你邁入資料結構與演算法的知識殿堂。 1.2 演算法是什麼 1.2.1 演算法定義 演算法（algorithm）是在有限時間內解決特定問題的一組指令或操作步驟，它具有以下特性。 ‧ 問題是明確的，包含清晰的輸入和輸出定義。 ‧ 具有可行性，能夠在有限步驟、時間和記憶體空間下完成。 ‧ 各步驟都有確定的含義，在相同的輸入和執行條件下，輸出始終相同。 1.2.2 資料結構定義 資料結構（data 執行效率可能相差很大，選擇合適的資料結構是關鍵。 圖 1‑4 資料結構與演算法的關係 資料結構與演算法猶如圖 1‑5 所示的拼裝積木。一套積木，除了包含許多零件之外，還附有詳細的組裝說明 書。我們按照說明書一步步操作，就能組裝出精美的積木模型。 第 1 章 初識演算法 www.hello‑algo.com 15 圖 1‑5 拼裝積木 兩者的詳細對應關係如表 1‑1 所示。 表 1‑1 將資料結構與演算法類比為拼裝積木 資料結構與演算法 拼裝積木 輸入資料 未拼裝的積木 資料結構 積木組織形式，包括形狀、大小、連線方式等 演算法 把積木拼成目標形態的一系列操作步驟 輸出資料 積木模型 值得說明的是，資料結構與演算法是獨立於程式語言的。正因如此，本書得以提供基於多種程式語言的實 現。 約定俗成的簡稱 在實際討論時，我們通常會將“資料結構與演算法”簡稱為“演算法”。比如眾所周知的 LeetCode

了对象的序列化和反序列化功能。  注意 ▶ 在对象序列化过程中，其所属类的 static 属性和方法代码不 会被序列化； ▶ 对于个别不希望被序列化的非 static 属性，也可以在属性声 明的时候使用 transient 关键字进行标明。 课程配套代码 ± sample.io.serialization 大纲 Java I/O 原理 基础 I/O 流 常用 I/O 流类型 I/O 应用

过滤器需要对所过滤的 URL 进行映射。当浏览器访问的 Web 文档 URL 地址符 合过滤器的映射地址时，此过滤器自动开始工作。 • 如果有多个过滤器对某个 URL 地址都符合时，这些过滤器构成过滤器链，先声 明的过滤器先运行，运行的顺序与声明的次序一致。 过滤器映射语法： 1 < filter −mapping> 2 < filter −name>EncodingFilter class=”com.city.oa.value.User” scope=”request” /> 2 明” > 23.3.5 getProperty 动作 用于取得 Bean 对象指定的属性值，转换为 String 类型，并显示在此动作所在的位 置。 1 明的页面。 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

class="com.city.oa.value.User" scope="request" /> 2 大纲 JSP 概述 JSP 指令 JSP 动作 JSP 脚本 JSP 内置对象 本节习题 getProperty 动作 用于取得 Bean 对象指定的属性值，转换为 String 类型，并显示

窗口组件 Label Component 标签类 大纲 GUI 组件及布局 GUI 事件处理 Applet Swing Swing 典型组件（课后自学） 常用的组件和容器 ƒ 组件类型 � 类 说 明 List Component 包含内容可变的条目的列表框组件 MenuBar MenuComponent 菜单条组件 Menu MenuItem 菜单组件 MenuItem MenuComponent

广泛的关注，其中不乏有头部互联网公司已经将服务网格应用在生产环境中。在这些产品当中，由 Google，IBM 和 Lyft 团队合作开发的服务网格项目 Istio 最为流行，它提出了⼀整套标准的、声 明式的服务治理 API，效仿 Kubernetes 对底层基础设施的抽象做法来解决服务治理层面的疑难杂 症。 Nacos 作为众多注册中心产品中最受欢迎之⼀的项目，从开源之初，就紧跟技术时代的潮流，当然

的单位价值最高，因此替 换后的总价值一定大于 res 。这与 res 是最优解矛盾，说明最优解中必须包含物品 ? 。 对于该解中的其他物品，我们也可以构建出上述矛盾。总而言之，单位价值更大的物品总是更优选择，这说 明贪心策略是有效的。 如下图所示，如果将物品重量和物品单位价值分别看作一个 2D 图表的横轴和纵轴，则分数背包问题可被转 化为“求在有限横轴区间下的最大围成面积”。 通过这个类比，我们可以从几何角度理解贪心策略的有效性。

的单位价值最高，因此替 换后的总价值一定大于 res 。这与 res 是最优解矛盾，说明最优解中必须包含物品 ? 。 对于该解中的其他物品，我们也可以构建出上述矛盾。总而言之，单位价值更大的物品总是更优选择，这说 明贪心策略是有效的。 如图 15‑6 所示，如果将物品重量和物品单位价值分别看作一张二维图表的横轴和纵轴，则分数背包问题可转 化为“求在有限横轴区间下围成的最大面积”。这个类比可以帮助我们从几何角度理解贪心策略的有效性。

的单位价值最高，因此替 换后的总价值一定大于 res 。这与 res 是最优解矛盾，说明最优解中必须包含物品 ? 。 对于该解中的其他物品，我们也可以构建出上述矛盾。总而言之，单位价值更大的物品总是更优选择，这说 明贪心策略是有效的。 如图 15‑6 所示，如果将物品重量和物品单位价值分别看作一个 2D 图表的横轴和纵轴，则分数背包问题可 被转化为“求在有限横轴区间下的最大围成面积”。这个类比可以帮助我们从几何角度理解贪心策略的有效

的单位价值最高，因此替 换后的总价值一定大于 res 。这与 res 是最优解矛盾，说明最优解中必须包含物品 ? 。 对于该解中的其他物品，我们也可以构建出上述矛盾。总而言之，单位价值更大的物品总是更优选择，这说 明贪心策略是有效的。 如图 15‑6 所示，如果将物品重量和物品单位价值分别看作一张二维图表的横轴和纵轴，则分数背包问题可转 化为“求在有限横轴区间下围成的最大面积”。这个类比可以帮助我们从几何角度理解贪心策略的有效性。