查找算法总结
① 数组的冒泡排序和分块查找法
#include<iostream.h>
const int N=12,M=3;
void numbers (int a[]) //输入数组元素
{
cout<<"请输入"<<N<<"个元素"<<endl;
for(int i=0;i<N;i++)
cin>>a;
}
void sort(int a[],int n) //冒泡法排序
{
int t;
for(int i=0;i<n-1;i++)
for(int j=0;j<n-1-i;j++)
if(a[j]>a[j+1])
{
t=a[j];
a[j]=a[j+1];
a[j+1]=t;
}
}
void search(int a[]) //分块查找法
{
int x,j,i;
cout<<"请输入要查找的元素"<<endl;
cin>>x;
int b[N][2];
for(j=0,i=3;j<3,i<12;j++,i+=4)
b[j][0]=a;
for(j=0,i=0;j<3,i<12;j++,i+=4)
b[j][1]=i;
for(j=0;j<3;j++)
{
if(x<=b[j][0])
break;
}
if(x>a[N-1])
{
cout<<x<<" "<<"不在您要查找的数组中"<<endl;
return;
}
{
int top=b[j][1],bottom=b[j][1]+N/M-1,middle=(top+bottom)/2; //折半查找法
while(top<=bottom)
{
if(x==a[middle])
break;
else if(x>a[middle])
top=middle+1;
else
bottom=middle-1;
middle=(top+bottom)/2;
}
if(x==a[middle])
{
cout<<x<<" "<<"在您要查找的数组中"<<endl;
}
else
{
cout<<x<<" "<<"不在您要查找的数组中"<<endl;
}
}
}
定义：折半查找技术，也就是二分查找。它的前提是线性表中的记录必须是关键码有序（通常从大到小有序），线性表必须采用顺序存储。
折半查找的基本思想：取中间记录作为比较对象，若给定值与中间记录的关键字，则在中间记录的关键字相等，则查找成功；若给定值小于中间记录的作伴去继续查找；若给定值大于中间记录的关键字，则在中间记录的右半区继续查找。不断重复上述过程，直到查找成功，或所有查找区域无记录，查找失败为止。
实现代码：
<?php //递归方式 function bin_recur_search($arr,$val){ global $time; if(count($arr) >= 1){ $mid = intval(count($arr) / 2); $time++; if($arr[$mid] == $val){ return '值为:'.$arr[$mid].'<br>查找次数：'.$time.'<br>'; }elseif($arr[$mid] > $val){ $arr = array_splice($arr,0,$mid); return bin_recur_search($arr, $val); }else{ $arr = array_slice($arr,$mid + 1); return bin_recur_search($arr, $val); } } return '未找到'.$val; } //非递归方式 function bin_search($arr,$val){ if(count($arr) >= 1){ $low = 0; $high = count($arr); $time = 0; while($low <= $high){ $time++; $mid = intval(($low + $high)/2); if($val == $arr[$mid]){ return '索引：'.$mid.'<br>值为：'.$arr[$mid].'<br>查找次数：'.$time; }elseif($val > $arr[$mid]){ $low = $mid + 1; }else{ $high = $mid - 1; } } } return '未找到'.$val; } $arr = array(1,3,5,7,7,9,25,68,98,145,673,8542); echo bin_recur_search($arr, 673); echo bin_search($arr, 673); ?>
运行结果：
值为:673 查找次数：4 索引：10 值为：673 查找次数：4
更多关于PHP相关内容感兴趣的读者可查看本站专题：《PHP数据结构与算法教程》、《php程序设计算法总结》、《php字符串(string)用法总结》、《PHP数组(Array)操作技巧大全》、《PHP常用遍历算法与技巧总结》及《PHP数学运算技巧总结》
③ 算法学习心得体会
从基本的数据结构和排序查找开始
然后是贪心，动态规划等
具体的会涉及到树图字符串等有不同的算法
我觉得算法这东西是太难了，搞不来。。。
④ 大侠们动态规划，搜索算法什么的在以后的工作中重要不
重要。有人总结：“动贪（动态规划、贪心），裸做（模拟），暴搜，交表”乃是OI必备
⑤ 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
⑥ 求助，pascal编程搜索算法的优化，呼叫大牛!!!
