package main
import(
"fmt"
)
type Node struct {
Key string
Val string
Pre *Node
Next *Node
}
type DLinkedList struct {
Head *Node
Tail *Node
}
func (self *DLinkedList) IsEmpty() bool {
if self.Head == nil && self.Tail == nil {
return true
} else {
return false
}
}
func (self *DLinkedList) RemoveLast() {
if self.Tail != nil {
self.Remove(self.Tail)
}
}
func (self *DLinkedList) Remove(n *Node){
if self.Tail == self.Head {
self.Head = nil
self.Tail = nil
return
}
if n == self.Head {
n.Next.Pre = nil
self.Head = n.Next
return
}
if n == self.Tail {
n.Pre.Next = nil
self.Tail = n.Pre
return
}
n.Pre.Next = n.Next
n.Next.Pre = n.Pre
}
func (self *DLinkedList) AddFirst(n *Node) {
if self.Head == nil {
self.Head = n
self.Tail = n
n.Pre = nil
n.Next = nil
return
}
n.Next = self.Head
self.Head.Pre = n
self.Head = n
n.Pre = nil
}
type LRUCache struct {
Cap int
Size int
HashMap map[string]*Node
Cache *DLinkedList
}
func (self *LRUCache) Get(k string) string {
if node,ok := self.HashMap[k]; ok {
self.Cache.Remove(node)
self.Cache.AddFirst(node)
return node.Val
} else {
return ""
}
}
func (self *LRUCache) Set(k,val string ) {
if node,ok := self.HashMap[k];ok {
self.Cache.Remove(node)
node.Val = val
self.Cache.AddFirst(node)
} else {
n := &Node{Key:k,Val:val}
self.HashMap[k] = n
self.Cache.AddFirst(n)
self.Size = self.Size + 1
if self.Size > self.Cap {
self.Size = self.Size - 1
delete(self.HashMap,self.Cache.Tail.Key)
self.Cache.RemoveLast()
}
}
}
func main() {
cache := new(LRUCache)
cache.Cap = 3
cache.HashMap = make(map[string]*Node,0)
cache.Cache = new(DLinkedList)
cache.Set("allen","value")
cache.Set("a","value")
cache.Set("b","value")
cache.Set("c","value")
test := cache.Get("allen")
fmt.Println(test)
fmt.Println(cache.HashMap)
fmt.Println(cache.Cache)
fmt.Println(cache.Size)
}
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持 码农网
猜你喜欢:本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
信息论、推理与学习算法
麦凯 / 高等教育出版社 / 2006-7 / 59.00元
本书是英国剑桥大学卡文迪许实验室的著名学者David J.C.MacKay博士总结多年教学经验和科研成果,于2003年推出的一部力作。本书作者不仅透彻地论述了传统信息论的内容和最新编码算法,而且以高度的学科驾驭能力,匠心独具地在一个统一框架下讨论了贝叶斯数据建模、蒙特卡罗方法、聚类算法、神经网络等属于机器学习和推理领域的主题,从而很好地将诸多学科的技术内涵融会贯通。本书注重理论与实际的结合,内容组......一起来看看 《信息论、推理与学习算法》 这本书的介绍吧!