推理搜索演算法

A. 人工智慧探究的基本技術有哪些

邏輯推理，搜索演算法，機器學習，知識獲取與表示

B. 概率圖模型的概率圖模型的推理演算法

根據網路結構與查詢問題類型的不同,概率圖模型的推理演算法有
（1）貝葉斯網路與馬爾可夫網路 中解決概率查詢問題的精確推理演算法與近似推理演算法,其中具體包括精確推理中的VE演算法、遞歸約束演算法和團樹演算法,以及近似推理中的變分近似推理和抽樣近似推理演算法;（2）解決MAP查詢問題的常用推理演算法;（3）混合網路的連續與混合情況闡述其推理演算法;（4）暫態網路的精確推理、近似推理以及混合情況下的推理。

C. 推理類的解密方法

是密碼吧
。RSA演算法。四方密碼。替換加密法。換位加密法。回轉輪加密法。換位加密法。多碼加密法。夾帶法 。Kasiski法。三分密碼。仿射密碼。波雷費密碼 。RC5
。維熱納爾方陣。希爾密碼 等等一大堆.
反正不少 去下面的參考資料連接看看

D. 演算法是什麼急!!!!

演算法 Algorithm

演算法是在有限步驟內求解某一問題所使用的一組定義明確的規則。通俗點說，就是計算機解題的過程。在這個過程中，無論是形成解題思路還是編寫程序，都是在實施某種演算法。前者是推理實現的演算法，後者是操作實現的演算法。

一個演算法應該具有以下五個重要的特徵：

1、有窮性： 一個演算法必須保證執行有限步之後結束；

2、確切性： 演算法的每一步驟必須有確切的定義；

3、輸入：一個演算法有0個或多個輸入，以刻畫運算對象的初始情況，所謂0個輸入是指演算法本身定除了初始條件；

4、輸出：一個演算法有一個或多個輸出，以反映對輸入數據加工後的結果。沒有輸出的演算法是毫無意義的；

5、可行性： 演算法原則上能夠精確地運行，而且人們用筆和紙做有限次運算後即可完成。

演算法的設計要求
1）正確性（Correctness）
有4個層次：
A．程序不含語法錯誤；
B．程序對幾組輸入數據能夠得出滿足規格要求的結果；
C．程序對精心選擇的、典型的、苛刻的、帶有刁難性的幾組輸入數據能夠得出滿足規格要求的結果；
D．程序對一切合法的輸入數據都能產生滿足規格要求的結果。
2）可讀性（Readability）
演算法的第一目的是為了閱讀和交流；
可讀性有助於對演算法的理解；
可讀性有助於對演算法的調試和修改。
3）高效率與低存儲量
處理速度快；存儲容量小
時間和空間是矛盾的、實際問題的求解往往是求得時間和空間的統一、折中。
演算法的描述 演算法的描述方式（常用的）
演算法描述 自然語言
流程圖 特定的表示演算法的圖形符號
偽語言 包括程序設計語言的三大基本結構及自然語言的一種語言
類語言 類似高級語言的語言，例如，類PASCAL、類C語言。

演算法的評價 演算法評價的標准：時間復雜度和空間復雜度。
1）時間復雜度 指在計算機上運行該演算法所花費的時間。用「O（數量級）」來表示，稱為「階」。
常見的時間復雜度有： O（1）常數階；O（logn）對數階；O（n）線性階；O（n＾2）平方階
2）空間復雜度 指演算法在計算機上運行所佔用的存儲空間。度量同時間復雜度。

時間復雜度舉例
（a） X：=X+1 ； O（1）
（b） FOR I：=1 TO n DO
X：= X+1； O（n）
（c） FOR I：= 1 TO n DO
FOR J：= 1 TO n DO
X：= X+1； O（n＾2）

