<br /> <br />题目概述：有一个没有排序，元素个数为2N的正整数数组。要求把它分割为元素个数为N的两个数组，并使两个子数组的和最接近。<br />假设数组A[1..2N]所有元素的和是SUM。模仿动态规划解0-1背包问题的策略，令S(k, i)表示前k个元素中任意i个元素的和的集合。显然：<br />S(k, 1) = {A[i] | 1<= i <= k}<br />S(k, k) = {A[1]+A[2]+…+A[k]}<br />S(k, i) = S(k-1, i) U {A[k]

<br />http://imlazy.ycool.com/post.2011818.html 后缀树和后缀数组简直就是 ACM 选手必备的知识啊，我已经在两次比赛中碰到过相关的问题了。我甚至还写过一篇应用的文章，可是我真是井底之蛙啊，那时我还不知道这个叫后缀数组，还有更好的构造算法，还有很多的应用。最近终于好好在这方面扫了个盲，在此小小地总结一下。<br /><br />    假设有一个长度为 n 的字符串 T[0 ... n)；S(i) 表示 T 的从下标 i 开始的后缀，即 T[i ...

<br />http://www.liaoqiqi.com/2010/09/03/%E5%AF%BB%E6%89%BE%E6%9C%80%E5%A4%A7%E7%9A%84k%E4%B8%AA%E6%95%B0/<br /> <br /><br />这是编程之美书第2.5节的一道题目。各种解法：<br />解法一，用nlgn复杂度的排序算法对数组进行从大到小排序，取前K个。但这方法做了两件不必要做的事：它对想得到的K个数进行了排序，对不想得到的n-K个数也进行了排序。方法不可取。<br />解法二，用选择排

MapReduce: 一个巨大的倒退http://www.pgsqldb.org/mwiki/index.php/MapReduce:_%E4%B8%80%E4%B8%AA%E5%B7%A8%E5%A4%A7%E7%9A%84%E5%80%92%E9%80%80版权声明：转载时请以超链接形式标明文章原始出处和作者信息及本声明http://dreamhead.blogbus.com/logs/2617482.htmlMapReduce是Google的一项重要技术，它是一个编程模型，用以进行大数据量的计算。对于

<br />http://hi.baidu.com/airzhutao/blog/item/8883b4d0f308e383a0ec9cd9.html<br />原文地址：http://hi.baidu.com/xdzhang_china/blog/item/2847777e83fb020229388a15.html<br />下 面列举几个基于标准Bloom Filter的 小技巧：<br /> <br />1.         求两个集合的并。假设有两个Bloom Filter分别表示集合S1和S2，它

<br /> http://duanple.blog.163.com/blog/static/7097176720091026458369/<br />大数据量的问题是很多面试笔试中经常出现的问题，比如baidu google 腾讯 这样的一些涉及到海量数据的公司经常会问到。<br /><br />下面的方法是我对海量数据的处理方法进行了一个一般性的总结，当然这些方法可能并不能完全覆盖所有的问题，但是这样的一些方法也基本可以处理绝大多数遇到的问题。下面的一些问题基本直接来源于公司的面试笔试题目，方法不一

<br />http://www.programmer.com.cn/4014/<br /> <br />文/何伟平<br /><br /><br /> <br />在2010年1月的ACM上，有两篇文章非常吸引人注意。一篇文章是Google的Jeffrey Dean、Sanjay Ghemawat发表的标题为《MapReduce:一个灵活的数据库处理工具》，另一篇文章是Michael Stonebraker、Daniel  Abadi、David J. DeWitt、Sam Madden、Erik Pau

floyd算法用以解决所有点对最短路径。floyd算法基本思想是递推，动态规划。我们记 dp[i][j][k] 表示图中顶点 i 到 j 的最短路径，且该最短路径中，所经过的中间顶点(不包括 i, j) 的范围为 [1,k]，由此我们可以得到以下递推式：dp[i][j][k]= w[i][j]   如果 k== 0dp[i][j][k]= min{ dp[i][k][k-1]+ dp[k][j][k-1] }  如果 k>= 1。实际中，空间上我们可以减少一维。floyd算法同样可以来解决一些其它问题1)

