经典递归问题:0,1背包问题 kmp 用遗传算法来解背包问题,hash表,位图法搜索,最长公共子序列
0,1背包问题:我写笔记风格就是想到哪里写哪里,有很多是旧的也没删除,代码内部可能有很多重复的东西,但是保证能运行出最后效果
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
'''学点高大上的遗传算法''' '''首先是Np问题的定义: npc:多项式复杂程度的非确定性问题, 首先是基本的0-1背包问题。 ''' '''给定N个物品和一个背包,物品i的质量是Wi,其价值位Vi,背包的容量为C,问应该 如何选择装入背包的物品,使得转入背包的物品的总价值为最大? 在选择物品的时候,对每种物品i只有两种选择,即装入背包或不装入背包。不能将 物品i装入多次,也不能只装入物品的一部分。因此,该问题被称为0-1背包问题。''' '''如果穷举就有2^n个需要测试,很大''' '''其实,0-1背包是DP的一个经典实例,可以用动态规划求解。 DP求解过程可以这样理解:对于前i件物品,背包剩余容量为j时,所取得的最大价值(此时称为状态3)只依赖于两个状态。 状态1:前i-1件物品,背包剩余容量为j。在该状态下,只要不选第i个物品,就可以转换到状态3。 状态2:前i-1件物品,背包剩余容量为j-w[i]。在该状态下,选第i个物品,也可以转换到状态3。 因为,这里要求最大价值,所以只要从状态1和状态2中选择最大价值较大的一个即可。''' '''算法复杂度基本是O(N)''' bag_weight=95800 stone=[] #stone[i] means (weight, value) stone.append((100,100)) stone.append((200,105)) stone.append((300.9,400)) stone.append((400.56,900.56)) stone.append((500,1000.598)) stone=sorted(stone) #default sorted by first column of stone ,very convinient print (stone) #creat a two-dim list,row i means using the first i stone #column j means the bag_weight '''只想到用递归来写,递推还不知道怎么弄''' #网上说法是不能用递推来写,因为不知道重量的变化,变化太多,不知道要存多少才行. #下面写出打印的最好的石头组合的index,现在是这个问题比较难!!!!!!!!!!!因为递归问题很难区分这次和上次 #来的index,反复访问很难弄,下面用函数的双返回值来处理这个问题,但是空间开销也是相当大.目测O(N^2) zuhe=[0]*len(stone) def value(num,tmpbag_weight): if num==1: if tmpbag_weight>=stone[0][0]: return 100 else: return 0 firstcase=0 if tmpbag_weight>=stone[num-1][0]: firstcase=0 firstcase+=stone[num-1][1] firstcase+=value(num-1,tmpbag_weight-stone[num-1][0]) secondcase=value(num-1,tmpbag_weight) return max(firstcase,secondcase) print (value(len(stone),bag_weight)) print (zuhe) ########### print ('妈的我居然写出来了55555555') def value(num,tmpbag_weight): if num==1: if tmpbag_weight>=stone[0][0]: zuhe=[0] return stone[0][1],zuhe else: return 0,[] firstcase=0 if tmpbag_weight>=stone[num-1][0]: firstcase=0 firstcase+=stone[num-1][1] a,b=value(num-1,tmpbag_weight-stone[num-1][0]) firstcase+=a c,d=value(num-1,tmpbag_weight) secondcase=c if firstcase>secondcase: b.append(num-1) return max(firstcase,secondcase),b else: return max(firstcase,secondcase),d print (value(len(stone),bag_weight))
2.kmp
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
