【算法】Java版
二分查找算法
二分查找算法（Binary Search Algorithm）是一种在有序数组中查找特定元素的搜索算法。该算法的基本思想是将数组从中间分成两部分，然后与目标元素进行比较，进而确定目标元素位于左半部分还是右半部分，不断缩小搜索范围，直到找到目标元素或确定目标元素不存在。
以下是一个使用 Java 实现二分查找算法的示例：
public class BinarySearch {
// 二分查找函数
public static int binarySearch(int[] array, int target) {
int left = 0;
int right = array.length - 1;
while (left <= right) {
int mid = left + (right - left) / 2;
if (array[mid] == target) {
return mid;
} else if (array[mid] < target) {
left = mid + 1;
} else {
right = mid - 1;
}
}
return -1;
}
// 测试示例
public static void main(String[] args) {
int[] array = {1, 3, 5, 7, 9, 11, 13};
int target = 7;
int result = binarySearch(array, target);
if (result != -1) {
System.out.println("目标元素 " + target + " 在索引 " + result + " 处找到了。");
} else {
System.out.println("目标元素 " + target + " 未找到。");
}
}
}
在上述示例中，binarySearch函数接受一个有序数组array和目标元素target作为参数。它使用left和right两个指针来表示搜索范围的左右边界。初始时，left指向数组的第一个元素，right指向数组的最后一个元素。
在每次循环中，通过计算中间索引mid，将目标元素与中间元素进行比较。如果相等，说明找到了目标元素，返回mid作为结果。如果目标元素小于中间元素，说明目标元素可能在左半部分，将right更新为mid - 1。如果目标元素大于中间元素，说明目标元素可能在右半部分，将left更新为mid + 1。循环继续进行，直到left大于right，表示搜索范围为空，目标元素未找到，返回 -1 作为结果。
在main函数中，定义了一个有序数组array和目标元素target，然后调用binarySearch函数进行二分查找。根据返回的结果，输出目标元素是否找到以及相应的索引位置。
如何衡量算法好坏？
衡量算法好坏的常用指标包括：
- 时间复杂度：算法执行所需的时间，通常用 O(n)、O(nlogn)、O(n^2) 等表示。
- 空间复杂度：算法执行所需的空间，通常用 O(n)、O(nlogn)、O(n^2) 等表示。
- 正确性：算法是否能正确地解决问题。
- 可读性：算法是否易于理解和维护。
- 效率：算法的执行效率，通常用执行时间和所需空间来衡量。
- 稳定性：算法在不同输入下的表现是否稳定。
这些指标并不是绝对的，不同的应用场景可能有不同的要求，需要根据具体情况进行权衡。
时间复杂度和空间复杂度
时间复杂度和空间复杂度是衡量算法效率的两个重要指标。
时间复杂度是指算法执行所需的时间，通常用大 O 表示法来表示。大 O 表示法是一种渐近表示法，它表示算法的执行时间随着输入规模的增长而增长的速度。常见的时间复杂度有 O(1)、O(logn)、O(n)、O(nlogn)、O(n^2) 等。例如，O(n)表示算法的执行时间随着输入规模的增长呈线性增长，O(n^2)表示算法的执行时间随着输入规模的增长呈平方增长。
空间复杂度是指算法执行所需的空间，通常也用大 O 表示法来表示。空间复杂度包括算法所需的内存空间和辅助空间。内存空间是指算法在执行过程中需要存储的变量和数据结构所需的空间，辅助空间是指算法在执行过程中需要额外的空间来存储临时数据或进行其他操作。常见的空间复杂度有 O(1)、O(logn)、O(n)、O(nlogn)、O(n^2) 等。
在实际应用中，通常需要综合考虑时间复杂度和空间复杂度，选择在时间和空间上都尽可能高效的算法。同时，还需要考虑算法的实现难度、可读性和可维护性等因素。
以下是计算算法时间复杂度的步骤：
- 确定算法中的基本操作：确定算法中执行次数最多的操作，通常是循环或递归中的操作。
- 计算基本操作的执行次数：对于循环，计算循环体执行的次数；对于递归，计算递归调用的次数。
- 使用大 O 表示法表示时间复杂度：根据基本操作的执行次数，选择适当的时间复杂度表示法。常见的时间复杂度有 O(1)、O(logn)、O(n)、O(nlogn)、O(n^2) 等。
- 简化时间复杂度：如果算法中存在多个循环或递归，可以将它们合并成一个时间复杂度。例如，如果一个算法中有两个循环，一个循环执行 n 次，另一个循环执行 n^2 次，可以将时间复杂度表示为 O(n^2)。
需要注意的是，大 O 表示法只关心算法的最坏情况下的时间复杂度，而不考虑最好情况或平均情况。因此，在计算时间复杂度时，只需要考虑最坏情况下的执行次数。
以下是一个计算算法时间复杂度的示例：
public class Main {
public static void main(String[] args) {
int n = 1000;
System.out.println(factorial(n));
}
public static int factorial(int n) {
