STL 源码实现

本书由刘汝佳、黄亮编著，由清华大学出版社出版。本书较为系统和全面地介绍了算法学最基本的知识。这些知识和技巧既是高等院校“算法与数据结构”课程的主要内容，也是国际青少年信息学奥林匹克（IOI）竞赛和ACM/ICPC国际大学生程序设计竞赛中所需要的。书中分析了相当数量的问题。本书共3章。第1章介绍算法与数据结构；第2章介绍数学知识和方法；第3章介绍计算机几何。全书内容丰富，分析透彻，启发性强，既适合读者自学，也适合于课堂讲授。 本书适用于各个层次的信息学爱好者、参赛选手、辅导老师和高等院校计算机专业的师生。本书既是信息学入门和提高的好帮手，也是一本内容丰富、新颖的资料集。。

ACM比赛的成绩计算方法，自己用C编的，内附测试数据-ACM contest the results calculation method they used C series, containing test data

声线跟踪法，在 网上找到的，较好，使用MATLAB 编程。完成了声线的跟踪，达到了很好的可视化效果

本压缩包包含了C-编译器的设计文档与源代码，供学习参考。-the compressed contains C-Compiler design documents and source code for the study reference.

三色球问题 若有一个口袋放有12个球，其中有3个红的，3个白的和6个黑的，从中任取8个球， 问共 这也是一个可用穷举法求解的问题。 设任取的红球个数为i, 白球个数为 j，则黑球个数为8-i-j，用count统计不同的搭配数目- Three chromospheres questions if have a pocket to put have 12 balls, including 3 red, 3 white and 6 black, no matter what takes 8 balls, asked altogether this also is may use the question which the exhaustion method solves. Supposes no matter what takes the red ball integer is i, the white ball integer is j, then the black ball integer is 8-i-j, counts differently with count matches the number

UserCF和ItemCF是协同过滤中最为古老的两种算法，在top-N的推荐上被广泛应用。这两个算法之所以重要，是因为他们使用了两个不同的推荐系统基本假设。UserCF认为一个人会喜欢和他有相同爱好的人喜欢的东西，而ItemCF认为一个人会喜欢和他以前喜欢的东西相似的东西。这两个假设都有其合理性。根据我的测试，用UserCF和ItemCF做出的推荐列表中，只有50%是一样的，还有50%完全不同。但是这两个算法确有相似的精度。所以说，这两个算法是很互补的。我一直认为这两个算法是推荐系统的根本，因为无论我们是用矩阵，还是用概率模型，我们都非常的依赖于前面说的两种假设。如果用户的行为不符合那两种假设，推荐系统就没必要存在了。因此我一直希望能够找出这两种算法的本质区别。他们有相似的精度，但是coverage相差很大，ItemCF coverage很大而UserCF很小。我还测试了很多其他指标，不过要从这些表象的指标差异找出这两个算法的本质区别还是非常困难。不过上周我基本发现了这两个算法推荐机理的本质区别。我们做如下假设。每个用户兴趣爱好都是广泛的，他们可能喜欢好几个领域的东西。不过每个用户肯定也有一个主要的领域，对这个领域会比其他领域更加关心。给定一个用户，假设他喜欢3个领域A,B,C，同时A是他喜欢的主要领域。这个时候我们来看UserCF和ItemCF倾向于做出什么推荐。结果如下，如果用UserCF, 它会将A,B,C三个领域中比较热门的东西推荐给用户。而如果用ItemCF，它会基本上只推荐A领域的东西给用户。因为UserCF只推荐热门的，所以UserCF在推荐长尾上能力不足。而ItemCF只推荐A领域给用户，这样他有限的推荐列表中就可能包含了一定数量的不热门item，所以ItemCF推荐长尾的能力比较强。不过ItemCF的推荐对某一个用户而言，显然多样性不足。但是对整个系统而言，因为不同的用户的主要兴趣点不同，所以系统的coverage会很大。显然上面的两种推荐都有其合理性，但都不是最好的选择，因此他们的精度也会有损失。最好的选择是，如果我们给这个用户推荐30个item，我们既不是每个领域挑选10个最热门的给他，也不是推荐30个A领域的给他，而是比如推荐15个A领域的给他，剩下的15个从B,C中选择。认识到这一

线段树的基本操作，个类oj题目，有源代码，可以相互学习

Hanoi非递归源码-Hanoi non- recursive FOSS

本程序研究了贪心算法，并把此算法用于部分背包问题上，基于C语言实现，达到最优解。所谓贪心算法是指，在对问题求解时，总是做出在当前看来是最好的选择。也就是说，不从整体最优上加以考虑，所做出的仅是在某种意义上的局部最优解。贪心算法不是对所有问题都能得到整体最优解，但对范围相当广泛的许多问题他能产生整体最优解或者是整体最优解的近似解。部分背包问题：     给定一个最大载重量为M的卡车和N种食品，有食盐，白糖，大米等。已知第 i 种食品的最多拥有Wi 公斤，其商品价值为Vi元/公斤，编程确定一个装货方案，使得装入卡车中的所有物品总价值最大。

本程序将粒子群算法与支持向量机相结合，克服了粒子群算法陷入局部最优的弱点，并且用粒子群算法来训练支持向量机中的参数，使支持向量机在参数寻优中更有效，并且利用IRIS数据进行测试，数值试验表明，粒子群算法训练支持向量机具有很好的效果。