算法

1.先是挑东南西北，找位置2.东家先掷筛子，以坐着的方向顺时针数，5、9找自己，自己再掷一次，2、6、10找下家，3、 7、11找对家，4、8、12找上家，找谁谁再掷一次。3.两个人中，后掷筛子的人把两次掷的数加起来，从自己牌的右边往左边数，逆时针抓牌，先从庄家开始抓牌，每人三蹲牌，最后庄家跳牌2张，其他人一张，庄家出牌。

PBX瀑布线指标—股市常用技术指标分析—瀑布线的原理和计算方法瀑布线又称为“PBX指标”,它是欧美国家二十世纪九十年代初,广泛应用于金融领域中的判断股价运行趋势的主要分析方法,因其经由汇聚向下发散时呈瀑布状而得名。属于传统大势价格趋势线,它的真正名称叫作“非线性加权移动平均线”,是由六条非线性加权移动平均线组合而成,每条平均线分别代表着不同时间周期的股价成本状况,方便进行对比分析。瀑布线是一种中线指标,一般用来研究股价的中期走势,与普通均线系统相比较,它具有反应速度快、给出的买卖点明确的特点,并能过滤掉盘中主力震仓洗盘或下跌行情中的小幅反弹,可直观有效地把握住大盘和个股的运动趋势。是目前判断大势和个股股价运行趋势颇为有效的工具。瀑布线的优点在于其不会像其他指标那样频繁发出信号,瀑布线的买卖号出现并不多,如果瀑布线给出了买入或卖出信号,只要按照其应用原则去做,就一定会取得较好的投资收益在明显的上涨或下跌趋势中,瀑布线能给出明确的买卖点和持仓信号,是把握波段行情的利器。它不仅用于平衡市的操作,更适合在明显的上涨趋势中应用。瀑布线的六条分别代表着不同时间周期的股价成本状况的非线性加权移动平均线,它们的计算公式如下所示:上面公式中,M1、M2、M3、M4、M5、M6分别为瀑布线选取的六种时间周期,我们通常将其设为:4、6、9、13、18和24。价格运行只是表象,市场的平均持仓成本的变化情况才是瀑布线的本质,瀑布线直观形象地反映出了周期长短不同的市场平均持仓成本的变化情况,借助它们,我们可以清晰地看到市场长期、中期和短期平均持仓成本的变化情况,进而来识别趋势、把握趋势。

Excel函数一共有11类，分别是数据库函数、日期与时间函数、工程函数、财务函数、信息函数、逻辑函数、查询和引用函数、数学和三角函数、统计函数、文本函数以及用户自定义函数。　　1.数据库函数--当需要分析数据清单中的数值是否符合特定条件时，可以使用数据库工作表函数。例如，在一个包含销售信息的数据清单中，可以计算出所有销售数值大于 1,000 且小于 2,500 的行或记录的总数。Microsoft Excel 共有 12 个工作表函数用于对存储在数据清单或数据库中的数据进行分析，这些函数的统一名称为 Dfunctions，也称为 D 函数，每个函数均有三个相同的参数：database、field 和 criteria。这些参数指向数据库函数所使用的工作表区域。其中参数 database 为工作表上包含数据清单的区域。参数 field 为需要汇总的列的标志。参数 criteria 为工作表上包含指定条件的区域。　　Excel进阶 　　● Excel进阶技巧（一） 　　● Excel进阶技巧（二） 　　● Excel进阶技巧（三） 　　● Excel进阶技巧（四） 　　● Excel进阶技巧（五） 　　2.日期与时间函数--通过日期与时间函数，可以在公式中分析和处理日期值和时间值。　　3.工程函数--工程工作表函数用于工程分析。这类函数中的大多数可分为三种类型：对复数进行处理的函数、在不同的数字系统（如十进制系统、十六进制系统、八进制系统和二进制系统）间进行数值转换的函数、在不同的度量系统中进行数值转换的函数。　　4.财务函数--财务函数可以进行一般的财务计算，如确定贷款的支付额、投资的未来值或净现值，以及债券或息票的价值。财务函数中常见的参数： 　　未来值 (fv)--在所有付款发生后的投资或贷款的价值。　　期间数 (nper)--投资的总支付期间数。　　付款 (pmt)--对于一项投资或贷款的定期支付数额。　　现值 (pv)--在投资期初的投资或贷款的价值。例如，贷款的现值为所借入的本金数额。　　利率 (rate)--投资或贷款的利率或贴现率。　　类型 (type)--付款期间内进行支付的间隔，如在月初或月末。　　5.信息函数--可以使用信息工作表函数确定存储在单元格中的数据的类型。信息函数包含一组称为 IS 的工作表函数，在单元格满足条件时返回 TRUE。例如，如果单元格包含一个偶数值，ISEVEN 工作表函数返回 TRUE。如果需要确定某个单元格区域中是否存在空白单元格，可以使用 COUNTBLANK 工作表函数对单元格区域中的空白单元格进行计数，或者使用 ISBLANK 工作表函数确定区域中的某个单元格是否为空。　　6.逻辑函数--使用逻辑函数可以进行真假值判断，或者进行复合检验。例如，可以使用 IF 函数确定条件为真还是假，并由此返回不同的数值。　　7.查询和引用函数--当需要在数据清单或表格中查找特定数值，或者需要查找某一单元格的引用时，可以使用查询和引用工作表函数。例如，如果需要在表格中查找与第一列中的值相匹配的数值，可以使用 VLOOKUP 工作表函数。如果需要确定数据清单中数值的位置，可以使用 MATCH 工作表函数。　　8.数学和三角函数--通过数学和三角函数，可以处理简单的计算，例如对数字取整、计算单元格区域中的数值总和或复杂计算。　　9.统计函数--统计工作表函数用于对数据区域进行统计分析。例如，统计工作表函数可以提供由一组给定值绘制出的直线的相关信息，如直线的斜率和 y 轴截距，或构成直线的实际点数值。　　10.文本函数--通过文本函数，可以在公式中处理文字串。例如，可以改变大小写或确定文字串的长度。可以将日期插入文字串或连接在文字串上。下面的公式为一个示例，借以说明如何使用函数 TODAY 和函数 TEXT 来创建一条信息，该信息包含着当前日期并将日期以"dd-mm-yy"的格式表示。　　11.用户自定义函数--如果要在公式或计算中使用特别复杂的计算，而工作表函数又无法满足需要，则需要创建用户自定义函数。这些函数，称为用户自定义函数，可以通过使用 Visual Basic for Applications 来创建。　　以上对Excel函数及有关知识做了简要的介绍，在以后的文章中笔者将逐一介绍每一类函数的使用方法及应用技巧。但是由于Excel的函数相当多，因此也可能仅介绍几种比较常用的函数使用方法，其他更多的函数您可以从Excel的在线帮助功能中了解更详细的资讯。 　　===============================================================================================　　EXCEL函数大全　　数据库和清单管理函数　　DAVERAGE 返回选定数据库项的平均值　　DCOUNT 计算数据库中包含数字的单元格的个数　　DCOUNTA 计算数据库中非空单元格的个数　　DGET 从数据库中提取满足指定条件的单个记录　　DMAX 返回选定数据库项中的最大值　　DMIN 返回选定数据库项中的最小值　　DPRODUCT 乘以特定字段（此字段中的记录为数据库中满足指定条件的记录）中的值　　DSTDEV 根据数据库中选定项的示例估算标准偏差　　DSTDEVP 根据数据库中选定项的样本总体计算标准偏差　　DSUM 对数据库中满足条件的记录的字段列中的数字求和　　DVAR 根据数据库中选定项的示例估算方差　　DVARP 根据数据库中选定项的样本总体计算方差　　GETPIVOTDATA 返回存储在数据透视表中的数据　　日期和时间函数　　DATE 返回特定时间的系列数　　DATEDIF 计算两个日期之间的年、月、日数　　DATEVALUE 将文本格式的日期转换为系列数　　DAY 将系列数转换为月份中的日　　DAYS360 按每年360天计算两个日期之间的天数　　EDATE 返回在开始日期之前或之后指定月数的某个日期的系列数　　EOMONTH 返回指定月份数之前或之后某月的最后一天的系列数　　HOUR 将系列数转换为小时　　MINUTE 将系列数转换为分钟　　MONTH 将系列数转换为月　　NETWORKDAYS 返回两个日期之间的完整工作日数　　NOW 返回当前日期和时间的系列数　　SECOND 将系列数转换为秒　　TIME 返回特定时间的系列数　　TIMEVALUE 将文本格式的时间转换为系列数　　TODAY 返回当天日期的系列数　　WEEKDAY 将系列数转换为星期　　WORKDAY 返回指定工作日数之前或之后某日期的系列数　　YEAR 将系列数转换为年　　YEARFRAC 返回代表START_DATE（开始日期）和END_DATE（结束日期）之间天数的以年为单位的分数　　DDE 和外部函数　　CALL 调用动态链接库(DLL)或代码源中的过程　　REGISTER.ID 返回已注册的指定DLL或代码源的注册ID　　SQL.REQUEST 连接外部数据源，并从工作表中运行查询，然后将结果作为数组返回，而无需进行宏编程。　　有关CALL和REGISTER函数的其他信息　　工程函数　　BESSELI 返回经过修改的贝塞尔函数IN(X)　　BESSELJ 返回贝塞尔函数JN(X)　　BESSELK 返回经过修改的贝塞尔函数KN(X)　　BESSELY 返回贝塞尔函数YN(X)　　XLFCTBIN2DEC、BIN2DEC 将二进制数转换为十进制数　　BIN2HEX 将二进制数转换为十六进制数　　BIN2OCT 将二进制数转换为八进制数　　COMPLEX 将实系数和虚系数转换为复数　　CONVERT 将一种度量单位制中的数字转换为另一种度量单位制　　DEC2BIN 将十进制数转换为二进制数　　DEC2HEX 将十进制数转换为十六进制数　　DEC2OCT 将十进制数转换为八进制数　　DELTA 检测两个值是否相等　　ERF 返回误差函数　　ERFC 返回余误差函数　　GESTEP 检测数字是否大于某个阈值　　HEX2BIN 将十六进制数转换为二进制数　　HEX2DEC 将十六进制数转换为十进制数　　HEX2OCT 将十六进制数转换为八进制数　　IMABS 返回复数的绝对值（模）　　IMAGINARY 返回复数的虚系数　　IMARGUMENT 返回参数THETA，一个以弧度表示的角　　IMCONJUGATE 返回复数的共轭复数　　IMCOS 返回复数的余弦　　IMDIV 返回两个复数的商　　IMEXP 返回复数的指数　　IMLN 返回复数的自然对数　　IMLOG10 返回复数的常用对数　　IMLOG2 返回复数的以2为底数的对数　　IMPOWER 返回复数的整数幂　　IMPRODUCT 返回两个复数的乘积　　IMREAL 返回复数的实系数　　IMSIN 返回复数的正弦　　IMSQRT 返回复数的平方根　　IMSUB 返回两个复数的差　　IMSUM 返回两个复数的和　　OCT2BIN 将八进制数转换为二进制数　　OCT2DEC 将八进制数转换为十进制数　　OCT2HEX 将八进制数转换为十六进制数　　财务函数　　ACCRINT 返回定期付息有价证券的应计利息　　ACCRINTM 返回到期一次性付息有价证券的应计利息　　AMORDEGRC 返回每个会计期间的折旧值　　AMORLINC 返回每个会计期间的折旧值　　COUPDAYBS 返回当前付息期内截止到成交日的天数　　COUPDAYS 返回成交日所在的付息期的天数　　COUPDAYSNC 返回从成交日到下一付息日之间的天数　　COUPNCD 返回成交日过后的下一付息日的日期　　COUPNUM 返回成交日和到期日之间的利息应付次数　　COUPPCD 返回成交日之前的上一付息日的日期　　CUMIPMT 返回两个期间之间累计偿还的利息数额　　CUMPRINC 返回两个期间之间累计偿还的本金数额　　DB 使用固定余额递减法，返回一笔资产在指定期间内的折旧值　　DDB 使用双倍余额递减法或其他指定方法，返回一笔资产在指定期间内的折旧值　　DISC 返回有价证券的贴现率　　DOLLARDE 将按分数表示的价格转换为按小数表示的价格　　DOLLARFR 将按小数表示的价格转换为按分数表示的价格　　DURATION 返回定期付息有价证券的修正期限　　EFFECT 返回实际年利率　　FV 返回投资的未来值　　FVSCHEDULE 基于一系列复利返回本金的未来值　　INTRATE 返回一次性付息证券的利率　　IPMT 返回给定期间内投资的利息偿还额　　IRR 返回一组现金流的内部收益率　　ISPMT 计算在投资的特定期间内支付的利息　　MDURATION 返回假设面值0的有价证券的MACAULEY修正期限　　MIRR 返回正负现金流使用不同利率的修正内部收益率　　NOMINAL 返回名义年利率　　NPER 返回投资的期数　　NPV 基于一系列现金流和固定的各期贴现率，返回一项投资的净现值　　ODDFPRICE 返回首期付息日不固定的面值0的有价证券的价格　　ODDFYIELD 返回首期付息日不固定的有价证券的收益率　　ODDLPRICE 返回末期付息日不固定的面值0的有价证券的价格　　ODDLYIELD 返回末期付息日不固定的有价证券的收益率　　PMT 返回投资或贷款的每期付款额　　PPMT 返回投资在某一给定期次内的本金偿还额　　PRICE 返回定期付息的面值0的有价证券的价格　　PRICEDISC 返回折价发行的面值0的有价证券的价格　　PRICEMAT 返回到期付息的面值0的有价证券的价格　　PV 返回投资的现值　　RATE 返回年金的各期利率　　RECEIVED 返回一次性付息的有价证券到期收回的金额　　SLN 返回一项资产每期的直线折旧费　　SYD 返回某项资产按年限总和折旧法计算的某期的折旧值　　TBILLEQ 返回国库券的债券等效收益率　　TBILLPRICE 返回面值0的国库券的价格　　TBILLYIELD 返回国库券的收益率　　VDB 使用递减余额法，返回指定期间内或某一时间段内的资产折旧额　　XIRR 返回一组不定期发生的现金流的内部收益率　　XNPV 返回一组不定期发生的现金流的净现值　　YIELD 返回定期付息有价证券的收益率　　YIELDDISC 返回折价发行的有价证券的年收益率，例如：国库券　　YIELDMAT 返回到期付息的有价证券的年收益率　　信息函数　　CELL 返回有关单元格格式、位置或内容的信息　　COUNTBLANK 计算区域中空单元格的个数　　ERROR.TYPE 返回对应于错误类型的数字　　INFO 返回有关当前操作环境的信息　　ISBLANK 如果值为空，则返回TRUE。　　ISERR 如果值为除#N/A以外的错误值，则返回TRUE。　　ISERROR 如果值为任何错误值，则返回TRUE。　　ISEVEN 如果数为偶数，则返回TRUE。　　ISLOGICAL 如果值为逻辑值，则返回TRUE。　　ISNA 如果值为 #N/A 错误值，则返回TRUE。　　ISNONTEXT 如果值不是文本，则返回TRUE。　　ISNUMBER 如果值为数字，则返回TRUE。　　ISODD 如果数字为奇数，则返回TRUE。　　ISREF 如果值为引用，则返回TRUE。　　ISTEXT 如果值为文本，则返回TRUE。　　N 返回转换为数字的值　　NA 返回错误值#N/A　　XLFCTTYPE TYPE 返回表示值的数据类型的数字　　逻辑函数　　AND 如果所有参数为TRUE，则返回TRUE　　FALSE 返回逻辑值FALSE　　IF 指定要执行的逻辑检测　　NOT 反转参数的逻辑值　　OR 如果任何参数为TRUE，则返回TRUE　　TRUE 返回逻辑值TRUE　　查找和引用函数　　ADDRESS 以文本形式返回对工作表中单个单元格的引用　　AREAS 返回引用中的区域数　　CHOOSE 从值的列表中选择一个值　　COLUMN 返回引用的列号　　COLUMNS 返回引用中的列数　　HLOOKUP 查找数组的顶行并返回指示单元格的值　　HYPERLINK 创建快捷方式或跳转，打开存储在网络服务器、企业内部网或INTERNET上的文档　　INDEX 使用索引从引用或数组中选择值　　INDIRECT 返回由文本值表示的引用　　LOOKUP 在向量或数组中查找值　　MATCH 在引用或数组中查找值　　OFFSET 从给定引用中返回引用偏移量　　ROW 返回引用的行号　　ROWS 返回引用中的行数　　TRANSPOSE 返回数组的转置　　VLOOKUP 查找数组的第一列并移过行，然后返回单元格的值　　数学和三角函数　　ABS 返回数的绝对值　　ACOS 返回数的反余弦　　ACOSH 返回数的反双曲余弦值　　ASIN 返回数的反正弦　　ASINH 返回数的反双曲正弦值　　ATAN 返回数的反正切　　ATAN2 从X和Y坐标返回反正切　　ATANH 返回参数的反双曲正切值　　CEILING 对数字取整为最接近的整数或最接近的多个有效数字　　COMBIN 返回给定数目对象的组合数　　COS 返回数的余弦　　COSH 返回数的双曲线余弦　　COUNTIF 计算符合给定条件的区域中的非空单元格数　　DEGREES 将弧度转换为度　　EVEN 将数向上取整至最接近的偶数整数　　EXP 返回E的指定数乘幂　　FACT 返回数的阶乘　　FACTDOUBLE 返回参数NUMBER的半阶乘　　FLOOR 将参数NUMBER沿绝对值减小的方向取整　　GCD 返回最大公约数　　INT 将数向下取整至最接近的整数　　LCM 返回最小公倍数　　LN 返回数的自然对数　　LOG 返回数的指定底数的对数　　LOG10 返回以10为底的对数　　MDETERM 返回数组的矩阵行列式　　MINVERSE 返回数组的反矩阵　　MMULT 返回两个数组的矩阵乘积　　MOD 返回两数相除的余数　　MROUND 返回参数按指定基数取整后的数值　　MULTINOMIAL 返回一组数的多项式　　ODD 将数取整至最接近的奇数整数　　PI 返回PI值　　POWER 返回数的乘幂结果　　PRODUCT 将所有以参数形式给出的数字相乘　　QUOTIENT 返回商的整数部分　　RADIANS 将度转换为弧度　　RAND 返回0和1之间的随机数　　RANDBETWEEN 返回指定数之间的随机数　　ROMAN 将阿拉伯数字转换为文本形式的罗马数字　　ROUND 将数取整至指定数　　ROUNDDOWN 将数向下*近0值取整　　ROUNDUP 将数向上远离0值取整　　SERIESSUM 返回基于公式的幂级数的和　　SIGN 返回数的正负号　　SIN 返回给定角度的正弦　　SINH 返回数的双曲正弦值　　SQRT 返回正平方根　　SQRTPI 返回某数与PI的乘积的平方根　　SUBTOTAL 返回清单或数据库中的分类汇总　　SUM 添加参数　　SUMIF 按给定条件添加指定单元格　　SUMPRODUCT 返回相对应的数组部分的乘积和　　SUMSQ 返回参数的平方和　　SUMX2MY2 返回两个数组中相对应值的平方差之和　　SUMX2PY2 返回两个数组中相对应值的平方和之和　　SUMXMY2 返回两个数组中相对应值差的平方之和　　TAN 返回数的正切　　TANH 返回数的双曲正切值　　TRUNC 将数截尾为整数　　统计函数　　AVEDEV 返回一组数据与其均值的绝对偏差的平均值　　AVERAGE 返回参数的平均值　　AVERAGEA 返回参数的平均值，包括数字、文本和逻辑值　　BETADIST 返回BETA分布累积函数的函数值　　BETAINV 返回BETA分布累积函数的反函数值　　BINOMDIST 返回单独项二项式分布概率　　CHIDIST 返回CHI平方分布的单尾概率　　CHIINV 返回CHI平方分布的反单尾概率　　CHITEST 返回独立性检验值　　CONFIDENCE 返回总体平均值的置信区间　　CORREL 返回两个数据集之间的相关系数　　COUNT 计算参数列表中的数字多少　　COUNTA 计算参数列表中的值多少　　COVAR 返回协方差，即成对偏移乘积的平均数　　CRITBINOM 返回使累积二项式分布小于等于临界值的最小值　　DEVSQ 返回偏差的平方和　　EXPONDIST 返回指数分布　　FDIST 返回F概率分布　　FINV 返回反F概率分布　　FISHER 返回FISHER变换　　FISHERINV 返回反FISHER变换　　FORECAST 根据给定的数据计算或预测未来值　　FREQUENCY 返回作为矢量数组的频率分布　　FTEST 返回 F 检验的结果　　GAMMADIST 返回伽玛分布　　GAMMAINV 返回反伽玛累积分布　　GAMMALN 返回伽玛函数的自然对数，Γ(X)　　GEOMEAN 返回几何平均数　　GROWTH 根据给定的数据预测指数增长值　　HARMEAN 返回数据集合的调和平均值　　HYPGEOMDIST 返回超几何分布　　INTERCEPT 返回回归线截距　　KURT 返回数据集的峰值　　LARGE 返回数据集中第K个最大值　　LINEST 返回线条趋势的参数　　LOGEST 返回指数趋势的参数　　LOGINV 返回反对数正态分布　　LOGNORMDIST 返回对数正态分布的累积函数　　MAX 返回参数列表中的最大值　　MAXA 返回参数列表中的最大值，包括数字、文本和逻辑值　　MEDIAN 返回给定数字的中位数　　MIN 返回参数列表的最小值　　MINA 返回参数列表中的最小值，包括数字、文本和逻辑值　　MODE 返回数据集中的出现最多的值　　NEGBINOMDIST 返回负二项式分布　　NORMDIST 返回普通累积分布　　NORMINV 返回反普通累积分布　　NORMSDIST 返回标准普通累积分布　　NORMSINV 返回反标准普通累积分布　　PEARSON 返回PEARSON乘积矩相关系数　　PERCENTILE 返回区域中值的第K个百分比　　PERCENTRANK 返回数据集中值的百分比排位　　PERMUT 返回对象给定数的排列数　　POISSON 返回泊松分布　　PROB 返回区域中的值在两个限制之间的概率　　QUARTILE 返回数据集的四分位数　　RANK 返回某数在数字列表中的排位　　RSQ 返回PEARSON乘积力矩相关系数的平方　　SKEW 返回分布的偏斜度　　SLOPE 返回线性回归直线的斜率　　SMALL 返回数据集中的第K个最小值　　STANDARDIZE 返回正态化数值　　STDEV 估计样本的标准偏差　　STDEVA 估计样本的标准偏差，包括数字、文本和逻辑值　　STDEVP 计算整个样本总体的标准偏差　　STDEVPA 计算整个样本总体的标准偏差，包括数字、文本和逻辑值　　STEYX 返回通过线性回归法计算Y预测值时所产生的标准误差　　TDIST 返回学生氏-T分布　　TINV 返回反学生氏-T分布　　TREND 返回沿线性趋势的值　　TRIMMEAN 返回数据集的内部平均值　　TTEST 返回与学生氏- T检验相关的概率　　VAR 估计样本的方差　　VARA 估计样本的方差，包括数字、文本和逻辑值　　VARP 计算整个样本总体的方差　　VARPA 计算整个样本总体的方差，包括数字、文本和逻辑值　　WEIBULL 返回韦伯分布　　ZTEST 返回Z检验的双尾P值　　文本函数　　ASC 将字符串中的全角（双字节）英文字母或片假名更改为半角（单字节）字符。　　CHAR 返回由编码号码所指定的字符　　CLEAN 删除文本中的所有不可打印字符　　CODE 返回文本串中第一个字符的数字编码　　CONCATENATE 将多个文本项连接到一个文本项中　　DOLLAR 使用当前格式将数字转换为文本　　EXACT 检查两个文本值是否相同　　FIND 在其他文本值中查找文本值（区分大小写）　　FIXED 使用固定的十进制数将数字设置为文本格式　　JIS 将字符串中的半角（单字节）英文字符或片假名更改为全角（双字节）字符。　　LEFT 返回文本值中最左边的字符　　LEN 返回文本串中字符的个数　　LOWER 将文本转换为小写　　MID 从文本串中的指定位置开始返回特定数目的字符　　PHONETIC 从文本串中提取拼音(FURIGANA)字符　　PROPER 将文本值中每个单词的首字母设置为大写　　REPLACE 替换文本中的字符　　REPT 按给定次数重复文本　　RIGHT 返回文本值中最右边的字符　　SEARCH 在其他文本值中查找文本值（不区分大小写）　　SUBSTITUTE 在文本串中使用新文本替换旧文本　　T 将参数转换为文本　　TEXT 设置数字的格式并将其转换为文本　　TRIM 删除文本中的空格　　UPPER 将文本转换为大写　　VALUE 将文本参数转换为数字　　YEN 使用￥(YEN)货币符号将数字转换为文本。

