Rush Everyday | 今天Rush了没？

摘要： 1. 简述 假设待排序数组为 int array[], 数组长度为n。第1趟，认为array[0]-array[0]已经排序，把array[1]插入到合适的位置。 第2趟，认为array[0]-array[1]已经排序，把array[2]插入到合适的位置。 ···第n-1趟，认为array[0]-array[n-2]已经排序，把array[n-1]插入到合适的位置。2. 复杂度 最好的时间复杂度是O(n)，对已经排序好的数组，只需要n-1次比较就可以了。平均时间复杂度和最坏时间复杂度都是O(n^2)。 在每次趟中，寻找合适位置时，可以使用二分查找的方法，来减少比较 阅读全文

摘要： 1. 简述 假设待排序数组为 int array[], 数组长度为n。 第1趟在array[0]-array[n-1]范围内，从后向前依次比较，把较小交换到前面，最终最小的元素会站在array[0]里面。 第2趟在array[1]-array[n-1]范围内，··· ，最终第二小的元素会站在array[1]里面。 ... 第n-1趟，在array[n-2]-array[n-1]范围内，··· ， 最终第n-1小的元素会站在array[n-2]里面。 至此，排序结束。2. 复杂度时间复杂度T=O(n*n)，而且如果按照上面的算法来实现， 阅读全文

摘要： 1. 缘起 由一个题目引起的：问下面代码输出的是什么？constchar*psz="helloworld";intiArr[]={1,2,3,4,5};cout<<sizeof(psz)<<endl;cout<<sizeof(iArr)<<endl; 前者输出是4，输出的是psz的类型大小，即指针类型占4个字节（在win32下）。 后者输出是20，即该数组的长度。 我是直接看到这题答案的，开始没有多想，但是后来发现数组名和指针是很相像的，印象里无论是数组名和psz都指向一串地址的第一个地址啊，怎么sizeof的计算方式不同呢？ 阅读全文

摘要： 1. 简述 前两天被问道整数类型的范围，果断被鄙视了，回来好好看了下，这里做个总结。2. 无符号整数 在普通32位机器上，unsigned short int（2个字节）, unsigned int（4个字节）, unsigned long int（还是32个字节，因为以前的一些机器上int是2个字节的，short是1个字节的缘故，所以4个字节才被称为long） 以unsinged int为例，4个字节，32个比特位，数据大小就是[0, 2^32-1]，即32个位能够表示的数据范围的长度就是2^32。 类似的对于char这个类型，其范围是[0, 2^8-1]3. 有符号整数 无符号的整数范围很 阅读全文

摘要： 1. 简述 并查集是一种树型的数据结构，用于处理一些不相交集合（Disjoint Sets）的合并及查询问题。常常在使用中以森林来表示。 需要实现的操作有：合并两个集合，判断两个元素是否属于一个集合。 这里介绍的主要是普通的并查集，很多情况下使用的并查集是需要扩展的，根据使用情况的不同，有很多差别，这里仅仅是最基本的算法。2. 复杂度 T=O(n*α(n))， 其中α(x)，对于x=宇宙中原子数之和，α(x)不大于4。事实上，路经压缩后的并查集的复杂度是一个很小的常数。3. 伪代码 没有使用路径压缩和启发式的方法。//初始化并查集#define N 100int father[N];void 阅读全文

摘要： 1. 简述 解决任意两点间的最短路径的一种算法。2. 复杂度 T=O(V^3)，S=O(V^2)，使用邻接矩阵存储。3. 伪代码 需要注意的是i,j,k三个变量的顺序。//dist(i,j)为从节点i到节点j的最短距离Fori←1tondoForj←1tondodist(i,j)=weight(i,j)Fork←1tondo//k为“媒介节点”Fori←1tondoForj←1tondoif(dist(i,k)+dist(k,j)<dist(i,j))then//是否是更短的路径？dist(i,j)=dist(i,k)+dist(k,j)4. 参考资料 维基百科 阅读全文

摘要： 1. 极小极大搜索方法 一般应用在博弈搜索中，比如：围棋，五子棋，象棋等。结果有三种可能：胜利、失败和平局。暴力搜索，如果想通过暴力搜索，把最终的结果得到的话，搜索树的深度太大了，机器不能满足，一般都是规定一个搜索的深度，在这个深度范围内进行深度优先搜索。 假设：A和Ｂ对弈，轮到Ａ走棋了，那么我们会遍历A的每一个可能走棋方法，然后对于前面A的每一个走棋方法，遍历B的每一个走棋方法，然后接着遍历A的每一个走棋方法，如此下去，直到得到确定的结果或者达到了搜索深度的限制。当达到了搜索深度限制，此时无法判断结局如何，一般都是根据当前局面的形式，给出一个得分，计算得分的方法被称为评价函数，不同游戏的评价 阅读全文

摘要： 1. 简述 记得，在上面向对象程序设计的课中，就学过有限状态机，后来上编译原理的时候，接着有限状态机，直到研一的形式语言自动机中，还是有限状态机。貌似有一个很列害的ERP中的核心解决方法也是状态机。不过给我印象最深的还是本科做的百项工程时，使用有限状态机实现无线模块的自动组网与通信，状态机说简单吧，确实挺简单，尤其是实际用的时候，但是想用好吧，也不轻松，状态机的实现是很简单，但是状态机得设计是要花一些心思的。 这一章主要是通过两个例子，来说明状态机在游戏中的使用，下面分别简单说一下其中一个例子。第二个例子主要是代码较多，没有太多的不同，具体想实现状态机的时候，参考一下更有价值。2. 鬼怪的有限 阅读全文

摘要： 1. 简述 所谓的描述式AI，基本上与一般应用程序中的配置文件很相像，把AI角色的一些重要属性和逻辑规则使用文件存储，这样只要修改文件中的内容，而不必重新编译软件就可以对游戏进行调试。对于小型的游戏，实现描述式AI还是可行的。但是对于大型游戏，就要靠物理引擎来完成了。2. 注意几点 这一章，确实没有什么好记录的，基本上就是说角色的属性可以记录，角色的行为规则可以记录，如果自己实现描述式AI，还有注意读取文件的时候，考虑到文件中的数据是非法形式时，这样处理，对数据左右空格的处理。 阅读全文

摘要： 1. 简述 A*是当今游戏软件开发中十分常用的一种路径寻找算法。A*算法之所以会如此吸引人，是因为它可以保证在任何起点及任何终点间找到最佳的路径。我们可以尽量使用A*算法，除了某些特殊情况的场景。例如，如果起点和终点之间没有障碍物，有明确的视线，那么视线移动算法即快速又有效，就没有必要使用A*算法了。如果CPU的功能不强，A*算法会耗用不少CPU运算能力，尤其是，需要同时为许多游戏角色寻找路径的时候，A*算法可能不是最佳的选择。下面几个部分，逐步的讨论使用A*算法的步骤。2. 定义搜索域 无论是连续环境还是砖块环境，如果其中点数量太大，那么A*算法不切实际。但是通过简化搜索区域，A*算法会变得 阅读全文