演算法演示

『壹』 經典筆試面試知識整理，數據結構與演算法(代碼演示)

題目描述：

在一個二維數組中，每一行都按照從左到右遞增的順序排序，每一列都按照從上到下遞增的順序排序。請完成一個函數，輸入這樣的一個二維數組和一個整數，判斷數組中是否含有該整數。

輸入描述: array： 待查找的二維數組 target：查找的數字

輸出描述:

查找到返回true，查找不到返回false

題目描述：

請實現一個函數，將漏祥一個字元串中的空格替換成「%20」。例如，當字元串為We Are Happy.則經過替換之後的字元串為We%20Are%20Happy。

題目描述： 輸入一個鏈表，從尾到頭列印鏈表每個節點的值。

輸入描述： 輸入為鏈表的表頭

輸出描述： 輸出為需要列印的「新鏈表」的表頭

題目描述：

輸入某二叉樹的前序遍歷和中序遍歷的結果，請重建出該二叉樹。假設輸入的前序遍歷和中序遍歷的結果中都不含重復的數字。

例如輸入前序遍歷序列{1,2,4,7,3,5,6,8}和中序遍歷序列{4,7,2,1,5,3,8,6}，則重建二叉樹並返回。

題目描述：

把一個數組最開始的若干個元素搬到數組的末尾，我們稱之為數組的旋轉。輸入一個遞增排序的數組的一喊搜鉛個旋轉，輸出旋轉數組的最小元素。

例如數組{3,4,5,1,2}為{1,2,3,4,5}的一個旋轉，該數組的最小值為1。 NOTE：給出的所有元素都大於0，若數組大小為0，請返回0。

1、題目描述：

大家都知道斐波那契數列，現在要求輸入一個整數n，請你輸出斐波那契數列的第n項。n<=39

2、題目描述：

一隻青蛙一次可以跳上1級台階，也可以跳上2級。求該青蛙跳上一個n級的台階總共有多少種跳法。

3、題目描述：

一隻青蛙一次可以跳上1級台階，也可以跳上2級……它也可以跳上n級。求該青蛙跳上一個n級的台階總共有多少種跳法。

4、題目描述：

我們可以用2*1的小矩形橫著或者豎著去覆蓋更大的矩形。請問用n個2*1的小矩形無重疊地覆蓋一個2*n的大矩形，總共有多少種方法？

1、題目描述：

輸入一個整數，輸出該數二進製表示中1的個數。其中負數用補碼表示。

2、題目描述：

給定一個double類型的浮點數base和int類型的整數exponent。求base的exponent次方。

題目描述：

輸入一個整數數組，實現一個函數來調整鄭好該數組中數字的順序，使得所有的奇數位於數組的前半部分，所有的偶數位於位於數組的後半部分，並保證奇數和奇數，偶數和偶數之間的相對位置不變。

題目描述：

用兩個棧來實現一個隊列，完成隊列的Push和Pop操作， 隊列中的元素為int類型。

題目描述：

輸入一個鏈表，輸出該鏈表中倒數第k個結點。

『貳』 題目1:一個簡單的演算法演示程序(java語言實現)

1. 選擇一個演算法（提供選擇見下），利用各種方法（圖形、動畫等）演示演算法的演示過程。
2. 可以進行手動演示，也可以自動步進式演示。
3. 允許用戶設置演算法的各個輸入參數，以及自動步進式演示中的時間間隔。
4. 不同的演算法輸入要求見下。
界面要求：
1. 盡量使用圖形界面實現，要符合日常軟體使用規范來設計菜單和界面。
2. 如果無法實現圖形界面，則在命令行方式下也需要提供菜單，方便用戶操作。
其他要求：
1. 標識符命名遵循Windows命名規范。
2. 能夠注意各種異常處理，注重提高程序運行效率。
提交內容：
1. 全部源代碼。
2. 軟體設計和使用說明書（UML類圖；實現的功能、主要技術；使用幫助文檔）
參考演算法：
1. 最小生成樹演算法：Prim演算法、Kruskal演算法。允許以下方式輸入一個圖形：繪制圖形、輸入鄰接矩陣、輸入邊及其關聯的頂點。要求在圖形方式下進行演示演算法執行步驟。
2. 單源最短路演算法：Dijkstra演算法。允許以下方式輸入一個圖形：繪制圖形、輸入鄰接矩陣、輸入邊及其關聯的頂點。要求在圖形方式下進行演示演算法執行步驟。
3. 最優編碼演算法：Huffman編碼演算法。允許用戶輸入一段英文文字，或者打開一個txt文檔（英文內容），據此文檔內容進行編碼。要求動態列出每個字元的出現概率統計結果以及對應編碼。
4. 其他可供演示的具有一定難度的演算法，如關鍵路徑問題、有向圖的極大連通分支等。

