ljsspace

RMQ+1/-1算法

RMQ+1/-1问题要求数列中相邻两个元素相差+1或-1。利用这个限定条件可以使该算法复杂度总体上达到<O(n),O(1)>。具体做法是：

1) 设数列A的大小为n，先对数列A分组，每组大小为b=1/2.logn （之所以这样分是为了将预处理复杂度从O(nlogn)降为O(n)），共分为n/b个组；

以下第2到第4步完成RMQ+1/-1问题的预处理阶段(参考以下实现中的preprocess方法)。

2）生成O(sqrt(n))个LU表P[][]和一个block类型数组T[]: 对每个组内部进行预处理(inblock preprocessing)（参考以下实现中的makeLUTable方法），采用的方法是用动态规划加速的蛮立法，组内预处理的结果是生成2^(b-1)个不同组的lookup table（LU表），这里之所以只需要处理2^(b-1)个不同组(姑且把这些组叫做基本blocks)就是利用了"数列中相邻两个元素相差+1或-1"这个特点，由于2^(b-1)相当于O(sqrt(n))数量级，因此inblock预处理组的数量是很小的，由于将上三角形状的LU表压缩存储为一维表L，因此每一个block的LU表占的存储空间可以从b^2降至(b+1)*b/2。需要注意的是，每个block的LU表存储的只是该组的最小元素在该组内部的下标值，因此在调用queryLUTable方法进行组内查询(inblock query)时还需要加一个偏移量offset，将查询的结果转化为数列A的下标值（参考以下实现中的queryLUTable方法）。

这一步操作的复杂度为O((2^(b-1)) * (b+1)*b/2) = O(n)。

由于在组内查询时需要将n/b个blocks映射到2^(b-1)个基本blocks（多对一映射），因此还需要计算每一个block的类型数组T[]，计算细节参考以下实现中的computeBlockType方法。计算过程使用Horner规则。这一步操作的复杂度为O(n)。

另外，在第一步的分组中，最后一个block大小可能比b小，这时还需要对该组进行特殊处理。

3）生成每个组的代表元素min值（注：每一个组可以看成一个等价类）的下标数组B[]: 利用inblock预处理的结果找出每一个block的最小元素的下标值（由于区间查询使用的是queryLUTable方法，该下标是数列A的下标值，而不是block内部的下标值，这正是我们需要得到的下标值），而不需要扫描整个block来找min值。需要注意的是，最后一个block大小小于b的情况，这时区间查询应该是start...n-1而不是start...end （start和end是该block的起始和结束位置下标值，并且end>n-1）。

这一步生成的结果B[]用于下面一步的组间预处理(outbock preprocessing)中。

4）利用第3步中的数组B生成组间稀疏表M[]: 采用ST(Sparse Table)算法，计算细节参考以下实现中的outBlockPreprocess方法。这一步操作的复杂度为O(n/b*log(n/b))=O(n)。

上面2-4步完成的是预处理，预处理总的复杂度为O(n)。

5）接下来进行查询（参考以下实现中的query方法）。查询分两个cases:

case a)如果查询区间p..q刚好落在一个block中，可以直接调用queryLUTable方法查询得出结果。由于使用lookup table，这一步的复杂度为O(1)。

case b)如果查询区间p..q跨越两个或以上的blocks，则针对第一个和最后一个block使用queryLUTable方法查询得出各自最小值的下标，这一步的复杂度为O(1)。然后对中间跨越的那些blocks使用组间查询(参考以下实现中的outBlockQuery方法)，这一步的复杂度等于ST算法中的O(1)。然后比较这三个最小值下标，将他们的最小值对应的下标作为结果返回。

需要注意几点：

1）分组大小为b=1/2.logn，可以将该算法预处理复杂度从普通ST算法的O(nlogn)降到O(n)，即去除对数因子。

2）LU表是基本表，因此该表中存储的下标值是表内部的下标值（即不依赖于任何具体的block），这不同于数列A的下标。因此在查询时需要偏移。

3) 下标数组B[]也叫做概要数组(summary array)，如果在组间查询时将每一个block看成一个等价类，那么B中每一个元素相当于对应block这个等价类中的代表元素。