'''匹配字符串bf算法''' def search(a,b):#if a in b :return first index else:return None for i in range(len(b)): #直接b切片就行了,记住几个常用计数长度更方便 #range[i,i+len(a)] 标示角标从i一直到i+len(a)-1一共len(a)个元素 #切片也类似b[i:i+len(a)]也表示len(a)个元素 if i+len(a)-1==len(b): return None if b[i:i+len(a)]==a: return i print (search('ffg','qfgsdfgsdffg')) '''下面是KMP算法--看毛片算法''' '''把复杂度从O(mn)下降到O(m+n)''' #这个写的很详细,KMP还是要从例子的图形里面分析出来.注意next[0]=-1,是一种人为的规定,为了识别,你定义-2也一样. '''http://www.cnblogs.com/yjiyjige/p/3263858.html''' '''先学一下c语言里面的++''' '''首先要说:a++ = a 和 ++a = a + 1 并不是两个合法的语句。这两个式子 是说 a++ 的值就是 a 的值,而 ++a 的值等于 a+1。 注意:我说的是++a和a++的值。 你的这两个表达式不合法! 在C语言中前置和后置自增运算符返回的结果是右值,不能放在等号左侧。 顺便提一下:在C++中,前置自增的结果是左值,可以放在等号左侧。 1.int main() { int b=0; int a=3; ++a=b; a+=1; return 0; } 答案a是1 2.int main() { int b=0; int a=3; b=++a; a+=1; return 0; } 答案a是5 3.int main() { int b=0; int a=3; a++=b; a+=1; return 0; } 第四句话不合法,无法运行'''#c++什么鬼 #要先写获取next数组这个函数 #先用暴力方法实现next数组的求法. '''理解: 待处理数组,也就是我们要配出的字符串,比如一个长串里面找一个短的串,那么待处理数组就是这个短的设为p ''' '''p=abcaab 那么我们的next数组就是-1,0,0,0,1,1 next[i]的招法是符合下面条件的最大的index 1.next[i]<i 2.设next[i]=k,有p[:k]=p[i-k:i]''' '''http://www.cnblogs.com/tangzhengyue/p/4315393.html 这个地址里面有一个长的面试题:说的是给一个字符串求他的next数组,下面我来尝试这个next方法 上面写的对不对. 他给的P: abcaacbbcbadaabcacbd 答案:-10001100000101123400他给的答案做进一步优化了,不止考虑上面3个条件, 也考虑了当前位置,所以把一些项优化到-1了''' def next_rough(a): shuchu=[] shuchu.append(-1) for i in range(1,len(a)): for j in range(i-1,-1,-1): #这个j循环测试看哪个是k if a[:j]==a[i-j:i]: shuchu.append(j) break return shuchu print (next_rough('abcaacbbcbadaabcacbd')) #成功得到了上面的next数组 #显然这个方法太慢了,应该是O(N^2)的.当然当N非常小的时候还是很快的. #正确的方法有点复杂的,利用的是动态规划来处理这个next数组 #先用next数组进行最后的kmp出结果把. def kmp(a,b): i=0 j=0 nextshuzu=next_rough(a) while 1: if j==len(a): return i-len(a) #开始index if i>len(b)-1: return None if b[i]==a[j]: i+=1 j+=1 else: if nextshuzu[j]==-1: i+=1 j=0 else: j=nextshuzu[j] print (kmp('43aa','3ht54543aa43a4a6')) print (kmp('1','23')) #效果还不错. #最后应该用动态规划来写next数组了. #http://www.cnblogs.com/yjiyjige/p/3263858.html里面写的真的很详细. #像这种情况,如果你从代码上看应该是这一句:k = next[k];为什么是这样子?你看下面应该就明白了。 #上面这句话在博客里面的说没说完,其实k=next[k]这个吊代码,把2次匹配next给用一个代码写明白了,确实叼. #下面只需要改成python实现即可. def next_true(a): shuchu=[] shuchu.append(-1) j=0 k=-1 while (j<len(a)-1): if (k==-1 or a[j]==a[k]): j+=1 k+=1 shuchu.append(k) else: k=shuchu[k] return shuchu print (next_true('abcaacbbcbadaabcacbd')) #从结果看完美解决了.
3.遗传算法解背包问题,一写一个晚上没了,干了200行,我理解是这东西就是个类似随机查找的东西,本质很low,但是实用性强,有点像神经网落,普世通用性强.描述性强
缺陷当然是慢!!写写还挺有意思,复习了很多的random函数的使用.这东西不推荐手写大型的,因为有库直接能调用遗传算法.当然现在还有遗传加神经网络的综合体,有点
强.