「演算法」一詞最早來自公元 9世紀 波斯數學家比阿勒·霍瓦里松的一本影響深遠的著作《代數對話錄》。20世紀的 英國 數學家 圖靈 提出了著名的圖靈論點，並抽象出了一台機器，這台機器被我們稱之為 圖靈機 。圖靈的思想對演算法的發展起到了重要的作用。
演算法是 計算機 處理信息的本質，因為 計算機程序 本質上是一個演算法，告訴計算機確切的步驟來執行一個指定的任務，如計算職工的薪水或列印學生的成績單。 一般地，當演算法在處理信息時，數據會從輸入設備讀取，寫入輸出設備，可能保存起來以供以後使用。
這是演算法的一個簡單的例子。
我們有一串隨機數列。我們的目的是找到這個數列中最大的數。如果將數列中的每一個數字看成是一顆豆子的大小 可以將下面的演算法形象地稱為「撿豆子」：
首先將第一顆豆子（數列中的第一個數字）放入口袋中。
從第二顆豆子開始檢查，直到最後一顆豆子。如果正在檢查的豆子比口袋中的還大，則將它撿起放入口袋中，同時丟掉原先的豆子。 最後口袋中的豆子就是所有的豆子中最大的一顆。
下面是一個形式演算法，用近似於 編程語言 的 偽代碼 表示
給定：一個數列「list"，以及數列的長度"length(list)" largest = list[1] for counter = 2 to length(list): if list[counter] > largest: largest = list[counter] print largest
符號說明:
= 用於表示賦值。即：右邊的值被賦予給左邊的變數。
List[counter] 用於表示數列中的第 counter 項。例如：如果 counter 的值是5，那麼 List[counter] 表示數列中的第5項。
<= 用於表示「小於或等於」。
演算法的分類
（一）基本演算法 :
1.枚舉
2.搜索:
深度優先搜索
廣度優先搜索
啟發式搜索
遺傳演算法
（二）數據結構的演算法
（三）數論與代數演算法
（四）計算幾何的演算法：求凸包
（五）圖論 演算法：
1.哈夫曼編碼
2.樹的遍歷
3.最短路徑 演算法
4.最小生成樹 演算法
5.最小樹形圖
6.網路流 演算法
7.匹配演算法
（六）動態規劃
（七）其他：
1.數值分析
2.加密演算法
3.排序 演算法
4.檢索演算法
5.隨機化演算法

E. 貝葉斯網路的特性

1、貝葉斯網路本身是一種不定性因果關聯模型。貝葉斯網路與其他決策模型不同，它本身是將多元知識圖解可視化的一種概率知識表達與推理模型，更為貼切地蘊含了網路節點變數之間的因果關系及條件相關關系。
2、貝葉斯網路具有強大的不確定性問題處理能力。貝葉斯網路用條件概率表達各個信息要素之間的相關關系，能在有限的、不完整的、不確定的信息條件下進行學習和推理。
3、貝葉斯網路能有效地進行多源信息表達與融合。貝葉斯網路可將故障診斷與維修決策相關的各種信息納入網路結構中，按節點的方式統一進行處理，能有效地按信息的相關關系進行融合。
對於貝葉斯網路推理研究中提出了多種近似推理演算法，主要分為兩大類：基於模擬方法和基於搜索的方法。在故障診斷領域里就我們水電模擬而言，往往故障概率很小，所以一般採用搜索推理演算法較適合。就一個實例而言，首先要分析使用哪種演算法模型：
a.)如果該實例節點信度網路是簡單的有向圖結構，它的節點數目少的情況下，採用貝葉斯網路的精確推理，它包含多樹傳播演算法，團樹傳播演算法，圖約減演算法，針對實例事件進行選擇恰當的演算法；
b.)如果是該實例所畫出節點圖形結構復雜且節點數目多，我們可採用近似推理演算法去研究，具體實施起來最好能把復雜龐大的網路進行化簡，然後在與精確推理相結合來考慮。
在日常生活中，人們往往進行常識推理，而這種推理通常是不準確的。例如，你看見一個頭發潮濕的人走進來，你認為外面下雨了，那你也許錯了；如果你在公園里看到一男一女帶著一個小孩，你認為他們是一家人，你可能也犯了錯誤。在工程中，我們也同樣需要進行科學合理的推理。但是，工程實際中的問題一般都比較復雜，而且存在著許多不確定性因素。這就給准確推理帶來了很大的困難。很早以前，不確定性推理就是人工智慧的一個重要研究領域。盡管許多人工智慧領域的研究人員引入其它非概率原理，但是他們也認為在常識推理的基礎上構建和使用概率方法也是可能的。為了提高推理的准確性，人們引入了概率理論。最早由Judea Pearl於1988年提出的貝葉斯網路(Bayesian Network)實質上就是一種基於概率的不確定性推理網路。它是用來表示變數集合連接概率的圖形模型，提供了一種表示因果信息的方法。當時主要用於處理人工智慧中的不確定性信息。隨後它逐步成為了處理不確定性信息技術的主流，並且在計算機智能科學、工業控制、醫療診斷等領域的許多智能化系統中得到了重要的應用。
貝葉斯理論是處理不確定性信息的重要工具。作為一種基於概率的不確定性推理方法，貝葉斯網路在處理不確定信息的智能化系統中已得到了重要的應用，已成功地用於醫療診斷、統計決策、專家系統、學習預測等領域。這些成功的應用，充分體現了貝葉斯網路技術是一種強有力的不確定性推理方法。

