priority_queue的底层是vector queue的底层是deque 堆是完全二叉树。 最小堆就是父节点小于子节点。 插入时每次加到最后，再从底向上更新一次。 删除时删除根，并将最后一个元素取代掉根，从底向上更新一次。 更新时是对于每一个节点所对应的堆进行更新。 插入就是加到最后，向上更新 删除就是交换根和最后一个元素，然后删掉“根”，向下更新 priority_queue传入的比较函数

流程 问题假设（要全面） 模型建立 模型求解 模型评价 问题类型 预测类 用以往的数据来预测将来的数据 评价类 通过建立评价指标体系来评价一个东西 机理分析 优化类 最优化理论，目标函数，变量，约束 Matlab [] 矩阵，其中的数值可以是矩阵 ； 换行 ，或者直接空格 分列 while condition end 循环 if condit

内省排序 三路排序 nth_element 希尔排序 timsort A* 字符串哈希相关

选择 判断 简答 应用 编程openmp(简单) 综合 算 非线性流水线 单级互联网络 多级互连网络(分析) 流水线相关性处理 cache-主存 概念性 模拟：用机器语言程序解释实现机器指令，灵活性大，几乎全部机器，但速度慢 仿真：用微程序去直接解释机器指令，只能在系统结构差别不大的机器，但速度快 冯•诺依曼体系结构运算器（ALU）、控制器（CU）、存储器（MEM）和输入/输出设备（IN/O

矩阵相乘 当对一个线性空间进行线性变换的时候，可以将i和j变换看做整个空间的变换，因为线性的等式在变换后仍然保持不变。 另外，假如说i和j变换为了i’和j’，那么对于一个向量的变换就相当于左乘[i’ j’]，这是一个n阶方阵。 另外，如果对一个空间连续做几次变换，将这些变换方阵相乘实际上就是总的变换，但后变换的永远都是左乘。 矩阵乘积实际就是变换相加，假设后面一个矩阵是基的i和j，然后前面的矩阵分

线性规划有两种形式： 标准型： maxmize ∑j=1ncjxj∑j=1naijxj≤bi , i=1,2,…,m           xj≥0 , j=1,2,…,nmaxmize\ \sum_{j=1}^nc_jx_j\\\sum^n_{j=1}a_{ij}x_j\le b_i\ ,\ i=1,2,\dots,m\\\ \ \ \ \ \ \ \ \ \ \ x_j\ge0\ ,\ j=

网络流是一张模拟运输或流动的图。其边的权重代表边的容量。一般我们将其看做一个水流系统。有一个源节点和一个汇点（流出点）。每一条边上的流量不能超过容量，而每一个节点也不能存储任何水量。另外，这张图不存在自循环，且不存在反平行边(一对边(u,v)与(v,u))。 而对于任意一个节点，流入量等于流出量。 如果遇到反平行边，可以将其中一条边中加入一个新的节点来避免反平行边。 而若是有多个源节点和多个汇点，

强联通分量指的是一个有向图中的一部分节点，而任意两个其中的节点互相的路径是相通的，既能从一个节点到另一个节点，也可以从另一个节点到这个节点。 一个图必然能够被分为几个强联通分量的组合，而若是将这几个强联通分量的节点聚合为一个节点，就会得到一个有向无环图，称为分量图。 求出强联通分量的方法如下： 首先对图进行深搜，对于每一个节点记录到达顺序和离开顺序，离开顺序和到达顺序共用一个顺序。 根据这个离开顺

在一个域(一个集合)中，其中存在着一个实际域，包含着我们所实际用到的元素，如自然数是一个域，其中我们有一个实际域，比如说{1,2,3}。这些作为关键字指向元素，这里的关键字就是指数组的下标一样的东西，根据一个关键字，我们就可以得到它所指的元素。 当全域较小的时候，我们可以之间建立一个表，一一对应。 但是当全域较大但是实际域并不大的时候，这就过于浪费存储空间了，因为很多的关键字都对应着NIL(空)，

内涵是对数据的定义以及数据完整性约束的定义。对数据的定义包括对关系、属性、域的定义和说明。对数据完整性约束的定义涉及面较广，主要包括以下两个方面。 静态约束：涉及数据之间的联系（称为“数据依赖”（Data Dependences））、主键和值域的 设计。 动态约束：定义各种操作（插入、删除、修改）对关系值的影响。一般，把内涵称为关系 模式，所以关系模式应包括这些内容。 这样的关系模式和关系一般称为