引言第二章是计组里最容易“算错细节”的章节。 它的核心不是死记格式,而是把三件事打通: 数在机器里怎么编码。 运算器按什么规则做加减乘除。 溢出、舍入、精度损失为什么发生。 这一章学扎实,后面 ALU、CPU 控制和异常中断会更顺。 图像化理解(Mermaid) mindmap root((第2章 数据表示与运算)) 数制与编码 二八十六进制转换 BCD 字符编码 定点表示 原码 反码 补码 移码 定点运算 加减法 乘法 除法 溢出判断 浮点表示 阶码 尾数 规格化 IEEE754 一、数制与编码基础1. 进位计数制 二进制、八进制、十进制、十六进制转换是基础题。 十六进制和二进制按 4 位一组对应。 八进制和二进制按 3 位一组对应。 2. 机器数与真值 真值:人类理解的带符号数值。 机器数:按编码规则写入寄存器/存储器的比特串。 通常最高位 ...
引言第一章看起来“概念多、计算少”,但它是整本计组的地基。 后面学到的 CPU、存储器、总线、I/O,几乎都要回到这一章的三个底层问题: 计算机系统由哪些层组成。 各部件如何协同工作。 性能到底该怎么衡量。 本篇按考研高频路径整理,并把全书常见例题一起补充到章节内部。 图像化理解(Mermaid) mindmap root((第1章 计算机系统概述)) 计算机发展 电子管 晶体管 中小规模集成电路 大规模与超大规模集成电路 系统层次 高级语言 汇编语言 操作系统 机器级 微程序级 冯诺依曼结构 存储程序 五大部件 指令驱动 性能指标 主频 CPI CPU执行时间 MIPS/MFLOPS 吞吐量与响应时间 一、计算机发展历程与分类1. 四代发展主线 第一代:电子管,体积大、功耗高、可靠性低。 第二代:晶体管,速度和 ...
引言第八章“排序”是数据结构里最像“综合题”的一章。 前面学线性表、树、图时,重点是结构本身;到了排序,重点变成: 面对不同数据特点,应该选哪一种算法,用什么代价把无序变成有序。 这一章可以整理成六条主线: 排序的基本概念:稳定性、内部排序、外部排序、评价指标 插入类排序:直接插入、折半插入、希尔排序 交换类排序:冒泡排序、快速排序 选择类排序:简单选择、堆排序、堆的插入与删除 归并与非比较排序:归并、基数、计数 外部排序:多路平衡归并、败者树、置换-选择排序、最佳归并树 本篇把 E:\PPT 下第八章全部课件合并整理,并把 PDF 中动画很多、文字缺失较多的部分全部补全,尤其补上: 完整代码 复杂度与稳定性对比 易错点与易混淆点 课件里一带而过但考试常考的结论 图像化理解(Mermaid) mindmap root((第八章 排序)) 排序基本概念 稳定性 内部排序 / 外部排序 时间 / 空间 / 适用场景 内部排序 插入排序 直接插入 折半 ...
引言第七章“查找”是数据结构里和“工程实现”最贴近的一章。前面学线性表、树、图,更多是结构本身;这一章关心的是: 给你一个关键字,怎么最快找到它。 这章可以分成五条主线: 静态查找:顺序查找、折半查找、分块查找 动态查找树:二叉排序树、AVL、红黑树 多路平衡查找:B树、B+树 散列查找:散列函数、冲突处理、性能分析 全章对比:复杂度、适用场景、常见坑 本篇把 E:\PPT 下第七章全部课件合并,并补齐 PPT 中一笔带过但考试会考、实战会踩坑的部分。 图像化理解(Mermaid) mindmap root((第七章查找体系)) 静态查找 顺序查找 折半查找 分块查找 动态查找树 BST AVL 红黑树 多路查找 B树 B+树 散列查找 散列函数 冲突处理(拉链/开放定址) 一句话:查找问题本质是“时间、更新代价、空间”三者取平衡。 一、查找的基本概念1. 基础术语 查找:在数据集合中寻找满足条件的数据元 ...