虽然时间复杂度都清楚，不过实际运行起来如何心里还是没底，实践才是检验真理的标准啊 前面在USACO 3.2.6 Sweet Butter 那道题中已经看到，稀疏图中对单源问题来说 SPFA 的效率略高于 Heap+Dijkstra ；对于无向图上的 APSP (All Pairs Shortest Paths)问题，SPFA算法加上优化后效率更是远高于 Heap+Dijkstra。今次再来看一看稠密图上的实验结果。 (注：以下提到的Dijkstra，如无特别说明，均指加入二叉堆(Binary-Heap)优化

<br /><br />http://duanple.blog.163.com/blog/static/70971767200982584340501/<br /> <br />1.求最长回文子串。<br />[解法]：<br />将整个字 符串反过来写在原字符串后面，中间用一个特殊的字符隔开。这样就把问题变为了<br />求这个新的字符串的某两个后缀的最长公共前缀。而某两个后缀的lcs的计算利用后缀数组，可以O(1),这样总的复杂度就可以降为O(n)。<br />eg：aabebf  ----> 

http://blog.csdn.net/jiaomeng/archive/2007/01/27/1495500.aspxBloom Filter概念和原理焦萌 2007年1月27日Bloom Filter是一种空间效率很高的随机数据结构，它利用位数组很简洁地表示一个集合，并能判断一个元素是否属于这个集合。Bloom Filter的这种高效是有一定代价的：在判断一个元素是否属于某个集合时，有可能会把不属于这个集合的元素误认为属于这个集合（false positive）。因此，Bloom Filter不适合那

排列组合与回溯算法排列组合与回溯算法KuiBing感谢Bamboo、LeeMaRS的帮助[关键字] 递归 DFS[前言] 这篇论文主要针对排列组合对回溯算法展开讨论，在每一个讨论之后，还有相关的推荐题。在开始之前，我们先应该看一下回溯算法的概念，所谓回溯：就是搜索一棵状态树的过程，这个过程类似于图的深度优先搜索（DFS），在搜索的每一步（这里的每一步对应搜索树的第i层）中产生一个正确的解，然后在以后的每一步搜索过程中，都检查其前一步的记录，并且它将有条件的选择以后的每一个

回溯法之一---算法框架及基础回溯法其实也是一种搜索算法，它可以方便的搜索解空间。 回溯法解题通常可以从以下三步入手： 1、针对问题，定义解空间 2、确定易于搜索的解空间结构 3、以深度优先的方式搜索解空间，并在搜索的过程中进行剪枝 回溯法通常在解空间树上进行搜索，而解空间树通常有子集树和排列树。 针对这两个问题，算法的框架基本如下： 用回溯法搜索子集合树的一般框架：Cpp代码 void backtrack(int t){     if(t > n) output(x);     else{

<br />  http://duanple.blog.163.com/blog/static/709717672009825004092/<br />涉及到字符串的问题，无外乎这样一些算法和数据结构：自动机 KMP算法 Extend-KMP 后缀树 后缀数组 trie树 trie图及其应用。当然这些都是比较高级的数据结构和算法，而这里面最常用和最熟悉的大概是kmp，即使如此还是有相当一部分人也不理解kmp，更别说其他的了。当然一般的字符串问题中，我们只要用简单的暴力算法就可以解决了，然后如果暴力效率太

<br />http://blog.201314.info/2010/05/24/%E5%B0%BE%E9%80%92%E5%BD%92%E4%B8%8Econtinuation.html <br />尾递归与Continuation2010年5月24日评论发表评论<br />关于递归操作，相信大家都已经不陌生。简单地说，一个函数直接或间接地调用自身，是为直接或间接递归。例如，我们可以使用递归来计算一个单向链表的 长度：public class Node{ public Node(int va