if (n == 0) {
return 1;
} else {
return n * factorial(n - 1);
}
}
}
在上述示例中，factorial函数计算整数的阶乘。在这个算法中，基本操作是乘法操作，执行次数是递归调用的次数。对于输入规模为 n 的情况，递归调用的次数为 n，因此时间复杂度为 O(n)。
动态数组
动态数组是一种可以在运行时动态调整大小的数组。与静态数组不同，动态数组不需要在编译时指定数组的大小，可以根据实际需要动态地分配内存空间。
在 Java 中，可以使用ArrayList类来实现动态数组。ArrayList是 Java 集合框架中的一个动态数组实现，它可以根据元素的添加和删除自动调整大小。
以下是一个使用 Java 实现动态数组的示例：
import java.util.ArrayList;
public class DynamicArrayExample {
public static void main(String[] args) {
DynamicArray array = new DynamicArray();
// 向动态数组中添加元素
array.add(10);
array.add(20);
array.add(30);
array.add(40);
// 获取动态数组的大小
int size = array.size();
System.out.println("动态数组的大小：" + size);
// 遍历动态数组并打印元素
for (int i = 0; i < size; i++) {
int element = array.get(i);
System.out.println("动态数组中的元素：" + element);
}
}
}
class DynamicArray {
private ArrayList<Integer> arrayList;
public DynamicArray() {
// 创建一个 ArrayList 对象
this.arrayList = new ArrayList<>();
}
public void add(int element) {
// 向 ArrayList 中添加元素
this.arrayList.add(element);
}
public int get(int index) {
// 获取 ArrayList 中指定索引处的元素
return this.arrayList.get(index);
}
public int size() {
// 获取 ArrayList 的大小
return this.arrayList.size();
}
}
在上述示例中，我们创建了一个名为DynamicArray的类，其中包含一个私有成员变量arrayList，它是一个ArrayList对象，用于存储动态数组的元素。
在DynamicArray类的构造函数中，我们创建了一个空的ArrayList对象。然后，我们提供了add方法来向动态数组中添加元素，get方法来获取动态数组中指定索引处的元素，以及size方法来获取动态数组的大小。
在main方法中，我们创建了一个DynamicArray对象，并使用add方法向动态数组中添加了一些元素。然后，我们通过size方法获取动态数组的大小，并使用get方法遍历动态数组并打印元素。
数组缓存与局部性原理
数组缓存是一种硬件优化技术，用于提高对数组的访问速度。现代计算机系统中的 CPU 通常都集成了高速缓存（Cache），它是一种容量较小但访问速度非常快的存储器。当 CPU 访问主存中的数据时，会将一部分数据缓存在高速缓存中，以便下次访问时可以更快地获取。
局部性原理是指在程序执行过程中，CPU 访问的数据往往具有局部性，即在某个时间段内，CPU 会频繁访问某个特定区域的数据。这种局部性可以分为时间局部性和空间局部性。
时间局部性是指 CPU 在访问某个数据后，很可能在不久的将来再次访问该数据。这是因为程序中的循环、递归等结构会导致对相同数据的重复访问。
空间局部性是指 CPU 在访问某个数据时，很可能也会访问附近的数据。这是因为程序中的数据通常是以数组、结构体等形式组织的，相邻的数据之间往往存在着某种关联。
基于局部性原理，数组缓存可以利用 CPU 访问数据的局部性，将经常访问的数据缓存在高速缓存中，从而提高访问速度。当 CPU 需要访问数组中的某个元素时，如果该元素已经缓存在高速缓存中，就可以直接从高速缓存中获取，而不需要访问主存，从而提高了访问速度。
为了利用数组缓存，程序编写时应该尽量保持数据的局部性。例如，可以将经常访问的数据组织成数组形式，并按照一定的顺序访问数组元素，以提高缓存的命中率。同时，还可以使用一些编程技巧，如循环展开、数据预取等，来进一步提高程序的性能。
多路递归
多路递归（Multiway Recursion）是一种递归算法的设计技巧，它允许在一个递归函数中有多个递归调用路径，从而实现更复杂的问题解决方案。
下面是一个使用多路递归计算斐波那契数列前 n 项的示例：
public class Main {
public static void main(String[] args) {
int n = 10;
System.out.println(fibonacci(n));
}
public static long fibonacci(int n) {
if (n <= 1) {
return n;
} else {
return fibonacci(n - 1) + fibonacci(n - 2);
}
}
}
在上述示例中，fibonacci函数有两个递归调用路径：当 n <= 1 时，直接返回 n；否则，分别递归地计算 fibonacci(n - 1) 和 fibonacci(n - 2)，并将它们的和作为结果返回。