F. 推理演算法 採納加分！

%和mod都是取余數的運算，

（17+X）%11==0，17%11+X%11==0,
即17+X被11整除，

R=mod(17,11)=17%11,
R為17除以11的余數，
由於17+X被11整除，
所以X除以11的余數為11-R，
從而
X=(11-R)%11.
即X除以11的余數等於11-R除以11的余數。

G. 作為程序員提高編程能力的幾個基礎演算法

一：快速排序演算法

快速排序是由東尼·霍爾所發展的一種排序演算法。在平均狀況下，排序n個項目要Ο(nlogn)次比較。在最壞狀況下則需要Ο(n2)次比較，但這種狀況並不常見。事實上，快速排序通常明顯比其他Ο(nlogn)演算法更快，因為它的內部循環（innerloop）可以在大部分的架構上很有效率地被實現出來。

快速排序使用分治法（Divideandconquer）策略來把一個串列（list）分為兩個子串列（sub-lists）。

演算法步驟：

1從數列中挑出一個元素，稱為「基準」（pivot），

2重新排序數列，所有元素比基準值小的擺放在基準前面，所有元素比基準值大的擺在基準的後面（相同的數可以到任一邊）。在這個分區退出之後，該基準就處於數列的中間位置。這個稱為分區（partition）操作。

3遞歸地（recursive）把小於基準值元素的子數列和大於基準值元素的子數列排序。

遞歸的最底部情形，是數列的大小是零或一，也就是永遠都已經被排序好了。雖然一直遞歸下去，但是這個演算法總會退出，因為在每次的迭代（iteration）中，它至少會把一個元素擺到它最後的位置去。

二：堆排序演算法

堆排序（Heapsort）是指利用堆這種數據結構所設計的一種排序演算法。堆積是一個近似完全二叉樹的結構，並同時滿足堆積的性質：即子結點的鍵值或索引總是小於（或者大於）它的父節點。

堆排序的平均時間復雜度為Ο(nlogn) 。

創建一個堆H[0..n-1]

把堆首（最大值）和堆尾互換

3.把堆的尺寸縮小1，並調用shift_down(0),目的是把新的數組頂端數據調整到相應位置

4.重復步驟2，直到堆的尺寸為1

三：歸並排序

歸並排序（Mergesort，台灣譯作：合並排序）是建立在歸並操作上的一種有效的排序演算法。該演算法是採用分治法（DivideandConquer）的一個非常典型的應用。

1.申請空間，使其大小為兩個已經排序序列之和，該空間用來存放合並後的序列

2.設定兩個指針，最初位置分別為兩個已經排序序列的起始位置

3.比較兩個指針所指向的元素，選擇相對小的元素放入到合並空間，並移動指針到下一位置

4.重復步驟3直到某一指針達到序列尾

5.將另一序列剩下的所有元素直接復制到合並序列尾

四：二分查找演算法

二分查找演算法是一種在有序數組中查找某一特定元素的搜索演算法。搜素過程從數組的中間元素開始，如果中間元素正好是要查找的元素，則搜素過程結束；如果某一特定元素大於或者小於中間元素，則在數組大於或小於中間元素的那一半中查找，而且跟開始一樣從中間元素開始比較。如果在某一步驟數組為空，則代表找不到。這種搜索演算法每一次比較都使搜索范圍縮小一半。折半搜索每次把搜索區域減少一半，時間復雜度為Ο(logn) 。