<br /><br />PS：从今天开始开始认真的按顺序把ACM程序设计竞赛的算法系统的学习一下，并做好的笔记整理，好多可能援引其他人的课件或者博客，我会写出出处的，当然大部分是我自己的原创的，希望各位看官大牛们指教；<br />言归正传，并查集。<br />并查集维基百科中是这样描述的：并查集是一种树型的数据结构，用于处理一些不相交集合（Disjoint Sets）的合并及查询问题。常常在使用中以森林来表示。我看到有资料上有写可以用数组实现，可以用链表实现，看得我糊里糊涂的，感觉用树的结构来写实现起来

<br />http://bchine.com/mjmjmtl/?p=306<br />并查集大体分为三个：普通的并查集，带种类的并查集，扩展的并查集（主要是必须指定合并时的父子关系，或者统计一些数据，比如此集合内的元素数目。）<br /><br />POJ-1182<br />经典的种类并查集<br />POJ-1308<br />用并查集来判断一棵树。。注意空树也是树，死人也是人。<br />POJ-1611<br />裸地水并查集<br />POJ-1703<br />种类并查集<br />POJ-1

<br />http://hi.baidu.com/maxint/blog/item/15e57f164047b05ff2de32af.html <br />题目两个人甲和乙竞选，统计结果是甲p票，乙q票（p>q）。问在计票过程中甲的得票数始终大于乙的得票数的概率是多少？（由原校内数学系bbs的ZXY同学分享）两个回帖<br />第一个没看明白，先记录着，第二个解答比较巧妙易懂，第三个是网友google到的ZXY：结果是(p-q)/(p+q)<br />由这道题可以引申出一个比较深刻的问题，具体我也

<br />http://hi.baidu.com/maxint/blog/item/8ac3c49707911f6354fb96e9.html<br />问题<br />现在有一班飞机将要起飞，乘客们正准备按机票号码（1, 2, 3, …N）依次排队登机。突然来了一只大猩猩（对，他叫金刚）。他也有飞机票，但是他插队第一个登上了飞机，然后随意地选了一个座位坐下了。根据社会的和谐程度，其他的乘客有两种反应：乘客们都义愤填膺，“既然金刚同志不遵守规定，为什么我要遵守？”他们也随意地找位置坐下，并且坚决不让座

Dijkstra算法又称为单源最短路径，所谓单源是在一个有向图中，从一个顶点出发，求该顶点至所有可到达顶点的最短路径问题。       设G=（V，E）是一个有向图，V表示顶点，E表示边。它的每一条边（i，j）属于E，都有一个非负权W（I,j），在G中指定一个结点v0，要求把从v0到G的每一个接vj（vj属于V）的最短有向路径找出来（或者指出不存在）。      Dijstra算法是运用贪心的策略，从源点开始，不断地通过相联通的点找出到其他点的最短距离基本思想是：      设置一个顶点的集合s，并不断地扩

这是一个很典型的NP问题.很长一段时间一直在想如何解决它,直到那天看了一位前人推荐的文档,得到一些启发才顺利的解决了这个困扰我多天的问题.典型描述:给定一个图G,要求G的最大团(团是指G的一个完全子图,该子图不包含在任何其他的完全子图当中。最大团指其中包含顶点最多的团).该命题可以有很多变种,例如1002,1654的放机器人,实质上都是求最大团的问题,当然,由于问题的特殊性,他们或许还可以用其他更高效的算法来解.毕竟,问题抽象,解法一般后其实现难度和复杂度也会增大.解决该问题的一般算法该是搜索.设其包含顶点

按平均时间将排序分为四类：（1）平方阶(O(n2))排序    　一般称为简单排序，例如直接插入、直接选择和冒泡排序；（2）线性对数阶(O(nlgn))排序    　如快速、堆和归并排序；（3）O(n1+￡)阶排序    　￡是介于0和1之间的常数，即0（4）线性阶(O(n))排序    　如桶、箱和基数排序。各种排序方法比较     简单排序中直接插入最好，快速排序最快，当文件为正序时，直接插入

选择排序     　选择排序(Selection Sort)的基本思想是：每一趟从待排序的记录中选出关键字最小的记录，顺序放在已排好序的子文件的最后，直到全部记录排序完毕。   　 常用的选择排序方法有直接选择排序和堆排序。直接选择排序(Straight Selection Sort)1、直接选择排序的基本思想   　 n个记录的文件的直接选择排序可经过n-1趟直接选择

