MaxCliff的博客

给一个多边形，寻找一条线，把这个多边形分成面积相等的两部分？思路1. 把这个多边形拆分成一个个小的三角形。2.从某一个三角形开始，从顶点连接到对边的中的点，再从中点连接到该条边对应的定点3.重复第二步工作。Python实现#coding:utf-8#多变形的顶点(顺时针方向按顺序给出)endPoints=[(0,0),(0,1),(1,1),(1,0)]def partitionPolygon(p...

搜狐面试考官出的一个数据结构题，当时没写出来，回来花了一天写出来了。虽然比较基础，但是想临场写出来，还是有一定难度。

这个例子，体现了遗传算法的一些概念，后续博客还会深入介绍这一重要算法。

#include void lcs_length(const int m,const int n ,int (*count)[n+1],char (*res)[n],const char * x,const char * y);int  print_lcs(int a,int b,int n,char (*res)[n],char *y);int main(vo

#include void print_optimal_parens(int n,int (*s)[n+1],int i,int j);void matrix_order_optimal(int * p,int n,int (*m)[n+1],int (*s)[n+1]);int main(void){       const int d_size=7; 

和前一篇博文插入排序算法对比，同样是对10w个元素的数组排序，合并排序所用时间在ms级别，而插入排序所用时间在10s左右，这两个算法的运行效率差别非常巨大。自己可以简单的测试一下！

插入排序很简单，没什么好说的。主要注意下，测试算法性能的流程，分配内存，产生随机数，排序，调用time函数。。。

网上很多基数排序的代码，设计的不够好，需要人为的输入各个位。在GeeksforGeeks上copy下来，自己作了一点修改。代码写的清晰明了，结构简单，值得学习。

计数排序在数组元素个数n,与数组最大元素k，满足k=O(n)时，该算法是一种高效的非比较排序的线性算法。

随机化版本的快速排序相比于之前的普通排序，唯一的区别就是，随机的选取数组中的任何一个数作为主元素，而不像普通排序那样，数组一旦给定，主元素便确定了；与前篇文章普通排序相比，对代码进行了改进，增加了随机数生成函数，以及交换数组元素的函数，代码结构相对来说更加清晰了。

快速排序虽然时间复杂度和合并排序与堆排序算法一样；但相比于合并排序，快速排序是原地排序，作者用200w的随机元素构成的数组进行性能测试，发现快速排序只需要0.4s，而合并排序需要0.5s左右，性能上是优于合并排序的；同样的，堆排序需要1s左右。快速排序是一种优秀的排序算法，应用也是非常的广泛。

有两个地方需要关注：1.通过定义具有外部链接的的变量来记录优先队列的大小 2.两次使用while(getchar()!='\n') continue这个结构来处理缓存中的字符。

同样是对200w个随机数的数组，使用合并排序只需要0.5s左右，堆排序需要1s左右；虽然两种算法的时间复杂度都是O(nlgn),但堆排序系数更大，操作更复杂，所以时间花费更多

 //Java版本import java.util.*;public class CalculateFib{    static Map<Integer,Integer> m=new HashMap<Integer,Integer>();    public static int fib(int n){        if (n<3){                ...