多路递归可以使递归函数更加灵活和强大，但也需要注意控制递归深度，避免出现栈溢出等问题。
汉诺塔
汉诺塔（Tower of Hanoi）别名河内塔，是一种起源于印度古老传说的益智玩具。传说在世界中心贝拿勒斯（在印度北部）的圣庙里，一块黄铜板上插着三根宝石针，其中一根针上从下到上地穿好了由大到小的64片金片，这就是所谓的汉诺塔。
玩家可以将汉诺塔的三根柱子设置为编号A、B、C，每次只能移动一个积木，并且在移动的过程中三根柱子上始终保持最大的积木在最下面，最小的积木在最上面。在操作过程中可以将积木置于A、B、C任意一根柱子上，最后通过反复移动将积木从一根柱子移动到另一个柱子上。
汉诺塔问题可以使用递归算法和迭代算法来解决。
递归算法是一种通过自身不断调用自身来解决问题的算法。在汉诺塔问题中，可以使用递归算法来实现将盘子从一个柱子移动到另一个柱子的过程。递归算法的核心思想是将问题分解为较小的子问题，并通过递归调用自身来解决子问题。
迭代算法是一种通过循环来解决问题的算法。在汉诺塔问题中，可以使用迭代算法来实现将盘子从一个柱子移动到另一个柱子的过程。迭代算法的核心思想是通过循环来模拟盘子的移动过程，并在每次循环中更新盘子的位置。
无论是递归算法还是迭代算法，都可以有效地解决汉诺塔问题。
好的，以下是使用 Java 实现汉诺塔问题的递归算法和迭代算法的示例代码：
- 递归算法：
public class TowerHanoi {
public static void main(String[] args) {
int num = 3;
String source = "A";
String target = "C";
String auxiliary = "B";
hanoi(num, source, target, auxiliary);
}
public static void hanoi(int num, String source, String target, String auxiliary) {
if (num > 0) {
// 将 num-1 个盘子从源柱移动到辅助柱（借助目标柱）
hanoi(num - 1, source, auxiliary, target);
// 将第 num 个盘子从源柱移动到目标柱
System.out.println("将盘子 " + num + " 从 " + source + " 移动到 " + target);
// 将 num-1 个盘子从辅助柱移动到目标柱（借助源柱）
hanoi(num - 1, auxiliary, target, source);
}
}
}
在上述代码中，hanoi方法使用递归算法来解决汉诺塔问题。它接受四个参数：num表示盘子的数量，source表示源柱，target表示目标柱，auxiliary表示辅助柱。
- 迭代算法：
public class TowerHanoi {
public static void main(String[] args) {
int num = 3;
String source = "A";
String target = "C";
String auxiliary = "B";
hanoi(num, source, target, auxiliary);
}
public static void hanoi(int num, String source, String target, String auxiliary) {
// 创建一个列表来存储盘子的移动过程
Stack<String> moves = new Stack<>();
while (num > 0) {
// 将 num-1 个盘子从源柱移动到辅助柱（借助目标柱）
for (int i = num - 1; i >= 0; i--) {
moves.push(source + " -> " + auxiliary);
source = (source.charAt(0) == 'A'? source : source.substring(1)) + source.charAt(0);
}
// 将第 num 个盘子从源柱移动到目标柱
moves.push(source + " -> " + target);
// 将 num-1 个盘子从辅助柱移动到目标柱（借助源柱）
for (int i = num - 1; i >= 0; i--) {
moves.push(auxiliary + " -> " + target);
target = (target.charAt(0) == 'C'? target : target.substring(1)) + target.charAt(0);
}
// 源柱和辅助柱交换位置
String temp = source;
source = auxiliary;
auxiliary = temp;
// 减少盘子的数量
num--;
}
for (String move : moves) {
System.out.println(move);
}
}
}
在上述代码中，hanoi方法使用迭代算法来解决汉诺塔问题。它创建一个列表moves来存储盘子的移动过程。
反转单向链表
在 Java 中，反转单向链表的算法可以通过迭代和指针操作来完成。以下是一个简单的示例代码：
public class LinkedListReversal {
public static void main(String[] args) {
// 创建一个单向链表
Node n1 = new Node(1);
Node n2 = new Node(2);
Node n3 = new Node(3);
Node n4 = new Node(4);
