算法实质【Matrix67】

动态规划 :
你追一个MM的时候,需要对该MM身边的各闺中密友都好,这样你追MM这个问题 就分解为对其MM朋友的问题,只有把这些问题都解决了,最终你才能追到 MM。 因此,该问题适用于聪明的MM,懂得“看一个人,不是看他如何对你,而是看 他如何对他人。”的道理,并且对付这样的MM总能得到最优解。但确定 是开销 较大,因为每个子问题都要好好对待。。。。

贪心法 :
你追一个MM的时候,从相识到相知,每次都采用最aggressive的方式,进攻进攻 再进攻!从不采用迂回战术或是欲擒故纵之法!目标是以最快的速度确立两人 关系。 该法优点是代价小,速度快,但缺点是不是每次都能得到最优解。。。。。

回溯算法 :
追一个MM,但也许你还是情窦初开的新手,不知道如何才能讨得MM的欢心,于 是你只好一条路一条路的试,MM不开心了,你就回溯回去换另一种方式。当然其间你也许会从某些途径得到一些经验,能够判断哪些路径不好,会剪枝(这就是分 支估界了)。你也可以随机选择一些路径来实施,说不定能立杆见影(这就是回溯的优化了)但总的来说,你都需要一场持久战。。。。该算法一般也能得到最优 解,因为大多数MM会感动滴!!但其缺点是开销大除非你是非要谈一场恋爱不可,否则不推荐使用。特别是你可能还有许多其他的事情要做,比如学习,比如事 业。。。。

NP完全问题: 
呵呵,那你为什么那么贱,非要去追呢?记住:“天涯何处无芳草!” . 不过如果你“非如此不可”的话,建议升级你的硬件,好好学习,好好工作,加强实力,人到中年的时候也许你能解开NP难。。。。

网络流:

追MM的时候总避免不了送礼物,但是你老是直接送礼物就会给MM造成很大的压力 ,于是你就想到了通过朋友来转送的方法。你希望送给MM尽可能多的礼物, 所以就是需要找到一中配送方案,就是最大流了。然而你请别人帮忙并不是不要开销 的,你让A同学拿去给B同学可能需要一些花费,自然你不是一个大款,想最 小化这个花费,那么就是最小费用最大流了……

NP: 
在你追了若干美女都失败告终后,你发现有一批美女追起来是一样困难的, 如果你能追到其中任何一个就能追到其他所有的美女,你把这样的女人叫作 NP- Complete。P=NP:这是一个美好的猜想,追美女和恐龙的难度其实一样。 APX与Random:NP的美女难追,你无法完全占有她。你只好随机 的去靠近她 装作若无其事;或者用一种策略,追到她的一个approximation ratio, 例如50%。APX-hard:这样的女人,连一个固定的百分比都不给你,还是另谋高就吧。

匹配: 
从初中到高中到大学大家追来追去,就是个二分图匹配的过程.... 
"和谐社会"应该就一个最大匹配... 
可是后来有某些MM同时跟>1个人发展,违背了匹配的基本原则...大家都很BS之... 
然后最近断背山很火,人们惊奇得发现原来还可以是 任意图匹配...

深度优先和广度优先: 
深度优先就是追一个mm追到底,直到失败然后换个mm继续追…… 
广度优先就是同时追多个mm,一起发展……

树的遍历:

前序遍历就是直接搞定MM,然后搞定她爸妈(左)和你自己爸妈(右) 
中序遍历就是先搞定未来岳父岳父,然后搞定她,最后告诉你爸妈 
后序遍历就是,让未来的岳父岳母和自己爸妈都觉得你们合适之后,才对MM下手,这个时候就没有障碍了啊

STL 
某位贝尔实验室的大牛在追了N个MM后,为了造福后来人,总结了自己的经验, 出了本《 追MM求爱秘笈大全》,英文名叫Standard courTing Library, /* court : vt.向...献殷勤, 追求; vi.求爱) 
缩写为 STL. 广大同学在使用STL后,惊喜地发现追MM变得异常方便,大大缩短了时间和精力.

时间: 2024-11-03 21:54:30

算法实质【Matrix67】的相关文章

[数据挖掘] - 聚类算法:K-means算法理解及SparkCore实现

聚类算法是机器学习中的一大重要算法,也是我们掌握机器学习的必须算法,下面对聚类算法中的K-means算法做一个简单的描述: 一.概述 K-means算法属于聚类算法中的直接聚类算法.给定一个对象(或记录)的集合,将这些对象划分为多个组或者“聚簇”,从而使同组内的对象间比较相似而不同组对象间差异比较大:换言之,聚类算法就是将相似的对象放到同一个聚簇中,而将不相似的对象放到不同的聚簇中.由于在聚类过程中不使用到类别标签,所以相似性的概念要基于对象的属性进行定义.应用不同则相似性规则和聚类算法一般不太

