算法怎么找

Ⅰ 急求！！！物料衡算的具体算法到哪里找啊

物料衡算的具体作法
对于连续稳定过程，物料衡算的方程是：

∑M入=∑M出 或 进 = 出 为代数方程

对不稳定过程，物料衡算的方程为：

∑Mλ=∑M出+M累积 或 进 = 出 + 累积 为代数方程

绝大多数情况为连续稳定过程，故将重点讨论这种情况。
一般情况下，物料衡算的步骤如下：
首先，确定衡算对象，根据题目要求它可以是总物料、某个组分、某个元素等；
其次，确定衡算范围，根据题目要求它可以是一个系统、一个车间、某个设备；设备的某个局部等……；
最后，确定衡算基准，根据题目要求它可以是单位质量，单位时间等。
在上述三者确定后，根据物料衡算方程分别列出具体的物料衡算方程（一个或多个），再解方程或方程组即可。现举例如下：
如图1-2A所示，浓度为20%（质量百分数，下同）的KNO3水溶液以1000kg/hr流量送入蒸发器，在某温度下蒸出一部分水而得到浓度为50%的KNO3水溶液，再送入结晶器冷却析出含有4%水分的KNO3晶体并不断取走。浓度为37.5%的KNO3饱和母液则返回蒸发器循环处理，该过程为连续稳定过程，试求：
1. 结晶产品量P，水分蒸发量W；
2. 循环母液量R，浓缩量S。

图1-2A
解： 1. 衡算对象：总物料KNO3
衡算范围：如图所示的用一条封闭的虚线所包围的部分
衡算基准：单位时间--每小时
列方程：凡是穿过封闭虚线进入的衡算范围的物料为入；
凡是穿出封闭虚线排出的衡算范围的物料为出；
总物料 ∑Mλ=∑M出
则 F = W + P （1）
同理，对KNO3
0.2F = 0×W + P（1-4%） （2）
将（1）（2）代入数据后组成方程组
1000 = W + P
0.2×1000 = P（1-4%）
解这个方程组得：
P = 208.3 kg/hr
W = 791.7 kg/hr
2. 衡算对象的基准不变，改变衡算范围如图1-2B所示。
总物料 S =R + P
KNO3 0.5 × S = 0.375 × R + P（1-4%）
将上两式代入数据联解得：
R = 766.6 kg/hr
S = 947.9 kg/hr 即为所求

图1-2B
应该指出，确定衡算范围是很重要的，如确定的衡算范围不当，无法求解。一般来说，要尽量使已知条件和所求量穿越衡算范围，这样才能列入衡算方程中。这种技巧可在今后的学习和练习中逐步掌握。

