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 ...