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
'''学点高大上的遗传算法''' import random print (random.randint(10, 11))#python 的这个随机正数是包含收尾的,这点要注意.很特俗 '''首先是Np问题的定义: npc:多项式复杂程度的非确定性问题, 首先是基本的0-1背包问题。 ''' '''给定N个物品和一个背包,物品i的质量是Wi,其价值位Vi,背包的容量为C,问应该 如何选择装入背包的物品,使得转入背包的物品的总价值为最大? 在选择物品的时候,对每种物品i只有两种选择,即装入背包或不装入背包。不能将 物品i装入多次,也不能只装入物品的一部分。因此,该问题被称为0-1背包问题。''' '''如果穷举就有2^n个需要测试,很大''' '''其实,0-1背包是DP的一个经典实例,可以用动态规划求解。 DP求解过程可以这样理解:对于前i件物品,背包剩余容量为j时,所取得的最大价值(此时称为状态3)只依赖于两个状态。 状态1:前i-1件物品,背包剩余容量为j。在该状态下,只要不选第i个物品,就可以转换到状态3。 状态2:前i-1件物品,背包剩余容量为j-w[i]。在该状态下,选第i个物品,也可以转换到状态3。 因为,这里要求最大价值,所以只要从状态1和状态2中选择最大价值较大的一个即可。''' '''算法复杂度基本是O(N)''' bag_weight=1200 stone=[] stone.append((100,100)) stone.append((200,105)) stone.append((300,400)) stone.append((400,900)) stone.append((500,1000)) # 举个例子,使用遗传算法解决“0-1背包问题”的思路:0-1背包的解可以编码为一串0-1 #字符串(0:不取,1:取) ;首先,随机产生M个0-1字符串,然后评价这些0-1字 #符串作为0-1背包问题的解的优劣;然后,随机选择一些字符串通过交叉、突变等操作产生下 #一代的M个字符串,而且#较优的解被选中的概率要比较高。这样经过G代的进化后就可能会产生 #出0-1背包问题的一个“近似最优解”。 #遗传算法的问题 '''1.编码:需要将问题的解编码成字符串的形式才能使用遗传算法。最简单的一种编码方式是二进制编码 ,即将问题的解编码成二进制位数组的形式。例如,问题的解是整数, 那么可以将其编码成二进制位数组的形式。将0-1字符串作为0-1背包问题的解就属于二进制编码。 2.遗传算法有3个最基本的操作:选择,交叉,变异。 下面处理第一个选择问题: 1.问题:有n个物体,他们被选择的概率是p1,...pn.和为1. 求一个函数每次根据这个概率随机出一个物体. 这个用random(0,1)函数随便写很简单--他们管这个叫轮盘赌算法下面我定义他是rws(Roulette Wheel Selection )函数. 第二个问题交叉: http://www.cnblogs.com/heaad/archive/2010/12/23/1914725.html 这里面只写了原理没有实现,最后用一个库包来实现的,我打算还是自己手写一次 根据他里面的思想,手动实现遗传算法. 原理写下来: 交叉(Crossover):2条染色体交换部分基因,来构造下一代的2条新的染色体。例如: 变异(Mutation):在繁殖过程,新产生的染色体中的基因会以一定的概率出错,称为 变异。变异发生的概率记为Pm 。例如: ''' import random a=[0.1,0.2,0.3,0.4]#物体被选择的概率,这个概率就是这个物体的效果函数 def rws(a): #生成累加概率 b=random.random() for i in range(len(a)): j=(sum(a[:i+1])) if b<j: return i #return the index of selection one in a #效果还可以 import numpy as np def crossover_and_mutation(a,b,mutation_rate):#代表一次进化,a,b都是二进制的数 #我认为把a,b都转化成2进制然后转化为字符串就容易变化多了.所以初始化的时候就弄成2进制的 #直接字符串操作,很方便. #生成2个需要变化的开始index和结尾index kaishi=random.randint(0,len(stone)) jieshu=random.randint(0,len(stone)) start=min(kaishi,jieshu) end=max(kaishi,jieshu) #开始交换 a=a[:start]+b[start:end+1]+a[end+1:]#切片的角标非常贴心,如果角标超了自动返回空list. b=b[:start]+a[start:end+1]+b[end+1:] #继续开始突变mutation #生成一个突变的index,每一次突变基因的个数=mutation_rate*len(stone) ## np.random.randint(low[, high, size]) 返回随机的整数,位于半开区间 [low, high)。 #下面这行就是闭区间的随机取一个 #再加一行,让mutation_rate变动来模拟是否突变: mutation_rate=random.random()*mutation_rate mutation_index=np.random.random_integers(0,len(stone)-1,int(mutation_rate*len(stone))) mutation_index=set(mutation_index) #开始突变: after_mut_a='' for i in range(len(a)): if i in mutation_index and a[i]=='1': after_mut_a+='0' continue #这地方要加入continue if i in mutation_index and a[i]=='0': after_mut_a+='1' continue else: after_mut_a+=a[i] #b完全类似 mutation_index=np.random.random_integers(0,len(stone)-1,int(mutation_rate*len(stone))) #开始突变: after_mut_b='' for i in range(len(b)): if i in mutation_index and b[i]=='1': after_mut_b+='0' continue if i in mutation_index and b[i]=='0': after_mut_b+='1' continue else: after_mut_b+=b[i] return after_mut_a,after_mut_b print (crossover_and_mutation('01001','01101',0.5)) print ('上面是一次进化的结果') c=2**len(stone)-1 print (c) def init(n):#初始化n这么多个生物 creature=[] for i in range(n): t=random.randint(0, c) t=bin(t) t=t[2:] q=len(stone)-len(t) t='0'*q+t creature.append(t) return creature #下面写一个二进制的价值函数,也就是这个二进制是否符合背包的规则,和他的价值 def value_of_pick(a): weight=0 for i in range(len(a)): weight+=int(a[i])*stone[i][0] value=0 for i in range(len(a)): value+=int(a[i])*stone[i][1] if weight>bag_weight: value/=4 return value def all_value(a_all): b=[] for i in range(len(a_all)): b.append(value_of_pick(a_all[i])) return b #下面开始跑遗传 a_all=init(10) all_the_value=all_value(a_all) he=sum(all_the_value) for i in range(len(all_the_value)): all_the_value[i]/=he #上步是归一化 #先选2个,然后进化 for i in range(50):#进化50次 first=rws(all_the_value) second=rws(all_the_value) #这里假设自己和自己也能繁殖.. a,b=crossover_and_mutation(a_all[first],a_all[second],0.3) a_all.append(a) a_all.append(b) all_the_value=all_value(a_all) he=sum(all_the_value) for i in range(len(all_the_value)): all_the_value[i]/=he jieguo=(all_value(a_all)) print (max(jieguo)) #下面我们找到这个答案的具体的pick方法. index_final=np.argmax(np.array(jieguo)) print (a_all[index_final]) print ('总结取法',end=''),print(a_all[index_final],end=''),print('价值',end=''),print(max(jieguo))
4.hash表数据结构的实现
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
'''Hash表''' '''核心就是hash函数的设计: 特点:在构造Hash函数时应尽量考虑关键字的分布特点来设计函数 使得Hash地址随机均匀地分布在整个地址空间当中。 1)直接定址法 取关键字或者关键字的某个线性函数为Hash地址,即address(key)=a*key+b;如 知道学生的学号从2NoneNoneNone开始,最大为4NoneNoneNone,则可以将address(key)=key-2NoneNoneNone作为Hash地址。 2)平方取中法 对关键字进行平方运算,然后取结果的中间几位作为Hash地址。假如有以下关 键字序列{421,423,436},平方之后的结果为{177241,178929,19NoneNone96},那么可以取{72,89,NoneNone} 作为Hash地址。 3)折叠法 将关键字拆分成几部分,然后将这几部分组合在一起,以特定的方式进行转化形 成Hash地址。假如知道图书的ISBN号为89None3-241-23,可以将address(key)=89+None3+24+12+3作为Hash地址。 4)除留取余法 如果知道Hash表的最大长度为m,可以取不大于m的最大质数p,然后对关键字进 行取余运算,address(key)=key%p。 在这里p的选取非常关键,p选择的好的话,能够最大程度地减少冲突,p一般取不 大于m的最大质数。''' '''5.Hash表的优缺点 Hash表存在的优点显而易见,能够在常数级的时间复杂度上进行查找,并且插入数据 和删除数据比较容易。但是它也有某些缺点,比如不支持排序,一般比用线性表存储需要更 多的空间,并且记录的关键字不能重复。''' a=[1,2,3,4,51,2,3,4,51,2,3,4,551,2,3,4,551,2,3,4,551,2,3,4,551,2,3,4,551,2,3,4,5] class hashnode(): def __init__(self,data): self.data=data; self.next=None #下面写的是取mod的方法:一般除数取比len(表)小的最大素数。 #获取除数 import math b=len(a) if b==1: c=1 if b==2: c=2 if b==3: c=2 if b>3: def sushu(b): for i in range(b-1,2,-1): k=None for j in range(2,int(math.sqrt(i))+2): if i%j==None: break if j==int(math.sqrt(i))+1: k=1 if k==1: return i c=sushu(b)#除数就是c #下面建立hash 表 hashlist=[None]*c print (c) for i in range(len(a)): hashtmp=a[i]%c if hashlist[hashtmp]==None: hashlist[hashtmp]=hashnode(a[i]) else: head=hashlist[hashtmp] while 1: if head.next!=None: head=head.next continue else: head.next=hashnode(a[i]) break print (hashlist[2].next.next.data) print (66666666) #然后添加元素。直接复制上面的部分代码即可。都类似的。 def add(one): hashtmp=one%c if hashlist[hashtmp]==None: hashlist[hashtmp]=hashnode(one) else: head=hashlist[hashtmp] while 1: if head.next!=None: head=head.next continue else: head.next=hashnode(one) break add(11) print (hashlist[0]) def delme(two): hashtmp=two%c if hashlist[hashtmp]==None: pass else: head=hashlist[hashtmp] while 1: if head.data==two: head.data=None if head.next!=None: head=head.next continue if head.next==None: break delme(11) print (hashlist[0]) #下面写查询,这个写的是全部查询,找到所有等于a的hashlist里面的元素的个数 def search(a): hashtmp=a%c b=0 head=hashlist[hashtmp] while 1: if head.data==a: b+=1 if head.next!=None: head=head.next continue if head.next==None: break return b print (search(2)) #曾,删,改,查,建立,都有了 #下面写个修改。这个修改貌似很多数据结构不写这个方法。 def change(two,three): hashtmp=two%c if hashlist[hashtmp]==None: pass else: head=hashlist[hashtmp] while 1: if head.data==two: head.data=three if head.next!=None: head=head.next continue if head.next==None: break change(2,3) #因为把所有的2都改成了3所以下面的搜索会变成0 print (search(2)) print (search(3)) #其实这个改有很大问题,因为他没有改变hash的东西,是否需要重新建立改完东西的hash索引,这个 #是需要讨论的,但是本质都不难。这里面写的change只是把原来放2的地方数据都改成了3,。所以你找3还是找不到新修改 #的那8个3,还是最开始的那8个3.ps:出事数据里面是8个2 ,8个3的。
5.位图法的实现
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
##位图大发好神奇 ''' 1、给40亿个不重复的unsigned int的整数,没排过序的,然后再给一个数,如何 快速判断这个数是否在那40亿个数当中 首先,将这40亿个数字存储到bitmap中,然后对于给出的数,判断是否 在bitmap中即可。 位图和位向量 所谓位向量法,其实就是使用一串二进制串来表示一组数字集合的方法。 比如,我们知道一个byte = 8bit,表示成二进制串就是:00000000.这里我们就得到 了八个可用的符号位,假如我们作如下规定 1)符号位为1的,说明存在于我们的数字集合中 2)符号位为0的,说明不在我们的数字集合中 那么,二进制串01010101,表示的数字集合为{1,3,5,7} (注意,计算机通常都是从0 开始计算的) 。。 我们知道位图的数据结构就是一个数组,而位图的操作(算法)基本依赖于下面3个元操作 set_bit(char x, int n); //将x的第n位置1,可以通过x |= (1 << n)来实现 clr_bit(char x, int n); //将x的第n位清0,可以通过x &= ~(1 << n)来实现 get_bit(char x, int n); //取出x的第n位的值,可以通过(x >> n) & 1来实现 ''' #下面用python手动实现。python所有的数本质都是2进制,可以直接用位运算。 #举一个例子,一个集合里面有数字1,3,5 那么我们用二进制010101 来表示。也就是第一个0表示没有数字0,然后1表示 #有数字1,0表示没有2, 1表示有数字3, 下一位0又表示没有数字4,最后一个1表示有数字5. #这样用一个数字就表示了函数数字1,3,5这个信息了。问题是python的二进制是从右边开始算的。所以我们再反转一下 #用101010来表示1,3,5存在这个信息就行了。 