Algorithm

本周的 LeetCode 题目为 5. 最长回文子串

给你一个字符串 s,找到 s 中最长的回文子串。例如输入:s = "babad",输出:"bab"

本题使用动态规划进行解决,动态规划的核心就在于找到状态转移方程。通过观察发现,回文串去掉首尾两个字符后,依然是回文串,即 dp[i][j] = dp[i+1][j-1] ^ (s[i] == s[j]),再加上只有一个或两个字符时作为初始条件,因此状态转移方程为:

dp[i][i] = true,
dp[i][i+1] = (s[i] == s[i+1]),
dp[i][j] = dp[i+1][j-1] ^ (s[i] == s[j]), j-i>1

根据状态转移方程,很容易写出代码,主要要记录下最长回文子串的开始索引和长度,以方便得到该回文子串。

class Solution {
public String longestPalindrome(String s) {
int length = s.length();
if (length < 2) {
return s;
} int maxLength = 1;
int begin = 0;
boolean[][] dp = new boolean[length][length];
for (int i = 0; i < length; i++) {
dp[i][i] = true;
} for (int right = 1; right < length; right++) {
for (int left= 0; left < right; left++) { if (s.charAt(left) != s.charAt(right)) {
dp[left][right] = false;
} else {
if (right - left < 3) {
dp[left][right] = true;
} else {
dp[left][right] = dp[left+1][right-1];
}
} if (dp[left][right] == true && (right - left + 1 > maxLength)) {
maxLength = right - left + 1;
begin = left;
}
}
} return s.substring(begin, begin+maxLength);
}
}

Review

本周 Review 的英文文章为:不要怕,你的内存是够用的!

因为 Linux 系统中存在着磁盘缓存,其目的是为了让系统变得更快。当你需要更多的内存时,磁盘缓存会自动释放来满足应用或进程的需要。虽然你无法关闭,但是你想强制清除目前的缓存,可以运行 echo 3 | sudo tee /proc/sys/vm/drop_caches

但是我们在使用 topfree 命令查看内存时,却经常发现内存都已经被使用了,但这实际上是因为 Linux 系统中的 freeavailable 和我们平时的概念有所不同,它们的对比表如下:

内容情况 你会称它为 Linux 系统会称它为
被应用所使用 Used Used
被使用,但可以使得其可用 Free (or Available) Used (or Available)
没有被使用 Free Free

通过查看 free 命令显示结果中 available 这一列,你便可以得到现在系统中实际可用的内存。

$ free -m
total used free shared buff/cache available
Mem: 1504 1491 13 0 855 792
Swap: 2047 6 2041

最后作者给出了具体的何时需要担心内存情况的建议。当下面的情况发生时,你并不需要担心内存是否够用:

  • free 值接近了0
  • used 值接近了 total
  • available 值(或者free + buffers/cache的和)是足够的(占 total 20% 以上)
  • swap 那一行中 used 的值没有改变

下面是值得注意的真正低内存可用的警告信号:

  • available 值(或者free + buffers/cache的和) 接近0
  • swap 那一行中 used 的值在增加或者波动
  • 使用 dmesg | grep oom-killer 来查看 OutOfMemory-killer 是否在工作

Tip

Python 中一个二维数组按列计算每一列的平均值,需要使用 numpy 包,调用 numpy.average(data, axis=0) 语句来执行,当 axis=1 时则为按行计算均值,示例如下:

import numpy

data = [[1, 2], [3, 4]]
avg = numpy.average(data, axis=0)
print(avg) # [2, 3]

Share

祝大家新年快乐,身体健康,万事如意!

最新文章

  1. HTML 的 meta 标签
  2. XproerIM-v1.3更新-企业即时通迅
  3. Azure Table storage 之改进DynamicTableEntity类为其添加动态语言扩展
  4. LightOJ1170 - Counting Perfect BST(卡特兰数)
  5. 剑指Offer07 斐波那契数列
  6. Mac OS X中开启或关闭显示隐藏文件
  7. mvn创建web项目
  8. Altium Designer规划电路板
  9. BZOJ 1588: Treap 模板
  10. 自己动手搭建Nginx+memcache+xdebug+php运行环境绿色版 For windows版
  11. Mockito文档-单元测试技术
  12. [UWP-小白日记13]Composition动画
  13. Extjs6获取Grid里的数据(数据源)
  14. jQuery+ajax实现局部刷新
  15. ideal中如何添加几个不同的项目在同一个idea的显示页面
  16. SpringBoot 注解
  17. IDEA中常用的maven指令
  18. 细说spring事务配置属性
  19. 获取元素的最终background-color
  20. Cookie快速入门实践

热门文章

  1. 【C/C++】函数的分文件编写
  2. java 多线程的状态迁移 常用线程方法分析
  3. 持续部署CI/CD
  4. [OpenGL ES 02]OpenGL ES渲染管线与着色器
  5. CF1579A Casimir&#39;s String Solitaire 题解
  6. 深入理解css中position属性及z-index属性 https://www.cnblogs.com/zhuzhenwei918/p/6112034.html
  7. webservice注意事项
  8. libevent实现多线程
  9. JAVA整合FlinkCDC 监控数据库表变化
  10. JAVA比较指定的两个日期