这篇文章记录我在 OpenCode 中配置中转站 API 密钥到 opencode.json 的过程,包括为什么要这么做、具体步骤,以及一些注意事项。 第一步当然就是在中转站创建一个密钥了,这里我用的coffee shop 中转的订阅进行操作。 然后复制密钥。 在你们的 .config (C:\Users\用户名.config) 文件中找到 opencode\opencode.json 文件,将密钥填入其中。我选择配置的是中转的GPT模型: 12345678910111213141516171819202122{ "$schema": "https://opencode.ai/config.json", "model": "Austoin-elysiver-google/gemini-2.5-pro", "plugin": [ "./opencode-anthropic-auth-proxy.mjs", "./plugins/su ...
引言第六章是数据结构里最核心的章节之一,因为它把线性关系和层次关系进一步扩展到了更一般的网状关系。图是一种比树更普遍的结构,可以用来描述城市交通、社交网络、网页链接、工程任务等各种复杂关系。 本章可以整理成四条主线: 图的基本概念与存储结构(邻接矩阵、邻接表、十字链表、邻接多重表) 图的遍历(BFS、DFS) 最小生成树与最短路径(Prim、Kruskal、Dijkstra、Floyd) 拓扑排序与关键路径(AOV、AOE网络) 本篇会把第六章所有 PPT 内容合并成一篇完整文章,并且把 PPT 中只给结论、图示但没有讲透的地方一并补全。 图像化理解(Mermaid) mindmap root((第六章主线)) 图的表示 邻接矩阵(稠密图) 邻接表(稀疏图) 十字链表(有向图) 邻接多重表(无向图) 图的算法 遍历: BFS / DFS 生成树: Prim / Kruskal 最短路: BFS / Dijkstra / Floyd ...
引言第四章的内容看起来有点“拼盘”:前半部分是数组和特殊矩阵,后半部分是串与字符串匹配算法。但它们其实有一条共同主线: 如何把具有特殊结构的数据,用更紧凑、更高效的方式存起来,并在此基础上进行访问和处理。 这一章主要解决三类问题: 数组在内存里到底怎么放 特殊矩阵怎样压缩存储 串怎样存储,以及如何高效做模式匹配 本篇基于现有旧文章内容,把第四章整合成一篇完整复习文章。 图像化理解(Mermaid) mindmap root((第四章主线)) 数组与矩阵(存储优化) 一维/二维地址计算 特殊矩阵压缩(对称/三角/三对角) 稀疏矩阵(三元组/十字链表) 串与匹配(比较优化) 串的存储与基本操作 BF 朴素匹配 O(nm) KMP 利用 next/nextval 降重复比较 一句话:前半章省空间,后半章省比较次数。 一、数组的物理存储结构1. 一维数组一维数组在内存中是连续存放的。 若: 首地址为 LOC 元素类型大小为 siz ...
引言第三章讨论的是两种“操作受限的线性表”:栈和队列。它们都属于线性结构,但和前一章的线性表不同,最大的特点是: 不是任意位置都能操作 插入和删除都被限制在特定端点进行也正因为这种限制,它们在很多具体问题里反而比普通线性表更高效、更自然,例如: 栈:括号匹配、表达式求值、递归调用 队列:层次遍历、广度优先搜索、资源调度本篇基于现有旧文章,把第三章的栈、队列及其应用合并成一篇完整复习文章。 图像化理解(Mermaid) mindmap root((第三章核心地图)) 受限线性表 栈 Stack(LIFO) 进栈/出栈都在栈顶 队列 Queue(FIFO) 入队在队尾 出队在队头 一句话理解:栈处理“最近的事”,队列处理“最早的事”。一、栈的基本概念1. 什么是栈栈(Stack)是一种操作受限的线性表,只允许在表的一端进行插入和删除操作。 栈顶(Top):允许插入和删除的一端 栈底(Bottom):固定不动的一端 空栈:不含任何元素的栈最直观的类比就是: 叠盘子 羽毛球筒最后放进去 ...