2019年5月23日，由中国电力企业联合会 科技 开发服务中心、电力行业输配电技术协作网主办，中能国研（北京）电力科学研究院承办的“2019第五届电力行业无人机巡检技术交流会”在浙江杭州拉开帷幕。来自各省(市)电力公司，无人机 科技 公司，高校科研院所等电力行业无人机领域相关专家学者、管理技术人员共计300余人出席本次会议，普宙飞行器也被邀请，并做主题分享。 会议围绕“智能高效、创新发展”主题而展开，设置了权威而核心的主旨论坛，“电力行业航空作业图像识别与处理专题”、“电力行业无人机深化应用创新专题”两场专题论坛，以及“电力领域无人机应用拓展”为主题的技术沙龙，旨在通过主旨报告、专题研讨、技术沙龙、现场观摩等多种与会形式，在电力行业无人机领域把脉动向、分享成果、 探索 前沿。 普宙飞行器 科技 （深圳）有限公司的总经理武巍先生阐述了无人机图像智能算法在电力巡检的开发及应用，带来AI人工智能和多传感器融合的全栈式电力运维解决方案。 快速拼接，实时预览， 高精度的3D重建 普宙SAGA通过云端3D建模，空间测高、测距、测面积扽空间标识，RTK技术将定位精度提至厘米级。 深度 + 迁移学习，自主训练， 正射 + 红外的计算机视觉 深度学习 普宙SAGA可快速选择并自动跟踪移动目标，辅助精准定位从而实现智能巡逻，深度学习后可识别多达30种目标。 30倍可见光变焦云台可以 清晰聚焦杆塔中的零部件细节 而在电力领域的精细化巡检里，普宙SAGA采用RTK（Real - time kinematic，实时动态）载波相位差分技术，实现厘米级定位，通过机器学习或智能识别杆塔部件，自动生成感塔精细化巡视航线。 在普宙无人机自主巡检中，深度学习算法被两次应用，实现可见光对杆塔本体精细化巡检的拍照点自动化精准选定以及精确识别存在缺陷隐患的照片及缺陷位置。 SAGA的三轴机械增稳云台不仅能大幅降低抖动（相机抖动控制在 0.005°以内），还能补偿无人机姿态的变化，让相机保持水平，在高速运动中捕捉稳定、流畅的影像。 电力精细化巡视—AI目标识别 普宙SAGA配置的红外云台的红外分辨率及帧频达800*600@25Hz,测温范围-20~150℃，并且支持10种伪彩模式切换，支持画中画及双光切换，有红外、可见光、红外画中画、可见光画中画四种显示模式。 普宙的红外图像解析系统，可快速对红外图像进行分类、命名、红外图像解析。并根据温度、温差等条件快速筛选出异常发热点，快速标记缺陷及隐患，一键生成红外测温报告。 红外云台的AI识别 红外挂载上的目标检测识别系统可以快速选择并自动跟踪移动目标，深度学习后可识别多达30种目标，从而实现夜间的智能巡逻。 而普宙SAGA 的通信对接方案主要包括近期方案和远期方案。近期方案主要在地面站使用4G通信模块接入后端数据服务器，或者通过标准化的手持客户端，接入统一接口标准的大系统。可以及时获取荷载中的影像资料，将真实场景转化为数字资产。 普宙SAGA通信对接方案 普宙专业飞行器高度稳定可靠，安全有保障；多款云台相机可选，满足不同场景下的巡检需求；多项AI 人工智能应用：可预设巡查路线，后续无需人工干预即可实现全自动巡查作业。不仅可用于电力精细化巡检，更可以在电力通道巡视管理、电力植被管理及夜间巡视等环节大显身手。 关于普宙飞行器 科技 （深圳）有限公司进入企业商铺 普宙飞行器 科技 (深圳)有限公司（GDU）是一家专注于研发，生产和销售无人机的高 科技 企业。总部位于深圳，研发中心设在武汉。公司生产了全球第一台折叠无人机，其折叠设计被提名2016美国CES创新产品大奖。 公司在无人机飞行控制，图像稳定，动力系统设计，红外图像技术方面拥有多年的积淀，为无人机产品技术的持续研发和无人机应用的不断完善提供坚实后盾。让人们畅享无人机乐趣的同时，也让它能真正成为人们生活中的亲密伙伴。 我们的价值观：用一流的工匠精神，做服务于 社会 、引领全新生活方式、刷新未来行业应用的消费级无人机领航者。 我们的服务理念：始终将用户体验放在第一位，致力于将便携出行和个性开放融入无人机使用体验，从而带给人们生活更多可能。 我们的人才理念：尊重每个人的个性，让每个人的优势得到充分发挥，帮助他们成为优秀品质与专业技能兼备的高新人才。 公司荣誉 2016年度亚洲消费电子展最佳无人机提名奖 中国最具潜力无人机公司TOP5 搜狐首届中国无人机摄影大赛唯一无人机赞助商 2016年度International Consumer Electronics Show（CES）创新产品提名 中国航空器拥有者及驾驶员协会（AOPA）理事单位 企业信用评价AAA级信用单位

技术是否中立的争论从快播时代开始就一直喋喋不休，而在新闻这种价值观属性浓厚的事物面前，究竟是技术中立？还是理想情怀为王？不得不承认，用户在阅读的时候，其实每一篇文章都在传递不同的价值观念，技术虽然中立，但是技术带出来的内容却不是中立的。无论时国内还是国外，事实上都面临着这个问题。近日来，Facebook被多家美国传统媒体指控称，Facebook 上的假消息泛滥，对本届美国总统选举造成了巨大影响。对此，甚至连即将离任的奥巴马也表示了他的担忧。事实上，无论是谷歌还是Facebook都面临着假新闻的问题。谷歌的大数据算法甚至必然会造成假新闻比高质量网站准确报道排名更靠前的怪圈。因为大数据算法总是倾向于让高点击率的消息得到更多推荐。但人性底层的猎奇心理总会让假新闻、低俗消息的到更多的推荐。这种问题不得不让人感慨，技术虽是中立的，但技术面临人性依旧很难克服人性底层的一些怪圈。也就是说，技术虽然是中立的，但是作为新闻中心，资讯平台还是要秉持一定的价值观，至少要剔除那些不符合主流价值观的内容。也正是如此，豌豆荚的联合创始人王俊煜会认为，选择“不干涉”也是一种价值观。一个技术，确实如菜刀一样，可能有不同的用途，但总有一些用途是我们创造的时候脑子里面所设想的。这就是我们的目的。而我们的目的，决定了我们的价值观。算法主导的新闻时代，说不谈价值观，很不现实，甚至有些鸵鸟思维。对于资讯平台们而言，价值观不仅要谈，而且不得不谈。

100W及以上的算法工程师，基本属于科学家了，大多数在这个领域的知名公司担任leader的角色。知乎这样的人其实挺多的，保护别人的隐私，我也不一个个艾特出来。这些人大多是名校博士，导师在业界非常有名。博士期间发表了很多顶会论文，拿过Google PhD fellow/Microsoft Fellow，或者做出了非常有影响力的工作。比如今年姚班的陈立杰和范浩强。众所周知，学术是一个圈，而且还是一个挺小的圈；往往一个方向最好的几家实验室，还彼此认识，关系不错。工业界虽然是谁行谁上，但算法方向毕竟偏学术，特点非常接近学术界，带有圈子属性。现在算法人才不仅贵，而且难招。大公司跟名校建立合作关系，请学术大佬来当首席科学家，他的博士也全都打包过来；创业公司利用自身的人脉关系，比如face++能招到不少清华优秀学子（创始人清华姚班），商汤科技招了很多香港中文大学的博士（创始人香港中文大学教授）等等。

A。出自自考专升本计算机考试，Deepmin研制的ALPHAGO没有涉及到以下哪个算法，A、强化学习。B、深度学习。C、蒙特卡洛树搜索。D、逻辑推理。正确答案是A强化学习。

原理： 二分法查找，也称为折半法，是一种在有序数组中查找特定元素的搜索算法。 一般步骤： （1）确定该区间的中间位置K； （2）将查找的值T与array[k]比较。 若相等，查找成功返回此位置；否则确定新的查找区域，继续二分查找。每一次查找与中间值比较，可以确定是否查找成功，不成功当前查找区间将缩小一半，递归查找即可。 原理： 一种通过重复将问题分解为同类的子问题而解决问题的方法 典型例子： 斐波那契数列 描述： 斐波那契数列 指的是这样一个数列 1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144, 233，377，610，987，1597，2584，4181，6765，10946，17711，28657，46368.....自然中的斐波那契数列") 自然中的斐波那契数列，这个数列从第3项开始，每一项都等于前两项之和。 解决方式： 原理： 在搜索尝试过程中寻找问题的解，当发现已不满足求解条件时，就“回溯”返回，尝试别的路径。 回溯法是一种选优搜索法，按选优条件向前搜索，以达到目标。 但当探索到某一步时，发现原先选择并不优或达不到目标，就退回一步重新选择，这种走不通就退回再走的技术为回溯法，而满足回溯条件的某个状态的点称为“回溯点”。 解决问题一般步骤： 1、 针对所给问题，定义问题的解空间，它至少包含问题的一个（最优）解。 2 、确定易于搜索的解空间结构,使得能用回溯法方便地搜索整个解空间 。 3 、以深度优先的方式搜索解空间，并且在搜索过程中用剪枝函数避免无效搜索。 典型例子： 八皇后问题 描述：在8×8格的国际象棋上摆放八个皇后，使其不能互相攻击，即任意两个皇后都不能处于同一行、同一列或同一斜线上，问有多少种摆法。 解决方式： https://blog.csdn.net/weixin_41865447/article/details/80034433 概念： 将杂乱无章的数据元素，通过一定的方法按关键字顺序排列的过程叫做排序。 分类： 非稳定排序算法：快速排序、希尔排序、堆排序、直接选择排序 稳定的排序算法：基数排序、冒泡排序、直接插入排序、折半插入排序、归并排序 十个常用排序算法 利用计算机的高性能来有目的的穷举一个问题解空间的部分或所有的可能情况，从而求出问题的解的一种方法。 分类： 枚举算法、深度优先搜索、广度优先搜索、A*算法、回溯算法、蒙特卡洛树搜索、散列函数等算法。 将一个数据转换为一个标志，这个标志和源数据的每一个字节都有十分紧密的关系。 很难找到逆向规律 只要符合散列思想的算法都可以被称为是Hash算法 对不同的关键字可能得到同一散列地址，即key1≠key2，而f(key1)=f(key2)，这种现象称为 碰撞 。 原理 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，他所做出的是在 某种意义上的局部最优解 。 从问题的某一个初始解出发一步一步地进行，根据某个优化测度，每一步都要确保能获得局部最优解。每一步只考虑一个数据，他的选取应该满足局部优化的条件。若下一个数据和部分最优解连在一起不再是可行解时，就不把该数据添加到部分解中，直到把所有数据枚举完，或者不能再添加算法停止。 一种近似算法 一般步骤： 1、建立数学模型来描述问题； 2、把求解的问题分成若干个子问题； 3、对每一子问题求解，得到子问题的局部最优解； 4、把子问题的解局部最优解合成原来解问题的一个解。 典型例子： 0/1背包问题 马踏棋盘 均分纸牌 例题： https://www.cnblogs.com/hust-chen/p/8646009.html 概念： 分治算法的基本思想是将一个规模为N的问题分解为K个规模较小的子问题，这些子问题相互独立且与原问题性质相同。求出子问题的解，就可得到原问题的解。即一种分目标完成程序算法，简单问题可用二分法完成。 一般步骤： （1）分解，将要解决的问题划分成若干规模较小的同类问题； （2）求解，当子问题划分得足够小时，用较简单的方法解决； （3）合并，按原问题的要求，将子问题的解逐层合并构成原问题的解。 典型例子： 排序中：归并排序、堆排序、快速排序； 实例：找伪币、求最值、棋盘覆盖 https://baike.baidu.com/item/%E5%88%86%E6%B2%BB%E7%AE%97%E6%B3%95/3263297 概念： 用于求解具有某种最优性质的问题。在这类问题中，可能会有许多可行解。每一个解都对应于一个值，我们希望找到具有最优值的解。 动态规划一般可分为线性动规，区域动规，树形动规，背包动规四类。 举例： 线性动规：拦截导弹，合唱队形，挖地雷，建学校，剑客决斗等； 区域动规：石子合并， 加分二叉树，统计单词个数，炮兵布阵等； 树形动规：贪吃的九头龙，二分查找树，聚会的欢乐，数字三角形等； 背包问题：01背包问题，完全背包问题，分组背包问题，二维背包，装箱问题，挤牛奶（同济）等； 应用实例： 最短路径问题 ，项目管理，网络流优化等； https://baike.baidu.com/item/%E5%8A%A8%E6%80%81%E8%A7%84%E5%88%92/529408?fromtitle=%E5%8A%A8%E6%80%81%E8%A7%84%E5%88%92%E7%AE%97%E6%B3%95&fromid=15742703&fr=aladdin 概念： 在一个给定的字符文本内搜寻出自己想要找的一个字符串，平常所用的各种文本编辑器里的ctrl+F大多就是使用的这些字符匹配算法。 分类： KMP、BM、Sunday、Horspool、RK 参考： https://cloud.tencent.com/developer/news/282694 https://blog.csdn.net/paincupid/article/details/81159320

蒙特卡罗树搜索(MCTS)会逐渐的建立一颗不对称的树。可以分为四步并反复迭代：(1)选择从根节点，也就是要做决策的局面R出发向下选择一个最急迫需要被拓展的节点T；局面R是第一个被检查的节点，被检查的节点如果存在一个没有被评价过的招式m，那么被检查的节点在执行m后得到的新局面就是我们所需要展开的T；如果被检查的局面所有可行的招式已经都被评价过了，那么利用ucb公式得到一个拥有最大ucb值的可行招式，并且对这个招式产生的新局面再次进行检查；如果被检查的局面是一个游戏已经结束的游戏局面，那么直接执行步骤4；通过反复的进行检查，最终得到一个在树的最底层的最后一次被检查的局面c和它的一个没有被评价过的招式m，执行步骤2。(2)拓展对于此时存在于内存中的局面c，添加一个它的子节点。这个子节点由局面c执行招式m而得到，也就是T。(3)模拟从局面T出发，双方开始随机的落子。最终得到一个结果(win/lost)，以此更新T节点的胜利率。(4)反向传播在T模拟结束之后，它的父节点c以及其所有的祖先节点依次更新胜利率。一个节点的胜利率为这个节点所有的子节点的平均胜利率。并从T开始，一直反向传播到根节点R，因此路径上所有的节点的胜利率都会被更新。

蒙特卡洛树搜索算法如果找不到终局无影响。蒙特卡洛是摩纳哥公国的一座城市，位于欧洲地中海之滨、法国的东南方。蒙特卡洛树搜索是一种基于树数据结构、能在搜索空间巨大仍然比较有效的启发式搜索算法MCTS是一种逼近纳什均衡的搜索策略。

1．计费重量单位：特快专递行业一般以每0.5KG（1斤）为一个计费重量单位。 2．首重与续重：特快专递货品的寄递以第一个0.5KG为首重(或起重)，每增加0.5KG为一个续重。通常起重的费用相对续重费用较高。 3．实重与材积：是指需要运输的一批物品包括包装在内的实际总重量称为实重；当需寄递物品体积较大而实重较轻时，因运输工具（飞机、火车、船、汽车等）承载能力及能装载物品体积所限，需采取量取物品体积折算成重量的办法做为计算运费的重量，称为体积重量或材积。 4．计费重量：按实重与材积两者的定义与国际航空货运协会规定，货物运输过程中计收运费的重量是按整批货物的实际重量和体积重量两者之中较高的计算。 5．包装费：一般情况下，快递公司是免费包装，提供纸箱、气泡等包装材料，但很多物品如衣物，不用特别细的包装就可以，但一些贵重、易碎物品，快递公司还是要收取一定的包装费用的。 6．通用运费计算公式： (A)当需寄递物品实重大于材积时，运费计算方法为：首重运费＋(重量（公斤）×2－1)×续重运费。例如：7KG货品按首重20元、续重9元计算，则运费总额为：20＋(7×2-1)*9=137 (元) (B)当需寄递物品实际重量小而体积较大，运费需按材积标准收取，然后再按上列公式计算运费总额。求取材积公式如下：规则物品：长（cm）×宽(cm)×高(cm)÷6000=重量（KG）不规则物品：最长（cm）×最宽(cm)×最高(cm) ÷6000=重量（KG），计费同上。 C)　国际快件有时还会加上 燃油附加费 比如此时的燃油附加费为9%，还需要在公式(A)的结果加上： 运费×9% 7．总费用： 从上面的得出： 总费用＝运费×折扣燃油附加费＋包装费用＋其它不确定费用

优点就是结构简单，缺点就是收敛速度慢。樽海鞘群算法具有结构简单、参数少和易操作等优势。然而，与其他群智能算法类似，也存在收敛速度较慢、在迭代后期种群多样性丢失、难以平衡其探索和开发能力等缺点。樽海鞘群算法已被应用于控制器参数优化、路径规划、图像处理等诸多领域。

　　全国标准麻将记分规则：　　1、和牌后的各方得分：　　胜方：　　自摸和牌：(8+番数)×3　　别人点炮和：8×3+番数　　负方：　　点炮者：-(8+番数)　　非点炮者：-8　　2、国标麻将规则的番种　　88番　　1 大四喜 由4副风刻(杠)组成的和牌。不计圈风刻、门风刻、三风刻、碰碰和　　2 大三元 和牌中，有中发白3副刻子。不计箭刻　　3 绿一色 由23468条及发字中的任何牌组成的顺子、刻五、将的和牌。不计混一色。如无“发”字组成的各牌，可计清一色　　4 九莲宝灯 由一种花色序数牌子按1112345678999组成的特定牌型，见同花色任何1张序数牌即成和牌。不计清一色　　5 四杠 4个杠　　6 连七对 由一种花色序数牌组成序数相连的7个对子的和牌。不计清一色、不求人、单钓　　7 十三幺 由3种序数牌的一、九牌，7种字牌及其中一对作将组成的和牌。不计五门齐、不求人、单钓　　64番　　8 清幺九 由序数牌一、九刻子组成的和牌。不计碰碰和、同刻、无字　　9 小四喜 和牌时有风牌的3副刻子及将牌。不计三风刻　　10 小三元 和牌时有箭牌的两副刻子及将牌。不计箭刻　　11 字一色 由字牌的刻子(杠)、将组成的和牌。不计碰碰和　　12 四暗刻 4个暗刻(暗杠)。不计门前清、碰碰和　　13 一色双龙会 一种花色的两个老少副，5为将牌。不计平各、七对、清一色　　48番　　14 一色四同顺 一种花色4副序数相同的顺子，不计一色三节高、一般高、四归一　　15 一色四节高 一种花色4副依次递增一位数的刻子不计一色三同顺、碰碰和　　32番　　16 一色四步高 一种花色4副依次递增一位数或依次递增二位数的顺子　　17 三杠 3个杠　　18 混幺九 由字牌和序数牌一、九的刻子用将牌组成的和牌。不计碰碰和　　24番　　19 七对 由7个对子组成和牌。不计不求人、单钓　　20 七星不靠 必须有7个单张的东西南北中发白，加上3种花色，数位按147、258、369中的7张序数牌组成没有将牌的和牌。不计五门齐、不求人、单钓　　21 全双刻 由2、4、6、8序数牌的刻了、将牌组成的和牌。不计碰碰和、断幺　　22 清一色 由一种花色的序数牌组成和各牌。不无字　　23 一色三同顺 和牌时有一种花色3副序数相同的顺了。不计一色三节高　　24 一色三节高 和牌时有一种花色3副依次递增一位数字的刻了。不计一色三同顺　　25 全大 由序数牌789组成的顺了、刻子(杠)、将牌的和牌。不计无字　　26 全中 由序数牌456组成的顺子、刻子(杠)、将牌的和牌。不计断幺　　27 全小 由序数牌123组成的顺子、刻子(杠)将牌的的和牌。不计无字　　16番　　28 清龙 和牌时，有一种花色1-9相连接的序数牌　　29 三色双龙会 2种花色2个老少副、另一种花色5作将的和牌。不计喜相逢、老少副、无字、平和　　30 一色三步高 和牌时，有一种花色3副依次递增一位或依次递增二位数字的顺子　　31 全带五 每副牌及将牌必须有5的序数牌。不计断幺　　32 三同刻 3个序数相同的刻子(杠)　　33 三暗刻 3个暗刻　　12番　　34 全不靠 由单张3种花色147、258、369不能错位的序数牌及东南西北中发白中的任何14张牌组成的和牌。不计五门齐、不求人、单钓　　35 组合龙 3种花色的147、258、369不能错位的序数牌　　36 大于五 由序数牌6-9的顺子、刻子、将牌组成的和牌。不计无字　　37 小于五 由序数牌1-4的顺子、刻子、将牌组成的和牌。不计无字　　38 三风刻 3个风刻　　8 番　　39 花龙 3种花色的3副顺子连接成1-9的序数牌　　40 推不倒 由牌面图形没有上下区别的牌组成的和牌，包括1234589饼、245689条、白板。不计缺一门　　41 三色三同顺 和牌时，有3种花色3副序数相同的顺子　　42 三色三节高 和牌时，有3种花色3副依次递增一位数的刻子　　43 无番和 和牌后，数不出任何番种分(花牌不计算在内)　　44 妙手回春 自摸牌墙上最后一张牌和牌。不计自摸　　45 海底捞月 和打出的最后一张牌　　46 杠上开花 开杠抓进的牌成和牌(不包括补花)不计自摸　　47 抢杠和 和别人自抓开明杠的牌。不计和绝张　　6 番　　48 碰碰和 由4副刻子(或杠)、将牌组成的和牌　　49 混一色 由一种花色序数牌及字牌组成的和牌　　50 三色三步高 3种花色3副依次递增一位序数的顺子　　51 五门齐 和牌时3种序数牌、风、箭牌齐全　　52 全求人 全靠吃牌、碰牌、单钓别人批出的牌和牌。不计单钓　　53 双暗杠 2个暗杠　　54 双箭刻 2副箭刻(或杠)　　4 番　　55 全带幺 和牌时，每副牌、将牌都有幺牌　　56 不求人 4副牌及将中没有吃牌、碰牌(包括明杠)，自摸和牌　　57 双明杠 2个明杠　　58 和绝张 和牌池、桌面已亮明的3张牌所剩的第4张牌(抢杠和不计和绝张)　　2 番　　59 箭刻 由中、发、白3张相同的牌组成的刻子　　60 圈风刻 与圈风相同的风刻　　61 门风刻 与本门风相同的风刻　　62 门前清 没有吃、碰、明杠，和别人打出的牌　　63 平和 由4副顺子及序数牌作将组成的和牌，边、坎、钓不影响平和　　64 四归一 和牌中，有4张相同的牌归于一家的顺、刻子、对、将牌中(不包括杠牌)　　65 双同刻 2副序数相同的刻子　　66 双暗刻 2个暗刻　　67 暗杠 自抓4张相同的牌开杠　　68 断幺 和牌中没有一、九及字牌　　1 番　　69 一般高 由一种花色2副相同的顺子组成的牌　　70 喜相逢 2种花色2副序数相同的顺子　　71 连六 一种花色6张相连接的序数牌　　72 老少副 一种花色牌的123、789两副顺子　　73 幺九刻 3张相同的一、九序数牌及字牌组成的刻子(或杠)　　74 明杠 自己有暗刻，碰别人打出的一张相同的牌开杠：或自己抓进一张与碰的明刻相同的牌开杠　　75 缺一门 和牌中缺少一种花色序数牌　　76 无字 和牌中没有风、箭牌　　77 边张 单和123的3及789的7或1233和3、77879和7都为张。手中有12345和3，56789和6不算边张　　78 坎张 和2张牌之间的牌。4556和5也为坎张，手中有45567和6不算坎张　　79 单钓将 钓单张牌作将成和　　80 自摸 自己抓进牌成和牌　　81 花牌 即春夏秋冬，梅兰竹菊，每花计一分。不计在起和分内，和牌后才能计分。花牌补花成和计自摸分，不计杠上开花