这道题的主要算法是搜索，但当然还有解方程等其他方法，这里主要介绍搜索的方法。
深度搜索每个字母的值
显然O(n!)的复杂度会超时，那就必然要剪枝
下面来说一下优化
对于一个测试数据
5
ABCED
BDACE
EBBAA
一：剪枝：
如最后一列的D,E,A
如果D，E，A的值都已经搜出来一种方案了，那么A =(D+E) mod n 即D+E除以n的余数是A，因为D+E有可能〉n并且进位，所以要mod n，详细一点即，对于搜索出来的D，E，A如果上一位进位则 A=（D+E+1）mod n，不进位则A=（D+E）mod n,不知道是否进位则(A=（D+E+1）mod n)or( A=（D+E）mod n)，如果满足这些条件则继续，否则退出。
如果只知道D，E则（D+E）mod n（如进位则是（D+E+1）mod n）这个数没被赋值到其他的字母上去就可以继续搜，同样只知道E，A和D，A也可以这样剪枝。
E，A：[A-E mod n] (进位则是 (A-E-1) mod n)没被赋给除D外的其它字母
D，A：[A-D mod n] (进位则是 (A-D-1) mod n)没被赋给除E外的其它字母
二：优化：
还有一个优化就是从搜索顺序的优化：搜索顺序的改变也成为大大提高程序效率的关键：从右往左，按照字母出现顺序搜索，有很大程度上提高了先剪掉废枝的情况。
三：注意：
进位情况要特别注意：
（1）
如果D，E，A都知道，那么（D+E）DIV n<>0则进位否则不进（上一位进位则（D+E+1）DIV n<>0 ）
（2）
如果知道D，E那么（D+E）DIV n<>0则进位否则不进（上一位进位则（D+E+1）DIV n<>0 ） 特殊情况：如果上一位不确定是否进位那么又要分情况讨论：○1如果进位，不进位两种情况中只有一种情况合法（即所确定的数符合剪枝条件）,那么就按这种情况确定是不是进位。○2如果两种情况都合法则，如果两种情况的进位是否都相同，那么可以确定这一位是否进位，不同的话则进位状态赋值为待定。
（3）
知道A，E那么 A<E则进位否则不进（上一位进位则（A-1）<E ） 特殊情况：同（2）。
（4）
知道A，D那么 D<E则进位否则不进（上一位进位则（A-1）<D ） 特殊情况：同（2）。
（5）
只知道D,E,A中一个的值，则进位状态待定。
附：
总结：
搜索解决这道题是最容易想到的，但普通的搜索显然会超时，所以剪枝非常重要。
剪枝的原则
1、正确性
枝条不是爱剪就能剪的。如果随便剪枝，把带有最优解的那一分支也剪掉了的话，剪枝也就失去了意义。所以，剪枝的前提是一定要保证不丢失正确的结果。 2、准确性 在保证了正确性的基础上，我们应该根据具体问题具体分析，采用合适的判断手段，使不包含最优解的枝条尽可能多的被剪去，以达到程序“最优化”的目的。可以说，剪枝的准确性，是衡量一个优化算法好坏的标准。 3、高效性 设计优化程序的根本目的，是要减少搜索的次数，使程序运行的时间减少。但为了使搜索次数尽可能的减少，我们又必须花工夫设计出一个准确性较高的优化算法，而当算法的准确性升高，其判断的次数必定增多，从而又导致耗时的增多，这便引出了矛盾。 因此，如何在优化与效率之间寻找一个平衡点，使得程序的时间复杂度尽可能降低，同样是非常重要的。倘若一个剪枝的判断效果非常好，但是它却需要耗费大量的时间来判断、比较，结果整个程序运行起来也跟没有优化过的没什么区别，这样就太得不偿失了。 综上所述，我们可以把剪枝优化的主要原则归结为六个字：正确、准确、高效。
还有搜索题除了要掌握一般的技巧，也要对每道题的内涵进行挖掘，找到其特性。对症下药才可有用。
⑦ 百度地图的路径搜索算法
这个还是要问程序猿，现在比较流行A*算法，至于网络是否开发出了新的算法不得而知，毕竟没有完全相同的程序。
给你看一篇文献：
地图中最短路径的搜索算法研究
学生:李小坤 导师：董峦
摘要：目前为止, 国内外大量专家学者对“最短路径问题”进行了深入的研究。本文通过理论分析, 结合实际应用，从各个方面较系统的比较广度优先搜索算法(BFS)、深度优先搜索算法(DFS)、A* 算法的优缺点。
关键词:最短路径算法；广度优先算法；深度优先算法；A*算法；
The shortest path of map's search algorithm
Abstract:So far, a large number of domestic and foreign experts and scholars on the" shortest path problem" in-depth study. In this paper, through theoretical analysis and practical application, comprise with the breadth-first search algorithm ( BFS ), depth-first search algorithm ( DFS ) and the A * algorithms from any aspects of systematic.
