有关我在初赛中所遇到的问题

T1:重新排列 1234 使得每一个数字都不在原来的位置上，一共有__种排法

解析：
错排公式的运用
n个不同物品，重新排列使得物品不在其原来的位置上。

第一步，把第n个元素放在一个位置，比如位置k，一共有n-1种方法；
第二步，放编号为k的元素，这时有两种情况：

1. 把它放到位置n，那么，对于剩下的n-1个元素，
   由于第k个元素放到了位置n，剩下n-2个元素就有D(n-2)种方法；
2. 第k个元素不把它放到位置n，这时，对于这n-1个元素，有D(n-1)种方法；

综上得到
D(n) = (n-1) [D(n-2) + D(n-1)]
特殊地，D(1) = 0, D(2) = 1.

---

T2:一棵结点数为 2015 的二叉树最多有___个叶子结点。
如果根的高度为 1,具有 61 个结点的完全二叉树的高度为( )
…
解析：
二叉树的性质：

1. 性质一：
   在二叉树的第i层上最多有2${}^{i-1}$个节点(i>=1)
2. 性质二
   深度为k的二叉树至多有$2^k$-1个节点（k>=1）
3. 性质三
   对于任意一个二叉树，如果其叶子节点个数为n0,有两个儿子的节点数为n2,一个儿子的个数为n1,
   则一定满足:
   n0=n2+1
   总儿子个数为：n1+2n2
4. 性质四
   具有n个节点的完全二叉树的深度为floor(${\log }_2^n$)+1
5. 性质五
   对于一棵n个节点的完全二叉树，对任一个节点(编号为i)

---

T3:已知一个无向完全图G有5个节点，则他共有()条边
解析：

对于无向完全图的定义，图中每对点恰好有一条边。

如果顶点为n的话每个点可与其它n-1个点相连共有n*(n-1)，但是每条线均被计算了2次(比如从A到B和从B连到A是一样的)，再除以2即可n*(n-1)/2。

---

T4:T(n)=aT($\frac{n}{b}$)+$n^d$

解析：
主定理

1. 当$lo{g}_{b}a<d$,时间复杂度为：$O(n^d)$
2. 当$lo{g}_{b}a>d$,时间复杂度为：$O(n^{lo{g}_{b}a})$
3. 当$lo{g}_{b}a=d$,时间复杂度为：$O(n^d\log n)$

---

T5:以下编程语言中，同时符合面向对象与编译执行的是（ ）

解析：
面向对象的语言：jave,c++,c#,python,golang

1. 编译：将源代码一次性转换成目标代码的过程
   类似英语中的全文翻译。
   
   执行编译过程的程序叫做编译器。

2. 解释：将源代码逐条转换成目标代码同时逐条运行的过程。
   类似英语中的同声传译。
   
   执行解释过程的程序叫做解释器。

---

T6:在一个长度为n的数组中找到第k大的数字，平均的算法时间复杂度最低的是：

解析：
　给定一个数组A，要求找到数组A中第K大的数字。对于这个问题，解决方案有不少，此处我只给出三种：

方法1：
　　对数组A进行排序，然后遍历一遍就可以找到第K大的数字。该方法的时间复杂度为O(N*logN)

方法2：
利用简单选择排序法的思想，每次通过比较选出最大的数字来，比较上K次就能找出第K大的数字来。该方法的时间复杂度为O(N*K)，最坏情况下为O(N^2)。

方法3：　　
这种方法是本文谈论的重点，可以利用快排的思想，首先快排每次执行都能确定一个元素的最终的位置，如果这个位置是n-k(其中n是数组A的长度)的话，那么就相当于找到了第K大的元素。设确定的元素位置m的话，如果m > n - k大的话，那么第K大的数字一定
　　
注意：

1. 第K大的数字在数组中对应的位置为n-k(按照升序排序的话)。
2. 该算法的时间复杂度整体上为O(N)。
3. 需要注意的是：这种方法会改变数组中元素的顺序，即会改变数组本身。
4. 如果要求第K小的数字的话，只需把n-k换成k-1即可(升序排序)。

接下来，我们仔细分析一下方法3的时间复杂度，其实方法3在《算法导论》第九章有着比较详细的描述，但《算法导论》说的是期望为线性时间的选择算法，即该算法的时间复杂度在平均情况下或者一般情况下为O(n)；因为此处利用的快排的思想，而快排的时间

复杂度在一般情况下为O(N*logN)，但在最坏的情况下(即整个数组原本就是有序的情况)时间复杂度为O(N^{2)。所以说对于方法3，《算导》最后给定结果是这样的：平均时间复杂度为O(N)，最坏情况下的时间复杂度为O(N}2)。

但是，此处的“平均”同快排一样，是适用于绝大数的情况的。所以我们通常说该算法的时间复杂度为O(N)。

1. 我们要搞清楚一点，快排是对参考元素两边都进行递归，而我们的方法3只考虑参考元素的一边，即只对一边进行递归。
2. 我们可以粗略的估计下(具体计算还是参考《算导》)，在一般情况下方法3的时间复杂度计算公式，假设我们的数据足够的随机，每次划分都在数据序列的中间位置，根据条件1，那么第一次划分我们需要遍历约n个数，第二次需要遍历约n/2个数，…，这样递归下去，最后：

当m趋于无穷大时，该式子收敛于2n，故可以认为其期望时间复杂度为O(N).