题目

把符合下列属性的数组 arr 称为 山脉数组 ：

• arr.length >= 3
• 存在下标i（0 < i < arr.length - 1），满足
  • arr[0] < arr[1] < ... < arr[i - 1] < arr[i]
  • arr[i] > arr[i + 1] > ... > arr[arr.length - 1]

给出一个整数数组 arr，返回最长山脉子数组的长度。如果不存在山脉子数组，返回 0 。

题目

一个 平方和三元组 (a,b,c) 指的是满足 a2 + b2 = c2 的 整数 三元组 a，b 和 c 。

给你一个整数 n ，请你返回满足 1 <= a, b, c <= n 的 平方和三元组 的数目。

题目

给你一个整数数组 arr ，以及 a、b 、c 三个整数。请你统计其中好三元组的数量。

如果三元组 (arr[i], arr[j], arr[k]) 满足下列全部条件，则认为它是一个 好三元组 。

• 0 <= i < j < k < arr.length
• |arr[i] - arr[j]| <= a
• |arr[j] - arr[k]| <= b
• |arr[i] - arr[k]| <= c

其中 |x| 表示 x 的绝对值。

返回 好三元组的数量 。

题目

给定 n 个非负整数，用来表示柱状图中各个柱子的高度。每个柱子彼此相邻，且宽度为 1 。

求在该柱状图中，能够勾勒出来的矩形的最大面积。

A novel knowledge graph-based optimization approach for resource allocation in discrete manufacturing workshops

Abstract

动态订单需求和不确定的制造资源可用性是目前智能资源优化配置的研究热点。目前从制造业产生的数据量正在快速的增长。这些数据有多源头，异构和多尺度的特点。将数据转化为知识，优化个性化订单与制造资源的配置，是提高企业认知智能生产水平的有效策略。但是，制造过程在资源配置上是多样化的。数据之间有很多规则和约束。数据之间的关系是更加复杂的，从海量制造数据中挖掘语义信息，缺乏统一的信息建模和工业知识生成方法。研究挑战是如何充分整合车间资源的复杂数据，挖掘隐含的语义信息，形成可行的知识驱动的资源分配优化方法。这种方法可以有效地提供资源分配所需的相关工程信息。本研究提出了一种统一的知识图驱动的生产资源分配方法，允许根据资源加工信息和设备评估策略，为给定的订单插入任务快速做出资源分配决策。提出了车间资源知识图谱（WRKG）模型来整合机加工车间的工程语义信息。开发了一种分布式知识表示学习算法来挖掘隐式资源信息以实时更新WRKG。此外，提出了一种由 WRKG 支持的三阶段资源分配优化方法，以输出特定任务所需的设备集。以航空航天企业制造资源分配过程任务为例，论证了所提方法的可行性。

题目

给定一个整数数组 temperatures ，表示每天的温度，返回一个数组 answer ，其中 answer[i] 是指对于第 i 天，下一个更高温度出现在几天后。如果气温在这之后都不会升高，请在该位置用 0 来代替。

题目

给定一个循环数组 nums （ nums[nums.length - 1] 的下一个元素是 nums[0] ），返回 nums 中每个元素的 下一个更大元素 。

数字 x 的 下一个更大的元素 是按数组遍历顺序，这个数字之后的第一个比它更大的数，这意味着你应该循环地搜索它的下一个更大的数。如果不存在，则输出 -1 。

题目

nums1 中数字 x 的 下一个更大元素 是指 x 在 nums2 中对应位置 右侧 的 第一个 比 x 大的元素。

给你两个 没有重复元素 的数组 nums1 和 nums2 ，下标从 0 开始计数，其中nums1 是 nums2 的子集。

对于每个 0 <= i < nums1.length ，找出满足 nums1[i] == nums2[j] 的下标 j ，并且在 nums2 确定 nums2[j] 的 下一个更大元素 。如果不存在下一个更大元素，那么本次查询的答案是 -1 。

返回一个长度为 nums1.length 的数组 ans 作为答案，满足 ans[i] 是如上所述的 下一个更大元素 。

题目

给你一个整数数组 arr 。请你将数组中的元素按照其二进制表示中数字 1 的数目升序排序。

如果存在多个数字二进制中 1 的数目相同，则必须将它们按照数值大小升序排列。

请你返回排序后的数组。

0. Abstract

卫星网络任务调度时效性问题是实现空地一体化网络（STIN）的关键。传统方法将卫星任务调度问题解释为线性或非线性规划问题，忽略了任务之间的复杂关系。为了提高多卫星和多任务场景中任务调度的及时性，我们研究了解释任务相关性的网络图结构。然后，我们针对具有相似性和相关性特征的任务提出了多层网络图聚合模型。进一步，我们将任务调度问题转化为零一规划问题，设计任务调度算法来解决任务调度时效性问题。最后，我们模拟和模拟真实世界的数据作为实验数据集，用于与三种基线算法进行比较。实验结果表明本文方法具有明显的优势和进步。