Key words: shortest path algorithm; breadth-first algorithm; algorithm; A * algorithm;
前言：
最短路径问题是地理信息系统（GIS）网络分析的重要内容之一，而且在图论中也有着重要的意义。实际生活中许多问题都与“最短路径问题”有关, 比如: 网络路由选择, 集成电路设计、布线问题、电子导航、交通旅游等。本文应用深度优先算法，广度优先算法和A*算法，对一具体问题进行讨论和分析，比较三种算的的优缺点。
在地图中最短路径的搜索算法研究中，每种算法的优劣的比较原则主要遵循以下三点:[1]
(1)算法的完全性：提出一个问题，该问题存在答案，该算法能够保证找到相应的答案。算法的完全性强是算法性能优秀的指标之一。
(2)算法的时间复杂性: 提出一个问题，该算法需要多长时间可以找到相应的答案。算法速度的快慢是算法优劣的重要体现。
(3)算法的空间复杂性:算法在执行搜索问题答案的同时，需要多少存储空间。算法占用资源越少，算法的性能越好。
地图中最短路径的搜索算法:
1、广度优先算法
广度优先算法(Breadth-First-Search)，又称作宽度优先搜索，或横向优先搜索，是最简便的图的搜索算法之一，这一算法也是很多重要的图的算法的原型,Dijkstra单源最短路径算法和Prim最小生成树算法都采用了和宽度优先搜索类似的思想。广度优先算法其别名又叫BFS，属于一种盲目搜寻法，目的是系统地展开并检查图中的所有节点，以找寻结果。换句话说，它并不考虑结果的可能位址，彻底地搜索整张图，直到找到结果为止。BFS并不使用经验法则算法。
广度优先搜索算法伪代码如下：[2-3]
BFS(v)//广度优先搜索G，从顶点v开始执行
//所有已搜索的顶点i都标记为Visited(i)=1.
//Visited的初始分量值全为0
Visited(v)=1;
Q=[];//将Q初始化为只含有一个元素v的队列
while Q not null do
u=DelHead(Q);
for 邻接于u的所有顶点w do
if Visited(w)=0 then
AddQ(w,Q); //将w放于队列Q之尾
Visited(w)=1;
endif
endfor
endwhile
end BFS
这里调用了两个函数：AddQ(w,Q)是将w放于队列Q之尾；DelHead(Q)是从队列Q取第一个顶点，并将其从Q中删除。重复DelHead(Q)过程，直到队列Q空为止。
完全性：广度优先搜索算法具有完全性。这意指无论图形的种类如何，只要目标存在，则BFS一定会找到。然而，若目标不存在，且图为无限大，则BFS将不收敛（不会结束）。
时间复杂度：最差情形下，BFS必须寻找所有到可能节点的所有路径，因此其时间复杂度为,其中|V|是节点的数目，而 |E| 是图中边的数目。
空间复杂度：因为所有节点都必须被储存，因此BFS的空间复杂度为，其中|V|是节点的数目，而|E|是图中边的数目。另一种说法称BFS的空间复杂度为O(B),其中B是最大分支系数，而M是树的最长路径长度。由于对空间的大量需求，因此BFS并不适合解非常大的问题。[4-5]
2、深度优先算法
深度优先搜索算法（Depth First Search）英文缩写为DFS，属于一种回溯算法，正如算法名称那样，深度优先搜索所遵循的搜索策略是尽可能“深”地搜索图。[6]其过程简要来说是沿着顶点的邻点一直搜索下去，直到当前被搜索的顶点不再有未被访问的邻点为止，此时，从当前辈搜索的顶点原路返回到在它之前被搜索的访问的顶点，并以此顶点作为当前被搜索顶点。继续这样的过程，直至不能执行为止。
深度优先搜索算法的伪代码如下：[7]
DFS(v) //访问由v到达的所有顶点
Visited(v)=1;
for邻接于v的每个顶点w do
if Visited(w)=0 then
DFS(w);
endif
endfor
end DFS
作为搜索算法的一种，DFS对于寻找一个解的NP（包括NPC）问题作用很大。但是，搜索算法毕竟是时间复杂度是O(n!)的阶乘级算法，它的效率比较低，在数据规模变大时，这种算法就显得力不从心了。[8]关于深度优先搜索的效率问题，有多种解决方法。最具有通用性的是剪枝，也就是去除没有用的搜索分支。有可行性剪枝和最优性剪枝两种。