算法是不一样的。东风染尽胭脂色，奇谋小兵运帷幄”。你自幼便饱读诗书，与孙策交好，孙策亲自迎你，授建威中郎将，即与兵二千人，骑五十匹。吴中皆呼你为周郎。“何曾相见梦中英姿阔，扬眉淡看漫天烽火”。我不曾亲眼目睹你的豪气，却无数次梦着你一身戎装，面对烽火狼烟丝毫不怯，云淡风轻，举手之间却已定下乾坤。“谈笑群英高歌剑锋烁，缓带轻衫惊鸿若”。你也曾被众人质疑，而你谈笑自如，用实力证明自己，也让众人惊才绝艳。“浅斟酌，影婆娑，夜阑珊，灯未缀。丈夫处世应将功名拓，岂抛年少任蹉跎”。腹有诗书气自华，你周身都有儒雅之气，可谦虚好学的你想让这气更充足些，于是趁着年少，挑灯夜读，不负君民厚望。江东美名卓，伴，当世明君佐，豪情肯掷千金重一诺。奏，一曲舞纤罗；君，多情应笑我，且挽兰芷步阡陌”。周公瑾在江东已是家喻户晓的大人物，先后辅佐孙策、孙权两兄弟，且重情重义，守礼有信，故深得人心。你的豪情人人知晓，而你的柔情谁人能懂？“晓寒轻，晨光朔。残红翩，双影落。更深红袖添香闻桂魄。漏尽未觉风萧索，弹指樯橹破”。多少个夜晚你窗口的灯亮至天明，三更时分添的香直至五更漏尽你也不曾察觉。东坡评你“弹指之间樯橹灰飞烟灭”。那该是一种怎样的气概，怎样的豪迈啊。“忆，千年竟如昨，而今空余故垒江山流豁。展，文武定疆廓；惜，星殒似流火，风云散聚任评说。”你在可以一展宏图时去了，只剩故垒西边无尽相思风。世人只知你“既生瑜何生亮”的谬言。而不知历史上的你肚量颇大，连刘备都曾赞你“论心胸宽广，不计小节，无人能出其右者”。我想为你打抱不平，而你仍旧是那副云淡风轻的样子，任由后人评说。江东美名卓，伴，当世明君佐，豪情肯掷千金重一诺。奏，一曲舞纤罗；君，多情应笑我，且挽兰芷步阡陌”。周公瑾在江东已是家喻户晓的大人物，先后辅佐孙策、孙权两兄弟，且重情重义，守礼有信，故深得人心。你的豪情人人知晓，而你的柔情谁人能懂？“晓寒轻，晨光朔。残红翩，双影落。更深红袖添香闻桂魄。漏尽未觉风萧索，弹指樯橹破”。多少个夜晚你窗口的灯亮至天明，三更时分添的香直至五更漏尽你也不曾察觉。东坡评你“弹指之间樯橹灰飞烟灭”。那该是一种怎样的气概，怎样的豪迈啊。“忆，千年竟如昨，而今空余故垒江山流豁。展，文武定疆廓；惜，星殒似流火，风云散聚任评说。”你在可以一展宏图时去了，只剩故垒西边无尽相思风。世人只知你“既生瑜何生亮”的谬言。而不知历史上的你肚量颇大，连刘备都曾赞你“论心胸宽广，不计小节，无人能出其右者”。我想为你打抱不平，而你仍旧是那副云淡风轻的样子，任由后人评说。算法的。

为一个基于密码学的安全开发包，OpenSSL提供的功能相当强大和全面，囊括了主要的密码算法、常用的密钥和证书封装管理功能以及SSL协议，并提供了丰富的应用程序供测试或其它目的使用。 1.对称加密算法 OpenSSL一共提供了8种对称加密算法，其中7种是分组加密算法，仅有的一种流加密算法是RC4。这7种分组加密算法分别是AES、DES、Blowfish、CAST、IDEA、RC2、RC5，都支持电子密码本模式（ECB）、加密分组链接模式（CBC）、加密反馈模式（CFB）和输出反馈模式（OFB）四种常用的分组密码加密模式。其中，AES使用的加密反馈模式（CFB）和输出反馈模式（OFB）分组长度是128位，其它算法使用的则是64位。事实上，DES算法里面不仅仅是常用的DES算法，还支持三个密钥和两个密钥3DES算法。 2.非对称加密算法 OpenSSL一共实现了4种非对称加密算法，包括DH算法、RSA算法、DSA算法和椭圆曲线算法（EC）。DH算法一般用户密钥交换。RSA算法既可以用于密钥交换，也可以用于数字签名，当然，如果你能够忍受其缓慢的速度，那么也可以用于数据加密。DSA算法则一般只用于数字签名。 3.信息摘要算法 OpenSSL实现了5种信息摘要算法，分别是MD2、MD5、MDC2、SHA（SHA1）和RIPEMD。SHA算法事实上包括了SHA和SHA1两种信息摘要算法，此外，OpenSSL还实现了DSS标准中规定的两种信息摘要算法DSS和DSS1。 4.密钥和证书管理 密钥和证书管理是PKI的一个重要组成部分，OpenSSL为之提供了丰富的功能，支持多种标准。 首先，OpenSSL实现了ASN.1的证书和密钥相关标准，提供了对证书、公钥、私钥、证书请求以及CRL等数据对象的DER、PEM和BASE64的编解码功能。OpenSSL提供了产生各种公开密钥对和对称密钥的方法、函数和应用程序，同时提供了对公钥和私钥的DER编解码功能。并实现了私钥的PKCS#12和PKCS#8的编解码功能。OpenSSL在标准中提供了对私钥的加密保护功能，使得密钥可以安全地进行存储和分发。 在此基础上，OpenSSL实现了对证书的X.509标准编解码、PKCS#12格式的编解码以及PKCS#7的编解码功能。并提供了一种文本数据库，支持证书的管理功能，包括证书密钥产生、请求产生、证书签发、吊销和验证等功能。 事实上，OpenSSL提供的CA应用程序就是一个小型的证书管理中心（CA），实现了证书签发的整个流程和证书管理的大部分机制。 5.SSL和TLS协议 OpenSSL实现了SSL协议的SSLv2和SSLv3，支持了其中绝大部分算法协议。OpenSSL也实现了TLSv1.0，TLS是SSLv3的标准化版，虽然区别不大，但毕竟有很多细节不尽相同。 虽然已经有众多的软件实现了OpenSSL的功能，但是OpenSSL里面实现的SSL协议能够让我们对SSL协议有一个更加清楚的认识，因为至少存在两点：一是OpenSSL实现的SSL协议是开放源代码的，我们可以追究SSL协议实现的每一个细节；二是OpenSSL实现的SSL协议是纯粹的SSL协议，没有跟其它协议（如HTTP）协议结合在一起，澄清了SSL协议的本来面目。 6.应用程序 OpenSSL的应用程序已经成为了OpenSSL重要的一个组成部分，其重要性恐怕是OpenSSL的开发者开始没有想到的。现在OpenSSL的应用中，很多都是基于OpenSSL的应用程序而不是其API的，如OpenCA，就是完全使用OpenSSL的应用程序实现的。OpenSSL的应用程序是基于OpenSSL的密码算法库和SSL协议库写成的，所以也是一些非常好的OpenSSL的API使用范例，读懂所有这些范例，你对OpenSSL的API使用了解就比较全面了，当然，这也是一项锻炼你的意志力的工作。 OpenSSL的应用程序提供了相对全面的功能，在相当多的人看来，OpenSSL已经为自己做好了一切，不需要再做更多的开发工作了，所以，他们也把这些应用程序成为OpenSSL的指令。OpenSSL的应用程序主要包括密钥生成、证书管理、格式转换、数据加密和签名、SSL测试以及其它辅助配置功能。 7.Engine机制 Engine机制的出现是在OpenSSL的0.9.6版的事情，开始的时候是将普通版本跟支持Engine的版本分开的，到了OpenSSL的0.9.7版，Engine机制集成到了OpenSSL的内核中，成为了OpenSSL不可缺少的一部分。 Engine机制目的是为了使OpenSSL能够透明地使用第三方提供的软件加密库或者硬件加密设备进行加密。OpenSSL的Engine机制成功地达到了这个目的，这使得OpenSSL已经不仅仅使一个加密库，而是提供了一个通用地加密接口，能够与绝大部分加密库或者加密设备协调工作。当然，要使特定加密库或加密设备更OpenSSL协调工作，需要写少量的接口代码，但是这样的工作量并不大，虽然还是需要一点密码学的知识。Engine机制的功能跟Windows提供的CSP功能目标是基本相同的。目前，OpenSSL的0.9.7版本支持的内嵌第三方加密设备有8种，包括：CryptoSwift、nCipher、Atalla、Nuron、UBSEC、Aep、SureWare以及IBM 4758 CCA的硬件加密设备。现在还出现了支持PKCS#11接口的Engine接口，支持微软CryptoAPI的接口也有人进行开发。当然，所有上述Engine接口支持不一定很全面，比如，可能支持其中一两种公开密钥算法。 8.辅助功能 BIO机制是OpenSSL提供的一种高层IO接口，该接口封装了几乎所有类型的IO接口，如内存访问、文件访问以及Socket等。这使得代码的重用性大幅度提高，OpenSSL提供API的复杂性也降低了很多。 OpenSSL对于随机数的生成和管理也提供了一整套的解决方法和支持API函数。随机数的好坏是决定一个密钥是否安全的重要前提。 OpenSSL还提供了其它的一些辅助功能，如从口令生成密钥的API，证书签发和管理中的配置文件机制等等。如果你有足够的耐心，将会在深入使用OpenSSL的过程慢慢发现很多这样的小功能，让你不断有新的惊喜。

使用VS2005下的Visual Studio 2005 Command Prompt进入控制台模式（这个模式会自动设置各种环境变量）、解压缩openssl的包,进入openssl的目录、perl configure VC-WIN32尽量在这个目录下执行该命令，否则找不到Configure文件，或者指定完整的Configure文件路径。、msdo_ms在解压目录下执行msdo_ms命令、nmake -f ms tdll.mak编译后在openssl解压目录下执行，完成编译后。输出的文件在out32dll里面，包括应用程序的可执行文件、lib文件和dll文件注意：在运行第五步时，cl编译器会抱怨说.cryptodesenc_read.c文件的read是The POSIX name for this item is deprecated（不被推荐的），建议使用_read。呵呵，我可不想将OpenSSL中的所有的read函数修改为_read。再看cl的错误代码 error C2220，于是上MSDN上查找：warning treated as error - no object file generated/WX tells the compiler to treat all warnings as errors. Since an error occurred, no object or executable file was generated.是由于设置了/WX选项，将所有的警告都作为错误对待，所以。。。于是打开OpenSSL目录下的MS目录下的ntdll.mak文件，将CFLAG的/WX选项去掉，存盘。

使用VS2005下的Visual Studio 2005 Command Prompt进入控制台模式（这个模式会自动设置各种环境变量）、解压缩openssl的包,进入openssl的目录、perl configure VC-WIN32尽量在这个目录下执行该命令，否则找不到Configure文件，或者指定完整的Configure文件路径。、msdo_ms在解压目录下执行msdo_ms命令、nmake -f ms tdll.mak编译后在openssl解压目录下执行，完成编译后。输出的文件在out32dll里面，包括应用程序的可执行文件、lib文件和dll文件注意：在运行第五步时，cl编译器会抱怨说.cryptodesenc_read.c文件的read是The POSIX name for this item is deprecated（不被推荐的），建议使用_read。呵呵，我可不想将OpenSSL中的所有的read函数修改为_read。再看cl的错误代码 error C2220，于是上MSDN上查找：warning treated as error - no object file generated/WX tells the compiler to treat all warnings as errors. Since an error occurred, no object or executable file was generated.是由于设置了/WX选项，将所有的警告都作为错误对待，所以。。。于是打开OpenSSL目录下的MS目录下的ntdll.mak文件，将CFLAG的/WX选项去掉，存盘。

　　#==============================================================================　　# ■ Find_Path　　#------------------------------------------------------------------------------　　# 寻路算法--完整鼠标系统（四方向）专用版　　# By whbm　　#==============================================================================　　class Find_Path　　#--------------------------------------------------------------------------　　def initialize #初始化　　@open_list = []　　@close_lise = []　　@path = []　　end #结束初始化　　#--------------------------------------------------------------------------　　def fp_passable?(x, y, d, tr_x = -2, tr_y = -2) #开始判定通行　　return false if (tr_x == @unable_xa or　　tr_x == @unable_xb or　　tr_y == @unable_ya or　　tr_y == @unable_yb)　　if $game_player.passable?(x, y, d)　　return true　　else　　return false　　end　　end #结束判定通行　　#--------------------------------------------------------------------------　　def get_g(now_point) #开始计算G值　　d = now_point[2]　　return 0 if d == 5　　father_point = get_father_point(now_point)　　g = father_point[3] + 10　　return g　　end #结束计算G值　　#--------------------------------------------------------------------------　　def get_h(now_point) #开始计算H值　　now_x = now_point[0]　　now_y = now_point[1]　　#print @trg_x,now_x,@trg_y,now_y　　h = (@trg_x - now_x).abs + (@trg_y - now_y).abs　　return h * 10　　end #结束计算H值　　#--------------------------------------------------------------------------　　def get_f(now_point) #开始计算F值　　f = now_point[3] + now_point[4]　　return f　　end #结束计算F值　　#--------------------------------------------------------------------------　　def get_point(x, y) #取已知坐标点　　if @open_list.size != 0　　@open_list.each do |point|　　if point[0] == x and point[1] == y　　return point　　break　　end　　end　　end　　if @close_list.size != 0　　@close_list.each do |point|　　if point[0] == x and point[1] == y　　return point　　break　　end　　end　　end　　end #结束取已知坐标点　　#--------------------------------------------------------------------------　　def get_father_point(now_point) #取已知点的父节点　　d = now_point[2]　　return now_point if d == 5　　x = now_point[0] + (d == 6 ? 1 : (d == 4 ? -1 : 0))　　y = now_point[1] + (d == 2 ? 1 : (d == 8 ? -1 : 0))　　return get_point(x, y)　　end #结束取已知点的父节点　　#--------------------------------------------------------------------------　　def new_point(x, y, d) #开始建立新节点　　#print x,y,d　　point = [x, y, d]　　point.push get_g(point)　　point.push get_h(point)　　point.push get_f(point)　　return point　　end #结束建立新节点　　#--------------------------------------------------------------------------　　def get_direction(self_x, self_y, trg_x, trg_y)　　if trg_x > self_x　　if trg_y - self_y > - ( trg_x - self_x ) and　　trg_y - self_y < ( trg_x - self_x )　　return 6　　end　　if trg_y - self_y > ( trg_x - self_x )　　return 2　　end　　if trg_y - self_y < - ( trg_x - self_x )　　return 8　　end　　end　　if trg_x < self_x　　if trg_y - self_y > - ( self_x - trg_x ) and　　trg_y - self_y < ( self_x - trg_x )　　return 4　　end　　if trg_y - self_y > ( self_x - trg_x )　　return 2　　end　　if trg_y - self_y < - ( self_x - trg_x )　　return 8　　end　　end　　end　　#--------------------------------------------------------------------------　　def get_d_x_y(x, y, d)　　d_x = x + (d == 6 ? 1 : (d == 4 ? -1 : 0))　　d_y = y + (d == 2 ? 1 : (d == 8 ? -1 : 0))　　return d_x, d_y　　end　　#--------------------------------------------------------------------------　　def find_short_path_other(self_x, self_y, trg_x, trg_y,　　real_self_x, real_self_y, real_trg_x, real_trg_y)　　@self_x = self_x　　@self_y = self_y　　@now_x = self_x　　@now_y = self_y　　@trg_x = trg_x　　@trg_y = trg_y　　@path = []　　direction = get_direction(real_self_x, real_self_y, real_trg_x, real_trg_y)　　@now_trg_x, @now_trg_y = get_d_x_y(@self_x, @self_y, direction)　　while fp_passable?(@now_x, @now_y, direction)　　@path.push direction　　@now_x = @now_trg_x　　@now_y = @now_trg_y　　@now_trg_x, @now_trg_y = get_d_x_y(@now_x, @now_y, direction)　　end　　return @path　　end　　#--------------------------------------------------------------------------　　def find_short_path(self_x, self_y, trg_x, trg_y,　　real_self_x, real_self_y, real_trg_x, real_trg_y) #开始搜索路径　　return find_short_path_other(self_x, self_y, trg_x, trg_y,　　real_self_x, real_self_y, real_trg_x, real_trg_y) if not　　(fp_passable?(trg_x, trg_y + 1, 8) or　　fp_passable?(trg_x + 1, trg_y, 4) or　　fp_passable?(trg_x - 1, trg_y, 6) or　　fp_passable?(trg_x, trg_y - 1, 2)) and @goal_type != 1　　#根据屏幕限定搜索面积..加速　　@unable_xa = $game_map.display_x / 128 - 1　　@unable_ya = $game_map.display_y / 128 - 1　　@unable_xb = $game_map.display_x / 128 + 20　　@unable_yb = $game_map.display_y / 128 + 20　　@self_x = self_x　　@self_y = self_y　　@now_x = self_x　　@now_y = self_y　　@trg_x = trg_x　　@trg_y = trg_y　　@open_list = []　　@close_list = []　　#准备搜索　　#print @self_x,@self_y　　@now_point = new_point(@self_x, @self_y, 5) #令起始点为当前点　　@open_list.push @now_point #将当前点加入关闭列表　　#开始搜索　　begin　　loop do　　check_trg = check_around_point(@now_point)　　if check_trg == true　　@path = get_path　　break　　end　　@now_point = get_lowest_f_point　　if @now_point == [] or @now_point == nil　　@path = []　　break　　end　　end　　rescue Hangup　　retry　　end　　return @path　　end #结束搜索路径　　#--------------------------------------------------------------------------　　def find_player_short_path(trg_x, trg_y,　　real_trg_x, real_trg_y) #寻找角色的最短路径　　self_x = $game_player.x　　self_y = $game_player.y　　real_self_x = $game_player.screen_x　　real_self_y = $game_player.screen_y　　@goal_type, event = $game_map.check_event_custom_exist(real_trg_x, real_trg_y)　　if @goal_type == 1　　trg_x = event.x　　trg_y = event.y　　end　　return find_short_path(self_x, self_y, trg_x, trg_y,　　real_self_x, real_self_y, real_trg_x, real_trg_y)　　end #结束角色的寻找路径　　#--------------------------------------------------------------------------　　def get_path #取得最终的路径　　path = []　　now_point = @open_list[@open_list.size - 1]　　path.push(10 - now_point[2])　　last_point = now_point　　loop do　　now_point = get_father_point(now_point)　　break if now_point[2] == 5　　path.push(10 - now_point[2])　　end　　return path.reverse　　end #结束取得最终的路径　　#--------------------------------------------------------------------------　　def get_lowest_f_point #开始取得最低F值的点　　if @open_list == []　　return []　　end　　last_lowest_f_point = @open_list[0]　　@open_list.each do |point|　　last_lowest_f_point = point if point[5] < last_lowest_f_point[5]　　end　　return last_lowest_f_point　　end #结束取得最低F值点　　#--------------------------------------------------------------------------　　def check_around_point(point) #开始检查已知点的八方节点　　for d in [2, 4, 6, 8]　　x = point[0] + (d == 6 ? 1 : (d == 4 ? -1 : 0))　　y = point[1] + (d == 2 ? 1 : (d == 8 ? -1 : 0))　　if in_close_list?(x, y) #在关闭列表中　　next　　elsif in_open_list?(x, y) #在开启列表中　　get_new_g_point = new_point(x, y, 10 - d)　　get_last_g_point = get_point(x, y)　　if get_new_g_point[3] >= get_last_g_point[3]　　next　　else　　#如果改变父节点是新G值更小则确定改变　　@open_list[@open_list.index(get_last_g_point)] = get_new_g_point　　end　　else　　if fp_passable?(point[0], point[1], d, x, y)　　# 如果不在开启列表中、且不在关闭列表中、且通行则添加它到新八周节点　　@open_list.push new_point(x, y, 10 - d)　　#如果将目标点添加到了开启列表中就返回true　　return true if x == @trg_x and y == @trg_y　　return true if @goal_type == 1 and ([1, -1].include?(x - @trg_x) and y - @trg_y == 0) or ([1, -1].include?(y - @trg_y) and x - @trg_x == 0)　　end　　end　　end　　#此刻没有找到目标点并将当前点加入关闭列表并在开启列表中删除　　@close_list.push point　　@open_list.delete(point)　　#此刻没找到目标点并返回false　　return false　　end #结束计算已知点的八方节点　　#--------------------------------------------------------------------------　　def in_open_list?(x, y) #开始检查谋点是否在开启列表中　　@open_list.each do |point|　　return true if point[0] == x and point[1] == y　　end　　return false　　end #结束检查谋点是否在开启列表中　　#--------------------------------------------------------------------------　　def in_close_list?(x, y) #开始检查谋点是否在关闭列表中　　@close_list.each do |point|　　return true if point[0] == x and point[1] == y　　end　　return false　　end #结束检查谋点是否在关闭列表中　　#--------------------------------------------------------------------------　　end