 插入排序插入排序(Insertion Sort)的基本思想是：每次将一个待排序的记录，按其关键字大小插入到前面已经排好序的子文件中的适当位置，直到全部记录插入完成为止。    　本节介绍两种插入排序方法：直接插入排序和希尔排序。 直接插入排序基本思想1、基本思想    　假设待排序的记录存放在数组R[1..n]中。初始时，R[1]自成1个有序区，无序区为R[2..n]。从i=2起

from http://student.zjzk.cn/course_ware/data_structure/web/paixu/paixu8.1.1.1.htm 排序（sort）或分类    　所谓排序，就是要整理文件中的记录，使之按关键字递增(或递减)次序排列起来。其确切定义如下：　　输入：n个记录R1，R2，…，Rn，其相应的关键字分别为K1，K2，…，Kn。　　输出：Ril，Ri2

分配排序的基本思想：排序过程无须比较关键字，而是通过"分配"和"收集"过程来实现排序.它们的时间复杂度可达到线性阶：O(n)。箱排序(Bin Sort)1、箱排序的基本思想    　箱排序也称桶排序(Bucket Sort)，其基本思想是：设置若干个箱子，依次扫描待排序的记录R[0]，R[1]，…，R[n-1]，把关键字等于k的记录全都装入到第k个箱子里(分配)，然后按序号依次将各非空的箱子首尾连

void MergeSort(SeqList R) {//采用自底向上的方法，对R[1..n]进行二路归并排序 int length； for(1ength=1；length<n；length*=2) //做 趟归并 MergePass(R，length)； //有序段长度≥n时终止 }  归并排序(Merge Sort)

   交换排序　交换排序的基本思想是：两两比较待排序记录的关键字，发现两个记录的次序相反时即进行交换，直到没有反序的记录为止。    　应用交换排序基本思想的主要排序方法有：冒泡排序和快速排序。冒泡排序1、排序方法    　将被排序的记录数组R[1..n]垂直排列，每个记录R[i]看作是重量为R[i].key的气泡。根据轻气泡不能在重气泡之下的原则，从下往上扫描数组R：凡扫描到违反

<br /><br />搜索方法小结 2006/09/11 rickone<br />不管哪种搜索，都统一用这样的形式表示：搜索的对象是一个图，它面向一个问题，不一定有明确的存储形式，但它里面的一个结点都有可能是一个解（可行解），搜索的目的有两个方面，或者求可行解，或者从可行解集中求最优解，我们用两张表来进行搜索，一个叫OPEN表，表示那些已经展开但还没有访问的结点集，另一个叫CLOSE表，表示那些已经访问的结点集。<br />一、蛮力搜索（DFS，BFS）<br />DFS和BFS是最基本的搜索算法，用上

void f(int num){ bool flag; for (int i = int(sqrt((double)num));i>1;i--) { if((num%i)==0) flag= false; } if(!flag) { for (int i = int(sqrt(num));i>1;i--) { if((num%i)==0) {

题目：(30分)芯片测试：有2k块芯片，已知好芯片比坏芯片多．请设计算法从其中找出一片好芯片，说明你所用的比较次数上限．其中：好芯片和其它芯片比较时，能正确给出另一块芯片是好还是坏．坏芯片和其它芯片比较时，会随机的给出好或是坏。题目分析：不妨设用芯片比较时，0表示好的判断，1表示坏的判断，X表示不确定的判断。两个芯片进行比较时，可能出现三种情况：   a) 两个都好 ==> (0,0)

<br />常用的字符串Hash函数还有ELFHash，APHash等等，都是十分简单有效的方法。这些函数使用<br />位运算使得每一个字符都对最后的函数值产生影响。另外还有以MD5和SHA1为代表的杂凑函数，<br />这些函数几乎不可能找到碰撞。<br />常用字符串哈希函数有BKDRHash，APHash，DJBHash，JSHash，RSHash，SDBMHash，<br />PJWHash，ELFHash等等。对于以上几种哈希函数，我对其进行了一个小小的评测。 <br /> Hash函数数据1数