BFS:对于解决最短或最少问题特别有效，而且寻找深度小，但缺点是内存耗费量大（需要开大量的数组单元用来存储状态）。
DFS：对于解决遍历和求所有问题有效，对于问题搜索深度小的时候处理速度迅速，然而在深度很大的情况下效率不高。
3、A*算法
1968年的一篇论文，“P. E. Hart, N. J. Nilsson, and B. Raphael. A formal basis for the heuristic determination of minimum cost paths in graphs. IEEE Trans. Syst. Sci. and Cybernetics, SSC-4(2):100-107, 1968”。[9]从此，一种精巧、高效的算法——A*算法问世了，并在相关领域得到了广泛的应用。A* 算法其实是在宽度优先搜索的基础上引入了一个估价函数,每次并不是把所有可扩展的结点展开,而是利用估价函数对所有未展开的结点进行估价, 从而找出最应该被展开的结点,将其展开,直到找到目标节点为止。
A*算法主要搜索过程伪代码如下：[10]
创建两个表，OPEN表保存所有已生成而未考察的节点，CLOSED表中记录已访问过的节点。
算起点的估价值;
将起点放入OPEN表;
while(OPEN!=NULL) //从OPEN表中取估价值f最小的节点n;
if(n节点==目标节点) break;
endif
for(当前节点n 的每个子节点X)
算X的估价值;
if(X in OPEN)
if(X的估价值小于OPEN表的估价值)
把n设置为X的父亲;
更新OPEN表中的估价值; //取最小路径的估价值;
endif
endif
if(X inCLOSE)
if( X的估价值小于CLOSE表的估价值)
把n设置为X的父亲;
更新CLOSE表中的估价值;
把X节点放入OPEN //取最小路径的估价值
endif
endif
if(X not inboth)
把n设置为X的父亲;
求X的估价值;
并将X插入OPEN表中; //还没有排序
endif
end for
将n节点插入CLOSE表中;
按照估价值将OPEN表中的节点排序; //实际上是比较OPEN表内节点f的大小，从最小路径的节点向下进行。
end while(OPEN!=NULL)
保存路径，即 从终点开始，每个节点沿着父节点移动直至起点，这就是你的路径；
A *算法分析：
DFS和BFS在展开子结点时均属于盲目型搜索，也就是说，它不会选择哪个结点在下一次搜索中更优而去跳转到该结点进行下一步的搜索。在运气不好的情形中，均需要试探完整个解集空间, 显然，只能适用于问题规模不大的搜索问题中。而A*算法与DFS和BFS这类盲目型搜索最大的不同，就在于当前搜索结点往下选择下一步结点时，可以通过一个启发函数来进行选择，选择代价最少的结点作为下一步搜索结点而跳转其上。[11]A *算法就是利用对问题的了解和对问题求解过程的了解, 寻求某种有利于问题求解的启发信息, 从而利用这些启发信息去搜索最优路径.它不用遍历整个地图, 而是每一步搜索都根据启发函数朝着某个方向搜索.当地图很大很复杂时, 它的计算复杂度大大优于D ijks tr a算法, 是一种搜索速度非常快、效率非常高的算法.但是, 相应的A*算法也有它的缺点.启发性信息是人为加入的, 有很大的主观性, 直接取决于操作者的经验, 对于不同的情形要用不同的启发信息和启发函数, 且他们的选取难度比较大,很大程度上找不到最优路径。
总结：
本文描述了最短路径算法的一些步骤，总结了每个算法的一些优缺点，以及算法之间的一些关系。对于BFS还是DFS，它们虽然好用，但由于时间和空间的局限性，以至于它们只能解决规模不大的问题，而最短或最少问题应该选用BFS,遍历和求所有问题时候则应该选用DFS。至于A*算法，它是一种启发式搜索算法，也是一种最好优先的算法，它适合于小规模、大规模以及超大规模的问题，但启发式搜索算法具有很大的主观性，它的优劣取决于编程者的经验，以及选用的启发式函数，所以用A*算法编写一个优秀的程序，难度相应是比较大的。每种算法都有自己的优缺点，对于不同的问题选择合理的算法，才是最好的方法。
