24-2-29预备役之第七次总结

       首先先给我的学长学姐们道个歉，辜负了信任，寒假太懈怠懒散，导致任务没完成，学习总结更不到位甚至没有，此处惩罚自己停止呼吸一秒。逃不过假期定律，我在学校会鞭策自己，努力赶上进度。由于之前交的很草率，再写一下，所以此处先不发题解，简单讲一下自己对这些的理解。

---

     1.kmp

KMP（Knuth-Morris-Pratt）算法是一种用于字符串搜索的高效算法，由Donald Knuth, Vaughan Pratt和James H. Morris共同发明。KMP算法的核心思想是当一次字符比较失败时，就能使用这些信息避免从主串的下一个位置重新开始匹配，从而跳过前面已经匹配成功的部分。

KMP算法的主要步骤包括两个部分：计算部分匹配表（Partial Match Table，也称为前缀表或失败函数）和使用该表进行搜索。

    假设我们有一个主串 `S = "ABABDABACDABABCABAB"`，我们需要在这个主串中找到模式串 `P = "ABABC"` 的所有出现。

首先，我们计算模式串 `P` 的部分匹配表（next数组）：

- `P = "ABABC"`，长度为5。

- `next[0] = -1`（模式串为空时，前缀和后缀都是空集，交集自然为空集）。

- `next[1] = 0`（模式串的第一个字符自身匹配，所以前缀和后缀相同，交集最长长度为0）。

- `next[2] = 0`（"AB"的前缀和后缀都是自己，交集最长长度为0）。

- `next[3] = 1`（"ABA"的前缀和后缀交集中最长元素为"A"）。

- `next[4] = 2`（"ABAB"的前缀和后缀交集中最长元素为"AB"）。

现在我们使用KMP算法在主串 `S` 中搜索模式串 `P`：

1. 初始化 `i = 0`（主串指针），`j = 0`（模式串指针）。

2. 遍历主串 `S`：

   - 当 `j == -1` 或 `S[i] == P[j]` 时，`i++`，`j++`。

   - 当 `S[i] != P[j]` 时，`j = next[j]`。

3. 当 `j == len(P)` 时，我们找到了一个匹配，记录下 `i - j` 的位置，然后将 `j` 更新为 `next[j]` 以继续寻找下一个可能的匹配。

按照这个步骤，我们可以在主串中找到模式串的所有出现：

- 第一次匹配成功时，`i = 2 + 1 = 3`，`j = 4`，`S[2...3] == P`，记录下位置3。

- `j` 更新为 `next[4] = 2`，继续寻找。

- 第二次匹配成功时，`i = 3 + 2 = 5`，`j = 4`，`S[5...6] == P`，记录下位置5。

- `j` 更新为 `next[4] = 2`，继续寻找。

- 此时 `i` 已超出主串长度，搜索结束。

所以，模式串 `P = "ABABC"` 在主串 `S = "ABABDABACDABABCABAB"` 中出现在位置3和位置5。

     2.Hash

哈希表的工作原理：

• 哈希函数：哈希表通过哈希函数将键转换为数组索引。理想的哈希函数应该易于计算，并且能够将不同的键均匀分布到哈希表的不同位置。
• 数组：哈希表通常是一个数组，数组的每个槽位（slot）或称为桶（bucket）存储一个或多个键值对。
• 冲突解决：当两个键被哈希到同一个位置时，就发生了冲突。冲突解决的策略有多种，如链表法（在同一个位置存储多个元素，形成一个链表）和开放地址法（寻找空闲的位置存储键值对）

     3.动态规划

       动态规划是将复杂问题分解成小问题来逐步解决，并且记住每个小问题的解，以避免重复计算。这种方法适用于有重叠子问题和最优子结构特点的问题，可以大大提高效率。

一个经典的动态规划例子是“斐波那契数列”。斐波那契数列是一个无穷数列，其中每个数字是前两个数字的和。数列的前几个数字是：0, 1, 1, 2, 3, 5, 8, 13, ...。
使用动态规划来计算斐波那契数列的第 n 项（F(n)）的步骤如下：
1. 确定状态表示：设 dp[i] 表示斐波那契数列的第 i 项。
2. 确定状态转移方程：dp[i] = dp[i-1] + dp[i-2]，其中 i > 1。
3. 初始化：dp[0] = 0，dp[1] = 1。
4. 填表顺序：从 i = 2 开始，依次计算 dp[i]。
5. 返回值：dp[n]，即斐波那契数列的第 n 项。
下面是这个动态规划过程的伪代码：
```
function fibonacci(n):
    if n == 0:
        return 0
    if n == 1:
        return 1
    
    # 初始化dp数组
    dp = array of size n+1
    dp[0] = 0
    dp[1] = 1
    
    # 填表顺序
    for i from 2 to n:
        dp[i] = dp[i-1] + dp[i-2]
    
    # 返回值
    return dp[n]
```
通过这种方法，我们可以高效地计算出斐波那契数列的第 n 项，时间复杂度为 O(n)，而使用递归方法的时间复杂度为 O(2^n)，因为递归会有大量的重复计算。