Carinya的博客

问题描述We have a number of bins each with a capacity of 1, and we have a set of objects all with different sizes, s1,s2,…,sn between 0 and 1. What is the fewest number of bins that would be needed to stor

问题描述八皇后问题，是一个古老而著名的问题，是回溯算法的典型案例。该问题是国际西洋棋棋手马克斯·贝瑟尔于1848年提出：在8×8格的国际象棋上摆放八个皇后，使其不能互相攻击，即任意两个皇后都不能处于同一行、同一列或同一斜线上，问有多少种摆法。 算法分析 回溯法又称试探法。回溯法的基本做法是深度优先搜索，是一种组织得井井有条的、能避免不必要重复搜索的穷举式搜索算法。 基本思想是：从一条路往前

问题描述 SJF(Short Job First)短作业优先，又称为SPN(Short Process Next)短进程优先，这是对FCFS(First Come First Service)先来先服务算法的改进，其目的是减少平均周转时间。定义为：对预计执行时间短的作业/进程优先分派处理机，通常后来的短作业不抢先正在执行的作业。

快速排序基于分治的思想，该方法的基本思路是：先从数列中取出一个数作为基准数。分区过程，将比这个数大的数全放到它的右边，小于或等于它的数全放到它的左边。再对左右区间重复第二步，直到各区间只有一个数。一趟快速排序的算法是：设置两个变量 i、j，排序开始的时候：i=0，j=N-1以第一个数组元素作为关键数据 key从 j 开始向前搜索，找到第一个小于 key 的值与 key 交换从 i 开

随机快速排序与快速排序的关系非常简单，就在于 key 的选择，快速排序默认 key 为一组数据的第一个数，随机快速排序则是随机选择一个数。 这样做的好处是降低了时间复杂度，快速排序的平均执行时间为O(n^2)，随机排序为O(n*lg(n))，效率有很大的提升。涉及快排的部分可以参考 快速排序public class RandomQuickSort { private final static

算法/动态规划/Max Sum最大子序列和问题问题描述

算法/动态规划/LongestCommonSubsquence(LCS)最长公共子序列问题问题描述一个字符串S，去掉零个或者多个元素所剩下的子串称为S的子序列。最长公共子序列就是寻找两个给定序列的子序列，该子序列在两个序列中以相同的顺序出现，但是不必要是连续的。例如序列X=ABCBDAB，Y=BDCABA。序列BCA是X和Y的一个公共子序列，但是不是X和Y的最长公共子序列，子序列BCBA是X和Y的一

算法/动态规划/LongestCommonSubstring最长公共子串问题问题描述最长公共子串跟LCS的区别在于这个子串要求在原字符串中是连续的，而最长公共子序列则并不要求连续 可以参考 LCS问题求解动态规划求解 为了节约重复求相同子问题的时间，引入一个数组，不管它们是否对最终解有用，把所有子问题的解存于该数组中，这就是动态规划法所采用的基本方法。如果在什么想法都没有的情况下建个表，那我

问题描述给定N个物品和一个背包，物品i的质量是Wi，其价值位Vi，背包的容量为C，问应该如何选择装入背包的物品，使得转入背包的物品的总价值为最大？ 在选择物品的时候，对每种物品i只有两种选择，即装入背包或不装入背包。不能将物品i装入多次，也不能只装入物品的一部分。因此，该问题被称为0-1背包问题。 可以参考 部分背包问题分析过程因为是0-1问题，我们需要考虑的就是第i个物品在不在背包中，设V(i,

算法/贪心算法/FractionalKnapsack部分背包问题问题描述给定N个物品和一个背包，物品i的质量是Wi，其价值位Vi，背包的容量为C，问应该如何选择装入背包的物品，使得转入背包的物品的总价值为最大？ 与0-1背包不同的是在选择物品的时候，每个商品可以只装该商品的一部分。基本思路/贪心算法 贪心算法（又称贪婪算法）是指，在对问题求解时，总是做出在当前看来是

问题描述Dijkstra算法是处理单源最短路径的有效算法，但它局限于边的权值非负的情况，若图中出现权值为负的边，Dijkstra算法就会失效，求出的最短路径就可能是错的。这时候，就需要使用其他的算法来求解最短路径，Bellman-Ford算法就是其中最常用的一个。该算法由美国数学家理查德•贝尔曼 (Richard Bellman, 动态规划的提出者) 和小莱斯特•福特 (Lester Ford