Jason的专栏

一： 最小生成树1. 概念    首先看如下图，不知道大家能总结点什么。    对于一个连通图G，如果其全部顶点和一部分边构成一个子图G1，当G1满足：       ① 刚好将图中所有顶点连通。②顶点不存在回路。则称G1就是G的“生成树”。           其实一句话总结就是：生成树是将原图的全部顶点以最小的边连通的子图，这不，如下的连通图可以得到下面的两个生成树。

小师弟也跑去找工作了，也就碰到了各种各样的面试题（就是：如何产生1-100之间的100个不重复的随机数），如果这是你是第一次看到这个题目，也许你的想法有很多。 1：首先从原始数组中随机选择一个数字，然后将该数字从数组中剔除，再随记选，再剔除，重复99次，就解决了。    我们知道从数组中剔除一个元素的复杂度为O（N)，那么随机选取n个数字，它的复杂度就是O(N2)了。2：用hash

今天写最后一篇来结束这个系列，我们知道很多算法解决问题的步骤都是固定的，而概率算法每一步的选择都是随机的，当在某些领域问题中通常比最优选择省时，所以就大大提高了算法的效率，降低了复杂度。 一：思想      这里主要讲一下“数值概率算法”，该算法常用于解决数值计算问题，并且往往只能求得问题的近似解，同一个问题同样的概率算法求解两次可能得到的结果大不一样，不过没关系，这种“近似解

今天跟大家分享下算法思想中比较难的一种"动态规划"，动态规划给人像是作战时常用的“迂回战术”，或者说是游击战，在运动中寻找突破口。 一： 思想   首先要了解”动态规划“，必须先知道什么叫做”多阶段决策“，百科里面对这个问题解释的很全，我就load一段出来，大家得要好好品味，好好分析。 上面图中最后一句话就定义了动态规划是要干什么的问题。 二：使用规则

记得广告中经常听到过，抱着试试看的态度买了3个疗程，效果不错........  也经常听人说过什么车到山前必有路，船到桥头自然直。哈哈，这种思想就是回溯思想，也可称为试探思想。 一： 思想       有时我们要得到问题的解，先从其中某一种情况进行试探，在试探过程中，一旦发现原来的选择是错误的，那么就退回一步重新选择，   然后继续向前试探，反复这样的过程直到求出问题的解。

一： 思想     有时候我们处理一个复杂的问题，可能此问题求解步骤非常杂，也可能是数据非常多，导致我们当时很难求出或者无法求出，古语有云：步步为营，各个击破，这个思想在算法中称为分治思想，就是我们可以将该问题分解成若干个子问题，然后我们逐一解决子问题，最后将子问题的答案组合成整个问题的答案。 二: 条件     当然各个思想都有它的使用领域，所以玩这场分治游戏就要遵守它的

今天分享一下枚举思想，这种思想也常是码畜，码奴常用的手段，经常遭到码农以上级别的鄙视，枚举思想可以说是在被逼无奈时最后的狂吼。 一： 思想     有时我们解决某个问题时找不到一点规律，此时我们很迷茫，很痛苦，很蛋疼，突然我们灵光一现，发现候选答案的问题规模在百万之内，此时我们就想到了从候选答案中逐一比较，一直找到正确解为止。 二: 条件     前面也说了，枚举是我们

说到“贪”字，很邪恶的一个词，记得和珅和大人拆解过这个字，为”今“和”贝“，而”贝“字分解成”上面的那个XX“和”人“，意思就是说今天你贪了，明天一座监狱就把你套起来，纵观古今，有多少豪杰与"贪“结下了不解之缘，呵呵，扯远了。    这个贪心的行为在算法中也成为了一种指导思想，也就是说贪心算法所作出的选择在当时的环境下是最好的，说深一点就是它只是某种意义上的局部最优解，但不一定是全

今天说说递归思想，在我们编码时，有的时候递归能够让我们的算法更加通俗易懂，并且代码量也是大大的减少。比如我先前的系列中说到了关于树的“先序，中序和后序”遍历，那么看看用递归来描叙这个问题是多少的简洁，多么的轻松。 1 #region 二叉树的先序遍历 2 /// 3 /// 二叉树的先序遍历 4 /// 5 /// 6 /// 7

像俺一样奋斗在一线的码农们，一谈到学编程，都是说要学会XX语言就OK了，其实我们理解的有一点点的偏差，因为我们只说到了三分之一，其实真正的编程应该是：编程=数据结构+算法+XX语言。    对的，XX语言只是一个工具而已，就好比我们知道用笔来写字，但是不见得我们就能写出一手让张恨水为之倾倒的好字，其实我也说过算法不仅仅用于程序设计中，在我们的生活中也处处存在着算法，比如记得我大二学C#