『叄』 如何利用matlab gui製作典型演算法的演示系統

步驟/方法 1、新建GUI，保存，並按圖示部署各控制項（edit text，static texe,listbox,axes），按圖修改各String 2、右擊“曲線繪圖”--View Callbacks--Callback，輸入以下程序 3、右擊“關閉”--View Callbacks--Callback，輸入以下程序 4、右擊“listbox控制項”--View Callbacks--Callback，輸入以下程序 5、運行四大環節，如下（依次為比例環節、慣性環節、比例微分環節、比例積分環節繪圖） 6、自行輸入函數程序，繪制任意圖像，以y=sin(x)為例，點擊“曲線繪制”

『肆』 基於DES演算法的CBC演示程序實現（java）

基於DES演算法的CBC演示程序實現（java）
package des;

import java.io.*;
import java.nio.*;
import java.nio.channels.FileChannel;

public class FileDES{
private static final boolean enc=true; //加密
private static final boolean dec=false; //解密

『伍』 十大經典演算法之動圖演示

前面好奇心已經帶大家從 冒泡排序 開始，一直到 基數排序 ，從頭過了一遍，那麼這里歸納一下，將 十個經典演算法 的 演示圖 都放出來，供大家對比參考學習。

每張圖都會附帶詳細 解說鏈接 ，有需要的同學可以 點擊詳細了解學習 。

Python 實現經典演算法之冒泡排序

Python 實現經典演算法之選擇排序

Python 實現經典演算法之插入排序

Python 實現經典演算法之希爾排序

Python 實現經典演算法之歸並排序

Python 實現經典演算法之堆排序

Python 實現經典演算法之快速排序

Python 實現經典演算法之計數排序

Python 實現經典演算法之桶排序

Python 實現經典演算法之基數排序

好了，上面就是 經典十大排序演算法 的圖片演示了，我 盡可能 的都是放了動圖。

部分文章裡面可能不止一張圖片，我這里礙於篇幅和排版，就沒放。有需要的同學也可以 點擊 附帶的 鏈接 詳細 學習

『陸』 一文徹底搞懂BP演算法：原理推導+數據演示+項目實戰（上篇）

反向傳播演算法（Backpropagation Algorithm，簡稱BP演算法）是深度學習的重要思想基礎，對於初學者來說也是必須要掌握的基礎知識！本文希望以一個清晰的脈絡和詳細的說明，來讓讀者徹底明白BP演算法的原理和計算過程。

全文分為上下兩篇，上篇主要介紹BP演算法的原理（即公式的推導），介紹完原理之後，我們會將一些具體的數據帶入一個簡單的三層神經網路中，去完整的體驗一遍BP演算法的計算過程；下篇是一個項目實戰，我們將帶著讀者一起親手實現一個BP神經網路（不使用任何第三方的深度學習框架）來解決一個具體的問題。

圖 1 所示是一個簡單的三層（兩個隱藏層，一個輸出層）神經網路結構，假設我們使用這個神經網路來解決二分類問題，我們給這個網路一個輸入樣本 ，通過前向運算得到輸出 。輸出值 的值域為 ，例如 的值越接近0，代表該樣本是"0"類的可能性越大，反之是"1"類的可能性大。

為了便於理解後續的內容，我們需要先搞清楚前向傳播的計算過程，以圖1所示的內容為例：

輸入的樣本為：

第一層網路的參數為：

第二層網路的參數為：

第三層網路的參數為：

第一層隱藏層有三個神經元： 、 和 。該層的輸入為：

以 神經元為例，則其輸入為：

同理有：

假設我們選擇函數 作為該層的激活函數（圖1中的激活函數都標了一個下標，一般情況下，同一層的激活函數都是一樣的，不同層可以選擇不同的激活函數），那麼該層的輸出為： 、 和 。

第二層隱藏層有兩個神經元： 和 。該層的輸入為：

即第二層的輸入是第一層的輸出乘以第二層的權重，再加上第二層的偏置。因此得到和的輸入分別為：

該層的輸出分別為： 和 。

輸出層只有一個神經元 ：。該層的輸入為：

即：

因為該網路要解決的是一個二分類問題，所以輸出層的激活函數也可以使用一個Sigmoid型函數，神經網路最後的輸出為： 。

在1.1節里，我們已經了解了數據沿著神經網路前向傳播的過程，這一節我們來介紹更重要的反向傳播的計算過程。假設我們使用隨機梯度下降的方式來學習神經網路的參數，損失函數定義為 ，其中 是該樣本的真實類標。使用梯度下降進行參數的學習，我們必須計算出損失函數關於神經網路中各層參數（權重 和偏置 ）的偏導數。