<br />先提一个简单的问题，如果有一个庞大的字符串数组，然后给你一个单独的字符串，让你从这个数组中查找是否有这个字符串并找到它，你会怎么做？<br /><br />有一个方法最简单，老老实实从头查到尾，一个一个比较，直到找到为止，我想只要学过程序设计的人都能把这样一个程序作出来，但要是有程序员把这样的程序交给用户，我只能用无语来评价，或许它真的能工作，但...也只能如此了。<br /><br />最合适的算法自然是使用HashTable（哈希表），先介绍介绍其中的基本知识，所谓Hash，一般是一个整数，

字符串的算法一般大公司都会考到，我们首先要想到高效的hash。如百度查找一组字符串是否出现在某个文本中，这个不是考什么kmp，他们想听到的是hash。趋势科技考的是从某个文本中删除一组字符串，我想也是要hash吧。<br /><br /><br />1 概述链表查找的时间效率为O(N)，二分法为log2N，B+ Tree为log2N，但Hash链表查找的时间效率为O(1)。设计高效算法往往需要使用Hash链表，常数级的查找速度是任何别的算法无法比拟的，Hash链表的构造和冲突的不同实现方法对效率当然有一定的

 <br />红黑树rbtree 二叉排序树<br />map 就是采用红黑树存储的，红黑树(RB Tree)是平衡二叉树，其优点就是树到叶子节点深度一致，查找的效率也就一样，为logN.在实行查找，插入，删除的效率都一致，而当是全部静态数据时，没有太多优势，可能采用hash表各合适。<br />hash_map是一个hash table占用内存更多，查找效率高一些，但是hash的时间比较费时。<br />总 体来说，hash_map 查找速度会比map快，而且查找速度基本和数据数据量大小，属于常数级别;而

平衡二叉树( AVL树 )：二叉排序树的查找与树的形态密切相关，当树的形态比较均衡时查找效率最高，当树的形态偏向于某一个方向是效率迅速降低，而一颗二叉树的形态取决于数据插入的先后顺序，如果构造一颗较均衡的二叉树比较困难。那有没有合适的方法把一颗不平衡的树调整为平衡的二叉树，答案是肯定的。这就是平衡二叉树在1962年由Adelson-Velskii和Landis提出的，所以又叫AVL树。  

1. CreateThread创建线程；2. 在主线程里用PostThreadMessage(threadID, MSG_, wParam, lParam)给创建的线程传递消息。    注意：传递消息之前最好用Sleep(1)一下，否则可能会接收不到消息。  HANDLE hThread1 = CreateThread(NULL, 0, (LPTHREAD_START_ROUTIN

百度、google海量数据搜索算法题解     海量数据库的应用，如国家的人口管理系统，户籍档案管理系统，在这样的海量数据库应用中，数据库的存储设计和结构优化（如索引优化）、数据库的查询优化及分页算法尤为重要！     随着互联网的日益普及，海量信息的增长，网格运算的到来，海量数据存储产品和海量数据存储技术方案的需求更为市场所需。     同时，实际的海量数据处理，更是涉及很多细节，包括海量数据存

在一个文件中有 10G 个整数，乱序排列，要求找出中位数。内存限制为 2G。只写出思路即可。 位图法assert(sizeof(int) ==4);int 能表示的最大数是2^32,如果每位代表一个数，表示最大的整数需要(2^32)/8 =2^28个字节的内存。这样2G内存足够用。１.刚开始定义一个 unsigned char ar[2^28]这样的数组。２.memset全部清Ｏ。３.按顺

对于连通的带权图(连通网)G，其生成树也是带权的。生成树T各边的权值总和称为该树的权，记作：这里:TE表示T的边集w(u，v)表示边(u，v)的权。权最小的生成树称为G的最小生成树(Minimum SpannirngTree)。最小生成树可简记为MST。一个有 n 个结点的连通图的生成树是原图的极小连通子图，且包含原图中的所有 n 个结点，并且有保持图联通的最少的边。 　　许多应用问题都是一个球五项连通图的最小生成树问题。例如：要在n个城市之间铺设光缆，主要目标是要使这 n 个城市的任意两个之间