五：BFPRT(線性查找演算法)

BFPRT演算法解決的問題十分經典，即從某n個元素的序列中選出第k大（第k小）的元素，通過巧妙的分析，BFPRT可以保證在最壞情況下仍為線性時間復雜度。該演算法的思想與快速排序思想相似，當然，為使得演算法在最壞情況下，依然能達到o(n)的時間復雜度，五位演算法作者做了精妙的處理。

1.將n個元素每5個一組，分成n/5(上界)組。

2.取出每一組的中位數，任意排序方法，比如插入排序。

3.遞歸的調用selection演算法查找上一步中所有中位數的中位數，設為x，偶數個中位數的情況下設定為選取中間小的一個。

4.用x來分割數組，設小於等於x的個數為k，大於x的個數即為n-k。

5.若i==k，返回x；若i<k，在小於x的元素中遞歸查找第i小的元素；若i>k，在大於x的元素中遞歸查找第i-k小的元素。

終止條件：n=1時，返回的即是i小元素。

六：DFS（深度優先搜索）

深度優先搜索演算法（Depth-First-Search），是搜索演算法的一種。它沿著樹的深度遍歷樹的節點，盡可能深的搜索樹的分支。當節點v的所有邊都己被探尋過，搜索將回溯到發現節點v的那條邊的起始節點。這一過程一直進行到已發現從源節點可達的所有節點為止。如果還存在未被發現的節點，則選擇其中一個作為源節點並重復以上過程，整個進程反復進行直到所有節點都被訪問為止。DFS屬於盲目搜索。

深度優先搜索是圖論中的經典演算法，利用深度優先搜索演算法可以產生目標圖的相應拓撲排序表，利用拓撲排序表可以方便的解決很多相關的圖論問題，如最大路徑問題等等。一般用堆數據結構來輔助實現DFS演算法。

深度優先遍歷圖演算法步驟：

1.訪問頂點v；

2.依次從v的未被訪問的鄰接點出發，對圖進行深度優先遍歷；直至圖中和v有路徑相通的頂點都被訪問；

3.若此時圖中尚有頂點未被訪問，則從一個未被訪問的頂點出發，重新進行深度優先遍歷，直到圖中所有頂點均被訪問過為止。

上述描述可能比較抽象，舉個實例：

DFS在訪問圖中某一起始頂點v後，由v出發，訪問它的任一鄰接頂點w1；再從w1出發，訪問與w1鄰接但還沒有訪問過的頂點w2；然後再從w2出發，進行類似的訪問，…如此進行下去，直至到達所有的鄰接頂點都被訪問過的頂點u為止。

接著，退回一步，退到前一次剛訪問過的頂點，看是否還有其它沒有被訪問的鄰接頂點。如果有，則訪問此頂點，之後再從此頂點出發，進行與前述類似的訪問；如果沒有，就再退回一步進行搜索。重復上述過程，直到連通圖中所有頂點都被訪問過為止。

七：BFS(廣度優先搜索)

廣度優先搜索演算法（Breadth-First-Search），是一種圖形搜索演算法。簡單的說，BFS是從根節點開始，沿著樹(圖)的寬度遍歷樹(圖)的節點。如果所有節點均被訪問，則演算法中止。

BFS同樣屬於盲目搜索。一般用隊列數據結構來輔助實現BFS演算法。

1.首先將根節點放入隊列中。

2.從隊列中取出第一個節點，並檢驗它是否為目標。

如果找到目標，則結束搜尋並回傳結果。

否則將它所有尚未檢驗過的直接子節點加入隊列中。

3.若隊列為空，表示整張圖都檢查過了——亦即圖中沒有欲搜尋的目標。結束搜尋並回傳「找不到目標」。

4.重復步驟2。

八：Dijkstra演算法

戴克斯特拉演算法（Dijkstra』salgorithm）是由荷蘭計算機科學家艾茲赫爾·戴克斯特拉提出。迪科斯徹演算法使用了廣度優先搜索解決非負權有向圖的單源最短路徑問題，演算法最終得到一個最短路徑樹。該演算法常用於路由演算法或者作為其他圖演算法的一個子模塊。

