查找算法

题目描述 请设计一个高效算法，找出数组中两数之和为指定值的所有整数对。 给定一个int数组 A 和数组大小 n 以及需查找的和 sum ，请返回和为sum的整数对的个数。保证数组大小小于等于3000。 测试样例： [1,2,3,4,5],5,6 返回：2 # -*- coding:utf-8 -*- import collections class FindPair: def countPairs(self, A, n, tsum): res = 0 setA = list(set(A)) setA.sort() start , end = 0 , len(setA)-1 dd = collections.defaultdict(int) for i in A : dd[i] += 1 while start < end : if setA[start]+setA[end] < tsum : start += 1 elif setA[start]+setA[end] > tsum : end -= 1 else : res += dd[setA[start]]*dd[setA[end]] start += 1 end -= 1 if setA[start]*2 == tsum : res += dd[setA[start]]*(dd[setA[start]]-1)//2

　　B树Java实现方式： /** * 一颗B树的简单实现。 * * @param <K> - 键类型 * @param <V> - 值类型 */ @SuppressWarnings("all") public class BTree<K, V> { private static Log logger = LogFactory.getLog(BTree.class); /** * B树节点中的键值对。 * <p/> * B树的节点中存储的是键值对。 * 通过键访问值。 * * @param <K> - 键类型 * @param <V> - 值类型 */ private static class Entry<K, V> { private K key; private V value; public Entry(K k, V v) { this.key = k; this.value = v; } public K getKey() { return key; } public V getValue() { return value; } public void setValue(V value) { this.value = value; } @Override public String toString() { return key + ":" + value; } } /**

一、MYSQL的索引 索引（Index）:帮助Mysql高效获取数据的一种数据结构。用于提高查找效率，可以比作字典。可以简单理解为排好序的快速查找的数据结构。 索引的作用：便于查询和排序（所以添加索引会影响where 语句与 order by 排序语句）。 在数据之外，数据库还维护着满足特定查找算法的数据结构，这些数据结构以某种方式引用数据。这样就可以在这些数据结构上实现高级查找算法。这些数据结构就是索引。 索引本身也很大，不可能全部存储在内存中，所以索引往往以索引文件的形式存储在磁盘上。 我们平时所说的索引，如果没有特别指明，一般都是B树索引。（聚集索引、复合索引、前缀索引、唯一索引默认都是B+树索引），除了B树索引还有哈希索引。 优点： A、提高数据检索效率，降低数据库的IO成本 B、通过索引列对数据进行排序，降低了数据排序成本，降低了CPU的消耗。 缺点： A、索引也是一张表，该表保存了主键与索引字段，并指向实体表的记录，所以索引也是占用空间的。 B、对表进行INSERT、UPDATE、DELETE操作时，MYSQL不仅会更新数据，还要保存一下索引文件每次更新添加了索引列字段的相应信息。 在实际的生产环境中我们需要逐步分析，优化建立最优的索引，并要优化我们的查询条件。 索引的分类： 1、单值索引 一个索引只包含一个字段，一个表可以有多个单列索引。 2、唯一索引

二分算法也称折半查找，是一种效率较高的查找方法。是一种在有序数组中查找某一特定元素的搜索算法。但是，折半查找要求线性表必须采用顺序存储结构，而且表中元素按关键字有序排列。 首先，假设表中元素是升序排列，将表中间位置记录的关键字与查找关键字比较，如果两者相等，则查找成功；否则利用中间位置记录将表分成前、后两个字表，如果中间位置记录的关键字大于查找关键字，则进一步查找前一字表，否则进一步查找后一字表。重复以上过程，直到找到满足条件的记录，使查找成功，或直到字表不存在为止，此时查找不成功。 来源： https://www.cnblogs.com/DreamFather/p/11720463.html

1 引言 2 二叉搜索树 2.1 定义 2.2 性质 2.3 节点结构 2.4 创建二叉搜索树 2.5 查找 2.6 插入 2.7 删除 3 平衡二叉树 3.1 定义 3.2 平衡因子 3.3 节点结构 3.4 左旋与右旋 3.5 插入 1 引言   二叉树是数据结构中的重点与难点，也是应用较为广泛的一类数据结构。二叉树的基础知识在之前的数据结构与算法——二叉树基础中已经详细介绍。本篇文章将着重介绍两类二叉树，二叉搜索树和平衡二叉树。 2 二叉搜索树 2.1 定义   二叉搜索树又称二叉查找树，亦称为二叉排序树。设x为二叉查找树中的一个节点，x节点包含关键字key，节点x的key值记为key[x]。如果y是x的左子树中的一个节点，则key[y] <= key[x]；如果y是x的右子树的一个节点，则key[y] >= key[x]。 2.2 性质   （1）若左子树不空，则左子树上所有节点的值均小于它的根节点的值；   （2）若右子树不空，则右子树上所有节点的值均大于它的根节点的值；   （3）左、右子树也分别为二叉搜索树；   例如：图2.2.1所示的二叉树为一棵二叉搜索树。 图2.2.1   例如：图2.2.2所示不是一棵二叉搜索树，因为节点40的左孩子节点值为44，不满足二叉搜索树的定义。 图2.2.2 2.3 节点结构   二叉树的节点结构通常包含三部分，其中有：左孩子的指针