1、《正义之道》 所属专辑：正义之道《正义之道》是黄渤、高进共同合作完成的一首歌曲，于2012年6月6日正式发行，同时这首歌也是电视剧《民兵葛二蛋》的主题曲，“今生就做朋友，就算天高地厚咱也要一起走”，激励着众人不断奋斗进取，充满正能量。2、《不醉》 所属专辑：不醉《不醉》是仓雁彬、黄渤共同合作完成的一首歌曲，于2013年01月07日正式发行，同时这首歌也是微电影《2b青年的不醉人生》的片尾曲，敬往事一杯酒，还是要向前走。3、《这就是命》 所属专辑：这就是命《这就是命》是黄渤、赵英俊、张宝宇共同合作完成的一首歌曲，于2016年6月27日正式发行，同时这首歌也是电影《这就是命》的主题曲，“不管遭遇怎样的残忍，也像最初那样的真诚”。4、《临时演员》 所属专辑：临时演员《临时演员》是黄渤、仓雁彬共同合作完成的一首歌曲，于2011年5月18日正式发行，“我这样不值一提的角色，你见过的何止会有上千百万个”，真正动人的不是那句歌词，而是你在你生命中那些关于这首歌的故事。5、《疯狂的外星人》 所属专辑：疯狂的外星人《疯狂的外星人》是梁龙、二手玫瑰乐队、沈腾、黄渤共同合作完成的一首歌曲，于2019年1月21日正式发行，同时这首歌也是电影《疯狂的外星人》的主题曲，越听越是沙雕至极，特别的洗脑。6、《一剪梅》 所属专辑：花神《一剪梅》是黄渤、左小祖咒、娃娃、陈怡、陈伟伦共同合作完成的一首歌曲，于2015年9月24日正式发行，同时这首歌也是电影《夏洛特烦恼》的主题曲，唤起了人们对这首歌曲的美好回忆。7、《我也曾经像你一样》 所属专辑：我也曾经像你一样《我也曾经像你一样》是小柯、黄渤共同合作完成的一首歌曲，于2015年10月9日正式发行，“我也曾经像你一样，想度过不一样的时光”，感悟其中简单的快乐和美好。8、《我是谁》 所属专辑：我是谁《我是谁》是黄渤、祁辛、Amit Trivedi、冼嘉宁共同合作完成的一首歌曲，于2018年1月24日正式发行，同时这首歌也是电影《神秘巨星》的主题曲，“当挫败时候就放慢脚步，渐渐接近理想”。9、《模样》 所属专辑：模样《模样》是黄渤、张文成、林非共同合作完成的一首歌曲，于2019年4月3日正式发行，同时这首歌也是电影《欲念游戏》的推广曲，经历的沧桑大概只有自己知晓，别人所看到的不过是浮毛。10、《遗忘家》 所属专辑：遗忘家《遗忘家》是王童、鹿京周、陈伟伦、黄渤共同合作完成的一首歌曲，于2019年5月28日正式发行，同时这首歌也是《忘不了餐厅》的主题曲，尽管你“忘了我的名字，我还是爱你”，遗忘不可怕，爱可以战胜它。

问题描述：设子集和问题的一个实例为〈S,t〉。其中，S={x1，x2，…，xn}是一个正整数的集合，t是一个正整数。子集和问题判定是否存在S的一个子集S1，使得∑x = t。(x属于S1)1 子集和问题的指数时间算法int exactSubsetSum (S,t){int n=|S|；L[0]={0}；for (int i=1；i<=n；i++) {L[i]=mergeLists(L[i-1],L[i-1]+S[i])；删去L[i]中超过t的元素；}return max(L[n])；}算法以集合S={x1，x2，…，xn}和目标值t作为输入。算法中用到将2个有序表L1和L2合并成为一个新的有序表的算法mergeLists(L1,L2)。2 子集和问题的完全多项式时间近似格式基于算法exactSubsetSum，通过对表L[i]作适当的修整建立一个子集和问题的完全多项式时间近似格式。在对表L[i]进行修整时，用到一个修整参数δ，0<δ<1。用参数δ修整一个表L是指从L中删去尽可能多的元素，使得每一个从L中删去的元素y，都有一个修整后的表L1中的元素z满足(1-δ)y≤z≤y。可以将z看作是被删去元素y在修整后的新表L1中的代表。举例：若δ=0.1，且L=〈10,11,12,15,20,21,22,23,24,29〉，则用δ对L进行修整后得到L1=〈10，12，15，20，23，29〉。其中被删去的数11由10来代表，21和22由20来代表，24由23来代表。对有序表L修整算法List trim(L,δ){ int m=|L|；L1=〈L[1]〉；int last=L[1]；for (int i=2；i<=m；i++) {if (last<(1-δ)*L[i]) {将L[i]加入表L1的尾部；last=L[i]；}return L1；}子集和问题近似格式int approxSubsetSum(S,t,ε){ n=|S|；L[0]=〈0〉；for (int i=1；i<=n；i++) {L[i]=Merge-Lists(L[i-1],L[i-1]+S[i])；L[i]=Trim(L[i],ε/n)；删去L[i]中超过t的元素；}return max(L[n])；}

因为不同路径的信息素和启发信息不同，所以向每条路径转移的概率也不同；具体实现可以运用轮盘赌选择，转移概率越大的路径就会有更多的蚂蚁选择.。Prime 算法和 Kruskal 算法都是用来求加权连通简单图中权和最小的支撑树（即最小树）的，Prime算法的时间复杂度为O(n^2) （n 为顶点数），Kruskal 算法的时间复杂度为 O(eln(e)) （e为边数），这两种算法都是多项式时间算法，也就是说，最小树问题已经有了有效算法去求解，属于P问题。Dijkstra 算法求解的是加权连通简单图中一个顶点到其它每个顶点的具有最小权和的有向路，最简单版本的时间复杂度是O(n^2)，也是多项式时间算法。而蚁群算法是一种近似算法，它不是用来解决已存在精确有效算法的问题的，而是用来解决至今没有找到精确的有效算法的问题的，比如旅行商问题（TSP）。旅行商问题也可以说是求“最短路径”，但它是求一个完全图的最小哈密顿圈，这个问题至今未找到多项式时间算法，属于NPC问题，也就是说，当问题规模稍大一点，现有的精确算法的运算量就会急剧增加。文中的某些观点引自知乎大神余幸恩，感谢帮忙！~

P:多项式时间内可以解决，太多了，如排序问题NP:多项式时间内可以验证，如大数分解问题，随便给你一个非常大的数(该数由两个非常大的素数相乘得来)，你没法很快将其分解为两个素数的乘积，但若是把这两个素数告诉你，你可以很快的验证它是由这两个素数相乘得来（即多项式时间可验证）上述两个概念一开始是用来描述判定问题的，后来被拓展到其他问题（如优化问题）上现代计算机一就是冯洛伊曼结构，哪怕改成哈佛结构，也依旧只是一台图灵机，其表述能力无法超过图灵机范畴，所以只能解决确定性图灵机问题(这个名词我没听过，所以只能猜测其表示的意思)

若P不等于NP，则最大独立集问题存在多项式时间绝对近似算法。 A.正确 B.错误 正确答案：B

你说的是范式？

谨以此文，感谢我在这个学校最喜欢的两个老师之一——肖my老师。本文基本为老师上课说讲授内容加上一部分自己的感悟拼凑而来，写作文本的目的是为自己的算法课程留下一点点东西，站在老师肩膀上形成粗糙的框架，方便以后的复习以及深入。文笔有限，其中包含的错误还请多多包容，不吝赐教。 to do list： 时间复杂度中递归树法；动规，分治新的感悟； 点覆盖：一组点的集合，使得图中所有边都至少与该集合中一个点相连。 支配集：一组点的集合，使得图中所有的点要么属于该集合，要么与该集合相连。 最大团：在一个无向图中找出点数最多的完全图。 独立集：一组点的集合，集合中的顶点两两不相邻。（团转过来） SAT问题：也称布尔可满足性问题。给一组变 其中Ci被称为句子。 点覆盖<->独立集<->最大团 最小割：割是一组边集。如s-t割就是如果去掉这些边，将把原图划分为两个点集，其中一个点集包含s，一个点集包含t。（两个是指不相连，而不是代表不存在边相连，如反向边） decision problem: 是否存在。 search problem:找到一个解。 （这个还能扩展，比如decision problem在多项式时间内解决，所以他是P问题吗） 渐进符号： 注意以上三种都是紧的，对应的两个小写的符号是不紧的，即如下图所示： 概念：算法的时间复杂度是一个函数，用于定性描述算法的运行时间。注意，这个一个代表算法输入字符串长度的函数。 [注]输入字符串长度是一个比较关键的理解，比如在背包问题中，其时间复杂度为O(nW)，因为W不定，所以只能是一个伪多项式时间。 比较：c < log2N < n < n * Log2N < n^2 < n^3 < 2^n < 3^n < n! < n^n 大致：常数<对数<幂函数<指数函数<阶乘 对于指数是n相关的进行比较，优先比较指数，再比较底数。 记住一个特例：n (logn)<n!<n n 计算： 一般来说，计算采用主方法和递归树法，其中递归树技巧性比较强，主方法其实也是递归树推导归纳而来，且主方法能得到一个比较紧的结果。 主方法： f(n) = af(n-b)+g(n) =>O( a^(n/b) *g(n) ) P：decision problems有一个多项式算法。 NP（nondeterministic polynomial-time）：decision problems能够在多项式时间内验证。 NPC：NP完全问题，首先这个问题是NP的，其次，其他所有问题都可以多项式时间内归约到它。 NPH：如果所有NP问题都可以多项式时间归约到某个问题，则称该问题为NP困难。 因为NP困难问题未必可以在多项式时间内验证一个解的正确性（即不一定是NP问题），因此即使NP完全问题有多项式时间的解（P=NP），NP困难问题依然可能没有多项式时间的解。因此NP困难问题“至少与NP完全问题一样难”。 一些NP问题能在多项式时间内解决，因为 P∈NP NP难类型问题的证明： 先选好一个已知NP难的问题，然后将已知NP难问题多项式归约到要证明的问题上。先给出这个归约，然后再证明这个归约的正确性。 NPC类型问题的证明： 证明一个问题Y是NPC问题，先说明Y是NP的，然后找到一个NPC问题X，将这个问题X归约到问题Y上，即证明完成。 常见的NPC问题（重要，规约的时候有用！）： packing problems: set-packing，独立集 覆盖问题：集合覆盖问题，顶点覆盖问题 严格满足问题(constraint satisfaction problems)：SAT，3SAT 序列问题：哈密尔顿回路，旅行商问题 划分问题：3D-matching, 3着色问题 数字问题：子集合问题（子集元素之和为t），背包问题 其他：分团问题（是否存在一个规模为k的团） 规约的概念与理解 规约：意味着对问题进行转换，例如将一个未知的问题转换成我们能够解决的问题，转换的过程可能涉及到对问题的输入输出的转换。 自归约：search problem <=p decision problem 归约：A归约到B，也就是说，我们对A套一个函数f，在f函数的作用下形成一个新的问题，对这个问题运用B的黑盒解法，能够解决问题A。 (B <=p A)一般说来，B问题如果可以归约到A问题，也就是说，一个解决A问题的算法可以被用做子函数（子程序）来解决B问题，也就是说，求解B问题不会比求解A问题更困难。因此，如果B问题是困难的，那么A问题也就是困难的，因为不存在求解A问题的高效算法。(最后一句不懂) 我简单说一下我理解的规约，以X规约到Y为准，大概分成两个方面： 注：在 三 的一些实例中细品。 概念：在对问题求解时，总是做出在当前看来是最好的选择。 贪心的证明：先假设贪心算法得到的解不是最优解，假设S1是贪心算法得到的解，而S2是所有最优解中和S1具有最多相同元素的解，然后比较S1和S2，观察S1和S2中第一个（最前面一个）不一样的元素，然后在贪心解S2中将不一样的元素换成S1中的那个元素得到另一个最优解S3，这样S3和S1比S2和S1有更多相同元素，和假设S2是与S1有最多相同元素的最优解矛盾，这样来推导S1是最优解。 我的理解：假设这个不是最优的，但是一定存在一个最优的解在某一个位置之前和我当前解结构是一样的，那么在这个位置，选最优解也可以选当前解，不影响最终答案。 [注]概念很简单，但是实际操作的时候，贪心的角度很重要，同样的贪心，方向对了，算法就是对的。 例子： 给你一系列活动，每个活动有一个起始时间和一个结束时间，要求在活动不冲突的情况下找到一种有最多活动的安排。 对于这个问题，我们有一下几种贪心的角度： ①将任务按照 开始时间 升序排列。 ②将任务按照 结束时间 升序排列。 ③将任务按照 任务时长 升序排列。 ④对于每一个任务，都记录与其他任务冲突的数量，按照 冲突数量 的升序排列。 其中1，3，4都是不可以的。 任务结束时间的贪心证明（反证法）： 假设贪心不是最最优的，那我们在最优解中找一个与当前解有最相似的解。 由图可以知道，贪心贪的就是最早结束，所以如果不是最优，那么最优的结束时间一定晚于贪心的结束时间。 由上图就可以证明。 最大流通常与最小割相联系。 f 为任意一个流，cap为容量，对于任意的s-t割出来的点集（A，B），v( f ) <= cap(A, B)。 当流增加到与割的容量相等时候，就不可能再有增长空间了，称为最大流。 对于割的容量来说，不同的割法会有不同流量，有些割法永远不会有流达到，比如部分A = {s}, B = {V - s}，这种把源点割出来的割法。 综上，通过这种感性的认识，如果能找到一个最小的割，那么这个割就一定是最大能跑到的流（如果流能更高的话在这个割上就会超过容量，反证。） 上图为一条增广路，一条增广路即为一条s-t的路径，在路径上仍有流可以跑，其曾广的流就是该条路径上最小的剩余容量。（相当于每找一条增广路，就至少有一条边达到满流。） 直到在图中找不到增广路，此时已经达到了最大流。 找ST集合：把满流的边去掉，从S出发走到能到的点，遍历的点就是S集合；剩下的点就属于T集合。注意，如果找到了在找S集合的时候找到了T点，说明还可以继续找增广路。 [补]有一个很有趣的延伸，如多源点多终点问题。问：如果我有两个源点s1，s2，两个终点t1，t2，我想求一组流，使得s1-t1，s2-t2的流达到最大，是否可以加一个源点S，S与s1，s2相连，边流无限大；加一个终点T，T与t1，t2相连，边流无限大，然后这组ST的最大流即可。——答案是No，无法保证是s1-t1，s2-t2，有可能交错。 例子讲的感觉不是特别好，对理解感觉起不到很大作用，希望以后有新的想法后进行补充。 规约是一个重要的概念和思想。 一个图的 最大独立集 与 最小点覆盖 是不相交的两个点集，它们的并就是整个点集。 个人理解：独立集和点覆盖都是从点的角度进行划分的，如果我们从边的角度来看，①一个最小的点覆盖即为我集合中的每一个点都尽可能与更多的边相连，②同时，一条边的两个端点中，只能有一个端点在最小点覆盖中[下注] [注]我们假设有一条边两个端点（u，v）都在点覆盖之中，首先显然u，v都不是端点，因为假设u是端点的话只需要选择v即可； 给一个集合S和一堆S的子集S1，S2，...，Sm，问是否存在存在k个子集，使它们的并集为S。 构造： 集合为点，集合中的元素为边，有相同元素的边相连。（注意如果某一元素只在一个子集中出现，应该怎么处理呢！） 规约：在构造的图中找最小的点覆盖，选中的点能覆盖所有的边即为对应集合的并集能包含所有的元素。所以就完成了集合覆盖到点覆盖的规约。 构造：每个句子构造一个三角形，把对应变量但是相反取值的点相连。 规约：3SAT的有一个特点就是，每一个句子中至少有一个为真即可，每个句子都必须是真。将相同变量相反取值相连的目的就是，在最大独立集中，比如选择x为真，则剩下所有句子中x-ba一定不会被选中，同时由独立集和构造出来三角形的性质可以知道，每一个句子，有且仅有一个会被选中（为真）。如上图，x1-ba为真，x2-ba和x3任选一个为真即可满足。 search problem <=p decision version 比如：如果能在多项式时间内找到一个哈密尔顿圈，那么就能在多项式时间内找到一个哈密尔顿圈（删边） 在此再谈P和NP： 我们知道有些问题是可以从搜索问题规约到判断问题的，也就是所该问题如果能在多项式内判断，那么久能在多项式中搜索到，那么我们只需要说，这个判断问题能在多项式时间内求解，就叫做P问题，也就是上图红字的意思；那NP问题呢，必须要给出一个解的实例，判断的是这个实例是否满足求解问题，这个才是上图中的红字。比如，我如果能在多项式时间内判断哈密尔顿圈是否（Yes/No）存在，那这个就是ploy-time algorithm，如果我给出了一系列点，能过多项式时间内判断这些点能否构成哈密尔顿圈，那这个就是poly-time certifier。 构造：把一个点拆分成三个点。 构造：（下面两个图要连在一起看） 从行的角度看，一行代表一个变量；从列的角度来看，每三列代表一个句子。两边中一边是两个点，一边是一个点，所以有k个句子的话，每一行有3k+3个节点。从哈密尔顿圈的答案转到3SAT的答案看这个圈在每一行是从左到右还是从右到左。 子集和问题：给一个集合S，问是否能在集合中选取元素，使得总和为W。 构造：如下图，按照前六行和前三列进行分割，可以分成4部分，其中1,3,4部分是固定的，即在第一部分，变量v列和 变量为v（包括变量及取反）的行对应的格子为0，其余为0；第三部分全为0；第四部分按照12依次写下来。第二部分，如果Ci句子中有变量v，则记为1，因为一个句子只有三个变量，可以简单通过第二部分每一列和为3进行判定。此时集合已经构造出来，W为111444，与上面的规约相似，可以通过3SAT的简单性质进行感性的认知。 近似的想法很简单，要解决一个问题，我们希望能够做到①求解结果是最优的 ②在多项式时间内解决 ③对于任意的实例都能够通过该算法解决。现在对于部分问题，无法完全满足以上要求，所以就牺牲了①，但是我们希望结果不是盲目的，所以就引入了近似的概念。 近似算法。比如2-近似，认为W为近似解，W 为最优解，在求最小值的情况下W<=2W ；在求最大值的情况下，W>=1/2W* 给m个机器和n个任务，每个任务有一个ti的执行时间，我们认为完成最后一个任务所需的时间为负载时间，希望能够让这个负载时间最短。 第一种：将任务依次放在机器上，当某个机器空闲时立即放入新任务。此时是2近似的。 证明： 引理1.最短时间安排是大于等于任务中时间最长的任务，L* >= max tj 我们在考虑放入最后一个任务前，根据我们放置的规则，该机器是耗时最短，也就是说，该机器此时的用时是低于除掉最后一个任务后的平均时长，更低于所有任务的平均时长（引理2）；再根据引理1，最后一个任务应该是小于最优解的。 补充： 在这里，我还想讨论一下这个近似算法的中等于符号，先上结论：等号不一定能够找到一个实例，但是可以构造出一种结构，通过取极限求得，我们认为这样 也算是紧的。 构造实例：有m个机器，其中m(m-1)个任务的用时为1，1个任务的用时为m。肯定有一种任务集合，可以按照以下方式进行安排，此时的贪心解为19。 此时最佳的解为10，如下图： 通过推广可以知道此时的比为（2m-1）/m，当m取极限，能够达到2倍。 第二种：将任务从大到小排序，然后依次放在机器上，当某个机器空闲时立即放入新任务。此时是2近似的。 引理3：如果有大于m个任务，那么L*>=2t(m-1)。证明：t(m+1)是目前最短的任务，且目前所有机器上都有任务了，所以该任务加入时最优的情况不过是加入设备的原有任务刚好和t(m+1)相等，即等号。 （2近似）在n个点中，选取k个中心点，使得这些中心点能够以半径R的圆包含所有的点，让其中最大的半径最小，如下图所示： 基础：距离需要满足的三个定理①(同一性)dist(x, x) = 0 ②(自反)dist(x, y) = dist(y, x) ③(三角不等式)dist(x, y) <=dist(x, z)+dist(z, y) r(C)为C集合中所有点的最大覆盖半径。（需要求min r(C)） 算法：在点集中任选一个作为中心点，然后重复以下步骤k-1次:选取距离已选点集中最远的点，加入点集。 证明：先假设r(C )< 1/2 * r(C)以选好的点画半径为1/2 * r(C)的圆，显然可知[注]，这个圆里有且仅有一个r(C )中的点。那么根据在下图中，根据三角不等式可以得出： [注]在每个点上r(c )一定会包含到c点，而r(C )<1/2 * r(C)，相当于大圆套小圆，所以c*一定在c的圆中。 （2近似）问题还是很好理解的，在点上加权值，要找一个点覆盖，使得权值最小。如下图左边就是一个带权的最小点覆盖。 算法： 任选一条边(i, j)加上代价，这个代价从零开始，且这个代价的最大值低于i和j节点的权值。显然，这个边权值的最大值取决于两个端点权值的最小值，我们认为当边权值与点权值相等时，对应的那个点是紧的。把所有紧的点找出来即为点覆盖。 流程： 证明： 引理：边权之和小于等于点覆盖的点权之和。这主要是由于涉及到一条边上两个点都被选（紧的）的情况，感性认知可以看上图，缩放证明如下： w(S)是等于所选的节点的权值之和的，等于所选节点节点所对应的边权之和，可以把它放大到所有节点对应边权之和，这样因为一条边(u, v)在u上算过一次后还要在v上算一次，所以等于边权和的两倍。再由上面引理可得。 主要为了线性规划和整数规划。 （2近似）没啥好说的，只需要把方程构造出来就行了。 由于求解出来结果不一定是整数，所以我们认为某一点的值大于1/2，就选入点集。 证明： 因为xi+xj >=1,且都是正数，那必至少一个点是大于1/2的（反证，两个都小于1/2则和小于1）。 给你n个物品和一个背包，每个物品有一个价值v和一个大小w，背包的容量是W，要求让背包装下尽可能大价值。 背包的时间复杂度：O(nW) 注意其中n表示物品的个数，无论是1个还是999个，他都是多项式的，这个很好理解。但是W就不一样了，这是一个数字。我理解的是这个数字会很奇特，比如1.00001，比如99999，这些有可能看起来不大但是实际在处理的时候很难处理的数字，统一的来说，如果我们把这些数字放在电脑上，都会以二进制的方式存储起来，有些数字用十进制表示很小，但是放在二进制上面就会很大，由W导致不能在多项式时间内解决（找不到一个范围/上界来框它）。 算法： 为了处理这个问题，我们改动了dp的状态转移方程，要让这个转移方程和W无关[注]。 此时还不是多项式的，然后我们再对value进行约。[注] [注]这两步中，我们把w改成v，并对v进行近似处理。OPT的含义变成了，在面对是否选择第i个物品时，要想让价值达到当前值，最少的weight。理由是更改后的误差是可以忍受的：对v进行近似，结果只会出现最大价值的上下误差，如果对w进行近似，则有可能出现该物品不能放入背包中，导致整个物品直接放弃的情况。

数学中，整数分解（素因数分解）问题是指：给出一个正整数，将其写成几个约数的乘积。例如，给出45这个数，它可以分解成32 ×5。根据算术基本定理，这样的分解结果应该是独一无二的。这个问题在代数学、密码学、计算复杂性理论和量子计算机等领域中有重要意义。2005年，作为公共研究一部分的有663个二进制数位之长的RSA-200已经被一种一般用途的方法所分解。如果一个大的，有n个二进制数位长度的数是两个差不多大小相等的约数的乘积，现在还没有很好的算法来以多项式时间复杂度分解它。这就意味着没有已知算法可以在O（nk）（k为常数）的时间内分解它。但是现在的算法也是比Θ(en)快的。换句话说，现在我们已知最好的算法比指数数量级时间要快，比多项式数量级时间要慢。已知最好的渐近线运行时间是普通数域筛选法(GNFS)。时间是：对于平常的计算机，GNFS是我们已知最好的对付n个二进制数位大约数的方法。不过，对于量子计算机， 彼得·秀尔在1994年发现了一种可以用多项式时间来解决这个问题的算法。如果大的量子计算机建立起来，这将对密码学有很重要的意义。这个算法在时间上只需要O(n3)，空间只要O(n)就可以了。 构造出这样一个算法只需要2n量子位。2001年，第一个7量子位的量子计算机第一个运行这个算法，它分解的数是15如果想获得最新消息，请你上wikipedia百科，英文版。

多项式时间复杂度就是存在一个(与n无关的)正数p使得时间复杂度为O(n^p)(√n)!的增长速度要快于任何多项式, 如果把大O记号换成大Theta记号, 那么Theta[(√n)!]一定不是多项式时间复杂度, 因为由Stirling公式, Theta[(√n)]=Theta(√n^{√n+1/2}/e^{√n}), 当n充分大时大于任何n^p.但是需要注意, 仅看O[(√n)!]不能判定是否是多项式时间复杂度, 因为大O记号只是一个上界, 即使是O(1)也可以写成O[(√n)!].