我们知道，二叉查找树相对来说比较容易形成最坏的链表情况，所以前辈们想尽了各种优化策略，包括AVL，红黑，以及今天要讲的Treap树。       Treap树算是一种简单的优化策略，这名字大家也能猜到，树和堆的合体，其实原理比较简单，在树中维护一个"优先级“，”优先级“采用随机数的方法，但是”优先级“必须满足根堆的性质，当然是“大根堆”或者“小根堆”都无所谓，比如下面的一棵树：

上一篇我们聊过，二叉查找树不是严格的O(logN)，导致了在真实场景中没有用武之地，谁也不愿意有O(N)的情况发生，作为一名码农，肯定会希望能把“范围查找”做到地球人都不能优化的地步。     当有很多数据灌到我的树中时，我肯定会希望最好是以“完全二叉树”的形式展现，这样我才能做到“查找”是严格的O(logN)，比如把这种”树“调正到如下结构。     这里就涉及到了“树节点”

针对现实中的排序问题，算法有七把利剑可以助你马道成功。 首先排序分为四种：       交换排序： 包括冒泡排序，快速排序。      选择排序： 包括直接选择排序，堆排序。      插入排序： 包括直接插入排序，希尔排序。      合并排序： 合并排序。 那么今天我们讲的就是交换排序，我们都知道，C#类库提供的排序是快排，为了让今天玩的有意思点，我们设计算

今天说的是选择排序，包括“直接选择排序”和“堆排序”。 话说上次“冒泡排序”被快排虐了，而且“快排”赢得了内库的重用，众兄弟自然眼红，非要找快排一比高下。这不今天就来了两兄弟找快排算账。 1.直接选择排序： 先上图： 说实话，直接选择排序最类似于人的本能思想，比如把大小不一的玩具让三岁小毛孩对大小排个序，那小孩首先会在这么多玩具中找到最小的放在第一位，然后找

今天跟大家聊聊最后三种排序： 直接插入排序，希尔排序和归并排序。 直接插入排序：       这种排序其实蛮好理解的，很现实的例子就是俺们斗地主，当我们抓到一手乱牌时，我们就要按照大小梳理扑克，30秒后，   扑克梳理完毕，4条3，5条s，哇塞......  回忆一下，俺们当时是怎么梳理的。       最左一张牌是3，第二张牌是5，第三张牌又是3，赶紧插到第一张牌后面去，第四

今天来分享一下图，这是一种比较复杂的非线性数据结构，之所以复杂是因为他们的数据元素之间的关系是任意的，而不像树那样被几个性质定理框住了，元素之间的关系还是比较明显的，图的使用范围很广的，比如网络爬虫，求最短路径等等，不过大家也不要胆怯，越是复杂的东西越能体现我们码农的核心竞争力。             既然要学习图，得要遵守一下图的游戏规则。一： 概念       图是由

今天说下最后一种树，大家可否知道，文件压缩程序里面的核心结构，核心算法是什么？或许你知道，他就运用了赫夫曼树。听说赫夫曼胜过了他的导师，被认为”青出于蓝而胜于蓝“，这句话也是我比较欣赏的，嘻嘻。 一  概念    了解”赫夫曼树“之前，几个必须要知道的专业名词可要熟练记住啊。     1： 结点的权            “权”就相当于“重要度”，我们形象的用一个具体的

先前说了树的基本操作，我们采用的是二叉链表来保存树形结构，当然二叉有二叉的困扰之处，比如我想找到当前结点的“前驱”和“后继”，那么我们就必须要遍历一下树，然后才能定位到该“节点”的“前驱”和“后继”，每次定位都是O（n），这不是我们想看到的，那么有什么办法来解决呢？   （1） 在节点域中增加二个指针域，分别保存“前驱”和“后继”，那么就是四叉链表了，哈哈，还是有点浪费空间啊。

先前我们讲的都是“线性结构”，他的特征就是“一个节点最多有一个”前驱“和一个”后继“。那么我们今天讲的树会是怎样的呢？我们可以对”线性结构“改造一下，变为”一个节点最多有一个"前驱“和”多个后继“。哈哈，这就是我们今天说的”树“。 一： 树      我们思维中的”树“就是一种枝繁叶茂的形象，那么数据结构中的”树“该是怎么样呢？对的，他是一种现实中倒立的树。1：术语

天跟大家聊聊栈，在程序设计中，栈的使用还是非常广泛的，比如有“括号匹配问题“，”html结构匹配问题“。所以说掌握了”栈“的使用，对我们学习算法还是很有帮助的。 一： 概念         栈，同样是一种特殊的线性表，是一种Last In First Out（LIFO)的形式，现实中有很多这样的例子，     比如：食堂中的一叠盘子，我们只能从顶端一个一个的取。 二：存

