分类目录归档：算法
异或: 相同为 0，不同为 1。也可用“不进位加法”来理解。 异或操作的一些特点:
剪枝 双向 BFS 启发式搜索（A*）
搜索方向：
DFS： depth first search 深度优先搜索
BFS： breadth first search 广度优先搜索
双向搜索、启发式搜索
https://en.wikipedia.org/wiki/Dynamic_programming
https://zh.wikipedia.org/wiki/动态规划
function DP():
dp = [][] # 二维情况
for i = 0 left, right = 0, len(array) -1
while left <= right:
mid = (left+right)/2
if array[mid] == target:
# find the target
break or return result
elif array[mid] < target:
left = mid + 1 # 左右下界为整型需要加一减一，左右下界如贪心算法是一种在每一步选择中都采取在当前状态下最好或最优(即最有利)的选择，从而希望导致
结果是全剧最好或最优的算法
贪心算法与动态规划的不同在于他对每个字问题的解决方案都做出选择，不能回退。动态规划则会
保存以前的运算结果，并根据以前的结果对当前进行选择，有回退功能
贪心算法可以解决工程中一些最优化问题， 如: 求图中的最小生成树、求哈夫曼编码等。然而对于 工程和生活中的问题，贪心法一般不能得到我们所要求的答案
一旦一个问题可以通过贪心法来解决。那么贪心法一般是解决这个问题的最好办法。 由于贪心法的搞笑性以及其所求得的答案比较接近最优结果，贪心法也可以用作辅助算法或者
一个很长的二进制向量和一系列随机映射函数。
布隆过滤器可以用于检索一个元素是否在一个集合中。
优点是空间效率和查询时间都远远超过一般的算法，缺点是有一定的误识别率和删除困难。https://www.cnblogs.com/cpselvis/p/6265825.html https://blog.csdn.net/tianyaleix
def divide_conquer(problem, param1, param2, ...):
# recursion terminator
if problem is None:
print_result
return
# prepare data
data = prepare_data(problem)
subproblems = split_problem(problem, data)
# conquer subproblems
subresult1 = self.divide_conquer(subproblems[0], visited = set()
def dfs(node, visited):
# 1. terminator
if node in visited:
return
visited.add(node)
# process_current_logic
...
for next_node in node.children():
if not next_node in visited:
dfs(next_node, visited)
def dfs(self, root):
if not ro启发式函数: h(n)，它用来评价哪些结点最有希望的是一个我们要找的结 点，h(n) 会返回一个非负实数,也可以认为是从结点n的目标结点路径的估 计成本。 启发式函数是一种告知搜索方向的方法。它提供了一种明智的方法来猜测 哪个邻居结点会导向一个目标。
https://dataaspirant.com/2015/04/11/five-most-popular-similarity-measures-implementation-in-python/
def AstartSearch(graph, start, end):
pq =