Ⅱ 怎么查看百度搜索引擎的算法

目前已知的网络搜索引擎的算法

到目前为止，根据各方面数据整理的网络搜索引擎算法有两百项左右，今天总结公开其中的130项，希望对大伙儿在操作SEO过程中有所帮助！
1、网站服务器的稳定性
2、网站服务器的安全性
网站服务器的安全是十分重要的，尤其对金融、旅游、移民等高利润行业站点。
3、同IP下的网站越少越好
4、同IP下的网站无大量被K
5、同IP下的网站无大量被降权
6、转移服务器会影响网站排名
网站搬家、网站转移服务器会网站排名的，这里推荐采用网站流量点击保护可以很大程度避免排名的下滑。
7、域名包含关键词（拼音、英文）
就比如某地区SEO排名，推荐域名中包含有seo等关键词。
8、域名年龄越老越有排名优势
9、域名主题的转换直接影响排名
10、备案对网站排名稳定性的重要
11、最好采用DIV+CSS布局
12、表格布局避免过多嵌套
13、网页编码对网站的影响
14、整站生成静态HTML
静态化肯定是特别利于优化的，但是很多站长的空间没有那么大，这里推荐可以采用伪静态的优化手法。
15、动态URL的优化劣势
16、目录的层次不要太深
17、目录名称的优化
18、网页URL不要太长
19、网站内容的原创性
20、避免大量内容重复
21、避免大量采集内容填充
22、避免大量页面内容相似度太高
23、网站内容不要出现违法字眼
24、内容越丰富越有利于排名
25、内容被收录的数量越多越好
26、页面大小(建议小于100K)
页面内容在满足用户需求的同时，尽量体积小些，比如网络的首页大小才4K。
27、页面避免出现太多图片
28、网站sitemap时时更新与提交
29、新页面产生的速率
30、网站Meta的优化设计
31、Deion的优化设计
32、Keywords的优化设计
33、避免太多无关的关键词
34、网页PR值对排名的影响
35、核心关键词的选取
对网站核心关键词一定要定位准确，太原网站推广和太原网站建设虽然是很相近，但是优化的时候一定要有个针对性。比如：某某装修公司，既包含某某装修公司，又能给用户最为顺畅方便记忆的标题。
36、扩展关键词的选取
37、长尾关键词的选择
38、关键词在网站TITLE上的使用
最好的关键词在title显示是一句通顺的语句，既适合搜索引擎的匹配抓取，又适合用户的浏览点击。
39、保持网页Title的唯一性
40、标题设计不要过长
这里主要是针对快照索引字节，对手机站的标题就需要更少点，毕竟现在移动端站优化也是主流方向，对移动站标题的设计就需要更少字节。
41、标题不要堆砌关键词
42、标题的分词描写规则
43、标题描写结合长尾关键词
44、每个标题最好突出1-2个关键词
45、关键词在Meta Deion中的使用
可参考赵一鸣随笔博客的deion写法
46、关键词在Meta Keywords中的使用
47、关键词在H1、H2、H3标签中的使用
48、一个页面尽量只使用一个H1
很多人都在好奇为什么有的网站一直排名那么好，其实大家可以仔细点开每一个内页，每一个内页的标题都是在 H1中包裹的。
49、关键词在页面URL中的使用
50、在url中使用"-"连接关键词
51、关键词与页面内容的相关性
52、关键词的加粗优化
53、关键词的斜体优化
54、关键词的下划线优化
55、关键词的跑马灯优化
56、关键词字体大小
57、图片的关键词优化 alt标签
58、关键词是否突出
59、关键词的密度7%左右
其实网站关键词密度这个事在网站优化过程中并没有那么重要，我优化站的时候是不会特意控制关键词密度的，除非碰到一些竞争超级大的行业（比如贷款、旅游等行业站点）。
60、关键词的集中+分散布局
61、关键词的均匀分散布局
62、网站内部链接结构（星状、树状）
63、网站内部链接结构（扁平）
64、内部链接的数量
65、内部链接相关性质量
当两个网站不分伯仲时，这个时候对网站内链的控制就显得尤为重要了，网站内链相关性有多大，太原雅辉装修网每个装修效果图栏目下面的相关推荐都是最相关的。客厅的就推荐客厅，厨房的就推荐厨房。
65、内部链接的锚文字
网站内链设置得当的话，不仅仅能提升网站主关键词整体的排名，还能提升网站长尾关键词的排名。
66、内部链接周围的文字
67、内部链接锚点避免单一
68、内部链接的多样化
69、内部链接相关文章交叉
70、内部链接创建和更新时间
71、内部链接的加粗优化
72、内部链接的斜体优化
73、内部链接的下划线优化
74、内部链接页面的PR值
75、内部链接产生的速率
76、内部链接主题、页面内容与关键词的相关性
77、内部链接存在的时间
78、确保站内链接有效
79、网站外部链接的稳定性
80、网站外部链接的创建和更新时间
都知道，网站外部链接是有生命周期的，友情链接时间越长越好，对为网站SEO优化主动发的论坛等链接时间越近越好。
81、网站外部链接网站的PR值
82、网站外部链接的主题、页面内容与关键词的相关性
83、网站外部链接产生的速率
虽然很多站长声称外链是没有效果了，但是经过我的实验，主动发的外链还是有效果的。
84、网站外部链接存在的时长
85、网站外部链接指向的页面有具体内容
这里的外部链接通常指一些别人转发我们网站内容的链接，要确保转发到的平台是和我们网站内容相关的，这样才能保证高质量外链。
86、网站外部链接的价值高于互惠链接
87、外部连接(反向连接与友情连接)的数量
88、网站外部链接的锚文字
89、网站外部链接锚点的多样化
90、网站外部链接页面本身的链接权重、质量
91、网站外部链接页面在相关主题的网站中的链接权重
92、网站外部链接的周围文字
外部链接周围文字，这也是为什么我们最后找一些同行站的其中原因之一。
93、网站外部链接最好来自不同IP
94、网站外部链接的加粗优化
95、网站外部链接网站域名的特殊性
96、网站外部链接的斜体优化
97、网站外部链接的下划线优化
98、确保站外链接有效
有个别不道德的站长，采用nofollow链接手法骗取新手站长的首页链接，这里大家一定要慎重。
99、导入链接增加速度 （导入链接的增加是有周期性的，每天增加可以循环上升）
100、导入链接文字不能经常改变
101、导入链接的流行程度
102、导入链接页面中关键词密度
103、导入链接页面标题
116、避免频繁修改网站标题、描述
避免频繁修改网站的title ，如果修改太频繁的话，容易使网站进入沙盒期。
117、避免太快修改链接
118、避免太快修改页面
119、避免过多的java
120、避免使用Flash
121、避免使用框架
122、避免使用一个像素的链接
123、避免使用隐藏链接
124、避免使用看不见的文字
125、避免存在不良的友情网站链接
126、避免细节点使用恶劣低级的语言
127、避免导航结构避免使用图片
128、推荐文章链接被大网站引用
129、推荐文章被大量转载
130、推荐：搜索引擎快照更新快