可能大家都知道，线性表的变种非常非常多，比如今天讲的“队列”，灰常有意思啊。 一：概念          队列是一个”先进先出“的线性表，牛X的名字就是“First in First Out(FIFO)”，      生活中有很多这样的场景，比如读书的时候去食堂打饭时的”排队“。当然我们拒绝插队。 二：存储结构         前几天也说过，线性表有两种”存储结构“，①

一：线性表的简单回顾       上一篇跟大家聊过“线性表"顺序存储，通过实验，大家也知道，如果我每次向顺序表的头部插入元素，都会引起痉挛，效率比较低下，第二点我们用顺序存储时，容易受到长度的限制，反之就会造成空间资源的浪费。 二：链表      对于顺序表存在的若干问题，链表都给出了相应的解决方案。1. 概念：其实链表的“每个节点”都包含一个”数据域“和”指针域“。

人活在社会上不可能孤立，比如跟美女有着千丝万缕的关系，有的是一对一，有的是一对多，有的是多对多。哈哈，我们的数据也一样，存在这三种基本关系，用术语来说就是:  线性关系。  树形关系。  网状关系。 一： 线性表      1 概念：                 线性表也就是关系户中最简单的一种关系，一对一。                  如：学生学号的

树在数据结构中大行其道，什么领域都要沾一沾，碰一碰。就拿我们前几天学过的排序就用到了堆和今天讲的”二叉排序树“，所以偏激的说，掌握的树你就是牛人了。 今天就聊聊这个”五大经典查找“中的最后一个”二叉排序树“。 1. 概念:      其实很简单，若根节点有左子树，则左子树的所有节点都比根节点小。                             若根节点有右子树，

哈希查找：     对的，他就是哈希查找，说到哈希，大家肯定要提到哈希函数，呵呵，这东西已经在我们脑子里面形成固有思维了。大家一定要知道“哈希“中的对应关系。     比如说： ”5“是一个要保存的数，然后我丢给哈希函数，哈希函数给我返回一个”2"，那么此时的”5“和“2”就建立一种对应关系，这种关系就是所谓的“哈希关系”，在实际应用中也就形成了”2“是key，”5“是valu

在我们的生活中，无处不存在着查找，比如找一下班里哪个mm最pl，猜一猜mm的芳龄....... 对的这些都是查找。 在我们的算法中，有一种叫做线性查找。分为：顺序查找。        折半查找。 查找有两种形态：分为：破坏性查找，   比如有一群mm，我猜她们的年龄，第一位猜到了是23+，此时这位mm已经从我脑海里面的mmlist中remove掉了。

一：场景：1：现状    前几天我的一个大学同学负责的网站出现了严重的性能瓶颈，由于业务是写入和读取都是密集型，如果做缓存，时间间隔也只能在30s左右，否则就会引起客户纠纷，所以同学也就没有做缓存，通过测试发现慢就慢在数据读取上面，总共需要10s，天啊...原来首页的加载关联到了4张表，而且表数据中最多的在10w条以上，可以想象4张巨大表的关联，然后就是排序+范围查找等等相关的条件

在数据结构的世界里，我们会认识各种各样的数据结构，每一种数据结构都能解决相应领域的问题，每一种数据结构都像是降龙十八掌中的某一掌，掌掌毙命。。。 当然每个数据结构，有他的优点，必然就有它的缺点，那么如何创造一种数据结构来将某两种数据结构进行扬长避短，那就非常完美了。这样的数据结构也有很多，比如：双端队列，还有就是今天讲的 块状链表，   我们都知道 数组 具有 O(1)的查询时间，O(

古代数学巨著《九章算数》中有这么一道题叫“五家共井，甲二绠（汲水用的井绳）不足，如（接上）乙一绠；乙三绠不足，如丙一绠；丙四绠不足，如丁一绠；丁五绠不足，如戊一绠；戊六绠不足，如甲一绠，皆及。意思就是说五家人共用一口井，甲家的绳子用两条不够，还要再用乙家的绳子一条才能打到井水；乙家的绳子用三条不够，还要再用丙家的绳子一条才能打到井水；丙家的绳子用四条不够，还要再用丁家的绳子一条才能打到

百钱买百鸡的问题算是一套非常经典的不定方程的问题，题目很简单：公鸡5文钱一只，母鸡3文钱一只，小鸡3只一文钱，用100文钱买一百只鸡,其中公鸡，母鸡，小鸡都必须要有，问公鸡，母鸡，小鸡要买多少只刚好凑足100文钱。 分析：估计现在小学生都能手工推算这套题，只不过我们用计算机来推算，我们可以设公鸡为x，母鸡为y，小鸡为z，那么我们         可以得出如下的不定方程，   