4）最后一个block可能需要单独处理：将不足一个block的元素扩展为一个整的block。但是在查询阶段，查询区间p...q不会超越数列A的范围0...n-1。

5）总体复杂度是<O(n),O(1)>，因此相比ST算法，该算法是最佳的选择。虽然RMQ+1/-1具有特殊性，但是一般的RMQ问题也可以在O(n)时间内转化为RMQ+1/-1问题，因此一般的RMQ问题也可以达到<O(n),O(1)>的复杂度。

实现：

/**
 * 
 * An algorithm to solve RMQ+1/-1 problem
 * time complexity: <O(n),O(1)>
 * 
 *  
 * Copyright (c) 2011 ljs (http://blog.csdn.net/ljsspace/)
 * Licensed under GPL (http://www.opensource.org/licenses/gpl-license.php) 
 * 
 * @author ljs
 * 2011-08-04
 *
 */ 
public class MinusOrPlusOne_RMQ {
	private int blocksize;
	private int blockcount;
	
	//block type
	private int[] T;
	//block LookUp table
	private int[][] P;
	
	//out-of-block sparse table 
	//the first-dimension indices are block IDs
	private int[][] M;
	
	//check if A is valid +1/-1 RMQ 
	private void sanityCheck(int[] A) throws Exception{
		for(int i=1;i<A.length;i++){
			int diff = A[i] - A[i-1];
			if(!(diff==1 || diff==-1))
				throw new Exception("illegal +1/-1 RMQ problem!");
		}
	}
	
	//output: blocksize, blockcount, T[], P[][], M
	public void preprocess(int[] A) throws Exception {
		sanityCheck(A);
		
		int n = A.length;
		 
		int paddingsize = 0;	

		// grouping into logn/2 sized blocks
		int b = (int) (Math.log(n) / Math.log(2)) >> 1;
		if(b==0){
			b = n;	//small problem
		}
		int count = (int) Math.ceil(n / (double)b);
		this.blocksize = b;
		this.blockcount = count;

		// padding the last block
		int endblocksize = n - b * (count - 1);
		if (endblocksize > 0 && endblocksize < b) {
			paddingsize = b - endblocksize;
		}

		
		
		//step 1: in-block preprocess
		//the size of LU table (one-dimensional)
		int size = b*(b+1)/2;
		
		int start = 0; // j is the index of A
		int end = -1;
		T = new int[count];
		int blockTypesCount = 1<<(b-1);
		P = new int[blockTypesCount][size];
		int[] B = new int[count]; //used in ST algorithm: the min-value array for each block
		boolean[] pDone =new boolean[blockTypesCount];
		
		int fullblockscnt = count;
		if(paddingsize>0){
			fullblockscnt = count - 1;
		}		
		for (int i = 0; i < fullblockscnt; i++) {
			start = end+1;
			end = (i+1)*b-1;
			//compute the type of the block 
			int type = computeBlockType(A,start,end);	
			T[i] = type;
			if(!pDone[type]){
				//if LU table is not done yet for this type of block
				P[type] = makeLUTable(b,A,start,size);		
				pDone[type]=true;
			}			
			B[i] = queryLUTable(b,start,start,end,type);			
		}
		//the end block
		if(paddingsize>0){
			start = end+1;
			end = count*b-1;
			
			//extend the end block
			int actualsize = n-start;
			int[] D = new int[b];
			System.arraycopy(A, start, D, 0, actualsize); 
			for (int k = actualsize; k < b; k++) {
				D[k] = D[k - 1] + 1;
			}			
			
			int type = computeBlockType(D,0,b-1);	
			T[count-1] = type;
			if(!pDone[type]){
				P[type] = makeLUTable(b,D,0,size);		
				pDone[type]=true;
			}	
			//the min-index from start...n-1, not start...end
			B[count-1] = queryLUTable(b,start,start,n-1,type);		
		}
		
		//step 2: Sparse table algorithm applied to out-of-blocks		
		this.M = outBlockPreprocess(B,A,count);
	}
	
