马凡贺的博客

def index(pstr, subStr): i, j = 0, 0 while ilen(pstr) and jlen(subStr): if pstr[i] == subStr[j]: i += 1 j += 1 else: i = i-j+1 j = 0 return i-l

学习算法是为了更有效率地解决问题，并且让程序运行的更快。我们来做一个小实验，在python解释器下输入下面的代码：>>> count = 10**5>>> nums= []>>> for i in range(count):... nums.append(i)...>>> nums.reverse()这段代码并没有什么实际用处。只是把一堆数字添加到一个空list里，然后反转这个li

#coding=utf-8# 递归直接求出def fun_recursion(m,k): """ f[1]=0; f[i]=(f[i-1]+k)%i = (f[i-1] +m%i) % i = (f[i-1] + m) % i ; (i>1) :param m: 长度 :param k: 第k数出环 :return: """

分治算法一、基本概念   在计算机科学中，分治法是一种很重要的算法。字面上的解释是“分而治之”，就是把一个复杂的问题分成两个或更多的相同或相似的子问题，再把子问题分成更小的子问题……直到最后子问题可以简单的直接求解，原问题的解即子问题的解的合并。这个技巧是很多高效算法的基础，如排序算法(快速排序，归并排序)，傅立叶变换(快速傅立叶变换)……    任何一个可以用计算机求解的问题所需的计

贪心算法一、基本概念：      所谓贪心算法是指，在对问题求解时，总是做出在当前看来是最好的选择。也就是说，不从整体最优上加以考虑，他所做出的仅是在某种意义上的局部最优解。     贪心算法没有固定的算法框架，算法设计的关键是贪心策略的选择。必须注意的是，贪心算法不是对所有问题都能得到整体最优解，选择的贪心策略必须具备无后效性，即某个状态以后的过程不会影响以前的状态，只与当前

一、基本概念    动态规划过程是：每次决策依赖于当前状态，又随即引起状态的转移。一个决策序列就是在变化的状态中产生出来的，所以，这种多阶段最优化决策解决问题的过程就称为动态规划。二、基本思想与策略    基本思想与分治法类似，也是将待求解的问题分解为若干个子问题（阶段），按顺序求解子阶段，前一子问题的解，为后一子问题的求解提供了有用的信息。在求解任一子问题时，列出各种可能

# 回溯法解决八皇后问题def place(l, k): for i in range(1,k): if l[i] == l[k] or abs(k-i) == abs(l[k]-l[i]): return False return True# 循环def queue(n): l = [0]*(n+1) k =

class Tree: # def __init__(self): # pass def __init__(self, data=None, left=None, right=None): self.data = data self.left = left self.right = rightdef firsttraverse(t)

public static int Dijkstra(int[][] matrix,int m, int v0,int v1) { int MAXINT = 9999; int MAXNUM = m+1; int dist[] = new int[MAXNUM]; //距离 int prev[] = new int[MAXNUM]; //前趋节点

1.计算的核心理念2.渐进符号3.实现图和树4.小心黑盒子