想要理解“伪多项式时间”，我们需要先给出“多项式时间”的一个清楚的定义。对于“多项式时间”，我们的直观概念是时间复杂度,其中是一常数。比如，选择排序的时间复杂度是，是多项式时间；暴力解决TSP问题的时间复杂度是，不是多项式时间。我们称这种时间复杂度为“传统时间复杂度”。我们通常认为传统时间复杂度中的变量表示数据的输入规模。比如，选择排序中，指待排序数组中元素的个数；TSP问题中表示图中节点的数量。但是，这些所谓的输入规模，仅仅是直观的定义，并不足够严谨。为了标准化这些，在计算标准时间复杂度时，我们给出了输入规模的标准定义：一个问题的输入规模是保存输入数据所需要的bit位数。比如，如果排序算法的输入是一个32-bit整数 数组，那么输入规模就是，是指数组中元素的个数。对于一个带有个节点、条边的图，需要的bit位数就是。了解了输入规模的定义，我们来看“多项式时间”的标准定义：对于一个问题，在输入规模为x的情况下，如果一个算法能够在O()时间内解决此问题，则我们称此算法是多项式时间的，其中为一常数。当我们处理一些图论、链表、数组、树等问题时，这个标准定义下的多项式时间和我们传统的多项式时间相差无几。比如，用选择排序对元素个数为的数组进行排序时，传统时间复杂度为。输入规模，因此，得到的标准时间复杂度是，仍然是多项式时间。类似的，假设在带有个节点、条边的图中做DFS(深度优先搜索)，传统时间复杂度为。数据规模，因此，标准时间复杂度是，仍是多项式时间的。然而，当我们处理一些与数论有关的问题时，事情就不太乐观了。现在我们来讨论判断一个整数是否为素数的算法，下面是一个简单的算法：function isPrime(n): for i from 2 to n - 1: if (n mod i) = 0, return false return true显然，这个算法在传统时间复杂度计算方法中是多项式时间的。我们不妨认为它的传统时间复杂度是。然后我们再来分析这个问题的输入规模，可能有的同学会说，对于32-bit整数，这个输入规模不就是32吗？这话虽然没错，但是因为在这个问题中，输入规模完全依赖于的大小，所以的范围不再限制在32-bit整数的范围内，而是要探讨当更大时对数据规模的影响。我们知道，保存一个整数所需要的bit位数，因此，在标准的时间复杂度中，此算法的复杂度变为了!这已经不再是多项式时间，而是一个指数时间。我们可以从下面这个例子中直观感受一下这种指数时间的增长速度：对于一个二进制串：10001010101011我们记指数时间复杂度算法运行时间为T。然后，我们在二进制串后面仅仅增加一位：100010101010111这时，算法运行时间会变为2T(至少)！因此，我们仅仅增加几个bit 就会使得算法运行时间成倍成倍的增长。

多项式时间就是指时间复杂度是个多项式 或者说,就是这个程序运行的时间随着数据规模n变化的函数为 f(n) 那么,f(n)是个多项式函数,那么就可以说是控制在多项式之内.

定义：若存在一个常数C，使得对于所有n>=0，都有|f(n)|<=C*|g(n)|，则称函数f(n)是O(g(n))。时间复杂度是O(p(n))的算法称为多项式时间算法，这里p(n)是关于n的多项式。不能够这样限制时间复杂度的算法被称为指数时间算法。　　例如：时间复杂度为O(nlog(n))、O(n^3)的算法都是多项式时间算法，时间复杂度为O(n^log(n))、O(n!)、O(2^n)的算法是指时间算法。　　一个优化问题如果已经找到了多项式时间算法，则称该问题为多项式时间可解问题，并将这类问题的集合记为P，因此多项式时间可解问题就称为P类问题。　　一个问题如果没有找到多项式时间算法，那么直觉上它是“难解”的，但又往往无法证明多项式时间算法的不存在性。由于在寻找有效算法上的失败未必一定意味着这样的算法不存在，这就给理论工作者带来了一个难题：一方面证明一个问题不存在多项式时间算法是困难的，至今尚未给出；另一方面有越来越多的问题无法给出多项式时间算法。同时，理论工作者又渴望解决此难题。为此，在20世纪70年代提供了一个漂亮的理论，它把这种失败归结为一个深刻的数据猜想，这个理论就是NP-完全性理论。　　定义：给定一个判定问题，如果存在一个算法，对任何一个答案为“是”的实例I。该算法首先给出一个猜想，该猜想规模不超过I的输入长度的某个多项式函数，且验证猜想的正确性仅需多项式时间，则称该问题属于NP类。　　定义：如果NP类中所有问题都可以多项式时间归约到NP类中某个问题x，则称x是NP-完全问题。　　定义：如果某优化问题x的判定问题是NP-完全的，则称问题x是NP-难的；如果x的判定问题是强NP-完全的，则称x是强NP-难的。

多项式时间在决定型机器上是最小的复杂度类别，且在机器模型改变时依旧强韧，且也是可在副程式组合过程中保持封闭的类别。 数学家有时把“比多项式时间长的算法”视为快速计算，相对应的是超多项式时间，表示任何多项式时间的输入数目只要够大，超多项式时间所需的解题时间终究会大大超过任何多项式时间的问题。 指数时间就是一例。 定义： 多项式时间在计算复杂度理论中，指的是一个问题的计算时间不大于问题大小的多项式倍数。任何抽象机器都拥有一复杂度类，此类包括可于此机器以多项式时间求解的问题。 多项式时间在决定型机器上是最小的复杂度类别，且在机器模型改变时依旧强韧，且也是可在副程式组合过程中保持封闭的类别。 强多项式时间指的是此问题的运算时间不因输入资料的数字大小而变动，而是依照输入资料的结构复杂度。

参与职务职级并行制度人员范围：(1)已进行公务员登记、行政编制的厅局级以下领导职务和非领导职务人员。(2)参公管理的机关(单位)已进行登记备案、在编的厅局级以下领导职务和非领导职务人员。法律依据：《公务员职务与职级并行规定》第六条领导职务根据宪法、有关法律和机构规格设置。领导职务层次分为：国家级正职、国家级副职、省部级正职、省部级副职、厅局级正职、厅局级副职、县处级正职、县处级副职、乡科级正职、乡科级副职。第七条职级序列按照综合管理类、专业技术类、行政执法类等公务员职位类别分别设置。综合管理类公务员职级序列分为：一级巡视员、二级巡视员、一级调研员、二级调研员、三级调研员、四级调研员、一级主任科员、二级主任科员、三级主任科员、四主任科员、一级科员、二级科员。综合管理类以外其他职位类别公务员职级序列另行规定。第八条公务员领导职务、职级对应相应的级别。领导职务对应的级别，按照国家有关规定执行。

首先你需要提升住房，你的人口太多超过了住房承受度会降低宜居度，城市内建筑和农田都可以提升其次斗兽场等各种设施也可以提高宜居度。玩家在游戏中可以多建一些娱乐设施，就是可以提高宜居度。《文明6》是由Firaxis Games开发，2K Games负责发行的策略类游戏，该游戏是游戏设计师席德·梅尔创作的《文明》系列的第6部。游戏中玩家建立起一个帝国，并接受时间的考验。玩家将创建及带领自己的文明从石器时代迈向信息时代，并成为世界的领导者。在尝试建立起世界上赫赫有名的伟大文明的过程中，玩家将启动战争、实行外交、促进文化，同时正面对抗历史上的众多领袖。2016年10月25日，《文明6》已经在10月21号正式发售，仅仅不到3天的时间，本作在Steam平台的销量就超过了40万。《文明6》数字豪华版当中包含了完整主游戏、25周年纪念数字原声配乐，以及将于游戏上市后推出的四套可下载内容包（追加新地图、新场景、新文明和新领袖）使用权益，让玩家可以进一步扩展文明版图。在《文明6》当中，将提供多种新方式让玩家与世界互动、在地图上扩张城市，以及对抗历史上的伟大领袖，以建立起经得起时间考验的强盛文明。

首先你需要提升住房，你的人口太多超过了住房承受度会降低宜居度，城市内建筑和农田都可以提升其次斗兽场等各种设施也可以提高宜居度。玩家在游戏中可以多建一些娱乐设施，就是可以提高宜居度。《文明6》是由Firaxis Games开发，2K Games负责发行的策略类游戏，该游戏是游戏设计师席德·梅尔创作的《文明》系列的第6部。游戏中玩家建立起一个帝国，并接受时间的考验。玩家将创建及带领自己的文明从石器时代迈向信息时代，并成为世界的领导者。在尝试建立起世界上赫赫有名的伟大文明的过程中，玩家将启动战争、实行外交、促进文化，同时正面对抗历史上的众多领袖。2016年10月25日，《文明6》已经在10月21号正式发售，仅仅不到3天的时间，本作在Steam平台的销量就超过了40万。《文明6》数字豪华版当中包含了完整主游戏、25周年纪念数字原声配乐，以及将于游戏上市后推出的四套可下载内容包（追加新地图、新场景、新文明和新领袖）使用权益，让玩家可以进一步扩展文明版图。在《文明6》当中，将提供多种新方式让玩家与世界互动、在地图上扩张城市，以及对抗历史上的伟大领袖，以建立起经得起时间考验的强盛文明。

Smith补偿与大林算法的比较摘要:研究了两类用于时滞系统控制的方法,即包括自整定PID控制Smith预估控制和Dahlin算法在内的经典控制方法和包括模糊控制,神经网络控制和模糊神经网络拉制在内的智能控制方法,经过比较后认为经典控制结构简单,可靠性及实用性强,而智能控制则具有自适应性和坚固性好,抗干扰能力强的优势,因而将这两种控制方法结合起来是控制时滞系统有效实用的方法,具有很好的应用前景.1引言在工业生产过程中,具有时滞特性的控制对象是非常普遍的,例如造纸生产过程,精馏塔提馏级温度控制过程,火箭发动机燃烧室中的燃烧过程等都是典型的时滞系统.为解决纯滞后时间对系统控制性能带来的不利影响,许多学者在理论和实氏上做了大量的研究工作,提出了很多行之有效的方法.本文主要介绍其中两类研究得比较多的控制方法,即最早在时滞系统控制中应用的几种经典控制方法和近年来受到广泛关注的智能控制方法.2经典控制所谓经典控制方法是指针对时滞系统控制问题提出并应用得最早的控制策略,主要包括自整定PID控制,Smith预估控制,大林算法这几种方法.这些方法虽然理论上比较简单,但在实际应用中却能收到很好的控制效果,因而在工业生产实践中获得了广泛的应用.2.1自整定PID控制PID控制器由于具有算法简单,鲁棒性好和可靠性高等特点,因而在实际控制系统设计中得到了广泛的运用,据统计PID控制是在工业过程控制中应用最为广泛的一种控制算法.PID控制的难点在于如何对控制参数进行整定,以求得到最佳控制效果.较早用来整定PID控制器参数的方法有:Ziegler-Nichols动态特性法,Cohen-Coon响应曲线法,基于积分平方准则ISE的整定法等.但是这些方法只能在对象模型精确己知的情况下,Cui,Kunfln Zhang,Yifei实现PID参数的离线整定,当被控对象特性发生变化时,就必须重新对系统进行模型辨识.为了能在对象特性发生变化时,自动对控制器参数进行在线调整,以适应新的工况,PID参数的自整定技术就应运而生了.目前用于自整定的方法比较多,如继电型自整定技术,基于过程特征参数的自整定技术,基于给定相位裕度和幅值裕度的SPAM法自整定技术,基于递推参数估计的自整定技术以及智能自整定技术等.总体来看这类自整定PID控制器对于(T为系统的惯性时间常数)的纯滞后对象控制是有效的,但对于大纯滞后对象,当时,按照上述方法整定的PID控制器则难以稳定.2.2 Smith预估控制Smith于1957年提出的预估控制算法,通过引入一个与被控对象相并联的纯滞后环节,使补偿后的被控对象的等效传递函数不包括纯滞后项,这样就可以用常规的控制方法(如PID或PI控制)对时滞系统进行控制.Smith预估控制方法虽然从理论上解决了时滞系统的控制问题,但在实际应用中却还存在很大缺陷.Palmor提出Smith预估器存在这样两点不足:1.它要求有一个精确的过程模型,当模型发生变化时,控制质量将显著恶化;2.Smith预估器对实际对象的参数变化十分敏感,当参数变化较大时,闭环系统也会变得不稳定,甚至完全失效.Watanabe进一步指出Smith预估器的两个主要缺陷:1.系统对扰动的响应很差;2.若控制对象中包含的极点时,即使控制器中含有积分器,系统对扰动的稳态误差也不为零.另外Smith预估器还存在参数整定上的困难,这些缺陷严重制约了Smith预估器在实际系统中的应用.针对Smith预估器存在的不足,一些改进结构的Smith预估器就应运而生了.Hang C C等针对常规预估控制方案中要求受控对象的模型精确这一局限,在常规方案基础上,外加调节器组成副回路对系统进行动态修正,该方法的稳定性和鲁棒性比原来的Smith预估系统要好,它对对象的模型精度要求明显地降低了.Watanabe提出的改进结构的Smith预估器采用了一个抑制扰动的动态补偿器M(s),通过配置M(s)的极点,能够获得较满意的扰动响应及对扰动稳态误差为零.对于Smith预估器的参数整定问题,张卫东等人提出了一种解析设计方法,并证明该控制器可以通过常规的PID控制器来实现,从而能根据给定的性能要求(超调或调节时间)来设计控制器参数.2.3大林算法大林算法是由美国IBM公司的Dahlin于1968年针对工业过程控制中的纯滞后特性而提出的一种控制算法.该算法的目标是设计一个合适的数字调节器D(z),使整个系统的闭环传递函数相当于一个带有纯滞后的一阶惯性环节,而且要求闭环系统的纯滞后时间等于被控对象的纯滞后时间.大林算法方法比较简单,只要能设计出合适的且可以物理实现的数字调节器D(z),就能够有效地克服纯滞后的不利影响,因而在工业生产中得到了广泛应用.但它的缺点是设计中存在振铃现象,且与Smith算法一样,需要一个准确的过程数字模型,当模型误差较大时,控制质量将大大恶化,甚至系统会变得不稳定.实际上已有文献证明,只要在Smith预估器中按给定公式设计调节器D伺,则Smith预估器与Dahlin算法是等价的,Dahlin算法可以看作是Smith预估器的一种特殊情况.

S-MAC很简单 再往上学就是802.15.4 我做过S-MAC方面的编程，可以说S-MAC没有协议可说，不像802。15.4不过S-MAC有她的特点由于传感器网络节点能量有限，所以S-MAC协议要做到减少节点能量消耗。S-MAC主要采用以下机制：1 周期性侦听、睡眠的低占空比工作方式，控制节点尽量处于睡眠状态来降低节点能量的消耗2邻居节点通过协商的一致性睡眠调度机制形成虚拟簇，减少节点的空闲侦听时间3流量自适应侦听机制4串音避免5通过消息分割和突发传递机制来减少控制消息得开销和消息的传递延迟打字太累了，不多说了，有啥问题，发邮件吧。我还有S-MAC的代码，15.4的代码，EMG-SMAC代码，要看可以发给你

快速小波变换(FastWaveletTransform,简称FWT)就称为Mallat算法.

1.力的合成与分解互为逆运算，都符合平行四边形定则：如果用表示两个共点力F1和F2的线段为邻边作平行四边形，那么合力F的大小和方向就可以用F1、F2所夹的角的度数以及大小来表示。（注：已知分力要求合力，叫做力的合成。已知合力要求分力叫做力的分解。）2.力的合成与分解的法则：平行四边形法则 。即力的合成就是由平行四边形的两邻边求对角线的问题。力的分解就是由对角线求两邻边的问题。3.当两个力的方向相反（即两个力成一百八十度），其合力最小；反之（即是两个力成零度）最大。（注：对力按平行四边形法则进行分解时要按力的实际效果或正交分解法进行。）.合力和力的合成：一个力产生的效果如果能跟原来几个力共同作用产生的效果相同，这个力就叫那几个力的合力，求几个力的合力叫力的合成． 　2.力的平行四边形定则：求两个互成角度的共点力的合力，可以用表示这两个力的线段为邻边作平行四边形，合力的大小和方向就可以用这个平行四边形的对角线表示出来。共点的两个力F1，F2的合力F的大小，与它们的夹角θ(0≤θ≤π)有关，θ越大，合力越小；θ越小，合力越大，合力可能比分力大，也可能比分力小，F1与F2同向时合力最大，F1与F2反向时合力最小，合力大小的取值范围是|F1－F2|≤F≤（F1+F2）（当θ=120°时，合力=分力）多个力求合力的范围有n个力，它们合力的最大值是它们的方向相同时的合力，即它们的代数之和，而它们的最小值要分下列两种情况讨论：①若n个力中的最大力大于其他力的代数之和，则它们合力的最小值是该最大力与其他力代数和的差（此时，所有力在一条直线上，最大力的方向与其他力的方向相反）；②若n个力中的最大力小于其他力的代数之和，则它们合力的最小值是0。3.三角形法则：求两个互成角度的共点力F1，F2的合力，可以把F1，F2首尾相接地画出来，把F1，F2的另外两端连接起来，则此连线就表示合力F的大小和方向；4.分力与力的分解：如果几个力的作用效果跟原来一个力的作用效果相同，这几个力叫原来那个力的分力．求一个力的分力叫做力的分解．5.分解原则：平行四边形定则．力的分解是力的合成的逆运算，同样遵循的平行四边形定则。同样，由力的分解所遵循的平行四边形定则可知：如不加任何限制而将某个力分解为两个分力，则可以得到无数种分解的方式，这是毫无意义的。通常作力的分解时所加的限制有两种：按照力的作用效果进行分解，按照所建立的直角坐标将力作正交分解。6、正交分解法物体受到多个力作用时求其合力，可将各个力沿两个相互垂直的方向直行正交分解，然后再分别沿这两个方向求出合力，正交分解法是处理多个力作用用问题的基本方法，值得注意的是，对、方向选择时，尽可能使落在、轴上的力多；被分解的力尽可能是已知力。步骤为：①正确选择直角坐标系，一般选共点力的作用点为原点，水平方向或物体运动的加速度方向为X轴，使尽量多的力在坐标轴上。②正交分解各力，即分别将各力投影在坐标轴上，分别求出坐标轴上各力投影的合力。Fx=F1x+F2x+…+FnxFy=F1y+F2y+…+Fny③共点力合力的大小为F=√Fx2+√Fy2（根号下Fx的平方加根号下Fy的平方），合力方向可由平行四边形法则或者三角形法则求得。

CPK= Min[ (USL- Mu)/3σ, (Mu - LSL)/3σ]1、双侧规格双侧规格情形的过程能力指数，这时，过程能力指数CP的计算公式如下：式中，T为过程统计量的技术规格的公差幅度；TU、TL分别为上、下公差界限；σ为过程统计量的总体标准差，可以在过程处于稳态时得到。2、有偏移情形有偏移情形的过程能力指数：当过程统计量的分布均值μ与公差中心M不重合（即有偏移）时，如图1所示，显然不合格率（如图上的PU）增大，也即CP值降低，故式（1）所计算的过程能力指数不能反映有偏移的实际情形，需要加以修正。定义分布的总体均值μ与公差中心M的偏移为ε=|M-μ|，μ与M的偏移度K为：这样，当μ=M（即分布中心与公差中心重合，无偏移）时，K=0，则CPK=CP；而当μ=TU或μ=TL时，K=1，CPK=0，表示过程能力由于偏移而严重不足，需要采取措施加以纠正。显然，具有： CPK≤CP3、单侧规格单侧规格情形的过程能力指数：若只有规格上限的要求，而对规格下限无要求，则过程能力指数计算如下：式中，CPU为上单侧过程能力指数。若μ≥TU，令CPU=0，表示过程能力严重不足，过程的不合格品率高达50%以上。若只有规格下限的要求。 过程能力指数运算有5种计算方法：直方图（两种绘图方法）；散布图（直线回归和曲线回归）（5种）；计算剩余标准差；排列图（自动检索和排序）；波动图（单边控制规范，也可以是双边控制规范）。

这个.只能死算吧... 要简便? 只能这样了把? 原式=7*(7*11)*(7*111)*(7*1111)*(7*11111) =7*7*7*7*7*(11*111*1111*11111) =2.5332209472039 * 10^14