Ⅲ 如何查看数据库的算法

数据库里面最常用的排序算法莫过于合并排序。
优化的查找算法如二分查找、二叉树查找等，虽然查找效率提高了。但是各自对检索的数据都有要求：二分查找要求被检索数据有序，而二叉树查找只能应用于二叉查找树上，但是数据本身的组织结构不可能完全满足各种数据结构。
数据库查询是数据库的主要功能之一，最基本的查询算法是顺序查找时间复杂度为O(n)，显然在数据量很大时效率很低。优化的查找算法如二分查找、二叉树查找等，虽然查找效率提高了。

Ⅳ 常见查找和排序算法

查找成功最多要n 次，平均（n+1）/2次， 时间复杂度为O(n) 。
优点：既适用顺序表也适用单链表，同时对表中元素顺序无要求，给插入带来方便，只需插入表尾即可。
缺点：速度较慢。

改进：在表尾设置一个岗哨，这样不用去循环判断数组下标是否越界，因为最后必然成立。

适用条件：

二分查找的判定树不仅是二叉排序树，而且是一棵理想平衡树。 时间复杂度为O(lbn) 。

循环实现

递归实现

待排序的元素需要实现 Java 的 Comparable 接口，该接口有 compareTo() 方法，可以用它来判断两个元素的大小关系。

从数组中选择最小元素，将它与数组的第一个元素交换位置。再从数组剩下的元素中选择出最小的元素，将它与数组的第二个元素交换位置。不断进行这样的操作，直到将整个数组排序。

选择排序需要 ~N2/2 次比较和 ~N 次交换，==它的运行时间与输入无关==，这个特点使得它对一个已经排序的数组也需要这么多的比较和交换操作。

从左到右不断 交换相邻逆序的元素 ，在一轮的循环之后，可以让未排序的最大元素上浮到右侧。

在一轮循环中，如果没有发生交换，那么说明数组已经是有序的，此时可以直接退出。

每次都 将当前元素插入到左侧已经排序的数组中 ，使得插入之后左侧数组依然有序。

对于数组 {3, 5, 2, 4, 1}，它具有以下逆序：(3, 2), (3, 1), (5, 2), (5, 4), (5, 1), (2, 1), (4, 1)，插入排序每次只能交换相邻元素，令逆序数量减少 1，因此插入排序需要交换的次数为逆序数量。

==插入排序的时间复杂度取决于数组的初始顺序，如果数组已经部分有序了，那么逆序较少，需要的交换次数也就较少，时间复杂度较低==。

对于大规模的数组，插入排序很慢，因为它只能交换相邻的元素，每次只能将逆序数量减少 1。希尔排序的出现就是为了解决插入排序的这种局限性，它通过交换不相邻的元素，每次可以将逆序数量减少大于 1。

希尔排序使用插入排序对间隔 h 的序列进行排序。通过不断减小 h，最后令 h=1，就可以使得整个数组是有序的。

希尔排序的运行时间达不到平方级别，使用递增序列 1, 4, 13, 40, ... 的希尔排序所需要的比较次数不会超过 N 的若干倍乘于递增序列的长度。后面介绍的高级排序算法只会比希尔排序快两倍左右。

归并排序的思想是将数组分成两部分，分别进行排序，然后归并起来。

归并方法将数组中两个已经排序的部分归并成一个。

将一个大数组分成两个小数组去求解。

因为每次都将问题对半分成两个子问题，这种对半分的算法复杂度一般为 O(NlogN)。

先归并那些微型数组，然后成对归并得到的微型数组。

取 a[l] 作为切分元素，然后从数组的左端向右扫描直到找到第一个大于等于它的元素，再从数组的右端向左扫描找到第一个小于它的元素，交换这两个元素。不断进行这个过程，就可以保证左指针 i 的左侧元素都不大于切分元素，右指针 j 的右侧元素都不小于切分元素。当两个指针相遇时，将切分元素 a[l] 和 a[j] 交换位置。