	//return the index
	public int query(int[] A,int p,int q){
		if(q<p){
			//swap  
			int tmp=p;p=q;q=tmp;
		}
		
		int start = 0; // j is the index of A
		int end = -1;
		int s = 0,t=0; //i..j for ST algorithm
		int startMin=-1,endMin=-1; //the start block and end block's min index
		for (int i = 0; i < this.blockcount; i++) {
			start = end+1;
			end = (i+1)*this.blocksize-1;
			if(p>=start && q<=end){
				//within a block
				return queryLUTable(blocksize,start,p,q,T[i]);
			}else if(p>=start && p<=end){
				startMin = queryLUTable(blocksize,start,p,end,T[i]);
				s=i+1;
			}else if(q<=end && q>=start){
				endMin = queryLUTable(blocksize,start,start,q,T[i]);
				t=i-1;
				break;
			}
		}
		int minIndex = startMin;
		
		if(s<=t){
			int outBlocksMin = outBlockQuery(A,s,t);
			if(A[startMin]>A[outBlocksMin]){
				minIndex = outBlocksMin;
			}
		}
		if(A[minIndex]>A[endMin]){
			minIndex = endMin;
		}
		return minIndex;
	}
	
	//ST: O(1) for querying
	//precondition: s<=t
	private int outBlockQuery(int[] A,int s,int t){
		int k = (int)(Math.log(t-s+1)/Math.log(2));
		//the first interval
		int mina = M[s][k];
		int minb = M[t-(1<<k)+1][k];
		if(A[mina]<=A[minb])
			return mina;
		else
			return minb;
	}
	
	private int[][] outBlockPreprocess(int[] B,int[] A,int count){
		//floor value
		int maxJ=(int)(Math.log(count)/Math.log(2));
		 
		int[][] M = new int[count][maxJ+1];
		
		//initial condition for dynamic programming: the RMQ for interval length=1
		for (int i = 0; i < count; i++)
	          M[i][0] = B[i];
		
		//dynamic programming: compute values from smaller(j=1) to bigger intervals
	    for (int j = 1; j<=maxJ; j++){
	        for (int i = 0; i + (1 << j) - 1 < count; i++){
	        	int nexti = i + (1 << (j - 1));
	            if (A[M[i][j - 1]] <= A[M[nexti][j - 1]])
	                M[i][j] = M[i][j - 1];
	            else
	                M[i][j] = M[nexti][j - 1];
	        }
	    }
	    return M;
	}
	private int computeBlockType(int[] D,int start,int end){	
		int sum = 0;
		//use Horner's rule
		for(int i=start+1;i<=end;i++){
			int diff = D[i]-D[i-1];
			if(diff==1){//0 when diff=+1
				sum <<= 1;
			}else{//1 when diff=-1
				sum = (sum << 1) + 1;
			}				
		}
		return sum;
	}
 
	//return the index  
	//precondition: i<=j
	private int queryLUTable(int blocksize,int offset,int i,int j,int type){
		i -= offset; j-=offset;
		int[] L = P[type];
		int index = blocksize*i - (i-1)*i/2 + (j-i);
		return L[index]+offset;
	}
	//use naive method to compute the lookup table for a block
	//the return index is relative to the block itself
	private int[] makeLUTable(int blocksize, int[] D,int offset,int size) {
 		int[][] Q = new int[blocksize][blocksize];
		for (int i = 0; i < blocksize; i++)
			Q[i][i] = i;
		for (int i = 0; i < blocksize; i++)
			for (int j = i + 1; j < blocksize; j++)
				if (D[Q[i][j - 1]+offset] <= D[j+offset])
					Q[i][j] = Q[i][j - 1];
				else
					Q[i][j] = j;
		//convert to one-dimension array		
		int[] L = new int[size];
		int k=0;
		for(int i=0;i<blocksize;i++){
			for(int j=i;j<blocksize;j++,k++){
				L[k] = Q[i][j];
			}
		}
		return L;
	}
	
	private void reportLUTable(int[] A){
		System.out.format("%n***********************%n");
		for(int x=0;x<A.length;x++){
			System.out.format("%d..[%d-%d]",x,x,A.length-1);
			for(int y=x;y<A.length;y++){
				int p = query(A,x,y);				
				System.out.format(" %d/%d",A[p],p);
			}
			System.out.println();
		}	
		