b=[1,3,4,5,19,8] def init(a):#首先建立第一个数字存在的信息 return 1<<a chushihua=init(b[0]) for i in range(len(b)): if i>=1: chushihua=chushihua |(1<<b[i]) print (bin(chushihua))#效果不错 #下面是查询一个数字是否在chushihua里面 def search(chushihua,a): return (chushihua>>a) &1 print (search(chushihua,8)) print (search(chushihua,19)) print (search(chushihua,9)) print (search(chushihua,20)) #成功解决这个问题。 #还有一个删除函数。比如我有一个操作把所有等于8的数从集合中删除。下面来给他写出来 #思路也不难,比如删除8:我就做一个011111111,然后跟chushihua取交就完了。这地方有那么一点点的复杂。trick def delme(chushihua,a): chushihua=(chushihua &(~(1<<a))) return chushihua chushihua=delme(chushihua,8) #删除8之后找8 print('删除8之后找8') print (bin(chushihua)) print (search(chushihua,8)) #下面没事闲的测试一下,利用random import numpy as np #这模块有int32限制。。python 这个东西有问题,太大的数会出现错误。 b=np.random.random_integers(0,1000,100)#先弄10万个大数。 b=[50,3,4,324,32,4,32,4,324,324,32,4,32,4,32,432,4,3,4,3,4,3,4,3,43,4,3,43,4,3,4,3,3,3,3,3,3,3,3,3,3,34,4,4,4,4,4,4,4,5,3,4,324,32,4,32,4,324,324,32,4,32,4,32,432,4,3,4,3,4,3,4,3,43,4,3,43,4,3,4,3,3,3,3,3,3,3,3,3,3,34,4,4,4,4,4,4,4,5,3,4,324,32,4,32,4,324,324,32,4,32,4,32,432,4,3,4,3,4,3,4,3,43,4,3,43,4,3,4,3,3,3,3,3,3,3,3,3,3,34,4,4,4,4,4,4,4,5,3,4,324,32,4,32,4,324,324,32,4,32,4,32,432,4,3,4,3,4,3,4,3,43,4,3,43,4,3,4,3,3,3,3,3,3,3,3,3,3,34,4,4,4,4,4,4,4,5,3,4,324,32,4,32,4,324,324,32,4,32,4,32,432,4,3,4,3,4,3,4,3,43,4,3,43,4,3,4,3,3,3,3,3,3,3,3,3,3,34,4,4,4,4,4,4,4] b=b*99900 #下面就是上面的代码copy def init(a):#首先建立第一个数字存在的信息 return 1<<a chushihua=init(b[0]) for i in range(len(b)): if i>=1: chushihua=chushihua |(1<<b[i]) # python 这个东西有问题,太大的数会出现错误。!!!!!!! #这地方不太清楚,会不会是数字个数太多,导致误差,然后random时候会bug #后面我改用自己创造的数据然后*99900,发现效果很好,这个bug先放着问问别人。 #下面是查询一个数字是否在chushihua里面 print ('先用自带的in测试一下') print (15 in b) print ('再用我的函数测试一下') print (search(chushihua,15)) print (search(chushihua,19)) print (search(chushihua,9)) print (search(chushihua,20)) #成功解决这个问题。 #还有一个删除函数。比如我有一个操作把所有等于8的数从集合中删除。下面来给他写出来 #思路也不难,比如删除8:我就做一个011111111,然后跟chushihua取交就完了。这地方有那么一点点的复杂。trick def delme(chushihua,a): chushihua=(chushihua &(~(1<<a))) return chushihua chushihua=delme(chushihua,8) #最后很明显的看出来,我写的search比自带的int快99999999呗哈哈
6.最长公共子序列问题
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
'''最长公共子序列:显然动态规划''' '''经过画图分析,显然是2阶动态规划问题''' '''设f(a,b,i,j)表示a从0到i的子串,和b从0到j的子串这2个子串的最长公共序列的长度''' '''那么f(a,b,i,j)是从f(a,b,i-1,j),f(a,b,i,j-1),f(a,b,i-1,j-1)里面开发出来的'''#具体直接写代码。 def f(a,b,i,j): if i==0: if a[0] in b: return 1 else: return 0 if j==0: if b[0] in a: return 1 else: return 0 case1=case2=case3=0 if a[i]==b[j]: case1=1+f(a,b,i-1,j-1) if a[i]!=b[j]: case2=f(a,b,i-1,j) case3=f(a,b,i,j-1) return max(case1,case2,case3) a='343242dsfd' b='dsfds' print (f(a,b,len(a)-1,len(b)-1)) #上面很简单,3分钟搞定。男的是要把这个解解出来,而不仅仅是输出一个数字。 #这个跟背包问题很像,递归里面开数组。不是太好写。