<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[qq_43547409的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/qq_43547409</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; qq_43547409]]></copyright><item><title><![CDATA[十大排序算法python实现]]></title><link>https://blog.youkuaiyun.com/qq_43547409/article/details/106873399</link><guid>https://blog.youkuaiyun.com/qq_43547409/article/details/106873399</guid><author>qq_43547409</author><pubDate>Sat, 20 Jun 2020 16:46:34 +0800</pubDate><description><![CDATA[1.冒泡排序
def bubble_sort(arr):
	for i in range(len(arr)-1):
		for j in range(len(arr)-i-1):
			if arr[j]&gt;arr[j+1]:
				arr[j],arr[j+1]=arr[j+1],arr[j]
	return arr

2.插入排序
def insert_sort(arr):
	for i in range(1,len(arr)):
		temp = arr[i]
		j = i-1
		while]]></description><category></category></item><item><title><![CDATA[凸优化和凸二次规划]]></title><link>https://blog.youkuaiyun.com/qq_43547409/article/details/106545749</link><guid>https://blog.youkuaiyun.com/qq_43547409/article/details/106545749</guid><author>qq_43547409</author><pubDate>Thu, 04 Jun 2020 14:19:05 +0800</pubDate><description><![CDATA[1.什么是凸函数：
函数上方的可行域是凸集的函数
2.凸优化

3.凸二次规划
凸优化中f是二次函数。

]]></description><category></category></item><item><title><![CDATA[蓄水池抽样]]></title><link>https://blog.youkuaiyun.com/qq_43547409/article/details/106338777</link><guid>https://blog.youkuaiyun.com/qq_43547409/article/details/106338777</guid><author>qq_43547409</author><pubDate>Mon, 25 May 2020 17:54:16 +0800</pubDate><description><![CDATA[问题大概是这样:
给定一个非常大的数组长度长度为N，怎么以等概率的方式在其中抽取m个数。这里的等概率就是m/N
证明大概是这样，留个印象.

]]></description><category></category></item><item><title><![CDATA[滑动窗口之最小覆盖字串]]></title><link>https://blog.youkuaiyun.com/qq_43547409/article/details/106302390</link><guid>https://blog.youkuaiyun.com/qq_43547409/article/details/106302390</guid><author>qq_43547409</author><pubDate>Sat, 23 May 2020 16:47:42 +0800</pubDate><description><![CDATA[题目来自leetcode76最小覆盖字串
给你一个字符串 S、一个字符串 T，请在字符串 S 里面找出：包含 T 所有字符的最小子串。
示例：
输入: S = “ADOBECODEBANC”, T = “ABC”
输出: “BANC”
来源：力扣（LeetCode）
链接：https://leetcode-cn.com/problems/minimum-window-substring
先解释下字串和子序列的差别。字串一定是连续的，子序列可以连续。
一般对于子串问题的，什么包含之类的都可以选择滑动窗口解决，]]></description><category></category></item><item><title><![CDATA[贪心算法]]></title><link>https://blog.youkuaiyun.com/qq_43547409/article/details/106283141</link><guid>https://blog.youkuaiyun.com/qq_43547409/article/details/106283141</guid><author>qq_43547409</author><pubDate>Fri, 22 May 2020 16:37:31 +0800</pubDate><description><![CDATA[什么是贪心算法呢。简单的说就是每次都选择当前能选择的最优解，那么结果就是最优的。leetcode区间问题就是贪心系列的。比如leetcode435无重叠区间，题目如下：
给定一个区间的集合，找到需要移除区间的最小数量，使剩余区间互不重叠。
注意:
可以认为区间的终点总是大于它的起点。
区间 [1,2] 和 [2,3] 的边界相互“接触”，但没有相互重叠。
示例 1:
输入: [ [1,2], [2,3], [3,4], [1,3] ]
输出: 1
解释: 移除 [1,3] 后，剩下的区间没有重叠。
来源：力]]></description><category></category></item><item><title><![CDATA[动态规划]]></title><link>https://blog.youkuaiyun.com/qq_43547409/article/details/106242081</link><guid>https://blog.youkuaiyun.com/qq_43547409/article/details/106242081</guid><author>qq_43547409</author><pubDate>Wed, 20 May 2020 18:42:11 +0800</pubDate><description><![CDATA[动态规划实际上也是一种穷举的方式。那么他和递归有舍区别和联系。递归是从上向下的方式解题4，动态规划是从下往上。
在时间复杂度方面，动态规划一般情况下优于递归。因为一般情况下递归是包含重复子问题并且需要重复计算，比如常见的斐波那契数列f(n)=f(n-1)+f(n-2)，然后就算f(n-1)时候又会计算到f(n-2)，所以时间复杂度还是挺高的。可以看成是一棵树，时间复杂度为0（2^(n)）。但是动态规划则是记录了这些重复子问题的解，所以时间复杂度降低，为0（n）.其实在递归中我们也可以进行记忆化搜索（实际上就]]></description><category></category></item><item><title><![CDATA[简单记录下回溯法学习心得]]></title><link>https://blog.youkuaiyun.com/qq_43547409/article/details/106241732</link><guid>https://blog.youkuaiyun.com/qq_43547409/article/details/106241732</guid><author>qq_43547409</author><pubDate>Wed, 20 May 2020 18:24:49 +0800</pubDate><description><![CDATA[首先分清一个简单的概念，就是回溯和递归是什么关系。我的理解是，递归是一种编程方式，而回溯是一种编程思想。
回溯实际上是一种穷举的思想，但是他带有剪枝的功能，在到达结束条件或者条件不满足了会自动回退继续搜索其他答案。
所以在leetcode刷题的时候，如果看到有（所有方案之类的字眼都可以先考虑一下可不可以用回溯法）。
给一个回溯法的框架：
result = []
def backtrack(choose,path):
	if (满足条件):
		res.append(path[:])
		return
	fo]]></description><category></category></item><item><title><![CDATA[vot toolkit的超详细使用（多图）]]></title><link>https://blog.youkuaiyun.com/qq_43547409/article/details/103045804</link><guid>https://blog.youkuaiyun.com/qq_43547409/article/details/103045804</guid><author>qq_43547409</author><pubDate>Wed, 13 Nov 2019 15:16:33 +0800</pubDate><description><![CDATA[VOT toolkit的配置和使用（超详细）
最近需要使用在vot上测试自己的跟踪器的效果，所以需要配置vot toolkit，之前也尝试配置过但是弄了很久也没有搞定，这一次算是彻底配置好了。
1.首先我们下载官方的vot toolkit。
git clone https://github.com/votchallenge/vot-toolkit

2.下载好了vot toolkit之后我们再手动...]]></description><category></category></item></channel></rss>