PJYang的专栏

<br />二叉树是一种常用的数据结构，熟练掌握二叉树的各种算法，是必须的。本科时学过数据结构课程，但因当时课程繁多，且对很多概念理论不甚熟悉，数据结构课程也是得过且过，虽言考试顺利通过，但有许多盲点，还有很多知识点，虽然知道其基本思路，但一旦说要动手实现，抓耳挠腮半响，还是一堆的error。痛定思痛，与其忍受这种痛苦，还不若痛下决心将其一一击破。<br /><br /> 问题描述一：<br /> 假设二叉树采用二叉链存储结构，设计一个算法，输出从每个叶子结点到根结点的路径。<br /><br />

<br />图的基本术语：<br /><br /> 1）端点和邻接点：在一个无向图中，若存在一条边（vi,vj），称vi和vj为此边的两个端点，并称它们互为邻接点。在一个有向图中，若存在一条边<vi,vj>, 分别称vi和vj为起始端点和终止端点，并称vi和vj互为邻接点。<br /><br /> 2）顶点的度、入度和出度：在无向图中，顶点所具有的边的数目称为该顶点的度。在有向图中，以顶点vi为终点的边的数目，称为该顶点的入度；以顶点vi为起点的边的数目，称为该顶点的出度。<br /><br /> 3

<br /> <br />图的基本算法实现<br /> <br />图的基本算法实现主要包括图的存储、图的遍历，求解图的最小生成树，以及求解最短路径等。<br /> <br />图的存储：<br />对于图的存储有多种方式，最常用的是邻接矩阵存储、邻接表存储，除此外还有十字邻接表存储，邻接多重表存储等；<br /> <br />邻接矩阵存储很简单，对于无权图，用0或1来代表两点是否邻接；如果是是有权图，那就用权值来代表两点邻接，不相邻接的则直接置为无穷大，其数据结构表示如下：<br />#define MA

<br />B-树又称为多路平衡查找树，是一种组织和维护外存储文件系统非常有效的数据结构。B-树中所有结点的孩子结点的最大值被称为B-树的阶，通常用m表示，B-树满足以下条件：<br /> 树中每个结点至多有m个孩子结点，至多有m-1个关键字<br /> 除根结点外，其他结点至少有(m+1)/2个孩子结点<br /> 若根结点不是叶子结点，则根结点至少有两个孩子结点<br /> 每个结点的结如下： n p0 k1 p1 k2 p2 ... kn pn 其中，n代表是关键字个数，p指孩子结点，k指关键

<br />今天做到PKU第1009题，将题目描述读了三四遍，也没看懂到底是何意，可能是英文太差了吧，于是乎，偷取捷径，去网上了搜了一下，嘿，还真的搜了一篇关于此题的中文描述，原文链接如下：<br />http://www.nocow.cn/index.php/PKU/1009<br /> <br />其中提到游程长度编码，其意是相同的一串数字用一个pair对来表示，比如若有100个80连续，那就用100 80来表示，这个是理解题意的关键。<br />现在理解题意了，也要开始思索了，想用什么方法来解决它，题

<br />PKU1010<br /> Description<br /> 问题描述<br /><br /> Have you done any Philately lately?<br /> 最近你玩集邮了吗？<br /><br /> You have been hired by the Ruritanian Postal Service (RPS) to design their new postage software. The software allocates stamps to cu

<br />要开始做PKU1011题了，先翻译一下：<br />PKU1011<br /> Sticks<br /> 木棍<br /> Description<br /> 问题描述<br /> George took sticks of the same length and cut them randomly until all parts became at most 50 units long. Now he wants to return sticks to the original st

<br />PKU1012解题<br /><br /> PKU1012题，让我费了几天的时间，才终于算是理出个头绪，真是杯具。看来以后的算法路还是相当曲折的，一道题弄个几天，那么多题，到我毕业时，也做了几百道了。<br /><br /> 首先来翻译一下题目，锻炼下英语翻译能力：<br /> Description<br /> 问题描述<br /> The Joseph's problem is notoriously known. For those who are not familiar wi

近来由于工作需要，需要将字符串的相似度的计算速度进行提升。之前曾采用最长公共子序列、编辑距离等算法实现过，但总满足不了实时比较的性能及速度需求。前些天由同事推荐局部敏感哈希算法，便尝试了一把，结果发现速度还不错，本着记录与分享的精神，简单总结下实现的过程及思路。 【Shingle】 将待查询的字符串集进行映射，映射到一个集合里，如字符串“abcdeeeefg", 映射到集合”(a,b,c,d,