	}

	public static void main(String[] args) throws Exception {

		int[] A = new int[]{3,2,3};
		MinusOrPlusOne_RMQ mpoRMQ = new MinusOrPlusOne_RMQ();
		mpoRMQ.preprocess(A);
		mpoRMQ.reportLUTable(A);
		
		
		A = new int[]{1,0,1,2};
		mpoRMQ = new MinusOrPlusOne_RMQ();
		mpoRMQ.preprocess(A);
		mpoRMQ.reportLUTable(A);
		
		A = new int[]{1,0,1,0};
		mpoRMQ = new MinusOrPlusOne_RMQ();
		mpoRMQ.preprocess(A);
		mpoRMQ.reportLUTable(A);
		
		
		A = new int[] { 0, 1, 0, 1, 2, 3, 2, 3, 2, 1, 2, 3, 2, 3, 2, 1, 0 };
		mpoRMQ = new MinusOrPlusOne_RMQ();
		mpoRMQ.preprocess(A);
		
		System.out.format("%n***********************%n");		
		int i=5,j=11;		
		int min = mpoRMQ.query(A,i,j);
		System.out.format("RMQ for A[%d..%d]: A[%d]=%d", i,j,min,A[min]);
		
		System.out.format("%n***********************%n");		
		j=5;
		i=11;		
		min = mpoRMQ.query(A,i,j);
		System.out.format("RMQ for A[%d..%d]: A[%d]=%d", i,j,min,A[min]);
		
		System.out.format("%n***********************%n");		
		i=4;
		j=16;		
		min = mpoRMQ.query(A,i,j);
		System.out.format("RMQ for A[%d..%d]: A[%d]=%d", i,j,min,A[min]);
		
		System.out.format("%n***********************%n");
		mpoRMQ.reportLUTable(A);
		
		
		
		A = new int[]{ 
				10,11,12,13,12,11,10,9,10,11,  //0..9
				12,13,14,15,14,15,14,15,16,17, //10..19
				16,15,14,13,12,11,10,9,8,7,    //20..29
				8,9,10,11,12,13,12,11,10,9,    //30..39
				10,11,12,13,14,15,14,15,14,15, //40..49
				16,17,16,15,14,13,12,11,10,9,  //50..59
				8,7,8,9,10,11,12,13,12,11,     //60..69
				10,9,10,11,12,13,14,15,14,15,  //70..79
				14,15,16,17,16,15,14,13,12,11, //80..89
				10,9,8,7,8,9,10,11,12,13,14};     //90..100
		mpoRMQ = new MinusOrPlusOne_RMQ();
		mpoRMQ.preprocess(A);
		mpoRMQ.reportLUTable(A);
	}

}

测试输出：

***********************
0..[0-3] 1/0 1/0 1/0 1/0
1..[1-3] 2/1 2/1 2/1
2..[2-3] 3/2 3/2
3..[3-3] 4/3

***********************
0..[0-3] 1/0 0/1 0/1 0/1
1..[1-3] 0/1 0/1 0/1
2..[2-3] 1/2 1/2
3..[3-3] 2/3

***********************
0..[0-3] 1/0 0/1 0/1 0/1
1..[1-3] 0/1 0/1 0/1
2..[2-3] 1/2 0/3
3..[3-3] 0/3

***********************
RMQ for A[5..11]: A[9]=1
***********************
RMQ for A[11..5]: A[9]=1
***********************
RMQ for A[4..16]: A[16]=0
***********************