Node n5 = new Node(5);
n1.next = n2;
n2.next = n3;
n3.next = n4;
n4.next = n5;
// 打印反转前的链表
System.out.println("Original LinkedList: ");
printList(n1);
// 反转链表
Node reversedList = reverseList(n1);
// 打印反转后的链表
System.out.println("Reversed LinkedList: ");
printList(reversedList);
}
// 定义节点类
static class Node {
int data;
Node next;
public Node(int data) {
this.data = data;
}
}
// 反转链表的方法
public static Node reverseList(Node head) {
Node prev = null;
Node current = head;
Node next = null;
while (current != null) {
next = current.next;
current.next = prev;
prev = current;
current = next;
}
return prev;
}
// 打印链表的方法
public static void printList(Node head) {
Node current = head;
while (current != null) {
System.out.print(current.data + " ");
current = current.next;
}
System.out.println();
}
}
上述代码定义了一个Node类来表示链表中的节点，然后通过reverseList方法实现了反转链表的功能。该方法使用三个指针prev、current和next，通过将当前节点的next指针指向前一个节点，并更新prev和current指针的方式，逐个反转链表中的节点。最后，返回反转后的头节点。
在main方法中，创建了一个单向链表，并调用reverseList方法反转链表，然后通过printList方法打印反转前后的链表内容。
删除倒数节点
删除链表的倒数第n个节点，可以使用双指针法，也可以使用栈来实现。下面是两种算法的示例代码：
双指针法：
public static ListNode removeNthFromEnd(ListNode head, int n) {
// 哨兵节点
ListNode sb = new ListNode();
sb.next = head;
// k 快指针，m 慢指针
ListNode k = sb, m = sb;
int count = 0;
while (k.next != null) {
k = k.next;
// 快指针先走 N 步
if (++count > n) {
m = m.next;
}
}
m.next = m.next.next;
return sb.next;
}
栈法：
public static ListNode removeNthFromEnd2(ListNode head, int n) {
ListNode dummy = new ListNode(0, head);
Stack<ListNode> stack = new Stack<>();
ListNode cur = dummy;
// 先入栈
while (cur != null) {
stack.push(cur);
cur = cur.next;
}
// 出栈后 N 个节点
for (int i = 0; i < n; i++) {
stack.pop();
}
// 获取到倒数第 N+1 个 node
ListNode node = stack.peek();
node.next = node.next.next;
return dummy.next;
}
双指针法的时间复杂度为 O(n)，栈法的时间复杂度为 O(n)，空间复杂度均为 O(1)。
有序链表去重
在 Java 中，有序链表去重可以使用双指针的方法进行实现。以下是一个简单的示例代码：
public class ListNode {
int val;
ListNode next;
ListNode(int x) {
val = x;
}
}
public class RemoveDuplicatesFromSortedList {
public ListNode removeDuplicates(ListNode head) {
// 创建前指针和后指针
ListNode prev = null;
ListNode curr = head;
while (curr != null) {
// 如果后指针指向的节点值与当前节点值相同，则跳过当前节点
if (prev != null && prev.val == curr.val) {
curr = curr.next;
} else {
// 更新前指针和后指针
prev = curr;
curr = curr.next;
}
}
return prev;
}
public static void main(String[] args) {
// 创建测试链表
ListNode head = new ListNode(1);
ListNode node2 = new ListNode(1);
ListNode node3 = new ListNode(2);
ListNode node4 = new ListNode(3);