假設我們要對第 層隱藏層的參數 和 求偏導數，即求 和 。假設 代表第 層神經元的輸入，即 ，其中 為前一層神經元的輸出，則根據鏈式法則有：

因此，我們只需要計算偏導數 、 和 。

前面說過，第k層神經元的輸入為： ，因此可以得到：

上式中， 代表第 層神經元的權重矩陣 的第 行， 代表第 層神經元的權重矩陣 的第 行中的第 列。

我們以1.1節中的簡單神經網路為例，假設我們要計算第一層隱藏層的神經元關於權重矩陣的導數，則有：

因為偏置b是一個常數項，因此偏導數的計算也很簡單：

依然以第一層隱藏層的神經元為例，則有：

偏導數 又稱為 誤差項（error term，也稱為「靈敏度」） ，一般用 表示，例如 是第一層神經元的誤差項，其值的大小代表了第一層神經元對於最終總誤差的影響大小。

根據第一節的前向計算，我們知道第 層的輸入與第 層的輸出之間的關系為：

又因為 ，根據鏈式法則，我們可以得到 為：

由上式我們可以看到，第 層神經元的誤差項 是由第 層的誤差項乘以第 層的權重，再乘以第 層激活函數的導數（梯度）得到的。這就是誤差的反向傳播。
現在我們已經計算出了偏導數 、 和 ，則 和 可分別表示為：

下面是基於隨機梯度下降更新參數的反向傳播演算法：

單純的公式推導看起來有些枯燥，下面我們將實際的數據帶入圖1所示的神經網路中，完整的計算一遍。

我們依然使用如圖5所示的簡單的神經網路，其中所有參數的初始值如下：

輸入的樣本為（假設其真實類標為"1"）：

第一層網路的參數為：

第二層網路的參數為：

第三層網路的參數為：

假設所有的激活函數均為Logistic函數： 。使用均方誤差函數作為損失函數：

為了方便求導，我們將損失函數簡化為：

我們首先初始化神經網路的參數，計算第一層神經元：

上圖中我們計算出了第一層隱藏層的第一個神經元的輸入 和輸出 ，同理可以計算第二個和第三個神經元的輸入和輸出：

接下來是第二層隱藏層的計算，首先我們計算第二層的第一個神經元的輸入z₄和輸出f₄(z₄)：

同樣方法可以計算該層的第二個神經元的輸入 和輸出 ：

最後計算輸出層的輸入 和輸出 ：

首先計算輸出層的誤差項 ，我們的誤差函數為 ，由於該樣本的類標為「1」，而預測值為 ，因此誤差為 ，輸出層的誤差項為：

接著計算第二層隱藏層的誤差項，根據誤差項的計算公式有：

最後是計算第一層隱藏層的誤差項：

『柒』 什麼是演示程序比如要求編寫查找演算法的演示程序，意思就是編一個程序，可以實現查找演算法的功能就行嗎

就是demo
一般是個有需要界面的假程序，先做出個樣子，讓人家知道你能做成什麼結果
比如人家要你做一個酒店管理系統，給你一堆要求
你的demo就是一個界面，上面是具體這些要求的實現結果
各種表格，各種錄入界面
至於怎麼實現的，是後面再說的，裡面不需要有真正的功能

你說的查找演算法也是這樣
有個界面，是查找參數
然後有個結果界面，是查找的結果
至於具體演算法，後面再說，現在都弄好了，那還怎麼說是演示呢？

『捌』 遞歸演算法 漢諾塔 演示

整理分析結果：把第1步中化簡問題的條件作為遞歸 結束條件，將第3步分析得到的演算法作為遞歸演算法。
定義函數movedisc( n，fromneedle，toneedle，usingneedle)。將 fromneedle 桿上的 N 個圓盤，藉助 usingneedle 桿，移動到 toneedle 桿上。
移動N個圓盤的遞歸演算法描述如下：
movedisc ( n，fromneedle，toneedle，usingneedle )
{ if ( n==1 ) 將 n 號圓盤從 fromneedle 上移到 toneedle;
else {
① movedisc ( n-1，fromneedle，usingneedle，toneedle )
② 將 n 號圓盤從 fromneedle 上移到 toneedle;
③ movedisc ( n-1，usingneedle，toneedle，fromneedle )
}
}

下面是程序
int i=0; /* 移動圓盤數量計數器 */
main( )
{ unsigned n;
scanf ("%d", &n);
movedisc ( n,』a』,』b』,』c』); /* 將A上的N個圓盤藉助C將移動到B上 */
printf( "\t Total: %d\n", i );
}
movedisc ( n, fromneedle, toneedle, usingneedle )
unsigned n;
char fromneedle, toneedle, usingneedle;
{ if ( n == 1 )
printf("%2d-(%2d): %c ==> %c\n",++i, n,fromneedle,toneedle);
else {
movedisc ( n-1, fromneedle, usingneedle, toneedle );
printf("%2d-(%2d): %c ==> %c\n",++i, n,fromneedle,toneedle);
movedisc ( n-1, usingneedle, toneedle, fromneedle );
}
}