該演算法的輸入包含了一個有權重的有向圖G，以及G中的一個來源頂點S。我們以V表示G中所有頂點的集合。每一個圖中的邊，都是兩個頂點所形成的有序元素對。(u,v)表示從頂點u到v有路徑相連。我們以E表示G中所有邊的集合，而邊的權重則由權重函數w:E→[0,∞]定義。因此，w(u,v)就是從頂點u到頂點v的非負權重（weight）。邊的權重可以想像成兩個頂點之間的距離。任兩點間路徑的權重，就是該路徑上所有邊的權重總和。已知有V中有頂點s及t，Dijkstra演算法可以找到s到t的最低權重路徑(例如，最短路徑)。這個演算法也可以在一個圖中，找到從一個頂點s到任何其他頂點的最短路徑。對於不含負權的有向圖，Dijkstra演算法是目前已知的最快的單源最短路徑演算法。

1.初始時令S=,T=，T中頂點對應的距離值

若存在<V0,Vi>，d(V0,Vi)為<V0,Vi>弧上的權值

若不存在<V0,Vi>，d(V0,Vi)為∞

2.從T中選取一個其距離值為最小的頂點W且不在S中，加入S

3.對其餘T中頂點的距離值進行修改：若加進W作中間頂點，從V0到Vi的距離值縮短，則修改此距離值

重復上述步驟2、3，直到S中包含所有頂點，即W=Vi為止

九：動態規劃演算法

動態規劃（Dynamicprogramming）是一種在數學、計算機科學和經濟學中使用的，通過把原問題分解為相對簡單的子問題的方式求解復雜問題的方法。動態規劃常常適用於有重疊子問題和最優子結構性質的問題，動態規劃方法所耗時間往往遠少於樸素解法。

動態規劃背後的基本思想非常簡單。大致上，若要解一個給定問題，我們需要解其不同部分（即子問題），再合並子問題的解以得出原問題的解。通常許多子問題非常相似，為此動態規劃法試圖僅僅解決每個子問題一次，從而減少計算量：一旦某個給定子問題的解已經算出，則將其記憶化存儲，以便下次需要同一個子問題解之時直接查表。這種做法在重復子問題的數目關於輸入的規模呈指數增長時特別有用。

關於動態規劃最經典的問題當屬背包問題。

1.最優子結構性質。如果問題的最優解所包含的子問題的解也是最優的，我們就稱該問題具有最優子結構性質（即滿足最優化原理）。最優子結構性質為動態規劃演算法解決問題提供了重要線索。

2.子問題重疊性質。子問題重疊性質是指在用遞歸演算法自頂向下對問題進行求解時，每次產生的子問題並不總是新問題，有些子問題會被重復計算多次。動態規劃演算法正是利用了這種子問題的重疊性質，對每一個子問題只計算一次，然後將其計算結果保存在一個表格中，當再次需要計算已經計算過的子問題時，只是在表格中簡單地查看一下結果，從而獲得較高的效率。

十：樸素貝葉斯分類演算法

樸素貝葉斯分類演算法是一種基於貝葉斯定理的簡單概率分類演算法。貝葉斯分類的基礎是概率推理，就是在各種條件的存在不確定，僅知其出現概率的情況下，如何完成推理和決策任務。概率推理是與確定性推理相對應的。而樸素貝葉斯分類器是基於獨立假設的，即假設樣本每個特徵與其他特徵都不相關。

樸素貝葉斯分類器依靠精確的自然概率模型，在有監督學習的樣本集中能獲取得非常好的分類效果。在許多實際應用中，樸素貝葉斯模型參數估計使用最大似然估計方法，換言樸素貝葉斯模型能工作並沒有用到貝葉斯概率或者任何貝葉斯模型。