ListNode node5 = new ListNode(3);
ListNode node6 = new ListNode(4);
ListNode node7 = new ListNode(5);
ListNode node8 = new ListNode(5);
head.next = node2;
node2.next = node3;
node3.next = node4;
node4.next = node5;
node5.next = node6;
node6.next = node7;
node7.next = node8;
RemoveDuplicatesFromSortedList solution = new RemoveDuplicatesFromSortedList();
// 调用去重方法
ListNode result = solution.removeDuplicates(head);
// 打印去重后的链表
System.out.println("去重后的链表:");
solution.printList(result);
}
}
在上述代码中，removeDuplicates方法接受一个有序链表的头节点作为参数，并返回去重后的链表的头节点。在方法内部，使用了两个指针prev和curr，分别表示前一个节点和当前节点。遍历整个链表，如果后一个节点的值与前一个节点的值相同，则跳过当前节点，否则更新prev和curr的值。最后，返回prev，即为去重后的链表的头节点。
在main方法中，创建了一个有序链表，并调用removeDuplicates方法进行去重。最后，打印出去重后的链表。
下面是一个经过性能优化的示例代码：
import java.util.*;
class ListNode {
int val;
ListNode next;
ListNode(int x) {
val = x;
}
}
class RemoveDuplicatesFromSortedList {
public ListNode removeDuplicates(ListNode head) {
// 使用虚拟头节点
ListNode dummy = new ListNode(-1);
dummy.next = head;
// 使用快指针和慢指针
ListNode fast = dummy;
ListNode slow = dummy;
while (fast.next != null) {
// 缓存当前节点的值
int currVal = fast.next.val;
while (fast.next != null && fast.next.val == currVal) {
fast.next = fast.next.next;
}
// 更新慢指针和虚拟头节点的 next 指针
slow.next = fast.next;
fast = slow.next;
}
return dummy.next;
}
public static void main(String[] args) {
// 创建测试链表
ListNode head = new ListNode(1);
ListNode node2 = new ListNode(1);
ListNode node3 = new ListNode(2);
ListNode node4 = new ListNode(3);
ListNode node5 = new ListNode(3);
ListNode node6 = new ListNode(4);
ListNode node7 = new ListNode(5);
ListNode node8 = new ListNode(5);
head.next = node2;
node2.next = node3;
node3.next = node4;
node4.next = node5;
node5.next = node6;
node6.next = node7;
node7.next = node8;
RemoveDuplicatesFromSortedList solution = new RemoveDuplicatesFromSortedList();
// 调用去重方法
ListNode result = solution.removeDuplicates(head);
// 打印去重后的链表
System.out.println("去重后的链表:");
solution.printList(result);
}
// 打印链表的方法
public void printList(ListNode node) {
while (node != null) {
System.out.print(node.val + " ");
node = node.next;
}
System.out.println();
}
}
在这个优化后的代码中，使用了虚拟头节点和双指针来优化遍历和删除操作。此外，还使用了缓存来避免重复比较节点值。这些优化可以提高代码的性能，特别是在处理大规模数据时。
合并有序链表算法
以下是两种常见的合并有序链表的算法：
- 递归算法：
- 判断两个链表的当前节点谁大谁小，将小的那个节点赋值给需要合并的链表；
- 移动到较小链表的下一个节点，依次递归合并。
- 非递归算法：
- 创建一个新的指针head，在两个指针所指都不是null时，让head指向data更小的那个；
- 更新node1和node2的指针，让它们分别指向各自链表中的下一个节点；
- 让head指针也向后移动，即head = head.next ，直到其中一个链表为空，将另一个链表的剩余节点合并到合并链表的后面。
判环算法
判环算法是一种常见的链表问题，用于判断链表是否存在环。以下是一个基于Java的判环算法实现：
