Tag: algorithm

为什么Dijkstraalgorithm不适用于负权重边缘？

有人可以告诉我为什么Dijkstra的单源最短pathalgorithm假定边缘必须是非负的。 我只谈论的不是负面的重量周期。

使用比O（n）更高效的find-min / find-max进行堆栈？

我有兴趣创build一个类似于支持以下操作的堆栈的Java数据结构，尽可能高效： Push，在堆栈顶部添加一个新元素， Pop，删除堆栈的顶层元素， Find-Max，返回（但不删除）堆栈的最大元素 Find-Min，返回（但不删除）堆栈的最小元素 这个数据结构最快的实现是什么？ 我怎样才能用Java编写它？

find访问特定节点的图中的最短path

我有一个无向图，有大约100个节点和大约200个边。 一个节点被标记为“开始”，一个是“结束”，并且大约有一打标记的“必须通过”。 我需要find通过这个图的最短path，从“开始”开始，结束于“结束”， 并通过所有“必须”节点（以任意顺序）。 （ http://3e.org/local/maize-graph.png/ http://3e.org/local/maize-graph.dot.txt是图中的问题 – 它代表宾夕法尼亚州兰开斯特的玉米迷宫）

如何在混洗连续整数数组中find重复的元素？

我最近遇到了一个问题： 假设你有一个1001整数的数组。 整数是随机的，但是你知道每个整数在1到1000之间（包含）。 另外，每个数字在数组中只出现一次，除了一个数字出现两次。 假设你只能访问数组的每个元素一次。 描述一个algorithm来find重复的数字。 如果你在algorithm中使用了辅助存储，你能find一个不需要它的algorithm吗？ 我感兴趣的是第二部分 ，即不使用辅助存储 。 你有什么主意吗？

有没有一种algorithm能够说明两个短语的语义相似性

input：短语1，短语2 输出：语义相似度值（在0和1之间），或者这两个短语谈论同一事物的概率

查找不在列表中的最小整数

一个有趣的采访问题，我的一个同事使用： 假设给出了一个非常长，未sorting的无符号64位整数列表。 你会如何find不在列表中出现的最小的非负整数？ 后续：现在已经提出了sorting的明显解决scheme，你能比O（n log n）更快吗？ 后续操作：你的algorithm必须在有1GB内存的计算机上运行 澄清：列表在RAM中，虽然它可能会消耗大量的内存。 你预先给N的名单的大小。

C中的滚动中值algorithm

我目前正在研究一种algorithm来实现C中滚动中值滤波器（类似于滚动平均滤波器）。从我的文献search中，似乎有两种合理有效的方法来实现它。 首先是对初始值窗口进行sorting，然后执行二进制search以插入新值，并在每次迭代中删除现有值。 第二个（来自Hardle和Steiger，1995，JRSS-C，algorithm296）构build了一个双头堆结构，一头是maxheap，另一头是minheap，中间是中间的。 这产生一个线性时间algorithm，而不是O（n log n）。 这是我的问题：执行前者是可行的，但是我需要在数百万个时间序列上运行这个，所以效率非常重要。 后者certificate很难实施。 我在R的stats包的代码的Trunmed.c文件中发现了代码，但这是相当难以理解的。 有没有人知道线性时间滚动中值algorithm的一个精心编写的C实现？ 编辑：链接到Trunmed.c代码http://google.com/codesearch/p?hl=zh-CN&sa=N&cd=1&ct=rc#mYw3h_Lb_e0/R-2.2.0/src/library/stats/src/Trunmed.c

我正在寻找一个简单的快速algorithmDCT和IDCTmatrix

我正在寻找一种简单的algorithm来执行任意大小的matrix[NxM]的快速DCT （types2）以及用于逆变换IDCT （也称为DCTtypes3）的algorithm。 我需要一个DCT-2Dalgorithm，但即使是一个DCT-1Dalgorithm也足够好，因为我可以使用DCT-1D来实现DCT-2D（和IDCT-1D来实现IDCT-2D）。 PHP代码是可取的，但任何足够清晰的algorithm都可以。 当前matrix大小大于[200×200]的我用于实现DCT / IDCT的PHP脚本非常慢。 我正在跳跃寻找一种方法来在不到20秒的时间内完成[4000×4000]的DCT。 有谁知道如何做到这一点？

从整数stream查找运行中位数

可能重复： C中的滚动中值algorithm 鉴于整数是从数据stream中读取的。 查找以有效方式读取的元素的中位数。 解决方法我读过：我们可以使用左侧的最大堆来表示小于有效中值的元素，右侧的最小堆表示大于有效中值的元素。 在处理一个传入元素之后，堆中元素的数量最多相差1个元素。 当两个堆包含相同数量的元素时，我们将堆的根数据的平均值作为有效中值。 当堆不平衡时，我们从包含更多元素的堆的根部中select有效中位数。 但是，我们将如何构build一个最大堆和最小堆，即我们如何知道这里的有效中位数？ 我认为我们会在max-heap中插入1个元素，然后在min-heap中插入下一个元素，以此类推所有元素。 纠正我如果我在这里错了。

Swift的性能：sorting数组

我在Swift中实现了一个algorithm，注意到性能非常差。 深入挖掘之后，我意识到其中一个瓶颈就像分类数组一样简单。 相关部分在这里： let n = 1000000 var x = [Int](repeating: 0, count: n) for i in 0..<n { x[i] = random() } // start clock here let y = sort(x) // stop clock here 在C ++中，类似的操作在我的电脑上需要0.06秒 。 在Python中，它需要0.6秒 （没有技巧，只是y =sorting（x）的整数列表）。 在Swift中，如果使用以下命令编译它，则需要6秒 ： xcrun swift -O3 -sdk `xcrun –show-sdk-path –sdk macosx` 如果我用下面的命令编译它需要多达88秒的时间 ： xcrun swift […]