盡管是帶著這些樸素思想和過於簡單化的假設，但樸素貝葉斯分類器在很多復雜的現實情形中仍能夠取得相當好的效果。

通過掌握以上演算法，能夠幫你迅速提高編程能力，成為一名優秀的程序員。

H. 求數獨全推理方法

1.聯除法.
在並排的三個九宮格中的兩排尋找相同數字,再利用九宮格得出另一排中該數字位置,該方法適用於中高級數獨.
2.巡格法
找出在每個九宮格中出現頻率較高的數字,得出該數字在其餘九宮格內位置,該方法應用於方法一之後.
3.排它法
這個方法是解決問題的關鍵,易被常人所忽略.在各行列或九宮格中觀察,若有個位置其它數字都不能填,就填餘下的數字
4.待定法
此方法不常用卻很有效.暫時確定某個數字在某個區域,再利用其來進行排除
5.行列法
此方法用於收官階段,利用先從行列突破來提高解題效率.
6.假設法
作為一名高手,我不提倡這種方法.即在某個位置隨機的填上一個數字,再進行推演,並有可能最終產生矛盾而否定結論.
7.頻率法
這種方法相比於上一種方法更能提高效率.在某一行列或九宮格列舉出所有情況,再選擇某位置中出現頻率高的數字
8.候選數法使用候選數法解數獨題目需先建立候選數列表，根據各種條件，逐步安全的清除每個宮格候選數的不可能取值的候選數，從而達到解題的目的。
使用候選數法一般能解比較復雜的數獨題目，但是候選數法的使用沒有直觀法那麼直接，需要先建立一個候選數列表的准備過程，所以實際使用時可以先利用直觀法進行解題，到無法用直觀法解題時再使用候選數法解題。
候選數法解題的過程就是逐漸排除不合適的候選數的過程，所以在進行候選數刪除的時候一定要小心，確定安全地刪除不合適的候選數，否則，很多時候只有重新做題了。有了計算機軟體的幫助，使得候選數表的維護變得輕鬆起來。
-----------------------------------------------------------------------------
基礎摒除法

基礎摒除法就是利用1 ～ 9 的數字在每一行、每一列、每一宮都只能出現一次的規則進行解題的方法。基礎摒除法可以分為行摒除、列摒除、九宮格摒除。
實際尋找解的過程為：
尋找九宮格摒除解：找到了某數在某一個九宮格可填入的位置只餘一個的情形；意即找到了 該數在該九宮格中的填入位置。
尋找列摒除解：找到了某數在某列可填入的位置只餘一個的情形；意即找到了該數在該列中的填入位置。
尋找行摒除解：找到了某數在某行可填入的位置只餘一個的情形；意即找到了該數在該行中的填入位置。
基礎摒除法的提升方法是區塊摒除法,是直觀法中使用頻率最高的方法之一.

唯一解法

當某行已填數字的宮格達到8個,那麼該行剩餘宮格能填的數字就只剩下那個還沒出現過的數字了。成為行唯一解.
當某列已填數字的宮格達到8個,那麼該列剩餘宮格能填的數字就只剩下那個還沒出現過的數字了。成為列唯一解.
當某九宮格已填數字的宮格達到8個,那麼該九宮格剩餘宮格能填的數字就只剩下那個還沒出現過的數字了。成為九宮格唯一解.

唯余解法

唯余解法就是某宮格可以添入的數已經排除了8個,那麼這個宮格的數字就只能添入那個沒有出現的數字.

區塊摒除法

區塊摒除法是基礎摒除法的提升方法,是直觀法中使用頻率最高的方法之一.

余數測試法

所謂余數測試法就是在某行或列,九宮格所填數字比較多,剩餘2個或3個時,在剩餘宮格添入值進行測試的解題方法.

隱性唯一候選數法

當某個數字在某一列各宮格的候選數中只出現一次時，那麼這個數字就是這一列的唯一候選數了．這個宮格的值就可以確定為該數字． 這時因為，按照數獨游戲的規則要求每一列都應該包含數字1～9，而其它宮格的候選數都不含有該數，則該數不可能出現在其它的宮格，那麼就只能出現在這個宮格了． 對於唯一候選數出現行,九宮格的情況，處理方法完全相同。

三鏈數刪減法

找出某一列、某一行或某一個九宮格中的某三個宮格候選數中，相異的數字不超過3個的情形， 進而將這3個數字自其它宮格的候選數中刪減掉的方法就叫做三鏈數刪減法。

隱性三鏈數刪減法

在某行，存在三個候選數字分別出現在三個宮格內，
在本行的其它宮格均不包含這三個數字，我們稱這個數對是隱形三鏈數．那麼這三個宮格的其它候選數都可以排除．
當隱形三鏈數出現在列，九宮格，處理方法是完全相同的
或者： 利用「找出某3個數字僅出現在某行、某列或某一個九宮格的某三個宮格候選數中的情形，進而將這三個宮格的候選數刪減成該3個數字」的方法就叫做隱性三鏈數刪減法(Hidden Triples)。