马加比更新(Maccabees Update)上线时间：2017年12月12号受影响网站：刻意为各种关键词组合建立大量着陆页，比如“地名A+服务a“、”地名A+服务b”、“地名B+服务a”等等，为了覆盖这些关键词，制造大量页面，质量通常不会高。马加比这个名字是 SERoundtable.com的Barry Schwartz起的，不是Google官方给的名字，因为Google貌似不会再公布算法更新了，更不要说起名字了。Barry Schwartz起这个名字是因为这次更新发生在犹太人的光明节期间，光明节是纪念马加比家族的。Google在某种程度上确认了这次更新，不过只是说，在这段时间上线了几个小更新，是提高相关性日常工作的一部分。移动优先索引(Mobile First Index)上线时间：2017年10月中旬受影响网站：移动优先索引指的是Google优先索引网站移动版本，并作为排名依据。以前都是索引PC版本并计算排名的。移动优先索引Google在2016年底就开始宣传了，但一直没有推出，估计影响面比较大。2017年10月中旬左右，Google透露一小部分网站已经开始转为移动优先索引。猫头鹰更新(Project Owl)公布时间：2017年4月25号受影响网站：虚假新闻内容，如编造的假新闻，极度偏见、煽动仇恨，谣言等。参见以前写的关于猫头鹰算法的帖子。弗雷德更新(Fred Update)上线时间：2017年3月8号受影响网站：广告过多的低质量内容站，这类网站之所以存在，就是为了放 Adsense之类的广告，并没有提供给用户更多价值。为什么叫Fred更新呢?因为SEO们问Google员工Gary Illyes这次更新叫啥名字时，Gary Illyes随便给了个名字，貌似是他养的鱼的名字，为什么想起这条鱼的名字呢?因为Gary Illyes刚给这条鱼拍了张照片，就是右边这张。Gary Illyes说，以后除非另行说明，不然所有更新都叫Fred了。就这么任性，就这么草率。移动页面干扰插页惩罚算法(Intrusive Interstitial Penalty)上线时间：2017年1月10号受影响网站：这个惩罚算法针对移动页面：挡住主题内容的弹窗，干扰用户访问的大幅插页式广告，用户需要关掉插页才能看到页面实际内容，有时候需要等5-10秒才能关掉。不过据统计，被惩罚的网站并不多。企鹅更新4.0(Penguin 4.0)上线时间：2016年9月23号，10月12号左右完成受影响网站：和以前的企鹅更新一样，受影响的是有低质量外链的网站。Penguin 4.0是最后一次企鹅系列算法更新了，因为企鹅算法以后成为核心排名算法的一部分，实时更新。另外，以前的企鹅更新是惩罚网站，4.0是不计算低质量外链，降低负面SEO的可能性。移动友好算法2(Mobile Friendly Algorithm 2)上线时间：2016年4月21号受影响网站：2015年4月21号第一次Google移动友好算法的一次更新，使更多移动友好页面能被用户看到。APP安装插页广告惩罚(APP Install Interstitial Penalty)上线时间：2015年11月2号受影响网站：页面会弹出大幅、遮挡主体内容的插页，要求用户下载APP，这种页面被认为不移动友好，在移动搜索中会被降低排名。页面可以建议用户下载APP，但广告不要大幅甚至全屏，做成顶部banner之类的是没问题的。RankBrain上线时间：消息公布时间是2015年10月26号，通过 Bloomberg的一篇文章。算法上线时间应该是数月前，2015年上半年。RankBrain严格说来不算是排名算法，而是以人工智能为基础的深入理解用户查询词的系统，尤其是长尾的、不常出现的查询。2015年刚上线时，15%查询词经过RankBrain处理，可能是效果很好，2016年开始所有查询词都经过RankBrain处理。RankBrain的例子参考以前的帖子。被黑网站删除算法(Hacked Spam)上线时间：2015年10月受影响网站：被黑的网站，包括病毒、引导流量到色情、侵权产品、非法药物网站等。这些页面会从搜索结果这直接删除，所以有时候搜索结果页面可能只有8、9个结果。以前通常是在搜索结果中标注这个页面可能被黑了，现在直接删除了。5%左右的查询受到影响。检查自己网站是否被黑还是挺重要的。熊猫算法4.2(Panda Update 4.2)上线时间：2015年7月18号自2011年推出以来，熊猫算法经历了近30次更新，Panda 4.2是最后一次，几个月才完成。这之后，熊猫算法成为Google核心算法的一部分，虽然还会有更新，但不再单独给名字了。质量更新(Quality Update)上线时间：2015年5月1号左右受影响网站：内容质量低的页面，但不是熊猫算法。Google虽然确认了这次更新，但表示，这只是Google经常做的算法更新之一，调整了评估内容质量的方法，没什么特殊的。移动友好算法(Mobile Friendly Algorithm)上线时间：2015年4月21号受影响网站：在移动搜索中给予移动友好的网站排名提升。也被称为Mobilegeddon – 天劫算法。所谓移动友好，其实没那么复杂，用户能正常在手机访问页面就行了，所以字体不要太小，字距行距不要太小，用户不需要左右拉屏幕，手指头点击链接时不会点错地方，速度够快等等。自己用手机看看自己网站就知道是否移动友好了。也可以参考一下本博客移动SEO的帖子。移动友好算法是针对页面级别的，需要页面重新抓取、索引后才能判断是否移动友好。所以算法本身4月底上线，但受影响的页面可能不是马上见到效果。Google曾经预报说移动友好算法比熊猫和企鹅更新的影响还要大，但由于Google很早就提醒SEO们移动友好的重要性，很多网站已经做了移动优化，所以这次更新没有预计的那么有震撼性。HTTPS更新(HTTPS Update)上线时间：2014年8月7号受影响网站：使用了https的页面排名会稍微提升一点。Google声明这只是个很小的排名因素，但事实上对网站采用https起到了很大推动作用。鸽子更新(Pigeon Update)上线时间：2014年7月24号受影响网站：鸽子更新是本地搜索算法的一次更新，改进了距离和定位排名算法参数。这个名字不是Google起的，是SearchEngineLand给起的。之所以取“鸽子”这个名字是因为，鸽子会回家，有本地意识。蜂鸟更新(Hummingbird Algorithm)上线时间：2013年8月受影响网站：蜂鸟更新是一次排名算法的重写，改进对查询词真实意图的理解，更重要的是未来的扩展性。虽然代码是完全重写的，但排名因素及参数大概变化不多，所以上线后基本上SEO行业没有人注意到。发薪日贷款算法(Payday Loan Algorithm)上线时间：2013年6月13号受影响网站：针对垃圾和黑帽手法盛行的一些行业的查询词重点打击，如payday loan(发薪日贷款，一种小额、短期、利息高的贷款，一般下个发薪日就还上)、色情等。这些行业常用的作弊手法也经常是非法的。2014年5月16号，发薪日贷款算法2.0上线，2014年6月12号，算法3.0上线。完全匹配域名惩罚(EMD Update)上线时间：2012年9月29号受影响网站：低质量的完全匹配域名(exact match domain)网站，也就是域名与目标关键词完全一样。URL中包含关键词对排名有一些帮助，所以不少SEO用目标关键词注册域名。这种域名确实有过好处，但现在内容不行的话可能被惩罚。DMCA惩罚算法(DMCA Takedown Penalty)上线时间：2012年8月13号受影响网站：DMCA，Digital Millennium Copyright Act，数字千年版权法案，根据这个法案，版权作品被侵权，版权所有人可以向服务商要求删除侵权内容，服务商可以是主机商，域名注册商，ISP，以及搜索引擎。DMCA算法就是对收到很多侵权投诉删除要求的网站，Google给予排名惩罚。DMCA Takedown Penalty又被称为pirate update，海盗算法。2014年10月21号，DMCA惩罚算法上线2.0版本，很多BT种子网站、视频网站被大幅惩罚。企鹅更新(Penguin Update)上线时间：2012年4月24号受影响网站：Google的官方帖子声明打击的是违反Google质量指南的垃圾网站，后续排名变化的分析表明主要受惩罚的是为获得排名制造大量垃圾外链、低质量外链的网站。企鹅算法1.0影响了3.1%英文查询，3%左右的中文、德文等查询。企鹅算法和熊猫算法是两个最著名的Google惩罚性算法，受到影响的网站范围大，据调查，60%的SEO反映自己网站被Penguin算法惩罚了。企鹅对今天的SEO方法，尤其是外链建设方法，产生了很大影响。不仅制造外链要非常小心，大部分以前常用的方法现在都被Google明确警告可能会被惩罚，现在SEO们更头疼的是怎样删除低质量外链和以前发的垃圾外链，这比制造外链还困难。页面布局惩罚算法(Page Layout Algorithm)上线时间：2012年1月受影响网站：第一屏显示过多广告的页面被降低排名。因此也常被称为Ads Above The Fold(第一屏广告)算法。1%的查询词受影响。被惩罚的网站修改页面布局后，Google重新抓取、索引，如果页面用户体验已经改善，就会自动恢复。2012年10月9号，Page Layout 2.0，2014年2月6号，Page Layout 3.0分别上线。新鲜度更新(Freshness Update)上线时间：2011年11月3号受影响网站：Google官方帖子明确表示：更新鲜的内容会被更多展示在搜索结果中，尤其是最近的事件或热门话题、定期举办或发生的事件(如奥运会之类)、经常会更新的信息(如最新产品)。影响了35%的查询。当然，这只适用于更需要新鲜信息的查询，有的查询并没有太大实效性，如菜谱，就不必太担心。熊猫更新(Panda Update)上线时间：2011年2月24号受影响网站：内容低质量的页面排名被降低，如转载、抄袭的内容，大量用户发的垃圾留言、主体内容太少、关键词堆积等等。熊猫更新打击面大，影响大致12的查询结果，对现今SEO方法产生了重要影响。Panda算法最初是后台计算，集中上线，从2011年上线到2015年融入到核心算法中，经历了近30次更新。熊猫算法更新最初被SearchEngineLand命名为Farmers Update，内容农场更新，后来Google自己公布了算法代码是Panda，和咱们的熊猫没关系，是Google内部开发此算法的主要工程师之一的名字叫Panda。采集惩罚算法(Scraper Algorithm)上线时间：2011年1月28号受影响网站：Matt Cutts的博客帖子公布的这个算法，采集、抄袭的内容页面被惩罚，奖励原出处。2%查询受影响。负面评价处理(Negative Review)上线时间：2010年12月1号受影响网站：这个算法是由于 Google的人读到纽约时报的一篇报道，一位顾客在某商家的体验很差，所以上网写了负面评论，但负面评论却给商家带来更多链接，链接又导致商家网站排名上升，带来更多生意。Google很快采取措施，检测这类负面评论，降低相应商家排名。咖啡因更新(Caffeine)上线时间：2010年6月1号受影响网站：咖啡因更新是一次索引系统代码的重写，新系统比旧系统50%的内容更新，索引数量也更大，更有扩展性，速度更快。原来的索引系统是分层的，有的内容(重要内容)抓取索引更快，有的内容就得等比较长时间。咖啡因系统把网络分成小区块，持续更新索引库，发现新页面，或老页面上的新内容，直接进入索引库。Mayday Update上线时间：2010年4月28号-5月3号受影响网站：根据Matt Cutts的视频说明，Mayday更新主要针对长尾查询词，算法会寻找哪些网站的页面质量更符合要求。当然这种说明说了也是和没说差不多。SEO们的观察是，受影响的主要是大型网站上离首页点击距离比较远、没什么外链、内容没有什么附加价值的页面 — 很多电商网站的产品页面就是这样的，内容是供应商给的，也不大可能有外链。Mayday指的是发生在5月份，不是求救的那个Mayday。页面速度因素(Page Speed Ranking Factor)上线时间：2010年4月受影响网站：顾名思义，打开速度快的页面排名会给予提升，虽然幅度不大。速度的测量包括蜘蛛抓取时页面的反应速度和工具条记录的用户打开页面时间。2013年6月，Matt Cutts暗示，速度特别慢的页面可能会被惩罚，不过也不用特别担心，除非页面速度慢到一定程度。Vince/品牌更新(Vince/Brand Update)上线时间：2009年2月1号受影响网站：大品牌网站页面在很多查询结果中(都是非长尾的大词)排名显著提高，所以最初被称为品牌更新。以前帖子写过Vince/品牌更新。Matt Cutts后来解释，这次更新其实其实只是很小的变化，负责的Google工程师名字叫Vince，所以Google内部代码名称是Vince。这个变化并不是刻意针对大品牌，而是提升信任度在排名中的作用，而信任度、质量、链接这些方面，大品牌更有优势，所以表现出来的效果好像是大品牌页面被提升。Dewey Update上线时间：2008年3月受影响网站：不明，SEO行业观察到排名剧烈变动，但没有找到明显规律。Dewey这个名字的来源是因为Matt Cutts在 webmasterworld论坛里征求这次算法更新的反馈意见，站长需要在反馈中标明Dewey这个词，可能是Google内部的识别代码。大爸爸(Big Daddy)上线时间：2005年12月-2006年3月大爸爸是一次Google算法基础架构的重写，解决了网址规范化、301/302转向等技术问题。大爸爸是一个数据中心一个数据中心更新的，不是同时上线的。大爸爸这名字怎么来的?据Matt Cutts帖子说，2005年12月的Pubcon会议上，Matt Cutts征求大家对这次更新的反馈，Matt Cutts知道更新已经在一个数据中心上线了，所以问大家有什么好名字来指这个数据中心，一位站长说，叫BigDaddy吧，他孩子就这么叫他的，Matt Cutts觉得挺好，就叫这个名字了。我当年开始写SEO每天一贴就是大爸爸完成更新那段时间，第3篇帖子就是介绍大爸爸更新情况。Robin同志给我的第一个留言就在那篇帖子上，沙发，后来才有了点石，和很多中国SEO行业的故事。Jagger Update上线时间：2005年9-11月受影响网站：Jagger分3个阶段上线，所以有Jagger1, Jagger2, Jagger3的名字。Jagger更新主要打击低质量链接，如交换链接、链接农场、买卖链接等。早期的Google算法更新基本上都是webmasterworld命名的，Jagger也是webmasterworld创始人Brett Tabke起的名字，下面提到的更新名称大多是他们命名的。但貌似Jagger是最后一个，后来的名字大多是Google自己公布的了。Bourbon Update上线时间：2005年5月受影响网站：早期Google更新往往没有官方信息，所以针对的是哪些网站经常不明，只是监测到排名有比较大变化。Bourbon一般认为与网址规范化有关。Bourbon这个名字也是webmasterworld起的，原因是webmasterworld即将在新奥尔良举行一个行业会议，Bourbon是新奥尔良的一条著名老街道。Allegra Update上线时间：2005年2月受影响网站：不明确，或者说范围广泛，包括低质量外链、关键词堆积、过度优化等。公布支持nofollow上线时间：2005年1月现在SEO对nofollow肯定都很熟悉了，包括百度，所有主流搜索引擎都支持nofollow。还不知道的请参考以前关于nofollow的帖子。Brandy Update上线时间：2004年2月受影响网站：链接锚文字作用提高，链接需要来自好邻居的概念第一次被提出来。索引库增长，抓取索引了很多新的链接，一些网站获得了更高权威度。弗罗里达更新(Florida Update)上线时间：2003年11月受影响网站：弗罗里达更新是早期最著名的Google算法更新，影响面大，受影响的以商业意图明显的词为主，一些靠搜索流量的小公司倒闭，有的SEO公司因此陷入困境，因为客户网站排名下降，不续费了。弗罗里达更新的后果大到，Google曾经承诺，以后不在年底上线这么大的更新了，以免剧烈影响很多商家的圣诞季销售业绩。Florida Update打击了一系列不自然的优化方法，包括隐藏文字、关键词堆积、链接农场、大量交换链接、过度优化。Florida彻底改变了SEO，可以说是现在SEO方法的起点。Florida也是webmasterworld命名的，因为他们的命名方法该排到字母F打头了(为什么到了F打头，见下面Boston更新说明)，而第二年2月他们要在弗罗里达的奥兰多举行Pubcon大会，所以就用了Florida。Update Fritz上线时间：2003年7月Fritz更新是Google转为每天持续小幅更新索引的开始，这种更新方法又被称为everflux。Update Fritz这个名字是Matt Cutts在他2006年的博客帖子里提到的Google内部名称，不是webmasterworld命名系列里的。Esmeralda Update上线时间：2003年6月1号这是早期每个月发生一次的Google Dance的最后一次。这次更新之后，Google算法更新改为小幅、持续性的，当然这是相对Google Dance每个月一次、持续数天、排名剧烈波动而言。准确地说，Google Dance是索引更新，不是算法更新。Esmeralda更新之后，Google就不再Dance了。Dominic Update上线时间：2003年5月1号早期Google Dance的一次。Dominic也是webmasterworld命名，名称来源于参加Boston Pubcon大会时大家常去的一家披萨饭馆。Cassandra Update上线时间：2003年4月1号Brett Tabke和webmasterworld第一次特意给Google更新起名字。既然第一个名字是Boston，是个男名，这次应该是C打头的女名，大家投票，Cassandra胜出，没有其它特别意义。Boston Update上线时间：2003年2月1号2003年波士顿举行的SES大会上，Google员工公布了这次更新，为了和其它Google Dance以示区别，取名Boston。webmasterworld的创始人Brett Tabke就想，给更新取名字是个挺好的主意，所以就效仿台风的命名方法给Google更新取名，按字母排序，男名女名间隔，也得到了Google的首肯。所以早期的Google算法更新大多是webmasterworld命名的。Google Dance早期Google索引库每个月更新一次，是线下计算，然后集中上线。由于数据量大，需要一个数据中心一个数据中心地上线，不是同时上线的。在更新期间，用户这分钟访问的是一个数据中心，下一分钟可能访问的是另一个数据中心，看到的搜索结果可能有很大差别，因此被称为Google Dance。从2000年7月开始，webmasterworld每个月开一个新帖，讨论每一次Google Dance情况，一直到2003年2月的Boston更新第一次有了名称，以前的Google Dance都是没有名字的。这里是当年Google Dance更新讨论的大列表。