***********************
0..[0-16] 0/0 0/0 0/0 0/0 0/0 0/0 0/0 0/0 0/0 0/0 0/0 0/0 0/0 0/0 0/0 0/0 0/0
1..[1-16] 1/1 0/2 0/2 0/2 0/2 0/2 0/2 0/2 0/2 0/2 0/2 0/2 0/2 0/2 0/2 0/2
2..[2-16] 0/2 0/2 0/2 0/2 0/2 0/2 0/2 0/2 0/2 0/2 0/2 0/2 0/2 0/2 0/2
3..[3-16] 1/3 1/3 1/3 1/3 1/3 1/3 1/3 1/3 1/3 1/3 1/3 1/3 1/3 0/16
4..[4-16] 2/4 2/4 2/4 2/4 2/4 1/9 1/9 1/9 1/9 1/9 1/9 1/9 0/16
5..[5-16] 3/5 2/6 2/6 2/6 1/9 1/9 1/9 1/9 1/9 1/9 1/9 0/16
6..[6-16] 2/6 2/6 2/6 1/9 1/9 1/9 1/9 1/9 1/9 1/9 0/16
7..[7-16] 3/7 2/8 1/9 1/9 1/9 1/9 1/9 1/9 1/9 0/16
8..[8-16] 2/8 1/9 1/9 1/9 1/9 1/9 1/9 1/9 0/16
9..[9-16] 1/9 1/9 1/9 1/9 1/9 1/9 1/9 0/16
10..[10-16] 2/10 2/10 2/10 2/10 2/10 1/15 0/16
11..[11-16] 3/11 2/12 2/12 2/12 1/15 0/16
12..[12-16] 2/12 2/12 2/12 1/15 0/16
13..[13-16] 3/13 2/14 1/15 0/16
14..[14-16] 2/14 1/15 0/16
15..[15-16] 1/15 0/16
16..[16-16] 0/16

