Damu

  总觉得书上这题讲的怪怪的，所以将自己的思路写下来。题目描述： 请从字符串中找出一个最长的不包含重复数字的子字符串，计算该最长子字符串的长度。假设字符串中仅包含 ‘a’~’z’ 之间的字符。例如，在字符串 “arabcacfr” 中，最长的不包含重复字符的子字符串是 “rabc” 或 “acfr”，所以应当输出 4。分析：  考虑使用动态规划法  因为所有可能出现的字符...

from 计算平方根的算法主要介绍牛顿法： 公式如下： xn+1=12(xn+Sxn)xn+1=12(xn+Sxn)x_{n+1}=\frac{1}{2}\left(x_n+\frac{S}{x_n}\right)具体代码试下如下：double sqrt_(double x) { double g=x; while(ABS(g*g-x)&g...

/** 题目描述给定两个有序数组arr1和arr2，两个数组长度都为N，求两个数组中所有数的上中位数。* 例如：* arr1 = {1,2,3,4};* arr2 = {3,4,5,6};* 一共8个数则上中位数是第4个数，所以返回3。** arr1 = {0,1,2};* arr2 = {3,4,5};* 一共6个数则上中位数是第3个数，所以返回2。* 要求：时间复杂度O(...

1. 递归定义定义新对象或者新概念的基本规则之一是：定义中只能包含已经定义过得或含义明显的术语。因此，如果对象根据它自身来进行定义，这就严重违反了这一规则，从而导致恶心循环。而另一方面，有许多编程概念是根据自身进行定义的。此时，需要给定义加上形式上的约束，以保证其满足存在性和唯一性，不违反上述规则。这样的定义称为递归定义。主要用于定义无限集合。定义无限集合时，不可能列举出该集合中的所有元素，对于一些

表的ADT有两种流行的实现方法，vector提供表ADT的一种可增长的数组实现。使用vector的有点在与它是以常数时间可索引（indexabel）的。缺点是插入新项和删除现有项的代价高昂，除非变化发生在vector的尾端。而list则提供表ADT的双向链表实现。使用list的有点事插入新项和删除现有项代价地炼，但是假设变动的位置是已知的。缺点是list不用一被索引，vector和list两者在执行

# 队列 ADT1. 队列模型队列的基本操作是 enqueue（入队），它是在表的末端（叫做队尾(rear)）插入一个元素，以及dequeue（出队），它是删除（并返回）在表的开头（叫做对头(front)）的元素。所以，与栈不同的是，队列是一种使用两端的结构：一端用来加入新元素，另一端用来删除元素。因此，最后一个元素必须等到排在它之前的所有元素都删除之后才能操作。队列是先进先出 (FIFO)的结构2

1.选择问题，设有一组N个数要确定其中第K个最大者为了方便，使用了容器vector工具，但是排序时没有使用容器内的sort函数，而是重新写了选择排序法算法首先对前k个元素进行排序，然后再将剩下的元素逐个读入，当新的元素被读到时，如果小于数组中第k个元素则进行忽略，否则放到正确的位置上，并将数组中的一个元素挤出数组。当算法终止时，位于第k个位置上的元素作为答案进行返回。完成代码如下所示：

栈ADT栈( stack )是一个带有限制的表，它的插入和删除都只能在一个位置上进行，也就是只能在表的末端进行。这个末端就叫做栈顶(top).1.栈模型对栈的基本操作就是 push( 进栈 )和 pop( 出栈 )，前者等价于插入，而后者则是删除最近插入的元素。最近插入的元素在执行 pop 之前可以通过使用 top 例程进行考察。在栈 ADT 中，对空栈执行 pop 或 top 一般都被认为是一个错

已经知道，某些分治算法将会以O(NlogN)的时间复杂度运行，此外，对数复杂度的算法出现的一般规律可以概括为下面的一般的法则：如果一个算法用常数（O(1)）时间将问题的大小削减为其一部分（通常是1/2）,那么这种算法就是O(log N)。另一方面，如果使用常数时间只是把问题减少一个常数的数量（如将问题减少1），那么这种算法就是O(N)的第一个例子是对于已经排好序（设为增序）的数组进行查

普通的链表存在一个严重的缺陷：需要顺序扫描才能找到所需要的元素。而且查找从链表的开头开始，只有找到了所需要的元素，或者直到链表的末尾都没有找到这个元素时才会停下来。将量表进行排序可以加速查找的过程，但是仍然需要顺序查找。因此，很容易想到，链表最好可以跳过某些节点，以避免顺序处理。从而，引出了跳跃链表，跳跃链表是有序链表的一个有趣的变种，可以进行非顺序查找。在有n个节点的跳跃链表中，对于

已知序列A ={a1,a2,a3, ... ,aN}求序列A的最大子序列，已知序列A中均为整数，如果全为负数，直接返回0下面使用不同复杂度的算法进行实现：1.复杂度为O(N^3)算法使用三层for循环完成，因为比较容易理解，不再赘述，直接写出程序，代码如下所示：//使用复杂度为O(N^3)的算法实现最大子序列问题#include #include using namespa

1.概念：二叉查找树也叫二叉搜索树，是一棵空树或者是具有一下性质的一颗二叉树a.每个节点都有一个作为搜索依据的关键码（key），而且所有的关键码的取值都互不相同。b.每个左子树（如果存在）所有节点的关键码都小于根节点的关键码。c.每个右子树（如果存在）所有节点的关键码都大于根节点的关键码。d.每个左子树和右子树也均为二叉搜索树。需要说明的是，关键码事实上是节点所保存元素中的

  书中 P200 给出了不同于以往利用回溯法解决八皇后问题的思路，但是没有给出代码，下面对这种算法进行实现。  首先给出书中的解释： 由于 8 个皇后的任意两个均不能处于同一行，所以每一个皇后占据一行。于是可以定义一个数组 ColumnIndex[8],数组中第 i 个数字表示位于第 i 行的皇后的列号。首先将数组 ColumnIndex 的 8 个数字分别用 0~7 进行初始化，然...