马加比更新(MaccabeesUpdate)上线时间：2017年12月12号受影响网站：刻意为各种关键词组合建立大量着陆页，比如“地名A+服务a“、”地名A+服务b”、“地名B+服务a”等等，为了覆盖这些关键词，制造大量页面，质量通常不会高。马加比这个名字是SERoundtable.com的BarrySchwartz起的，不是Google官方给的名字，因为Google貌似不会再公布算法更新了，更不要说起名字了。BarrySchwartz起这个名字是因为这次更新发生在犹太人的光明节期间，光明节是纪念马加比家族的。Google在某种程度上确认了这次更新，不过只是说，在这段时间上线了几个小更新，是提高相关性日常工作的一部分。移动优先索引(MobileFirstIndex)上线时间：2017年10月中旬受影响网站：移动优先索引指的是Google优先索引网站移动版本，并作为排名依据。以前都是索引PC版本并计算排名的。移动优先索引Google在2016年底就开始宣传了，但一直没有推出，估计影响面比较大。2017年10月中旬左右，Google透露一小部分网站已经开始转为移动优先索引。猫头鹰更新(ProjectOwl)公布时间：2017年4月25号受影响网站：虚假新闻内容，如编造的假新闻，极度偏见、煽动仇恨，谣言等。参见以前写的关于猫头鹰算法的帖子。弗雷德更新(FredUpdate)上线时间：2017年3月8号为什么叫Fred更新呢?因为SEO们问Google员工GaryIllyes这次更新叫啥名字时，GaryIllyes随便给了个名字，貌似是他养的鱼的名字，为什么想起这条鱼的名字呢?因为GaryIllyes刚给这条鱼拍了张照片，就是右边这张。GaryIllyes说，以后除非另行说明，不然所有更新都叫Fred了。就这么任性，就这么草率。移动页面干扰插页惩罚算法(IntrusiveInterstitialPenalty)上线时间：2017年1月10号受影响网站：这个惩罚算法针对移动页面：挡住主题内容的弹窗，干扰用户访问的大幅插页式广告，用户需要关掉插页才能看到页面实际内容，有时候需要等5-10秒才能关掉。不过据统计，被惩罚的网站并不多。企鹅更新4.0(Penguin4.0)上线时间：2016年9月23号，10月12号左右完成受影响网站：和以前的企鹅更新一样，受影响的是有低质量外链的网站。Penguin4.0是最后一次企鹅系列算法更新了，因为企鹅算法以后成为核心排名算法的一部分，实时更新。另外，以前的企鹅更新是惩罚网站，4.0是不计算低质量外链，降低负面SEO的可能性。移动友好算法2(MobileFriendlyAlgorithm2)上线时间：2016年4月21号APP安装插页广告惩罚(APPInstallInterstitialPenalty)上线时间：2015年11月2号受影响网站：页面会弹出大幅、遮挡主体内容的插页，要求用户下载APP，这种页面被认为不移动友好，在移动搜索中会被降低排名。页面可以建议用户下载APP，但广告不要大幅甚至全屏，做成顶部banner之类的是没问题的。RankBrain上线时间：消息公布时间是2015年10月26号，通过Bloomberg的一篇文章。算法上线时间应该是数月前，2015年上半年。RankBrain严格说来不算是排名算法，而是以人工智能为基础的深入理解用户查询词的系统，尤其是长尾的、不常出现的查询。2015年刚上线时，15%查询词经过RankBrain处理，可能是效果很好，2016年开始所有查询词都经过RankBrain处理。RankBrain的例子参考以前的帖子。被黑网站删除算法(HackedSpam)上线时间：2015年10月受影响网站：被黑的网站，包括病毒、引导流量到色情、侵权产品、非法药物网站等。这些页面会从搜索结果这直接删除，所以有时候搜索结果页面可能只有8、9个结果。以前通常是在搜索结果中标注这个页面可能被黑了，现在直接删除了。5%左右的查询受到影响。检查自己网站是否被黑还是挺重要的。熊猫算法4.2(PandaUpdate4.2)上线时间：2015年7月18号自2011年推出以来，熊猫算法经历了近30次更新，Panda4.2是最后一次，几个月才完成。这之后，熊猫算法成为Google核心算法的一部分，虽然还会有更新，但不再单独给名字了。质量更新(QualityUpdate)上线时间：2015年5月1号左右受影响网站：内容质量低的页面，但不是熊猫算法。Google虽然确认了这次更新，但表示，这只是Google经常做的算法更新之一，调整了评估内容质量的方法，没什么特殊的。移动友好算法(MobileFriendlyAlgorithm)上线时间：2015年4月21号受影响网站：在移动搜索中给予移动友好的网站排名提升。也被称为Mobilegeddon_天劫算法。所谓移动友好，其实没那么复杂，用户能正常在手机访问页面就行了，所以字体不要太小，字距行距不要太小，用户不需要左右拉屏幕，手指头点击链接时不会点错地方，速度够快等等。自己用手机看看自己网站就知道是否移动友好了。也可以参考一下本博客移动SEO的帖子。移动友好算法是针对页面级别的，需要页面重新抓取、索引后才能判断是否移动友好。所以算法本身4月底上线，但受影响的页面可能不是马上见到效果。Google曾经预报说移动友好算法比熊猫和企鹅更新的影响还要大，但由于Google很早就提醒SEO们移动友好的重要性，很多网站已经做了移动优化，所以这次更新没有预计的那么有震撼性。HTTPS更新(HTTPSUpdate)上线时间：2014年8月7号受影响网站：使用了https的页面排名会稍微提升一点。Google声明这只是个很小的排名因素，但事实上对网站采用https起到了很大推动作用。鸽子更新(PigeonUpdate)上线时间：2014年7月24号受影响网站：鸽子更新是本地搜索算法的一次更新，改进了距离和定位排名算法参数。这个名字不是Google起的，是SearchEngineLand给起的。之所以取“鸽子”这个名字是因为，鸽子会回家，有本地意识。蜂鸟更新(HummingbirdAlgorithm)上线时间：2013年8月受影响网站：蜂鸟更新是一次排名算法的重写，改进对查询词真实意图的理解，更重要的是未来的扩展性。虽然代码是完全重写的，但排名因素及参数大概变化不多，所以上线后基本上SEO行业没有人注意到。发薪日贷款算法(PaydayLoanAlgorithm)上线时间：2013年6月13号受影响网站：针对垃圾和黑帽手法盛行的一些行业的查询词重点打击，如paydayloan(发薪日贷款，一种小额、短期、利息高的贷款，一般下个发薪日就还上)、色情等。这些行业常用的作弊手法也经常是非法的。2014年5月16号，发薪日贷款算法2.0上线，2014年6月12号，算法3.0上线。完全匹配域名惩罚(EMDUpdate)上线时间：2012年9月29号受影响网站：低质量的完全匹配域名(exactmatchdomain)网站，也就是域名与目标关键词完全一样。URL中包含关键词对排名有一些帮助，所以不少SEO用目标关键词注册域名。这种域名确实有过好处，但现在内容不行的话可能被惩罚。DMCA惩罚算法(DMCATakedownPenalty)上线时间：2012年8月13号受影响网站：DMCA，DigitalMillenniumCopyrightAct，数字千年版权法案，根据这个法案，版权作品被侵权，版权所有人可以向服务商要求删除侵权内容，服务商可以是主机商，域名注册商，ISP，以及搜索引擎。DMCA算法就是对收到很多侵权投诉删除要求的网站，Google给予排名惩罚。DMCATakedownPenalty又被称为pirateupdate，海盗算法。2014年10月21号，DMCA惩罚算法上线2.0版本，很多BT种子网站、视频网站被大幅惩罚。企鹅更新(PenguinUpdate)上线时间：2012年4月24号受影响网站：Google的官方帖子声明打击的是违反Google质量指南的垃圾网站，后续排名变化的分析表明主要受惩罚的是为获得排名制造大量垃圾外链、低质量外链的网站。企鹅算法1.0影响了3.1%英文查询，3%左右的中文、德文等查询。企鹅算法和熊猫算法是两个最著名的Google惩罚性算法，受到影响的网站范围大，据调查，60%的SEO反映自己网站被Penguin算法惩罚了。企鹅对今天的SEO方法，尤其是外链建设方法，产生了很大影响。不仅制造外链要非常小心，大部分以前常用的方法现在都被Google明确警告可能会被惩罚，现在SEO们更头疼的是怎样删除低质量外链和以前发的垃圾外链，这比制造外链还困难。页面布局惩罚算法(PageLayoutAlgorithm)上线时间：2012年1月受影响网站：第一屏显示过多广告的页面被降低排名。因此也常被称为AdsAboveTheFold(第一屏广告)算法。1%的查询词受影响。被惩罚的网站修改页面布局后，Google重新抓取、索引，如果页面用户体验已经改善，就会自动恢复。2012年10月9号，PageLayout2.0，2014年2月6号，PageLayout3.0分别上线。新鲜度更新(FreshnessUpdate)上线时间：2011年11月3号当然，这只适用于更需要新鲜信息的查询，有的查询并没有太大实效性，如菜谱，就不必太担心。熊猫更新(PandaUpdate)上线时间：2011年2月24号受影响网站：内容低质量的页面排名被降低，如转载、抄袭的内容，大量用户发的垃圾留言、主体内容太少、关键词堆积等等。熊猫更新打击面大，影响大致12的查询结果，对现今SEO方法产生了重要影响。Panda算法最初是后台计算，集中上线，从2011年上线到2015年融入到核心算法中，经历了近30次更新。熊猫算法更新最初被SearchEngineLand命名为FarmersUpdate，内容农场更新，后来Google自己公布了算法代码是Panda，和咱们的熊猫没关系，是Google内部开发此算法的主要工程师之一的名字叫Panda。采集惩罚算法(ScraperAlgorithm)上线时间：2011年1月28号受影响网站：MattCutts的博客帖子公布的这个算法，采集、抄袭的内容页面被惩罚，奖励原出处。2%查询受影响。负面评价处理(NegativeReview)上线时间：2010年12月1号咖啡因更新(Caffeine)上线时间：2010年6月1号受影响网站：咖啡因更新是一次索引系统代码的重写，新系统比旧系统50%的内容更新，索引数量也更大，更有扩展性，速度更快。原来的索引系统是分层的，有的内容(重要内容)抓取索引更快，有的内容就得等比较长时间。咖啡因系统把网络分成小区块，持续更新索引库，发现新页面，或老页面上的新内容，直接进入索引库。MaydayUpdate上线时间：2010年4月28号-5月3号受影响网站：根据MattCutts的视频说明，Mayday更新主要针对长尾查询词，算法会寻找哪些网站的页面质量更符合要求。当然这种说明说了也是和没说差不多。SEO们的观察是，受影响的主要是大型网站上离首页点击距离比较远、没什么外链、内容没有什么附加价值的页面—很多电商网站的产品页面就是这样的，内容是供应商给的，也不大可能有外链。Mayday指的是发生在5月份，不是求救的那个Mayday。页面速度因素(PageSpeedRankingFactor)上线时间：2010年4月受影响网站：顾名思义，打开速度快的页面排名会给予提升，虽然幅度不大。速度的测量包括蜘蛛抓取时页面的反应速度和工具条记录的用户打开页面时间。2013年6月，MattCutts暗示，速度特别慢的页面可能会被惩罚，不过也不用特别担心，除非页面速度慢到一定程度。Vince/品牌更新(Vince/BrandUpdate)上线时间：2009年2月1号受影响网站：大品牌网站页面在很多查询结果中(都是非长尾的大词)排名显著提高，所以最初被称为品牌更新。以前帖子写过Vince/品牌更新。MattCutts后来解释，这次更新其实其实只是很小的变化，负责的Google工程师名字叫Vince，所以Google内部代码名称是Vince。这个变化并不是刻意针对大品牌，而是提升信任度在排名中的作用，而信任度、质量、链接这些方面，大品牌更有优势，所以表现出来的效果好像是大品牌页面被提升。DeweyUpdate上线时间：2008年3月受影响网站：不明，SEO行业观察到排名剧烈变动，但没有找到明显规律。Dewey这个名字的来源是因为MattCutts在webmasterworld论坛里征求这次算法更新的反馈意见，站长需要在反馈中标明Dewey这个词，可能是Google内部的识别代码。大爸爸(BigDaddy)上线时间：2005年12月-2006年3月大爸爸是一次Google算法基础架构的重写，解决了网址规范化、301/302转向等技术问题。大爸爸是一个数据中心一个数据中心更新的，不是同时上线的。大爸爸这名字怎么来的?据MattCutts帖子说，2005年12月的Pubcon会议上，MattCutts征求大家对这次更新的反馈，MattCutts知道更新已经在一个数据中心上线了，所以问大家有什么好名字来指这个数据中心，一位站长说，叫BigDaddy吧，他孩子就这么叫他的，MattCutts觉得挺好，就叫这个名字了。我当年开始写SEO每天一贴就是大爸爸完成更新那段时间，第3篇帖子就是介绍大爸爸更新情况。Robin同志给我的第一个留言就在那篇帖子上，沙发，后来才有了点石，和很多中国SEO行业的故事。JaggerUpdate上线时间：2005年9-11月受影响网站：Jagger分3个阶段上线，所以有Jagger1,Jagger2,Jagger3的名字。Jagger更新主要打击低质量链接，如交换链接、链接农场、买卖链接等。早期的Google算法更新基本上都是webmasterworld命名的，Jagger也是webmasterworld创始人BrettTabke起的名字，下面提到的更新名称大多是他们命名的。但貌似Jagger是最后一个，后来的名字大多是Google自己公布的了。BourbonUpdate上线时间：2005年5月受影响网站：早期Google更新往往没有官方信息，所以针对的是哪些网站经常不明，只是监测到排名有比较大变化。Bourbon一般认为与网址规范化有关。Bourbon这个名字也是webmasterworld起的，原因是webmasterworld即将在新奥尔良举行一个行业会议，Bourbon是新奥尔良的一条著名老街道。AllegraUpdate上线时间：2005年2月受影响网站：不明确，或者说范围广泛，包括低质量外链、关键词堆积、过度优化等。公布支持nofollow上线时间：2005年1月现在SEO对nofollow肯定都很熟悉了，包括百度，所有主流搜索引擎都支持nofollow。还不知道的请参考以前关于nofollow的帖子。BrandyUpdate上线时间：2004年2月受影响网站：链接锚文字作用提高，链接需要来自好邻居的概念第一次被提出来。索引库增长，抓取索引了很多新的链接，一些网站获得了更高权威度。弗罗里达更新(FloridaUpdate)上线时间：2003年11月受影响网站：弗罗里达更新是早期最著名的Google算法更新，影响面大，受影响的以商业意图明显的词为主，一些靠搜索流量的小公司倒闭，有的SEO公司因此陷入困境，因为客户网站排名下降，不续费了。弗罗里达更新的后果大到，Google曾经承诺，以后不在年底上线这么大的更新了，以免剧烈影响很多商家的圣诞季销售业绩。FloridaUpdate打击了一系列不自然的优化方法，包括隐藏文字、关键词堆积、链接农场、大量交换链接、过度优化。Florida彻底改变了SEO，可以说是现在SEO方法的起点。Florida也是webmasterworld命名的，因为他们的命名方法该排到字母F打头了(为什么到了F打头，见下面Boston更新说明)，而第二年2月他们要在弗罗里达的奥兰多举行Pubcon大会，所以就用了Florida。UpdateFritz上线时间：2003年7月Fritz更新是Google转为每天持续小幅更新索引的开始，这种更新方法又被称为everflux。UpdateFritz这个名字是MattCutts在他2006年的博客帖子里提到的Google内部名称，不是webmasterworld命名系列里的。EsmeraldaUpdate上线时间：2003年6月1号这是早期每个月发生一次的GoogleDance的最后一次。这次更新之后，Google算法更新改为小幅、持续性的，当然这是相对GoogleDance每个月一次、持续数天、排名剧烈波动而言。准确地说，GoogleDance是索引更新，不是算法更新。Esmeralda更新之后，Google就不再Dance了。DominicUpdate上线时间：2003年5月1号早期GoogleDance的一次。Dominic也是webmasterworld命名，名称来源于参加BostonPubcon大会时大家常去的一家披萨饭馆。CassandraUpdate上线时间：2003年4月1号BrettTabke和webmasterworld第一次特意给Google更新起名字。既然第一个名字是Boston，是个男名，这次应该是C打头的女名，大家投票，Cassandra胜出，没有其它特别意义。BostonUpdate上线时间：2003年2月1号2003年波士顿举行的SES大会上，Google员工公布了这次更新，为了和其它GoogleDance以示区别，取名Boston。webmasterworld的创始人BrettTabke就想，给更新取名字是个挺好的主意，所以就效仿台风的命名方法给Google更新取名，按字母排序，男名女名间隔，也得到了Google的首肯。所以早期的Google算法更新大多是webmasterworld命名的。GoogleDance早期Google索引库每个月更新一次，是线下计算，然后集中上线。由于数据量大，需要一个数据中心一个数据中心地上线，不是同时上线的。在更新期间，用户这分钟访问的是一个数据中心，下一分钟可能访问的是另一个数据中心，看到的搜索结果可能有很大差别，因此被称为GoogleDance。从2000年7月开始，webmasterworld每个月开一个新帖，讨论每一次GoogleDance情况，一直到2003年2月的Boston更新第一次有了名称，以前的GoogleDance都是没有名字的。这里是当年GoogleDance更新讨论的大列表。

记分牌算法只能检测竞争(WAR,WAW)并不能消除这两种竞争。为了避免baiWAR和WAW带来的流水线停顿产生气泡。详见tomasulo算法，指令在发射前分配一个RS和一个ROB项（这个就是动态寄存器重命名），执行后的结果会临时写在ROB中，等到该指令前的所有指令执行完毕，retire时再写回到ARF。所以结果是临时写回ROB中，即使多条指令写回到同一个寄存器也不受影响，因为不同的指令结果是写在不同的ROB中的。当然解决RAW也有相应的旁路/转发技术，也是tomasulo算法中的一部分。扩展资料：常用的一种是横向指针式计分牌，在牌的左半边标有从1到19的数字。进入20时则计入右半边。右半边有10、40、60、80、100五个挡级。在字码的上，下有金属片做的指针，可以拔动它来记分或进位记分。这种记分牌，因字小只能用于一般台球厅，室的比赛记录。主要用于斯诺克二十二彩球和三球比力的比赛计分。参考资料来源：百度百科-记分牌

凭电费收据发票到你所在的供电营业所交上100元安装费就可开通峰谷电!!! 并不是每户居民都适合“峰谷电价”。虽然实行峰谷电价后，夜间的费用只需0．28元一度，但只有那些用电量高的居民才比较实惠。如果要使每月平均电价比现时电价每千瓦时下降0．05元，一户人家每月用电总量在170度以上，那么每月的电费支出就可下降8．5元以上。这样，只需一年时间，就能收回申请“峰谷电价”时缴纳的100元成本费。因此，电力部门请市民申请前仔细算一笔账，根据自家的用电实际考虑是否申请安装。 峰谷电到什么比例才省钱 “峰电”电价比原来一户一表时上涨了0.03元，而“谷电”便宜0.25元。装了峰谷电表后，只知道“谷电”用得越多越合算，但究竟“峰电”和“谷电”在怎样的状况下才算省钱，而且究竟省了多少钱呢？ 告诉您一个非常简单的办法：只要看看“峰电量”和“谷电量”的实际比例，就可以清楚自己是不是“有利可图”了。您不妨用下面这把“尺子”衡量一下： 峰电量 ∶ 谷电量 平均电价 1 ∶ 2 0.373元 1 ∶ 1 0.42元 2 ∶ 1 0.467元 3 ∶ 1 0.49元 4 ∶ 1 0.504元 5 ∶ 1 0.513元 …… 8∶1 0.529元 由此可知“峰电量”和“谷电量”的实际比例大于8∶1时，平均电价将超过一户一表电价（0.53元/千瓦时），小于8∶1申请使用峰谷电价比较划算。

基于包丢失检测的 Reno、NewReno 或者 cubic 为代表，其主要问题有 Buffer bloat 和长肥管道两种。和这些算法不同，bbr 算法会以时间窗口内的最大带宽 max_bw 和最小 RTT min_rtt，并以此计算发送速率和拥塞窗口RTProp : round-trip propagation time BtlBW : bottleneck bandwidth，bbr 算法关于拥塞窗口的核心就是计算 BtlBW 和 RTprop，根据这两者值计算 BDP bbr 算法输出 pacing_rate 和 cwnd 两个数据。pacing_rate 决定发包速率，cwnd 为窗口大小 TCP Tahoe 和 Reno 这两个算法是根据其第一次加入到4.3BSD的时间回溯命名的，两个名字对应自其第一次出现时BSD的代号，而代号分别取自太浩湖（Lake Tahoe）和其附近的城市里诺市 u2022 Tahoe：如果收到三次重复确认——即第四次收到相同确认号的分段确认，并且分段对应包无负载分段和无改变接收窗口——的话，Tahoe算法则进入快速重传，将慢启动阈值改为当前拥塞窗口的一半，将拥塞窗口降为1个MSS，并重新进入慢启动阶段 u2022 Reno：如果收到三次重复确认，Reno算法则进入快速重传，只将拥塞窗口减半来跳过慢启动阶段，将慢启动阈值设为当前新的拥塞窗口值，进入一个称为“快速恢复”的新设计阶段 Fast recovery 是Reno算法新引入的一个阶段，在将丢失的分段重传后，启动一个超时定时器，并等待该丢失分段包的分段确认后，再进入拥塞控制阶段。如果仍然超时，则回到慢启动阶段 TCP Vegas 至1990年代中期，TCP量度延迟和RTT都是以传输缓存中最后一个被传送的分段包为准。vegas通过度量传输缓存中每个传送分段包来代替只量度一个分段包，通过每次度量的平均值来增加拥塞窗口。该算法取名自内华达州最大的城市拉斯维加斯。不过由于一些资源公平性原因，该算法并没有在彼得森的实验室之外广泛部署。一些研究认为该算法和其他拥塞算法混合使用，可能会导致性能竞争不及其他算法。在各种TCP拥塞算法的比较研究中，Vegas被认为是最平滑的控制算法，其次为CUBIC TCP New Reno TCP New Reno是对TCP Reno中快速恢复阶段的重传进行改善的一种改进算法，其定义于RFC 6582，覆盖了原有在RFC 3782和RFC 2582的旧定义。 在Reno的快速恢复中，一旦出现3次重复确认，TCP发送方会重发重复确认对应序列号的分段并设置定时器等待该重发分段包的分段确认包，当该分段确认包收到后，就立即退出快速恢复阶段，进入拥塞控制阶段，但如果某个导致重复确认的分段包到遇到重复确认期间所发送的分段包存在多个丢失的话，则这些丢失只能等待超时重发，并且导致拥塞窗口多次进入拥塞控制阶段而多次下降。而New Reno的快速恢复中，一旦出现3次重复确认，TCP发送方先记下3次重复确认时已发送但未确认的分段的最大序列号，然后重发重复确认对应序列号的分段包。如果只有该重复确认的分段丢失，则接收方接收该重发分段包后，会立即返回最大序列号的分段确认包，从而完成重发；但如果重复确认期间的发送包有多个丢失，接收方在接收该重发分段后，会返回非最大序列号的分段确认包，从而发送方继续保持重发这些丢失的分段，直到最大序列号的分段确认包的返回，才退出快速恢复阶段。 New Reno在低错误率时运行效率和“选择确认”（Selective ACKnowledgement，SACK）相当，在高错误率仍优于Reno TCP Hybla TCP Hybla旨在消除由于高延迟地面线路或者卫星无线链路下导致的RTT过长而对TCP链接的影响。它通过对拥塞窗口动态分析来修改，来减少对RTT的性能依赖 TCP BIC 和 CUBIC TCP BIC（Binary Increase Congestion control）旨在优化高速高延迟网络（即根据RFC 1072所定义的“长肥网络”（long fat network，LFN））的拥塞控制，其拥塞窗口算法使用二分搜索算法尝试找到能长时间保持拥塞窗口最大值的值。Linux内核在2.6.8至2.6.18使用该算法作为默认TCP拥塞算法。 CUBIC则是比BIC更温和和系统化的分支版本，其使用三次函数代替二分算法作为其拥塞窗口算法，并且使用函数拐点作为拥塞窗口的设置值。Linux内核在2.6.19后使用该算法作为默认TCP拥塞算法 TCP Westwood和Westwood+ TCP Westwood改良自New Reno，不同于以往其他拥塞控制算法使用丢失来测量，其通过对确认包测量来确定一个“合适的发送速度”，并以此调整拥塞窗口和慢启动阈值。其改良了慢启动阶段算法为“敏捷探测（Agile Probing）”，和设计了一种持续探测拥塞窗口的方法来控制进入“敏捷探测”，使链接尽可能地使用更多的带宽。Westwood+使用更长的带宽估计间隔和优化的滤波器来修正Westwood对ACK压缩场景对带宽估计过高的问题。通过以上改良，TCP Westwood系列算法在有线网络和无线网络的拥塞控制上获取平衡，尤其研究中针对于无线通信网络上 Compound TCP 复合TCP（Compound TCP）是微软自己实现的TCP拥塞控制算法，通过同时维护两个拥塞窗口，来实现在长肥网络有较好的性能而又不损失公平性。该算法在Windows Vista和Windows Server 2008开始广泛部署，并通过补丁的方式回溯支持到Windows XP和Windows Server 2003。在Linux上也有一个旧版本的移植实现 TCP PRR TCP PRR（TCP Proportional Rate Reduction ）是旨在恢复期间提高发送数据的准确性。该算法确保恢复后的拥塞窗口大小尽可能接近慢启动阈值。在Google进行的测试中，能将平均延迟降低3~10%，恢复的超时减少5%。PRR算法之后作为Linux内核3.2版本的默认拥塞算法 TCP BBR TCP BBR（Bottleneck Bandwidth and Round-trip propagation time）是由Google设计，于2016年发布的拥塞算法。以往大部分拥塞算法是基于丢包来作为降低传输速率的信号，而BBR则基于模型主动探测。该算法使用网络最近出站数据分组当时的最大带宽和往返时间来创建网络的显式模型。数据包传输的每个累积或选择性确认用于生成记录在数据包传输过程和确认返回期间的时间内所传送数据量的采样率。该算法认为随着网络接口控制器逐渐进入千兆速度时，与缓冲膨胀相关的延迟相比丢包更应该被认为是识别拥塞的主要决定因素，所以基于延迟模型的拥塞控制算法（如BBR）会有更高的吞吐量和更低的延迟，可以用BBR来替代其他流行的拥塞算法，例如CUBIC QUIC Quick UDP Internet Connections QUIC旨在提供几乎等同于TCP连接的可靠性，但延迟大大减少。它主要通过两个理解HTTP流量的行为来实现这一点： 第一个变化是在连接创建期间大大减少开销。由于大多数HTTP连接都需要TLS，因此QUIC使协商密钥和支持的协议成为初始握手过程的一部分。 当客户端打开连接时，服务器响应的数据包包括将来的数据包加密所需的数据。 QUIC使用UDP协议作为其基础，不包括丢失恢复。相反，每个QUIC流是单独控制的，并且在QUIC级别而不是UDP级别重传丢失的数据。这意味着如果在一个流中发生错误，协议栈仍然可以独立地继续为其他流提供服务QUIC包括许多其他更普通的更改，这些更改也可以优化整体延迟和吞吐量 每个数据包是单独加密的，因此加密数据时不需要等待部分数据包。 在TCP下通常不可能这样做，其中加密记录在字节流中，并且协议栈不知道该流中的更高层边界。这些可以由运行在更上层的协议进行协商，但QUIC旨在通过单个握手过程完成这些 QUIC的另一个目标是提高网络切换期间的性能，例如当移动设备的用户从WiFi热点切换到移动网络时发生的情况。 当这发生在TCP上时，一个冗长的过程开始了：每个现有连接一个接一个地超时，然后根据需要重新创建。期间存在较高延迟，因为新连接需要等待旧连接超时后才会创建。 为解决此问题，QUIC包含一个连接标识符，该标识符唯一地标识客户端与服务器之间的连接，而无论源IP地址是什么。这样只需发送一个包含此ID的数据包即可重新创建连接，因为即使用户的IP地址发生变化，原始连接ID仍然有效QUIC在应用程序空间中实现，而不是在操作系统内核中实现。当数据在应用程序之间移动时，这通常会由于上下文切换而调用额外的开销。 但是在QUIC下协议栈旨在由单个应用程序使用，每个应用程序使用QUIC在UDP上托管自己的连接Chromium的网络堆栈同时打开QUIC和传统TCP连接，并在QUIC连接失败时以零延迟回退到TCP连接

关于声学回声的算法其实在美国贝尔实验室60年代就有这方面的理论基础，但是受到处理器元件的计算速度限制，一直到上世纪90年代才投入正式运用；声学回声消除算法——分为线性消除和非线性消除两个部分，线性部分最多能抵消40dB，剩下的就要靠非线性来处理了（目前能处理到20dB),国际上处理AEC（声学回声）的及格线是45dB，这方面比较专业的国外公司有POLYCOM，国内的有朗谷、速嵌，浙大也有此方面的研究。背景噪音消除算法上世纪70年代就在使用噪声门的办法来处理，但是需要预先设置噪声门的阀值，遇到环境改变的情况，往往需要重新设置；第二种是采用麦克风阵列的算法来处理，典型的芯片有AUDIENCE（用于IPHONE4手机，华为、三星、摩托罗拉智能手机都在使用），国内的FORTMEDIA芯片，都是使用2-3支以上的麦克风来处理，一支麦克风来采集人声，另外的麦克风用于采集背景噪，在DSP中产生一个等幅反向的波形来抵消背景噪音；还有一个就是源自日本理化学所为日本机器人做的研究，语音分离技术，从控制论角度出发使用AI（人工智能算法）来区分噪音和语音（两种音源有不同的特征信号），使用自适应滤波滤除背景噪音，最大能消除15dB的背景噪音，使用单麦克风就可以实现消噪。。另外webrtc现在用的是以前GIPS的，挺好使。还有skype的回声消除做的不错，另外雅马哈和JBL的做的也不错，但是消耗非常大。另外还有speex与webrtc的aec，aecm再比如：OpenSSL，CyaSSL，jsCrypto，pidCrypt ，Botan 等等。

