? 较小时，时间复杂度趋向 ?(?) ；当 ? 较大时，时间复杂度不会超过 ?(? log ?) 。 另外，该方法适用于动态数据流的使用场景。在不断加入数据时，我们可以持续维护堆内的元素，从而实现 最大的 ? 个元素的动态更新。 8.4 小结 1. 重点回顾 ‧ 堆是一棵完全二叉树，根据成立条件可分为大顶堆和小顶堆。大（小）顶堆的堆顶元素是最大（小）的。 ‧ 不适合数据量过大的情况，因为哈希表需要额外空间来最大程度地减少冲突，从而提供良好的查询性 能。 树查找 ‧ 适用于海量数据，因为树节点在内存中是分散存储的。 ‧ 适合需要维护有序数据或范围查找的场景。 ‧ 在持续增删节点的过程中，二叉搜索树可能产生倾斜，时间复杂度劣化至 ?(?) 。 ‧ 若使用 AVL 树或红黑树，则各项操作可在 ?(log ?) 效率下稳定运行，但维护树平衡的操作会增加额 外的开销。

lambda ，自身返回一个 std::future 对象 。 • lambda 的函数体将在另一个线程里执行 。 • 接下来你可以在 main 里面做一些别的事 情， download 会持续在后台悄悄运行。 • 最后调用 future 的 get() 方法，如果此时 download 还没完成，会等待 download 完成，并获取 download 的返回值。 显示地等待：

可不是那么容易学的，花多少时间才能登堂入室可还得 凭各人资质和基础呢。 浩瀚无涯的Windows API Windows 版本 推出日期 API 个数 消息个数 （持续增加当中） （持续增加当中） 第㆔篇 淺出 MFC 程式設計 324 Microsoft Foundation Classes（MFC） PC 世界里出了三套C++ Application Fram 是系统传进来的一个值，表示自从上次有消息进来，到现在，OnIdle 已经被调用 了多少次。稍后我将改写Hello 程序，把这个值输出到窗口上，你就可以知道空闲时间 是多么地频繁。lCount 会持续累增，直到CWinThread::Run 的消息循环又获得了一个讯 息，此值才重置为0。 注意：Jeff Prosise 在他的Programming Windows 95 with MFC 一书第７章谈到OnIdle 内容为CPoint。本例将用到CArray 的两个成员函数和一个运算子： GetSize：取得数组中的元素个数。 Add：在数组尾端增加一个元素。必要时扩大数组的大小。这个动作会在鼠标 左键按下后被持续调用，请看ScribbleView::OnLButtonDown。 operator[ ]：以指定之索引值取得或设定数组元素内容。 它们的详细规格请参考MFC Class Library Reference。