快速排序是原地排序，不需要辅助数组，但是递归调用需要辅助栈。

快速排序最好的情况下是每次都正好将数组对半分，这样递归调用次数才是最少的。这种情况下比较次数为 CN=2CN/2+N，复杂度为 O(NlogN)。

最坏的情况下，第一次从最小的元素切分，第二次从第二小的元素切分，如此这般。因此最坏的情况下需要比较 N2/2。为了防止数组最开始就是有序的，在进行快速排序时需要随机打乱数组。

因为快速排序在小数组中也会递归调用自己，对于小数组，插入排序比快速排序的性能更好，因此在小数组中可以切换到插入排序。

最好的情况下是每次都能取数组的中位数作为切分元素，但是计算中位数的代价很高。一种折中方法是取 3 个元素，并将大小居中的元素作为切分元素。

对于有大量重复元素的数组，可以将数组切分为三部分，分别对应小于、等于和大于切分元素。

三向切分快速排序对于有大量重复元素的随机数组可以在线性时间内完成排序。

快速排序的 partition() 方法，会返回一个整数 j 使得 a[l..j-1] 小于等于 a[j]，且 a[j+1..h] 大于等于 a[j]，此时 a[j] 就是数组的第 j 大元素。

可以利用这个特性找出数组的第 k 大的元素。

该算法是线性级别的，假设每次能将数组二分，那么比较的总次数为 (N+N/2+N/4+..)，直到找到第 k 个元素，这个和显然小于 2N。

堆中某个节点的值总是大于等于其子节点的值，并且堆是一颗完全二叉树。

堆可以用数组来表示，这是因为堆是完全二叉树，而完全二叉树很容易就存储在数组中。位置 k 的节点的父节点位置为 k/2，而它的两个子节点的位置分别为 2k 和 2k+1。这里不使用数组索引为 0 的位置，是为了更清晰地描述节点的位置关系。

在堆中，当一个节点比父节点大，那么需要交换这个两个节点。交换后还可能比它新的父节点大，因此需要不断地进行比较和交换操作，把这种操作称为上浮。

类似地，当一个节点比子节点来得小，也需要不断地向下进行比较和交换操作，把这种操作称为下沉。一个节点如果有两个子节点，应当与两个子节点中最大那个节点进行交换。

将新元素放到数组末尾，然后上浮到合适的位置。

从数组顶端删除最大的元素，并将数组的最后一个元素放到顶端，并让这个元素下沉到合适的位置。

把最大元素和当前堆中数组的最后一个元素交换位置，并且不删除它，那么就可以得到一个从尾到头的递减序列，从正向来看就是一个递增序列，这就是堆排序。

一个堆的高度为logN，因此在堆中插入元素和删除最大元素的复杂度都为 logN。

对于堆排序，由于要对 N 个节点进行下沉操作，因此复杂度为 NlogN。

堆排序是一种原地排序，没有利用额外的空间。

现代操作系统很少使用堆排序，因为它无法利用局部性原理进行缓存，也就是数组元素很少和相邻的元素进行比较和交换。

计数排序的核心在于将输入的数据值转化为键存储在额外开辟的数组空间中。作为一种线性时间复杂度的排序，==计数排序要求输入的数据必须是有确定范围的整数==。

当输入的元素是 n 个 0 到 k 之间的整数时，它的==运行时间是 O(n + k)==。计数排序不是比较排序，排序的速度快于任何比较排序算法。由于用来计数的数组C的长度取决于待排序数组中数据的范围（等于待排序数组的最大值与最小值的差加上1），这使得计数排序对于数据范围很大的数组，需要大量时间和内存。比较适合用来排序==小范围非负整数数组的数组==。

桶排序是计数排序的升级版。它利用了函数的映射关系，高效与否的关键就在于这个映射函数的确定。为了使桶排序更加高效，我们需要做到这两点：

同时，对于桶中元素的排序，选择何种比较排序算法对于性能的影响至关重要。

当输入数据均匀分配到每一个桶时最快，当都分配到同一个桶时最慢。

实间复杂度N*K

快速排序是最快的通用排序算法，它的内循环的指令很少，而且它还能利用缓存，因为它总是顺序地访问数据。它的运行时间近似为 ~cNlogN，这里的 c 比其它线性对数级别的排序算法都要小。

使用三向切分快速排序，实际应用中可能出现的某些分布的输入能够达到线性级别，而其它排序算法仍然需要线性对数时间。

Ⅳ 去哪能找到大量的参考算法

http://stackoverflow.com/

这个网站