算法分类整理+模板②:字符串处理

本周训练赛出了一道kmp模板题,但是由于长时间没有复习字符串处理算法,而且学习时也并没有彻底理解,只是大概明白了思路,所以导致比赛时迟迟没有做出这一题,最后现场拿出学校整理的材料现场重新学习才ac的这一题.趁这个机会整理一下常用的字符串处理算法以及模板. 字符串处理在比赛中一般都不是特别难(至少我遇到的没有),有的字符串处理会和dp放在一起出题,加大一些难度,而单纯的字符串处理其实还是比较好写. 一.strstr strstr(str1,str2) 函数用于判断字符串str2是否是str1的子串

感知器的训练算法

 1.感知器算法来源和基本思想 “感知器”一词出自于20世纪50年代中期到60年代中期人们对一种分类学习机模型的称呼,它是属于有关动物和机器学习的仿生学领域中的问题.当时的一些研究者认为感知器是一种学习机的强有力模型,后来发现估计过高了,但发展感知器的一些相关概念仍然沿用下来. 采用感知器算法(Perception Approach)能通过对训练模式样本集的“学习”得到判别函数的系数.由于该算法不需要对各类别中模式的统计性质做任何假设,因此称为确定性的方法. 感知器算法实质上是一种赏罚过程: –

stl变易算法(三)

本篇接着前面stl变易算法(一)和stl变易算法(二)继续讲述变易算法. 这里将介绍完余下的变易算法,主要有:填充fill.n次填充fill_n.随机生成元素generate.随机生成n个元素generate_n.移除复制remove_copy.条件移除复制remove_copy_if.移除remove.条件移除remove_if.不连续反复元素复制unique_copy.剔除连续反复元素unique.元素反向reverse.反向复制reverse_copy及旋转rotate .给出算法实现及实

再来一篇装逼老文章:屏幕传输算法

仍然是以前写的一篇老文章,从其它站点拷贝回来的.此文写于07年,思想幼稚,特别是后期说教味道特别严重,仅供参考.另外,从Vista后,实际上操作系统已经在应用层提供了一个类似Mirro的接口,程序员已经没必要再自己进行变化判断了.============================================ 引用页:http://hi.baidu.com/cxmlqkoyadbekqd/item/4f3a361bdf32d28d89a9561b 老陈-为什么黑洞远程控制的屏幕传输算法是

Dijkstra算法——《算法导论》学习心得(十三)

这两天在做一个项目,关于北京市出租车的,然后用到了Dijkstra算法,所以这篇文章就先写Dijkstra算法了.在大二下的时候学了数据结构,书里面也讲了Dijkstra算法,但是当时怎么也没理解,结果考试的时候就考了,哎蛋疼!现在用到了,又得硬着头皮去学,结果很快弄明白了,只是在写代码时出了一些很低级的错误,调Bug用了不少时间.最后总结只能说:不是你不会,而是没到你非会不可的地步!在这篇文章里我就用实际的项目给大家讲Dijkstra算法. 背景: 迪杰斯特拉算法是由荷兰计算机科学家狄克斯特拉

Atitti knn实现的具体四个距离算法 欧氏距离、余弦距离、汉明距离、曼哈顿距离

Atitti knn实现的具体四个距离算法  欧氏距离.余弦距离.汉明距离.曼哈顿距离 1. Knn算法实质就是相似度的关系1 1.1. 文本相似度计算在信息检索.数据挖掘.机器翻译.文档复制检测等领域有着广泛的应用1 2. 汉明距离1 2.1. 历史及应用1 3. 曼哈顿距离2 3.1. SimHash + 汉明距离3 3.2. .简单共有词4 1. Knn算法实质就是相似度的关系 1.1. 文本相似度计算在信息检索.数据挖掘.机器翻译.文档复制检测等领域有着广泛的应用 数据挖掘的过程中,只用

[Evolutionary Algorithm] 进化算法简介

进化算法,也被成为是演化算法(evolutionary algorithms,简称EAs),它不是一个具体的算法,而是一个“算法簇”.进化算法的产生的灵感借鉴了大自然中生物的进化操作,它一般包括基因编码,种群初始化,交叉变异算子,经营保留机制等基本操作.与传统的基于微积分的方法和穷举方法等优化算法(具体介绍见博客[Math] 常见的几种最优化方法中的其他数学优化方法)相比,进化计算是一种成熟的具有高鲁棒性和广泛适用性的全局优化方法,具有自组织.自适应.自学习的特性,能够不受问题性质的限制,有效地

Retinex去照度算法

Retinex理论 Retinex理论始于Land和McCann于20世纪60年代作出的一系列贡献,其基本思想是人感知到某点的颜色和亮度并不仅仅取决于该点进入人眼的绝对光线,还和其周围的颜色和亮度有关.Retinex这个词是由视网膜(Retina)和大脑皮层(Cortex)两个词组合构成的.Land之所以设计这个词,是为了表明他不清楚视觉系统的特性究竟取决于此两个生理结构中的哪一个,抑或是与两者都有关系. Land的Retinex模型是建立在以下的基础之上的: 一.真实世界是无颜色的,我们所感知