***********************
0..[0-100] 10/0 10/0 10/0 10/0 10/0 10/0 10/0 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 8/28 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29
1..[1-100] 11/1 11/1 11/1 11/1 11/1 10/6 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 8/28 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29
2..[2-100] 12/2 12/2 12/2 11/5 10/6 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 8/28 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29
3..[3-100] 13/3 12/4 11/5 10/6 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 8/28 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29
4..[4-100] 12/4 11/5 10/6 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 8/28 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29
5..[5-100] 11/5 10/6 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 8/28 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29
6..[6-100] 10/6 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 8/28 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29
7..[7-100] 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 9/7 8/28 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29
8..[8-100] 10/8 10/8 10/8 10/8 10/8 10/8 10/8 10/8 10/8 10/8 10/8 10/8 10/8 10/8 10/8 10/8 10/8 10/8 10/8 9/27 8/28 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29
9..[9-100] 11/9 11/9 11/9 11/9 11/9 11/9 11/9 11/9 11/9 11/9 11/9 11/9 11/9 11/9 11/9 11/9 11/9 10/26 9/27 8/28 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29
10..[10-100] 12/10 12/10 12/10 12/10 12/10 12/10 12/10 12/10 12/10 12/10 12/10 12/10 12/10 12/10 12/10 11/25 10/26 9/27 8/28 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29
11..[11-100] 13/11 13/11 13/11 13/11 13/11 13/11 13/11 13/11 13/11 13/11 13/11 13/11 13/11 12/24 11/25 10/26 9/27 8/28 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29
12..[12-100] 14/12 14/12 14/12 14/12 14/12 14/12 14/12 14/12 14/12 14/12 14/12 13/23 12/24 11/25 10/26 9/27 8/28 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29
13..[13-100] 15/13 14/14 14/14 14/14 14/14 14/14 14/14 14/14 14/14 14/14 13/23 12/24 11/25 10/26 9/27 8/28 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29
14..[14-100] 14/14 14/14 14/14 14/14 14/14 14/14 14/14 14/14 14/14 13/23 12/24 11/25 10/26 9/27 8/28 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29
15..[15-100] 15/15 14/16 14/16 14/16 14/16 14/16 14/16 14/16 13/23 12/24 11/25 10/26 9/27 8/28 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29
16..[16-100] 14/16 14/16 14/16 14/16 14/16 14/16 14/16 13/23 12/24 11/25 10/26 9/27 8/28 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29
17..[17-100] 15/17 15/17 15/17 15/17 15/17 14/22 13/23 12/24 11/25 10/26 9/27 8/28 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29
18..[18-100] 16/18 16/18 16/18 15/21 14/22 13/23 12/24 11/25 10/26 9/27 8/28 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29
19..[19-100] 17/19 16/20 15/21 14/22 13/23 12/24 11/25 10/26 9/27 8/28 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29
20..[20-100] 16/20 15/21 14/22 13/23 12/24 11/25 10/26 9/27 8/28 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29
21..[21-100] 15/21 14/22 13/23 12/24 11/25 10/26 9/27 8/28 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29
22..[22-100] 14/22 13/23 12/24 11/25 10/26 9/27 8/28 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29
23..[23-100] 13/23 12/24 11/25 10/26 9/27 8/28 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29
24..[24-100] 12/24 11/25 10/26 9/27 8/28 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29
25..[25-100] 11/25 10/26 9/27 8/28 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29
26..[26-100] 10/26 9/27 8/28 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29
27..[27-100] 9/27 8/28 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29
28..[28-100] 8/28 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29
29..[29-100] 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29 7/29
30..[30-100] 8/30 8/30 8/30 8/30 8/30 8/30 8/30 8/30 8/30 8/30 8/30 8/30 8/30 8/30 8/30 8/30 8/30 8/30 8/30 8/30 8/30 8/30 8/30 8/30 8/30 8/30 8/30 8/30 8/30 8/30 8/30 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61
31..[31-100] 9/31 9/31 9/31 9/31 9/31 9/31 9/31 9/31 9/31 9/31 9/31 9/31 9/31 9/31 9/31 9/31 9/31 9/31 9/31 9/31 9/31 9/31 9/31 9/31 9/31 9/31 9/31 9/31 9/31 8/60 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61
32..[32-100] 10/32 10/32 10/32 10/32 10/32 10/32 10/32 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 8/60 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61
33..[33-100] 11/33 11/33 11/33 11/33 11/33 10/38 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 8/60 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61
34..[34-100] 12/34 12/34 12/34 11/37 10/38 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 8/60 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61
35..[35-100] 13/35 12/36 11/37 10/38 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 8/60 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61
36..[36-100] 12/36 11/37 10/38 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 8/60 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61
37..[37-100] 11/37 10/38 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 8/60 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61