# 下面开始尝试。keyword:多返回值函数 def f(a,b,i,j): if i==0: if a[0] in b: return 1,a[0] else: return 0,'' if j==0: if b[0] in a: return 1,b[0] else: return 0,'' case1=case2=case3=0 if a[i]==b[j]: case1=1+f(a,b,i-1,j-1)[0] case1_data=f(a,b,i-1,j-1)[1]+a[i] if a[i]!=b[j]: case2=f(a,b,i-1,j)[0] case2_data=f(a,b,i-1,j)[1] case3=f(a,b,i,j-1)[0] case3_data=f(a,b,i,j-1)[1]#如果有相同长度的解,应该返回最前面的。那么case2和case3如果相同呢???????? #我认为这个是一个相当男的bug了,弄点诡异数据来测一测。 #然而经过我长时间的分析,这个bug其实是没有的,具体很复杂,不容易说明白, #结论我先说一下,就是这个代码 if case1>case2 and case1>case3: return case1,case1_data if case2>=case1 and case2>=case3: #这个代码case2》=case3为什么这么写可以,也就是说如果相等,我还是 #只需要返回case2即可,舍弃case3.我尝试一下说明白这个取舍问题。 #道理就是你的这种取舍,考虑的前提就是case2里面最后一个元素被使用到了,然而 #你如果发生bug那么就必然发生这种情况,下面再让i+1,j+1后,如果用case3里面的情况 #会添加一个元素得到的长度比case2里面的长。但是这是不可能的,原因就是上一步 #已经保证了case2里面最后一个元素使用过了。总之很难说清楚的东西。 return case2,case2_data if case3>=case1 and case3>=case2: return case3,case3_data a='babax' b='bbaxy' print (f(a,b,len(a)-1,len(b)-1))
7.最长公共子串
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
'''最长公共子串''' '''也是动态规划''' def com(a,b,i,j): #得到a,b的公共子串并且子串以a[i]和b[j]作为结尾的长度, #然后把他们保存起来用下面的get函数,然后我们再取这个矩阵最大的就行了 if i==0: if b[j]==a[i]: return 1 else: return 0 if j==0: if a[i]==b[j]: return 1 else: return 0 if a[i]==b[j]: return com(a,b,i-1,j-1)+1 else: return 0 def get(a,b): save=[] for i in range(len(a)): for j in range(len(b)): save.append(com(a,b,i,j)) return max(save) print (get('aa3232','aaa783232')) #效果还不错。 #下面还是继续写,把这个最长子串的组合写出来。 def com(a,b,i,j): #得到a,b的公共子串并且子串以a[i]和b[j]作为结尾的长度, #然后把他们保存起来用下面的get函数,然后我们再取这个矩阵最大的就行了 if i==0: if b[j]==a[i]: return 1,a[i] else: return 0,'' if j==0: if a[i]==b[j]: return 1,a[i] else: return 0,'' if a[i]==b[j]: return com(a,b,i-1,j-1)[0]+1,com(a,b,i-1,j-1)[1]+a[i] else: return 0,'' def get(a,b): save=[] for i in range(len(a)): for j in range(len(b)): save.append(com(a,b,i,j)) return max(save) print (get('aa3232','aaa783232')) #一样轻松写出。
8.全域散列法,随机hash的思想
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
'''全域散列,随机hash技术''' '''全域散列法在执行的开始时,就从一组精心设计的函数总,随机的选择一个作为散列函数, 随机化保证了没有哪一个输入会导致最坏性能情况的发生.''' '''构造这个函数族很复杂,也不是非常复杂: 原范围是p,分类后的曹数是m,也就是把p范围内的数都分布到m个曹当中 h(k)_(a,b)=((ak+b)modp)modm 那么因为p,m去定.a跑遍1到p-1,b跑遍1到p就构造了p(p-1)这么多个函数.他的性质是Pr(h(k)_(a,b)=h(k)_(a,b)). '''
9.二叉搜索树:
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