参考文献：
[1]陈圣群,滕忠坚,洪亲,陈清华.四种最短路径算法实例分析[J].电脑知识与技术(学术交流),2007(16):1030-1032
[2]刘树林,尹玉妹.图的最短路径算法及其在网络中的应用[J].软件导刊,2011(07):51-53
[3]刘文海,徐荣聪.几种最短路径的算法及比较[J].福建电脑，2008(02）:9-12
[4]邓春燕.两种最短路径算法的比较[J].电脑知识与技术，2008（12）：511-513
[5]王苏男,宋伟,姜文生.最短路径算法的比较[J].系统工程与电子技术,1994(05)：43-49
[6]徐凤生,李天志.所有最短路径的求解算法[J].计算机工程与科学,2006(12)：83-84
[7]李臣波,刘润涛.一种基于Dijkstra的最短路径算法[J].哈尔滨理工大学学报,2008(03)：35-37
[8]徐凤生.求最短路径的新算法[J].计算机工程与科学,2006(02).
[9] YanchunShen . An improved Graph-based Depth-First algorithm and Dijkstra algorithm program of police patrol [J] . 2010 International Conference on Electrical Engineering and Automatic Control , 2010(3) : 73-77
[10]部亚松.VC++实现基于Dijkstra算法的最短路径[J].科技信息(科学教研),2008(18)：36-37
[11] 杨长保,王开义,马生忠.一种最短路径分析优化算法的实现[J]. 吉林大学学报(信息科学版),2002(02)：70-74
⑧ 百度和Google的搜索算法，技术有何差异
我们直接分析博百优在网络和谷歌首页排名情况，就可以知道，网络与谷歌的排名算法有较大的出入，不过随着时间的推移，这种差异会越来越小，毕竟搜索引擎排名的核心思想都是差不多的，都是给用户提供最实用的信息。
一、分析谷歌与网络的细节异同
1、从这次比赛看来，谷歌对新站有特别照顾机会，前期会获得不错的排名，不过，慢慢的又会降下来，网络虽然对新站也有特别照顾机会，不过和老网站比起来，这些机会几乎看不到了。
2、网络的老站权重继承
很明显，这次比赛,大部分人都是通过修改标题形式参赛，所以在短时间内都在网络获得不错的排名,这都利益于老站权重的继承，看谁原站的权重高,在前期就排的最前面，谷歌似乎这种情况不太明显，改了标题后,就会从新对你考察，考察你的相关内容是否丰富，是否相关性很强，在决定你的排名情况，而不考虑以前权重有多高。
3、虽然网络和谷歌对外链的数量和质量影响网站权重的重要因素，但谷歌更注重外链的质量上，如果你的站外链质量非常多，一般都能获得不错的排名。
4、对原创文章的分析上，谷歌分析水平比网络更高，对原创质量要求更高，伪原创分辩能力更强。这一点不得不承认谷歌技术的先进。
5、谷歌对主域名排名更具有优先权，博百优官方网子论坛，虽然外链和内容上都远远超过其它参赛站点，但在谷歌前几页都找不到博百优官方网子论坛，期重要原因是谷歌对主域名具有更高的权重。
二、分析以下几个重要因素的异同
1、原创方面
网络和谷歌对原创都非常看重,内容为王，这是永久的真理，不过谷歌对原创文章质量分析能力更强。
2、外链方面
无论是网络和谷歌，外链绝对是影响排名的重要因素，质量比数量更重要，但谷歌更看重高质量的外链，对排名的作用会更大一些。
3、内容相关性方面
无论哪个搜索引擎，内容与主题越相关,排名肯定更有优势,，但放在一起对比，发现，谷歌对内容高度相关的站点，更具有排名优先权。而网络可能还会去考察其它因素。
4、快照方面
这一点二者都一样，快照越新,相应权重会越高一些，但要在其它重要因素的前提下才能发挥作用。这个分析并不是很权威,有些可能和大家所想的有出入，不过没关系，这个分析是初版，以后会总结和分析出更完美版，请关注!