二分查找的递归实现和非递归实现【java】 （1）非递归实现二分查找。 算法是由静态方法binarySearch()实现的,它接受一个整数健和一个有序的int数组作为参数。如果该健存在于数组中，则返回他的索引，否则返回-1。 算法使用两个变量lo和hi，并保证如果健在数组中则它一定在a[lo…hi]中，然后方法进入一个循环，不断地将数组的中间健（索引为mid）和被查找的健比较。如果被查找的健等于a[mid]，返回mid；否则算法将查找的范围缩小一半，如果被查找的健小于a[mid]就继续在左边查找，如果被查找的健大于a[mid]就继续在右边查找。 算法找到被查找的健，或者是查找范围为空时，该过程结束。 二分查找的时间复杂度O(logn)。 以下为二分查找的详细代码。 import java . util . * ; //导入必要的包。 public class BinarySearch2 { public static int binarySearch ( int [ ] a , int key ) { int lo = 0 ; //指向数组的第一个元素。 int hi = a . length - 1 ; //指向数组的最后一个元素。 while ( lo <= hi ) { int mid = ( lo + hi ) / 2 ; //取数组中间。 if ( key > a [

本人免费整理了Java高级资料，涵盖了Java、Redis、MongoDB、MySQL、Zookeeper、Spring Cloud、Dubbo高并发分布式等教程，一共30G，需要自己领取。 传送门： https://mp.weixin.qq.com/s/JzddfH-7yNudmkjT0IRL8Q 一、概述 二、数据类型STRING LIST SET HASH ZSET 三、数据结构字典 跳跃表 四、使用场景计数器 缓存 查找表 消息队列 会话缓存 分布式锁实现 其它 五、Redis 与 Memcached数据类型 数据持久化 分布式 内存管理机制 六、键的过期时间 七、数据淘汰策略 八、持久化RDB 持久化 AOF 持久化 九、事务 十、事件文件事件 时间事件 事件的调度与执行 十一、复制连接过程 主从链 十二、Sentinel 十三、分片 十四、一个简单的论坛系统分析文章信息 点赞功能 对文章进行排序 一、概述 Redis 是速度非常快的非关系型（NoSQL）内存键值数据库，可以存储键和五种不同类型的值之间的映射。 键的类型只能为字符串，值支持五种数据类型：字符串、列表、集合、散列表、有序集合。 Redis 支持很多特性，例如将内存中的数据持久化到硬盘中，使用复制来扩展读性能，使用分片来扩展写性能。 二、数据类型 What Redis data structures look

二叉排序树： 定义 二叉排序树，又叫二叉查找树，它或者是一棵空树；或者是具有以下性质的二叉树： 1. 若它的左子树不空，则左子树上所有节点的值均小于它的根节点的值； 2. 若它的右子树不空，则右子树上所有节点的值均大于它的根节点的值； 3. 它的左右子树也分别为二叉排序树。 比如下图就是一棵普通的二叉排序树： 如果按照中序遍历的顺序，一棵二叉排序树的输出结果就刚好是按照从小到大的顺序输出的，可以运用于二分算法。 先对其数据结构进行定义： typedef struct Binary_Tree_node { int data; //数据域 struct Binary_Tree_node* lchild, * rchild; //左右孩子结点 }Binode, * BiTree; 然后是插入操作： //假设没有相等的data,这里我们不考虑相等的数据 //插入结点 void Insert_Binary_Tree(BiTree& bst ,int t) //bst是根节点 { if (bst == NULL) //空树或者递归到了叶结点 { BiTree newp = new Binode; newp->data = t; newp->lchild = NULL; newp->rchild = NULL; bst = newp; } else { if (t > bst->data) /

题目来源： https://leetcode.com/problems/jewels-and-stones/ 问题描述： 两个字符串J和S，找出S中出现过多少次J字符串里面包含的字符。 举例说明： 字符串J 字符串S 结果 aA aAAbsdfe 3 b BBAAAA 0 解决方案 双重遍历两个字符串，检查子串是否包含字符，时间复杂度Ο(n^2) public int numJewelsInStones(String J, String S) { int sum = 0; char[] jChar = J.toCharArray(); char[] sChar = S.toCharArray(); int jLength = jChar.length; int sLength = sChar.length; for(int i=0;i<jLength;i++){ for(int j=0;j<sLength;j++){ if(jChar[i] == sChar[j]) { sum ++; } } } return sum; } } 来源： https://www.cnblogs.com/xiaoyangjia/p/11692702.html

什么是算法 算法 (Algorithm): 一个计算过程, 解决问题的方法 Niklaus Wirth: "程序=数据结构+算法" 时间复杂度 详情 ⽤用来评估算法运⾏时间或者运行效率的一个式⼦ 一般来说， 时间复杂度高的算法比时间复杂度低的算法慢 常见的时间复杂度排序（按效率排序） O(1)<O(logn)<O(n)<O(nlogn)<o(n^2)<O(n^2logn)<O(n^3) 第一类 对于一个循环，假设循环体的时间复杂度为 O(n)，循环次数为 m，则这个 循环的时间复杂度为 O(n×m) O(1) print('Hello World') print('Hello World') print('Hello lxx') print('Hello lyy') O(n) for i in range(n): print('Hello World') 第二类 对于多个循环，假设循环体的时间复杂度为 O(n)，各个循环的循环次数分别是a, b, c...，则这个循环的时间复杂度为 O(n×a×b×c...)。分析的时候应该由里向外分析这些循环。 O(n**2) for i in range(n): for j in range(n): print('Hello World') for i in range(n): print('Hello World') for j in