#coding:utf-8 #首先是二叉搜索树的定义: '''若它的左子树不空,则左子树上所有结点的值均小于它的根结点的值; 若它的右子树不空,则右子树上所有结点的 值均大于它的根结点的值; 它的左、右子树也分别为二叉排序树。''' '''二叉搜索树''''''二叉搜索树里面的元素都是不重复的 所以当插入一个元素时候先搜索他是否在树里面,如果在就不插入了, 不果不在就插入''' class node(): def __init__(self,data): self.left=None self.right=None self.data=data #不能把类写在另一个类里面 class ercha(): def __init__(self): self.head=node(None) def input(self,a): old_head=self.head while 1: if self.head.data==None: self.head.data=a self.head=old_head return if self.chazhao(a)==None: if a<self.head.data and self.head.left==None: self.head.left=node(a) self.head=old_head return if a<self.head.data and self.head.left!=None: self.head=self.head.left continue if a>self.head.data and self.head.right==None: self.head.right=node(a) self.head=old_head return if a>self.head.data and self.head.right!=None: self.head=self.head.right continue def chazhao(self,a): old_head=self.head while 1: if self.head==None: self.head=old_head return None if a==self.head.data: new_head=self.head self.head=old_head return new_head if a>self.head.data: self.head=self.head.right continue if a<self.head.data: self.head=self.head.left def delet(self,a): if self.chazhao(a)==None: print ('错误') return None else: if self.chazhao(a).left==None and self.chazhao(a).right==None: t=self.chazhao(a) # t=None这里面写这个不好使.对象不能直接赋值? t.data=None if self.chazhao(a).left==None and self.chazhao(a).right!=None: pass def listhua(self,a):#把root=a的子树,中序遍历的结果都转化成list来查询 #这个递归代码不能实际使用,因为速度O(N)了,跟需要logn矛盾. b=[] if a==None: return b if a!=None: if a.left==None and a.right==None: return [a] else: a1=self.listhua(a.left) a2=[a] a3=self.listhua(a.right) if a1==None: a1=[] if a3==None: a3=[] return a1+a2+a3 #删除还是没写明白 shu=ercha() shu.input(3) shu.input(2) shu.input(6) shu.input(9) listhuazhihou=shu.listhua(shu.chazhao(3)) print (listhuazhihou[0].data)
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
#自己写的不对,还是贴个别人的吧 class TreeNode: def __init__(self,val): self.val=val; self.left=None; self.right=None; def insert(root,val): if root is None: root=TreeNode(val); else: if val<root.val: root.left=insert(root.left,val); #递归地插入元素 elif val>root.val: root.right=insert(root.right,val); return root; def query(root,val): if root is None: return ; if root.val is val: return 1; if root.val <val: return query(root.right,val); #递归地查询 else: return query(root.left,val); def findmin(root): if root.left: return findmin(root.left); else: return root; def delnum(root,val): if root is None: return ; if val<root.val: return delnum(root.left,val); elif val>root.val: return delnum(root.right,val); else: # 删除要区分左右孩子是否为空的情况 if(root.left and root.right): tmp=finmin(root.right); #找到后继结点 root.val=tmp.val; root.right=delnum(root.right,val); #实际删除的是这个后继结点 else: if root.left is None: root=root.right; elif root.right is None: root=root.left; return root; #測试代码 root=TreeNode(3); root=insert(root,2); root=insert(root,1); root=insert(root,4); #print query(root,3); print (query(root,1)) root=delnum(root,1) print (query(root,1))