⑨ C语言编写数据结构查找算法
实验五 查找的实现
一、 实验目的
1．通过实验掌握查找的基本概念；
2．掌握顺序查找算法与实现；
3．掌握折半查找算法与实现。
二、 实验要求
1． 认真阅读和掌握本实验的参考程序。
2． 保存程序的运行结果，并结合程序进行分析。
三、 实验内容
1、建立一个线性表，对表中数据元素存放的先后次序没有任何要求。输入待查数据元素的关键字进行查找。为了简化算法，数据元素只含一个整型关键字字段，数据元素的其余数据部分忽略不考虑。建议采用前哨的作用，以提高查找效率。
2、查找表的存储结构为有序表，输入待查数据元素的关键字利用折半查找方法进行查找。此程序中要求对整型量关键字数据的输入按从小到大排序输入。
一、顺序查找
顺序查找代码：
#include"stdio.h"
#include"stdlib.h"
typedef struct node{
intkey;
}keynode;
typedef struct Node{
keynoder[50];
intlength;
}list,*sqlist;
int Createsqlist(sqlist s)
{
inti;
printf("请输入您要输入的数据的个数:\n");
scanf("%d",&(s->length));
printf("请输入您想输入的%d个数据;\n\n",s->length);
for(i=0;i<s->length;i++)
scanf("%d",&(s->r[i].key));
printf("\n");
printf("您所输入的数据为:\n\n");
for(i=0;i<s->length;i++)
printf("%-5d",s->r[i].key);
printf("\n\n");
return1;
}
int searchsqlist(sqlist s,int k)
{
inti=0;
s->r[s->length].key=k;
while(s->r[i].key!=k)
{
i++;
}
if(i==s->length)
{
printf("该表中没有您要查找的数据！\n");
return-1;
}
else
returni+1;
}
sqlist Initlist(void)
{
sqlistp;
p=(sqlist)malloc(sizeof(list));
if(p)
returnp;
else
returnNULL;
}
main()
{
intkeyplace,keynum;//
sqlistT;//
T=Initlist();
Createsqlist(T);
printf("请输入您想要查找的数据的关键字:\n\n");
scanf("%d",&keynum);
printf("\n");
keyplace=searchsqlist(T,keynum);
printf("您要查找的数据的位置为:\n\n%d\n\n",keyplace);
return2;
}
顺序查找的运行结果：
二、折半查找
折半查找代码：
#include"stdio.h"
#include"stdlib.h"
typedef struct node{
intkey;
}keynode;
typedef struct Node{
keynoder[50];
intlength;
}list,*sqlist;
int Createsqlist(sqlist s)
{
inti;
printf("请输入您要输入的数据的个数:\n");
scanf("%d",&(s->length));
printf("请由大到小输入%d个您想输入的个数据;\n\n",s->length);
for(i=0;i<s->length;i++)
scanf("%d",&(s->r[i].key));
printf("\n");
printf("您所输入的数据为:\n\n");
for(i=0;i<s->length;i++)
printf("%-5d",s->r[i].key);
printf("\n\n");
return1;
}
int searchsqlist(sqlist s,int k)
{
intlow,mid,high;
low=0;
high=s->length-1;
while(low<=high)
{
mid=(low+high)/2;
if(s->r[mid].key==k)
returnmid+1;
elseif(s->r[mid].key>k)
high=mid-1;
else
low=mid+1;
}
printf("该表中没有您要查找的数据!\n");
return-1;
}
sqlist Initlist(void)
{
sqlistp;
p=(sqlist)malloc(sizeof(list));
if(p)
returnp;
else
returnNULL;
}
main()
{
intkeyplace,keynum;//
sqlistT;//
T=Initlist();
Createsqlist(T);
printf("请输入您想要查找的数据的关键字:\n\n");
scanf("%d",&keynum);
printf("\n");
keyplace=searchsqlist(T,keynum);
printf("您要查找的数据的位置为:\n\n%d\n\n",keyplace);
return2;
}
折半查找运行结果：
三、实验总结：
该实验使用了两种查找数据的方法（顺序查找和折半查找），这两种方法的不同之处在于查找方式和过程不同，线性表的创建完全相同，程序较短，结果也一目了然。