爱你的推理能手

欢迎关注，定期更新算法问题今天介绍一下分治算法的一个典型例子——矩阵乘法如果以前了解过矩阵，应该知道矩阵的乘法公式C(m,n)=A(m,k)*B(k,n)，在这里我们只讨论方阵，假设A是n*n阶，B也是n*n阶，那么要计算乘积需要进行n^2个元素，看《算法导论》给出的伪码：上边这个过程进行三次循环，每次循环执行n步，故花费时间是O(n^3)，下边是代码实现：void

欢迎关注，定期更新算法问题今天介绍一下分治算法的一个典型问题----最大子数组问题先来看一下《算法导论》上的一个引例，对于这个问题，我们常规的思维就是在股价最低时买进，股价最高时抛出，只要满足买进的时间在卖出的时间之前，就可以达到我们所认为的最大效益；但是情况有可能不是这样的，例如下边这个图，同样是《算法导论》上的插图：通过这个图明显的看出，效益最大化的时间

欢迎关注，定期更新算法问题！这一篇来讨论一下关于动态规划的一些问题。动态规划和分治方法类似，都是组合子问题的解来求解原问题，但是两者不同的是分治方法将问题化为互不相交的子问题，递归的求解子问题，再将子问题的解组合起来求解原问题；而动态规划应用于子问题重叠的情况，即不同的子问题有公共的子子问题。所以在这种情况下，分治方法会重复计算那些公共子问题，但是动态规划对公共子问题只求解一次。动态规

上一篇介绍了动态规划的基本概念，又介绍了一个典型的例子链条分割，这一篇来介绍另一个例子-----矩阵链乘法给定一个n个矩阵的序列，我们希望计算它的乘积 A1A2A3...An，我们可以用括号标定计算次序，然后再利用标准的矩阵乘法算法来计算，由于矩阵乘法满足结合律，所以任何一种计算顺序最后的计算结果都是相同的。完全括号化的矩阵乘积链：它是单一矩阵，或者两个完全括号化的矩阵乘积链的积，并且已经

第一篇归并排序就是一种分治法的思想，通过递归调用自身函数将原问题划分为其子问题，再求解子问题，然后将子问题合并的过程。例如有序列{5,2,4,7,6,9,1,0}，第一次调用划分为{5,2,4,7}和{6,9,1,0}两个堆，第二次调用划分为{5,2}，{4,7}，{6,9}，{1,0}4个堆，第三次调用划分为{5}，{2}，{4}，{7}，{6}，{9}，{1}，{0}，到这一步划分结束

第二篇简单的插入排序算法的实现，以下的源码都是基于数组实现的，等学习了数据结构之后，再实现基于其他结构的。插入排序是一种相对比较广泛的排序算法，基本思想就是将一个数插入到已经有序的序列中，时间复杂度为O(n^2)，由于其为稳定的排序算法，所以当数据量较小时应用较广。例如下边这个序列：’实现起来比较简单，源码如下：（1）、内部用while循环void InsertSo

先来看一下基本概念1、公共子序列：给定两个序列X和Y，如果Z既是X的子序列，又是Y的子序列，那么称Z是X和Y的公共子序列。2、最长公共子序列：求公共子序列中长度最长的。最长公共子序列问题，简称LCS问题，下边说一下求解思路：步骤一：刻画最长公共子序列的特征：前缀：给定一个序列X={x1,x2,x3...xm}，对于i=1...m,定义X的第i前缀Xi={x1,x2,..xi}；

这一篇开始简单的介绍下贪心算法。在求解最优化问题的过程中，每一步我们都面临着很多选择，当然动态规划是最主要和最有用的算法，但是对于一些问题来说，可以选用更高效的算法，比如贪心算法，贪心算法就是每一步在当时都做出最佳的选择，也就是它总是做出局部最优解，然后寄希望这样的操作能找到全局自由解。贪心算法不一定能找到全局最优解，但对大多数问题来说能找到最优解。先来看第一个问题--------活动选择

1、二叉树mirros遍历，原理类似于线索树，利用空余指针来保存其后续节点。void recoverTree(struct TreeNode* root) {/**中序mirros'遍历**/ if (root == NULL) { return; } struct TreeNode *p1 = root; struct TreeNode *p2 = NULL; ...