猴子第一天摘下若干个桃子，当即吃了一半，还不过瘾就多吃了一个。第二天早上又将剩下的桃子吃了一半，还是不过瘾又多吃了一个。以后每天都吃前一天剩下的一半再加一个。到第10天刚好剩一个。问猴子第一天摘了多少个桃子？ 分析: 这是一套非常经典的算法题，这个题目体现了算法思想中的递推思想，递归有两种形式，顺推和逆推，针对递推，只要        我们找到递推公式，问题就迎刃而解了。   

一： 作用       最长公共子序列的问题常用于解决字符串的相似度，是一个非常实用的算法，作为码农，此算法是我们的必备基本功。二：概念     举个例子，cnblogs这个字符串中子序列有多少个呢？很显然有27个，比如其中的cb,cgs等等都是其子序列，我们可以看出子序列不见得一定是连续的，连续的那是子串。     我想大家已经了解了子序列的概念，那现在可以延伸到两个字符串了

这篇我们看看最长公共子序列的另一个版本，求字符串相似度(编辑距离)，我也说过了，这是一个非常实用的算法，在DNA对比，网页聚类等方面都有用武之地。一：概念     对于两个字符串A和B，通过基本的增删改将字符串A改成B，或者将B改成A，在改变的过程中我们使用的最少步骤称之为“编辑距离”。比如如下的字符串：我们通过种种操作，痉挛之后编辑距离为3，不知道你看出来了没有？二：解析

相信大家对如下的Category都很熟悉，很多网站都有类似如下的功能，“商品推荐”,"猜你喜欢“，在实体店中我们有导购来为我们服务，在网络上我们需要同样的一种替代物，如果简简单单的在数据库里面去捞，去比较，几乎是完成不了的,这时我们就需要一种协同推荐算法，来高效的推荐浏览者喜欢的商品。一：概念     SlopeOne的思想很简单，就是用均值化的思想来掩盖个体的打分差异，举个例

在大学的时候，应该在数据结构里面都看过kmp算法吧，不知道有多少老师对该算法是一笔带过的，至少我们以前是的，确实kmp算法还是有点饶人的，如果说红黑树是变态级的，那么kmp算法比红黑树还要变态，很抱歉，每次打kmp的时候，输入法总是提示“看毛片”三个字,嘿嘿，就叫“看毛片算法”吧。一：BF算法     如果让你写字符串的模式匹配，你可能会很快的写出朴素的bf算法，至少问题是解决了，

上一篇我们说了单模式匹配算法KMP，现在我们有需求了，我要检查一篇文章中是否有某些敏感词，这其实就是多模式匹配的问题。当然你也可以用KMP算法求出，那么它的时间复杂度为O(c*(m+n))，c：为模式串的个数。m：为模式串的长度,n:为正文的长度，那么这个复杂度就不再是线性了，我们学算法就是希望能把要解决的问题优化到极致，这不，AC自动机就派上用场了。   其实AC自动机就是Trie树

前端时间玩小爬虫的时候，我把url都是放在内存队列里面的，有时我们在抓取url的时候，通过LCS之类的相似度比较，发现某些url是很重要的，需要后端解析服务器优先处理，针对这种优先级比较大的url，普通的队列还是苦逼的在做FIFO操作，现在我们的需求就是优先级大的优先服务，要做优先队列，非堆莫属。一：堆结构   1:性质      堆是一种很松散的序结构树，只保存了父节点和孩子

有一种数据结构是神奇的，神秘的，它展现了位运算与数组结合的神奇魅力，太牛逼的，它就是树状数组，这种数据结构不是神人是发现不了的。一：概序     假如我现在有个需求，就是要频繁的求数组的前n项和，并且存在着数组中某些数字的频繁修改，那么我们该如何实现这样的需求？当然大家可以往真实项目上靠一靠。① 传统方法：根据索引修改为O(1)，但是求前n项和为O(n)。②空间换时间方法：我开

以下是在编程面试中排名前 10 的算法相关的概念，并一些简单的例子来阐述这些概念。由于完全掌握这些概念需要更多的努力，因此这份列表只是作为一个介绍。本文将从Java的角度看问题，包含下面的这些概念：字符串链表树图排序递归 vs. 迭代动态规划位操作概率问题排列组合1. 字符串　　如果IDE没有代码自动补全功能，所以你应该记住下面的这些方法。toCharArray() /

在所有具有性能优化的数据结构中，我想大家使用最多的就是hash表，是的，在具有定位查找上具有O(1)的常量时间，多么的简洁优美，但是在特定的场合下：①：对10亿个不重复的整数进行排序。②：找出10亿个数字中重复的数字。当然我只有普通的服务器，就算2G的内存吧，在这种场景下，我们该如何更好的挑选数据结构和算法呢？ 一：问题分析     这年头，大牛们写的排序算法也就那么几