public boolean hasCycle(ListNode head) {
ListNode p1 = head; //乌龟
ListNode p2 = head; //兔子
while (p2 != null && p2.next != null) {
p1 = p1.next;
p2 = p2.next.next;
if (p1 == p2) {
return true;
}
}
return false;
}
该算法使用两个指针p1和p2，分别指向链表的头和尾。如果存在环，则最终p1和p2会相遇，算法返回true；否则，算法返回false。
java回溯算法、贪心算法、分治算法
好的，回溯算法、贪心算法和分治算法是常见的算法设计思想，可以用于解决不同类型的问题。以下是对这三种算法的简单介绍：
回溯算法：回溯算法是一种通过递归或迭代的方式进行深度优先搜索的算法。它从一个起始状态开始，然后逐步尝试不同的可能路径，直到找到目标状态或达到搜索的边界。在回溯过程中，如果遇到不满足条件的情况，算法会回溯到上一个状态，并尝试其他可能的路径。回溯算法常用于解决一些复杂的问题，如八皇后问题、图的着色问题等。
贪心算法：贪心算法是一种在每一步都选择当前看起来最优的解决方案的算法。它在解决问题时做出局部最优选择，希望通过一系列局部最优选择来达到全局最优解。贪心算法通常在每一步都不考虑整体问题的最优解，而是只考虑当前步骤的最优选择。贪心算法常用于优化问题，如找零问题、最小生成树问题等。
分治算法：分治算法是一种将大问题分解为小问题，并分别解决小问题的算法。它通过递归的方式将问题分解成子问题，然后对子问题进行求解，最后将子问题的解合并成原始问题的解。分治算法的核心思想是将问题规模缩小，从而降低问题的复杂性。分治算法常用于排序问题（如快速排序）、矩阵乘法等。
这三种算法在不同的问题中有不同的应用场景。回溯算法适用于解决复杂的搜索问题，贪心算法适用于优化问题，而分治算法适用于递归可分解的问题。在实际应用中，需要根据具体问题的特点选择合适的算法。
下面是一个简单的 Java 示例，演示了如何使用回溯算法解决八皇后问题：
public class EightQueens {
public static void main(String[] args) {
int n = 8;
solveNQueens(n);
}
private static void solveNQueens(int n) {
// 定义棋盘数组
boolean[][] board = new boolean[n][n];
// 放置第一个皇后
placeQueen(0, 0, board);
// 如果没有放置成功，则回溯
if (!isPlaceValid(0, 0, board)) {
return;
}
// 递归放置其他皇后
solveNQueens(n - 1);
}
private static void placeQueen(int row, int col, boolean[][] board) {
// 在当前位置放置皇后
board[row][col] = true;
// 检查是否与其他皇后冲突
for (int i = 0; i < row; i++) {
if (board[i][col]) {
// 冲突，回溯
board[row][col] = false;
return;
}
}
for (int i = row - 1, j = col - 1; i >= 0 && j >= 0; i--, j--) {
if (board[i][j]) {
// 冲突，回溯
board[row][col] = false;
return;
}
}
for (int i = row - 1, j = col + 1; i >= 0 && j < n; i--, j++) {
if (board[i][j]) {
// 冲突，回溯
board[row][col] = false;
return;
}
}
}
private static boolean isPlaceValid(int row, int col, boolean[][] board) {
// 检查同一列是否有皇后
for (int i = 0; i < row; i++) {
if (board[i][col]) {
return false;
}
}
// 检查左上角到右下角的对角线是否有皇后
for (int i = row - 1, j = col - 1; i >= 0 && j >= 0; i--, j--) {
if (board[i][j]) {
return false;
}
}
// 检查右上角到左下角的对角线是否有皇后
for (int i = row - 1, j = col + 1; i >= 0 && j < n; i--, j++) {
if (board[i][j]) {
return false;
}
}
// 如果没有冲突，则返回 true
return true;
}
}
这段代码使用了递归回溯的方法来解决八皇后问题。递归函数 solveNQueens 尝试在棋盘的每一行放置一个皇后，并通过调用 placeQueen 函数来放置皇后。如果放置成功，则继续递归放置下一行的皇后。如果放置失败，则回溯到上一行，并尝试其他位置。
placeQueen 函数用于在指定位置放置皇后，并检查是否与其他皇后冲突。如果没有冲突，则返回 true；否则，返回 false，并回溯到上一个状态。
isPlaceValid 函数用于检查当前位置是否可以放置皇后。它检查同一列、主对角线和副对角线上是否有其他皇后。
通过递归回溯和状态检查，算法最终找到了所有可行的八皇后放置方案。