《鬼仔带你学算法》专题

在程序里生宝宝, 杀死不乖的宝宝, 让乖宝宝继续生宝宝 所有的遗传算法 (Genetic Algorithm), 后面都简称 GA, 我们都需要一个评估好坏的方程, 这个方程通常被称为 fitness 在 GA 中有基因, 为了方便, 我们直接就称为DNA吧. GA 中第二重要的就是这DNA了, 如何编码和解码DNA, 就是你使用 GA 首先要想到的问题. 传统的 GA 中,DNA我们能用一串二进

推荐算法是非常古老的，在机器学习还没有兴起的时候就有需求和应用了。概括来说，可以分为以下5种： 1）基于内容的推荐：这一类一般依赖于自然语言处理NLP的一些知识，通过挖掘文本的TF-IDF特征向量，来得到用户的偏好，进而做推荐。这类推荐算法可以找到用户独特的小众喜好，而且还有较好的解释性。这一类由于需要NLP的基础，本文就不多讲，在后面专门讲NLP的时候再讨论。 2）协调过滤推荐：本文后面要专门讲

签名算法描述如下： 1.将请求参数按参数名升序排序； 2.按请求参数名及参数值相互连接组成一个字符串：...； 3.将应用密钥分别添加到以上请求参数串的头部和尾部：<请求参数字符串>； 4.对该字符串进行MD5（全部大写），MD5后的字符串即是这些请求参数对应的签名； 5.该签名值使用sign参数一起和其它请求参数一起发送给服务开放平台。 参数示例 { "name": "file.uplo

二分搜索 在计算机科学中，二分搜索（binary search），也称折半搜索（half-interval search）、对数搜索（logarithmic search），是一种在有序数组中查找某一特定元素的搜索算法。 搜索过程从数组的中间元素开始，如果中间元素正好是要查找的元素，则搜索过程结束；如果某一特定元素大于或者小于中间元素，则在数组大于或小于中间元素的那一半中查找，而且跟开始一样从中间

冒泡排序 相邻的两个元素依次比较，小的放在左边。 选择排序 从未排序序列中找到最大（小）值存放到已排序序列末尾。 插入排序 从已排序序列中找到小于或等于当前数的位置并插到其后。 希尔排序 归并排序 归并排序（merge sort）是创建在归并操作上的一种有效的排序算法。归并操作（merge），也叫归并算法，指的是将两个已经排序的序列合并成一个序列的操作。归并排序算法依赖归并操作。 递归方式 此方式

MD5 加密算法 类型：MD5 可配置属性：无 AES 加密算法 类型：AES 可配置属性： 名称 数据类型 说明 aes-key-value String AES 使用的 KEY RC4 加密算法 类型：RC4 可配置属性： 名称 数据类型 说明 rc4-key-value String RC4 使用的 KEY

自动分片算法 取模分片算法 类型：MOD 可配置属性： 属性名称 数据类型 说明 sharding-count int 分片数量 哈希取模分片算法 类型：HASH_MOD 可配置属性： 属性名称 数据类型 说明 sharding-count int 分片数量 基于分片容量的范围分片算法 类型：VOLUME_RANGE 可配置属性： 属性名称 数据类型 说明 range-lower long 范围下

简介 Apache ShardingSphere 通过 SPI 方式允许开发者扩展算法； 与此同时，Apache ShardingSphere 也提供了大量的内置算法以便于开发者使用。 使用方式 内置算法均通过 type 和 props 进行配置，其中 type 由算法定义在 SPI 中，props 用于传递算法的个性化参数配置。 无论使用哪种配置方式，均是将配置完毕的算法命名，并传递至相应的规则

一些必备算法，主要是 C++ 版本 Index 二分查找 离散版 my_binary_search(vector<int>, int) 没有重复元素时，目标值若存在，则返回索引；若不存在，返回 -1 存在重复元素时，目标值若存在，则返回最小索引；若不存在，返回 -1 int my_binary_search(vector<int>& nums, int v) { if (nums.size

(图片来自 blogs.sas.com) 公式列表 PDF，原文见 Google Drive 算法列表 Regularization Algorithms: An extension made to another method (typically regression methods) that penalizes models based on their complexity, favor

本书的目标读者是准备去硅谷找工作的码农，也适用于在国内找工作的码农，以及刚接触ACM算法竞赛的新手。

18 大 DM 算法 包名 目录名 算法名 AssociationAnalysis DataMining_Apriori Apriori-关联规则挖掘算法 AssociationAnalysis DataMining_FPTree FPTree-频繁模式树算法 BaggingAndBoosting DataMining_AdaBoost AdaBoost-装袋提升算法 Classification

签名作用 问题 如何分辨出是否贵企业的请求？ 如何分辨出请求消息的内容是否被篡改？ 解决方法 通过数字签名就可以解决上述的问题。具体为：约定sign_key作为密钥，该sign_key仅贵企业和滴滴知道，在传输中不可见，用于参与签名计算。 企业在发送请求前，将消息内容与sign_key按照滴滴提供的签名算法计算出签名。滴滴在收到请求时，也按相同算法计算出签名。 如果为同一签名，则可信任来源为贵企业

算法描述 生成签名的时候,将颁发的sign_key加入到传递的参数中，参与加密 传递的参数(包含sign_key)按照参数名升序排序,然后，以&形式连接(类似格式为a=xxx&b=xxx&c=xxx...)，生成小写的md5串 生成sign后，sign和其他参数一起传递，对于中文在传递的过程中，需要进行urlencode，加密的时候不进行urlencode(如是以POST方法json格式传参不需要

POW+DPOS: 混合共识，POW挖矿，DPOS监督。 POW：通过算力生成区块。抵押少量的币，拥有挖矿的权利（避免矿工恶意生成非法区块，恶意矿工将被扣除押金）。 DPOS：通过选票推选出监督节点。监督节点可以微调系统参数（区块大小、区块生成速度），可以举报恶意区块。监督节点有区块奖励（70%返利给投票者）。 所有拥有虚拟币的人，都可以投票，投票后，将可以获得返利。 区块的生成时间是固定的，默认