矩形頂點刪減法

矩形頂點刪減法和直觀法講到的矩形摒除法分析方法是一樣的。矩形頂點刪減法在識別時比較不容易找到，所以最好先使用其它的方法。

三鏈列刪減法

三鏈列刪減法是矩形頂點刪減法的擴展，如果不清楚矩形頂點刪減法，可以參考矩形頂點刪減法，以便於更容易理解本節內容。 利用「找出某個數字在某三列僅出現在相同三行的情形，進而將該數字自這三行其他宮格候選數中刪減掉」； 或「找出某個數字在某三行僅出現在相同三列的情形，進而將該數字自這三列其他宮格候選數中刪減掉」的方法 就叫做三鏈列刪減法。

關鍵數刪減法

在進入到解題後期，利用前面講到的唯一候選數法、隱性唯一候選數法、 區塊刪減法、數對刪減法、隱性數對刪減法、 三鏈數刪減法、隱性三鏈數刪減法、矩形頂點刪減法、 三鏈列刪減法都無法有進展的時候，可以考慮使用關鍵數刪減法。關鍵數刪減法就是在後期找到一個數，這個數在行（或列，九宮格）僅出現兩次的數字。我們假定這個數在其中一個宮格類，繼續求解，如果發生錯誤，則確定我們的假設錯誤。如果繼續求解仍然出現困難，不妨假設這個數在另外一個宮格，看能不能得到錯誤。這就是關鍵數刪減法.

排除法
當某一列，某一行或某一宮里已填7個數字時，可採用排除法，排除不可能出現在這個格子的數，從而確定格子里應該填什麼數。比如某一行已填1，3，4，5，7，8，9，還剩2，6，而其中一個空格所在的列上已有了2，可知這個空格里不可能是2，那麼另外一個空格里一定是2，那麼這個空格里一定是6。
當某一列，某一行或某一宮里已填6個數字時，也可採用排除法

希望你採納！祝您愉快！

I. 求數字推理演算法！！！！！！

第一題：因為你1後面沒有加點 我才發現這題可以做出答案為16。
分析：通過觀察可發現存在以下關系：第四個數字10等於第一個數字1加上9（3*3）第五個數字19等於第二個數字10加上9（3*3），那麼括弧裡面的數字就等於第三個數字7加上9（3*3），所以得出結果為16.
第二題：答案為9
分析：通過觀察發現此列數字排序存在立方關系：-7=（-2）^3+1,0=(-1)^3+1,1=0^3+1,2=1^3+1,所以括弧里的數字為2^3+1=9.
第三題：答案為27
分析：此數列存在平方關系，再一推導可發現存在以下關系：3=1^2+2,2=2^2-2,11=3^2+2,14=4^2-2,那麼括弧里的數字就可導出為5^2+2=27
第四題：答案為9
分析：觀察發現此題為乘法規律數列的變式，從第三項起2=1×2-(3-3),3=2×2-(4-3),4=2×3-(5-3),故知an=an-2.an-1-(n-3),即未知項等於3×4-(6-3)=9。
終於最好一道了！其實這道題目很有趣，就是每個數字的個位數加十位數加百位數再加上自己本生就可以得出下面一個數字了，所以不用多說答案就是275。呵呵~~希望對你有幫助呀！

J. 樸素貝葉斯的推理學習演算法

樸素貝葉斯的推理學習演算法
貝葉斯公式簡易推導式：
樸素貝葉斯的樸素在於假設B特徵的每個值相互獨立，所以樸素貝葉斯的公式是這樣的
學習與分類演算法：
(1)計算先驗概率和條件概率
拉普拉斯平滑：
（2）代入被測樣本向量，得到不同類別P，再根據後驗概率最大化，取P最大的類別作為該標簽類別。
樸素貝葉斯優點在於對於小規模數據很好，適合多分類。缺點是數據輸入形式敏感而且特徵值之間的相互獨立很難保證帶來的影響。