按照我国《供电营业规则》第五十四条的规定：　　在电力系统正常状况下，供电企业供到用户受电端的供电电压允许偏差为：　　1、35千伏及以上电压供电的，电压正、负偏差的绝对值之和不超过额定值的10％；　　2、10千伏及以下三相供电的，为额定值的±7％；　　3、220伏单相供电的，为额定值的＋7％，－10％。　　在电力系统非正常状况下，用户受电端的电压最大允许偏差不应超过额定值的±10％。　　用户用电功率因数达不到本规则第四十一条规定的，其受电端的电压偏差不受此限制。　　可见，380V属于“10千伏及以下三相供电的，为额定值的±7％”；即380V供电系统电压，应在380（1-7%）V～380（1+7%）V，也就是353.4V～406.6V之间。

百度指数的算法是什么 1.基础是网页搜索搜索关键词的搜索量。在此基础上，进行了过滤和权重调整。 2.百度指数啊～呵呵，以搜索量和媒体检索量为基础进行了过滤和加权:) 3.百度指数是以每天百度搜索中超过１亿次流量的网民搜索为基础，根据您所关心的关键词，分析出用户关注度、媒体关注度、以及相关热点新闻数据，并且以每日、每周、每季、每年的数据表、曲线图等形式展现给您的一种可以帮助企业分析自己想要了解的竞争对手、客户、公司、行业、产品、促销活动的影响力状况，为企业营销决策提供科学依据的数据 4.全国乃至全球所有使用百度搜索某一关键词的次数统计。某一词指数很高，不代表这个词排名第一时就会给你带来那么多的流量。

百度指数基于百度网页搜索和百度新闻搜索的海量数据，计算出每个关键词的用户关注度和媒体关注度的数值。百度指数每天更新一次，并且提供自2006年6月至今任意时间段的用户关注度数据。同时，根据不同的关键词，机器自动从百度新闻搜索中获取与该关键词最相关的10条热门新闻，并将新闻按时间顺序均匀分布在“用户关注度”的曲线图上，以字母标识，每个字母对应一条新闻。扩展资料百度指数（Baidu Index）是以百度海量网民行为数据为基础的数据分析平台，是当前互联网乃至整个数据时代最重要的统计分析平台之一，自发布之日便成为众多企业营销决策的重要依据。“世界很复杂，百度更懂你”，百度指数能够告诉用户：某个关键词在百度的搜索规模有多大，一段时间内的涨跌态势以及相关的新闻舆论变化，关注这些词的网民是什么样的，分布在哪里，同时还搜了哪些相关的词，帮助用户优化数字营销活动方案。截至2014年，百度指数的主要功能模块有：基于单个词的趋势研究（包含整体趋势、PC趋势还有移动趋势）、需求图谱、舆情管家、人群画像；基于行业的整体趋势、地域分布、人群属性、搜索时间特征。百度指数的理想是“让每个人都成为数据科学家”。对个人而言，大到置业时机、报考学校、入职企业发展趋势，小到约会、旅游目的地选择，百度指数可以助其实现“智赢人生”；对于企业而言，竞品追踪、受众分析、传播效果，均以科学图标全景呈现，“智胜市场”变得轻松简单。大数据驱动每个人的发展，而百度倡导数据决策的生活方式，正是为了让更多人意识到数据的价值。参考资料来源：百度百科-百度指数

1)迭代法设计思想最简单：x=f(x) 但这种方法初值很主要,不然容易发散. 2)二分法设计思想是先给定区间[a,b],要求f(a)与f(b)是异号,保证区间内与x轴有交点,求x=(a+b)/2,求f(x),检查f(x)与f(a)是否同号,如果是同号,把x当成新的a,否则把x当成新的b,得到新的区间,重复求a和b的中点的值,判断与f(a)是否同号,不断循环下去,直到达到精度为止. 3)牛顿迭代法设计思想是对f(x0)某点求切线,与x轴交x1点后,把x1当成x0,再求出其相应新的f(x0),再对其求切线,找到与x轴的新交点,不断循环下去,直到达到精度为止.这种方法要求先对函数求一阶导数,然后再迭代：x1=x0-f(x0)/f‘(x0) 4)弦截法设计思想利用插值原理,避免上面的求导,要求在f(x)上取二点x0,x1,做过f(x0),f(x1)的直线交x轴一点为x,把原来的x1当成x0,把x当成x1,再重复上面的做直线的过程,不断循环下去,直到达到精度为止.迭代公式：x=x1-(x1-x0)*f(x1)/(f(x1)-f(x0))

牛顿迭代法本质上也是一种不动点法，是二阶收敛的。欧拉法是一节的吧，再说欧拉法一般用于求初值问题，牛顿迭代法是求方程的根吧。

每个算法都各自的特点和它的优劣性。牛顿迭代法是一种求近似解的方法。遗传算法也是一种可以全程求最优值的方法，一般就算法之间没有办法说优劣性，只能是说在特定的条件下该用什么方法。就好比专家系统是一个具有专门知识的计算机程序系统，人工神经网络有很好的学习能力，但他们也有自身的缺点。按楼主的意思来，牛顿迭代法是一种局部算法，遗传算法是全程算法，毕竟遗传参数里迭代次数也是一个很重要的参考因素。

/** 牛顿迭代法求方程的一个实根 牛顿公式：x(k+1) = x(k) - f(x(k)) / f "(x(k)) 迭代函数：Ф(x) = x - f(x) / f"(x) 属性：方程求根迭代法 此时的迭代函数必须保证X(k)有极限，即迭代收敛。《数值计算方法与算法》-2 Editon -科学出版社 P93《C#数值计算算法编程》-周长发 P210 代码维护：2007.04.20 pengkuny**/#include<iostream>#include<cmath>using namespace std;#define f(x) (x*x*(x-1.0)-1.0) //举例函数x^3-x^2-1#define g(x) (3.0*x*x-2.0*x) //导函数3x^2-2x#define epsilon 0.0000001 //精度#define MAXREAPT 100bool RootNewton(double &x){ double xk1,xk0; xk0 = x; for (int k=0; k<MAXREAPT; k++) { if (g(xk0) == 0.0)//牛顿迭代法缺陷在于:收敛是否与初值x0密切相关 {//如果g(xk0)数值特别小时,有可能发生从一个根跳到另一个根附近的情况 cout<<"迭代过程中导数为0."<<endl; return false; } xk1 = xk0 - f(xk0)/g(xk0);//key step if (fabs(xk1-xk0) < epsilon && fabs(f(xk1)) < epsilon) {//注意迭代结束条件是: |f(xk1)| < ε和|xk1-xk0| < ε同时成立,防止根跳跃 x = xk1; return true; } else { xk0 = xk1; } } //迭代失败 cout<<"迭代次数超过预期."<<endl; return false;}int main(){ double x; cout<<"牛顿迭代法求方程根,请输入初始迭代x0值:"<<endl; cin>>x; if(RootNewton(x)) { cout<<"该值附近的根为:"<<x<<endl; } else { cout<<"迭代失败!"<<endl; } system("pause"); return 0;}

牛顿迭代法（Newton"s method）又称为牛顿-拉夫逊（拉弗森）方法（Newton-Raphson method），它是牛顿在17世纪提出的一种在实数域和复数域上近似求解方程的方法。迭代法也称辗转法，是一种不断用变量的旧值递推新值的过程，跟迭代法相对应的是直接法（或者称为一次解法），即一次性解决问题。迭代算法是用计算机解决问题的一种基本方法。它利用计算机运算速度快、适合做重复性操作的特点，让计算机对一组指令（或一定步骤）重复执行，在每次执行这组指令（或这些步骤）时，都从变量的原值推出它的一个新值。

1)迭代法设计思想最简单：x=f(x) 但这种方法初值很主要，不然容易发散。2)二分法设计思想是先给定区间[a,b]，要求f(a)与f(b)是异号，保证区间内与x轴有交点，求x=(a+b)/2，求f(x)，检查f(x)与f(a)是否同号，如果是同号，把x当成新的a，否则把x当成新的b，得到新的区间，重复求a和b的中点的值，判断与f(a)是否同号，不断循环下去，直到达到精度为止。3)牛顿迭代法设计思想是对f(x0)某点求切线，与x轴交x1点后，把x1当成x0，再求出其相应新的f(x0)，再对其求切线，找到与x轴的新交点，不断循环下去，直到达到精度为止。这种方法要求先对函数求一阶导数，然后再迭代：x1=x0-f(x0)/f‘(x0)4)弦截法设计思想利用插值原理，避免上面的求导，要求在f(x)上取二点x0,x1，做过f(x0),f(x1)的直线交x轴一点为x，把原来的x1当成x0，把x当成x1，再重复上面的做直线的过程，不断循环下去，直到达到精度为止。迭代公式：x=x1-(x1-x0)*f(x1)/(f(x1)-f(x0))

本原元是指有限域乘法群的生成元，它的阶数是q-1，q是有限域中元素个数。本原元的作用有很多，你问的是在乘法和乘法逆元上计算的用处。下面假设w是一个本原元 首先，有限域F中的任何非零元素a都可以表达成w^m的形式，这是因为有限域的乘法群是一个循环群，而本原元是这个循环群的生成元。这样在计算有限域元素之间乘法的时候，只要将指数相加。具体的说，a=w^m,b=w^n,ab=w^(m+n). 其次，任何一个非零元素a，有上面知道a=w^m,那么a的逆a^(-1)=w^(-m) 本原元还有其他的用处，如分圆多项式，本原多项式，域的扩张等。不过这不是几句话能说清楚的了。 我是学代数的，有问题我们可以再交流。

悬臂梁的弯矩如何计算,集中力P作用点到固定端之距L,则弯矩为；M=P*L；均布荷载Q作用范围B作用范围中心到固定端之距L。则弯矩为：M=Q*B*L。当满跨均布荷载B=L，作用距为L/2时。弯矩为：M=QL* L/2.

Airdoc研就出了人工智能慢病识别系统，在眼睛、皮肤、病理、肺部等领域都已经取得成果，并且开始临 床应用

·国际移动用户识别码（IMSI：International Mobile Subscriber Identification Number）是区别移动用户的标志，储存在SIM卡中，可用于区别移动用户的有效信息。其总长度不超过15位，同样使用0~9的数字。其中MCC是移动用户所属国家代号，占3位数字，中国的MCC规定为460；MNC是移动网号码，由两位或者三位数字组成，中国移动的移动网络编码（MNC）为00；用于识别移动用户所归属的移动通信网；MSIN是移动用户识别码，用以识别某一移动通信网中的移动用户。 ·为了在无线路径和整个GSM（Global System for Mobile Communications，全球移动通信系统）移动通信网上正确地识别某个移动客户，就必须给移动客户分配一个特定的识别码。 ·IMSI是15位的十进制数。其结构如下： MCC + MNC + MSIN ·MCC（Mobile Country Code，移动国家码）：MCC的资源由国际电信联盟（ITU）在全世界范围内统一分配和管理，唯一识别移动用户所属的国家，共3位，中国为460。 ·MNC（Mobile Network Code，移动网络号码）：用于识别移动用户所归属的移动通信网，2~3位。 在同一个国家内，如果有多个PLMN（Public Land Mobile Network，公共陆地移动网，一般某个国家的一个运营商对应一个PLMN），可以通过MNC来进行区别，即每一个PLMN都要分配唯一的MNC。中国移动系统使用00、02、04、07，中国联通GSM系统使用01、06、09，中国电信CDMA系统使用03、05、电信4G使用11，中国铁通系统使用20。 ·MSIN（Mobile Subscriber Identification Number，移动用户识别号码）：用以识别某一移动通信网中的移动用户。共有10位，其结构如下： EF+M0M1M2M3+ABCD 其中，EF由运营商分配；M0M1M2M3和MDN（Mobile Directory Number，移动用户号码簿号码）中的H0H1H2H3可存在对应关系；ABCD：四位，自由分配。 参考文献： http://baike.baidu.com/view/715091.htm

根据秦九韶算法，把多项式改写成如下形式f（x）=8x 7 +5x 6 +0?x 5 +3?x 4 +0?x 3 +0?x 2 +2x+1=（（（（（（8x+5）x+0）x+3）x+0）x+0）x+2）x+1v 0 =8，v 1 =8×2+5=21v 2 =21×2+0=42，v 3 =42×2+3=87v 4 =87×2+0=174，v 5 =174×2+0=348v 6 =348×2+2=698，v 7 =698×2+1=1397．∴当x=2时，多项式的值为1397．

6,6 ：∵f（x）=3x 6 +4x 5 +5x 4 +6x 3 +7x 2 +8x+1=（3x 5 +4x 4 +5x 3 +6x 2 +7x+8）x+1=[（3x 4 +4x 3 +5x 2 +6x+7）x+8]+1={{{[（3x+4）x+5]x+6}x+7}x+8}x+1∴需要做6次加法运算，6次乘法运算.

p(x)=3x^5+0x^4-2x^3+0x^2+x+7 =(3x^4+0x^3-2x^2+0x+1)x+7 =((3x^3+0x^2-2x+0)x+1)x+7 =(((3x^2+0x-2)x+0)x+1)x+7 =((((3x+0)x-2)x+0)x+1)x+7 v[1]=3x+0=9 v[2]=v[1]x-2=25 v[3]=v[2]x+0=75 v[4]=v[3]x+1=226 v[5]=v[4]x+7=685记得采纳啊

f（x）=2x5-5x4-4x3+3x2-6x+7=（（（（2x-5）x-4）x+3）x-6）x+7v1=2×5-5=5，v2=5×5-4=21，v3=21×5+3=108，v4=108×5-6=534，v5=534×5+7=2677．所以f（5）=2677．

∵f（x）=3x6+5x5+6x4+79x3-8x2+35x+12=（（3x+5）x+6）x+79）x-8）x+35）x+12，∴v0=3，v1=v0x+5=3×（-4）+5=-7，v2=v1x+6=-7×（-4）+6=34，v3=v2x+79=34×（-4）+79=-57，∴V3的值为-57；故选C．

fuff08xuff09=x^5-5x^4+x^3-1f(2) =32-80+8-1 =-41

n。解：P（x）=anxn+an-1xn-1+…+a1x+a0=（anx^（n-1）+a[n-1]x^（n-2）+…+a[1]）x+a[0]=（（anxn-2+an-1xn-3+…+a2）x+a1）x+a0=…=（…（（anx+an-1）x+an-2）x+…+a1）x+a0求多项式的值时，首先计算最内层括号内一次多项式的值，即v1=anx+an-1。然后由内向外逐层计算一次多项式的值，即v2=v1x+an-2　　v3=v2x+an-3，vn=vn-1x+a1。这样，求n次多项式P（x）的值就转化为求n个一次多项式的值。∴对于一个n次多项式，至多做n次乘法和n次加法。综合算式（四则运算）应当注意的地方：1、如果只有加和减或者只有乘和除，从左往右计算，例如：2+1-1=2，先算2+1的得数，2+1的得数再减1。2、如果一级运算和二级运算，同时有，先算二级运算。3、如果一级，二级，三级运算（即乘方、开方和对数运算）同时有，先算三级运算再算其他两级。4、如果有括号，要先算括号里的数（不管它是什么级的，都要先算）。5、在括号里面，也要先算三级，然后到二级、一级。

∵f（x）=x6-5x5+6x4+x2+0.3x+2=（（（（（x-5）x+6）x+0）x+2）x+0.3）x+2，∴v0=a6=1，v1=v0x+a5=1×（-2）-5=-7，v2=v1x+a4=-7×（-2）+6=20，故答案为：20．

p(x)=3x^5+0x^4-2x^3+0x^2+x+7 =(3x^4+0x^3-2x^2+0x+1)x+7 =((3x^3+0x^2-2x+0)x+1)x+7 =(((3x^2+0x-2)x+0)x+1)x+7 =((((3x+0)x-2)x+0)x+1)x+7 v[1]=3x+0=9 v[2]=v[1]x-2=25 v[3]=v[2]x+0=75 v[4]=v[3]x+1=226 v[5]=v[4]x+7=685

干吗用二重循环阿，根本没有你写的复杂阿？看：int P(int x,int n){int a[5]={1,2,2,2,1};int y=a[n];for(int i=n;i>=1;--i){ y=y*x+a[i-1];}return y;}v(1) = a(n)x + a(n – 1)、v(2) = v(1)x + a(n – 2)、v(3) = v(2)x + a(n – 3)……v(n) = v(n – 1)x + a(0)，直接按公式写，很简单 阿？

或许你是还没学到高中数学的二次项定理。这里的an，a1其实是可以为任意的实数，就拿来说，其实它应该还有一个三次项，只不过三次项系数a3(其实也可以说是n=3，即an)=0，二次项的系数2=a2，一次项的系数a1。常数项为a0。若你知道更多，可以看看基础知识手册、曲一线的知识清单之类的书就行了。若还有不懂，可以再问。若会了，请采纳，谢谢

f(x)=a[n]x^n+a[n-1]x^(n-1))+......+a[1]x+a[0] 　　=(a[n]x^(n-1)+a[n-1]x^(n-2)+......+a[1])x+a[0] 　　=((a[n]x^(n-2)+a[n-1]x^(n-3)+......+a[2])x+a[1])x+a[0] 　　=...... 　　=(......((a[n]x+a[n-1])x+a[n-2])x+......+a[1])x+a[0]. 　　求多项式的值时，首先计算最内层括号内一次多项式的值，即v[1]=a[n]x+a[n-1] ，然后由内向外逐层计算一次多项式的值，即v[2]=v[1]x+a[n-2] 　v[3]=v[2]x+a[n-3] ...... v[n]=v[n-1]x+a[0] 这样，求n次多项式f(x)的值就转化为求n个一次多项式的值。 （注：中括号里的数表示下标） 　　*************************************************************************结论：对于一个n次多项式，至多做n次乘法和n次加法。****************************************************************************

p(x)=3x^5+0x^4-2x^3+0x^2+x+7 =(3x^4+0x^3-2x^2+0x+1)x+7 =((3x^3+0x^2-2x+0)x+1)x+7 =(((3x^2+0x-2)x+0)x+1)x+7 =((((3x+0)x-2)x+0)x+1)x+7 v[1]=3x+0=9 v[2]=v[1]x-2=25 v[3]=v[2]x+0=75 v[4]=v[3]x+1=226 v[5]=v[4]x+7=685

∵f（x）=12+35x-8x2+79x3+6x4+5x5+3x6=（（3x+5）x+6）x+79）x-8）x+35）x+12，∴v0=a6=3，v1=v0x+a5=3×（-4）+5=-7，v2=v1x+a4=-7×（-4）+6=34，v3=v2x+a3=34×（-4）+79=-57，∴V3的值为-57；故选C．

f（x）=7x7+6x6+5x5+4x4+3x3+2x2+x=（（（（（7x+6）x+5）x+4）x+3）x+2）x+0故v3=（（7x+6）x+5）x+4当x=3时，v3=（（7×3+6）×3+5）×3+4=262故答案为：262

C 由秦九韶算法的规则f（x）=x4+2x3+x2-3x-1=（（（x+2）x+1）x-3）x-1，∴v3=（（x+2）x+1）x-3又x=2，可得v3=（（2+2）2+1）2-3=15故选C．

x(7x^6+6x^5+5x^4+4x^3+3x^2+2x+1)=x(x(7x^5+6x^4+5x^3+4x^2+3x+2)+1)=x(x(x(7x^4+6x^3+5x^2+4x+3)+2)+1)=x(x(x(x(7x^3+6x^2+5x+4)+3)+2)+1)=x(x(x(x(x(7x^2+6x)+5)+4)+3)+2)+1)=x(x(x(x(x(x(7x+6)+5)+4)+3)+2)+1)=x(x(x(x(x(x(27)+5)+4)+3)+2)+1)=x(x(x(x(x(86)+4)+3)+2)+1)=x(x(x(x(262)+3)+2)+1)=x(x(x(789)+2)+1)=x(x(2369)+1)=x(7108)=21324

f（x）=x5+5x4+10x3+10x2+5x+1=（x4+5x3+10x2+10x+5）x+1=[（x3+5x2+10x+10）x+5]x+1={{[（x+5）x+10]x+10}x+5}x+1∴在x=-2时的值时的值为{{[（x+5）x+10]x+10}x+5}x+1={{[（-2+5）（-2）+10]（-2）+10}（-2）+5}（-2）+1=-1故答案为：-1．

一般地，对于一个n次多项式，,当时,我们可以改写成如下形式:f(x)=((anx+an-1)x+an-2)x+…+a1)x+a0.求多项式的值时,首先计算最内层括号内一次多项式的值,然后由内向外逐层计算一次多项式的值,即v1=anx+an-1, v2=v1x+an-2,v3=v2x+an-3, ……,vn=vn-1x+a0这样把求一个n次多项式的值转化为求n个一次多项式的值这种算法称为秦九韶算法。通过这种转化，把运算的次数由至多n(n+1)/2次乘法运算和n次加法运算，减少为n次乘法运算和n次加法运算。望采纳

f（x）=anxn+an-1xn-1+…+a1x+a0=（anx^（n-1）+a[n-1]x^（n-2）+…+a[1]）x+a[0]=（（anxn-2+an-1xn-3+…+a2）x+a1）x+a0=…=（…（（anx+an-1）x+an-2）x+…+a1）x+a0．求多项式的值时，首先计算最内层括号内一次多项式的值，即 v1=anx+an-1然后由内向外逐层计算一次多项式的值，即 v2=v1x+an-2　　v3=v2x+an-3…vn=vn-1x+a1 这样，求n次多项式f（x）的值就转化为求n个一次多项式的值．∴对于一个n次多项式，至多做n次乘法和n次加法故选D

秦九韶算法是中国南宋时期的数学家秦九韶提出的一种多项式简化算法.在西方被称作霍纳算法（Horneralgorithm或Hornerscheme）,是以英国数学家威廉·乔治·霍纳命名的.把一个n次多项式f(x)=a[n]x^n+a[n-1]x^(n-1)+.+a[1]x+a[0]改写成如下形式：f(x)=a[n]x^n+a[n-1]x^(n-1))+.+a[1]x+a[0]=(a[n]x^(n-1)+a[n-1]x^(n-2)+.+a[1])x+a[0]=((a[n]x^(n-2)+a[n-1]x^(n-3)+.+a[2])x+a[1])x+a[0]=.=(.((a[n]x+a[n-1])x+a[n-2])x+.+a[1])x+a[0].求多项式的值时,首先计算最内层括号内一次多项式的值,即v[1]=a[n]x+a[n-1]然后由内向外逐层计算一次多项式的值,即v[2]=v[1]x+a[n-2]v[3]=v[2]x+a[n-3].v[n]=v[n-1]x+a[0]这样,求n次多项式f(x)的值就转化为求n个一次多项式的值.（注：中括号里的数表示下标）结论：对于一个n次多项式,至多做n次乘法和n次加法.代入计算：v[1]=a[n]x+a[n-1]=4*（-2）+3=-5v[2]=（-5）*（-2）+2=12v[3]=12*（-2）-1=-25v[4]=（-25）*（-2）-1=49v[5]=49*（-2）-1/2=-98又1/2用秦九韶算法求多项式f(x)=4x^5+3x^4+2x^3-x^2-x-2分之1在x=-2时的值是（-98又1/2）