38..[38-100] 10/38 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 8/60 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61
39..[39-100] 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 9/39 8/60 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61
40..[40-100] 10/40 10/40 10/40 10/40 10/40 10/40 10/40 10/40 10/40 10/40 10/40 10/40 10/40 10/40 10/40 10/40 10/40 10/40 10/40 9/59 8/60 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61
41..[41-100] 11/41 11/41 11/41 11/41 11/41 11/41 11/41 11/41 11/41 11/41 11/41 11/41 11/41 11/41 11/41 11/41 11/41 10/58 9/59 8/60 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61
42..[42-100] 12/42 12/42 12/42 12/42 12/42 12/42 12/42 12/42 12/42 12/42 12/42 12/42 12/42 12/42 12/42 11/57 10/58 9/59 8/60 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61
43..[43-100] 13/43 13/43 13/43 13/43 13/43 13/43 13/43 13/43 13/43 13/43 13/43 13/43 13/43 12/56 11/57 10/58 9/59 8/60 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61
44..[44-100] 14/44 14/44 14/44 14/44 14/44 14/44 14/44 14/44 14/44 14/44 14/44 13/55 12/56 11/57 10/58 9/59 8/60 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61
45..[45-100] 15/45 14/46 14/46 14/46 14/46 14/46 14/46 14/46 14/46 14/46 13/55 12/56 11/57 10/58 9/59 8/60 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61
46..[46-100] 14/46 14/46 14/46 14/46 14/46 14/46 14/46 14/46 14/46 13/55 12/56 11/57 10/58 9/59 8/60 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61
47..[47-100] 15/47 14/48 14/48 14/48 14/48 14/48 14/48 14/48 13/55 12/56 11/57 10/58 9/59 8/60 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61
48..[48-100] 14/48 14/48 14/48 14/48 14/48 14/48 14/48 13/55 12/56 11/57 10/58 9/59 8/60 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61
49..[49-100] 15/49 15/49 15/49 15/49 15/49 14/54 13/55 12/56 11/57 10/58 9/59 8/60 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61
50..[50-100] 16/50 16/50 16/50 15/53 14/54 13/55 12/56 11/57 10/58 9/59 8/60 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61
51..[51-100] 17/51 16/52 15/53 14/54 13/55 12/56 11/57 10/58 9/59 8/60 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61
52..[52-100] 16/52 15/53 14/54 13/55 12/56 11/57 10/58 9/59 8/60 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61
53..[53-100] 15/53 14/54 13/55 12/56 11/57 10/58 9/59 8/60 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61
54..[54-100] 14/54 13/55 12/56 11/57 10/58 9/59 8/60 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61
55..[55-100] 13/55 12/56 11/57 10/58 9/59 8/60 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61
56..[56-100] 12/56 11/57 10/58 9/59 8/60 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61
57..[57-100] 11/57 10/58 9/59 8/60 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61
58..[58-100] 10/58 9/59 8/60 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61
59..[59-100] 9/59 8/60 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61
60..[60-100] 8/60 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61
61..[61-100] 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61 7/61
62..[62-100] 8/62 8/62 8/62 8/62 8/62 8/62 8/62 8/62 8/62 8/62 8/62 8/62 8/62 8/62 8/62 8/62 8/62 8/62 8/62 8/62 8/62 8/62 8/62 8/62 8/62 8/62 8/62 8/62 8/62 8/62 8/62 7/93 7/93 7/93 7/93 7/93 7/93 7/93 7/93
63..[63-100] 9/63 9/63 9/63 9/63 9/63 9/63 9/63 9/63 9/63 9/63 9/63 9/63 9/63 9/63 9/63 9/63 9/63 9/63 9/63 9/63 9/63 9/63 9/63 9/63 9/63 9/63 9/63 9/63 9/63 8/92 7/93 7/93 7/93 7/93 7/93 7/93 7/93 7/93
64..[64-100] 10/64 10/64 10/64 10/64 10/64 10/64 10/64 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 8/92 7/93 7/93 7/93 7/93 7/93 7/93 7/93 7/93
65..[65-100] 11/65 11/65 11/65 11/65 11/65 10/70 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 8/92 7/93 7/93 7/93 7/93 7/93 7/93 7/93 7/93
66..[66-100] 12/66 12/66 12/66 11/69 10/70 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 8/92 7/93 7/93 7/93 7/93 7/93 7/93 7/93 7/93
67..[67-100] 13/67 12/68 11/69 10/70 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 8/92 7/93 7/93 7/93 7/93 7/93 7/93 7/93 7/93
68..[68-100] 12/68 11/69 10/70 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 8/92 7/93 7/93 7/93 7/93 7/93 7/93 7/93 7/93
69..[69-100] 11/69 10/70 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 8/92 7/93 7/93 7/93 7/93 7/93 7/93 7/93 7/93
70..[70-100] 10/70 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 8/92 7/93 7/93 7/93 7/93 7/93 7/93 7/93 7/93
71..[71-100] 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 9/71 8/92 7/93 7/93 7/93 7/93 7/93 7/93 7/93 7/93
72..[72-100] 10/72 10/72 10/72 10/72 10/72 10/72 10/72 10/72 10/72 10/72 10/72 10/72 10/72 10/72 10/72 10/72 10/72 10/72 10/72 9/91 8/92 7/93 7/93 7/93 7/93 7/93 7/93 7/93 7/93
73..[73-100] 11/73 11/73 11/73 11/73 11/73 11/73 11/73 11/73 11/73 11/73 11/73 11/73 11/73 11/73 11/73 11/73 11/73 10/90 9/91 8/92 7/93 7/93 7/93 7/93 7/93 7/93 7/93 7/93
74..[74-100] 12/74 12/74 12/74 12/74 12/74 12/74 12/74 12/74 12/74 12/74 12/74 12/74 12/74 12/74 12/74 11/89 10/90 9/91 8/92 7/93 7/93 7/93 7/93 7/93 7/93 7/93 7/93
75..[75-100] 13/75 13/75 13/75 13/75 13/75 13/75 13/75 13/75 13/75 13/75 13/75 13/75 13/75 12/88 11/89 10/90 9/91 8/92 7/93 7/93 7/93 7/93 7/93 7/93 7/93 7/93
76..[76-100] 14/76 14/76 14/76 14/76 14/76 14/76 14/76 14/76 14/76 14/76 14/76 13/87 12/88 11/89 10/90 9/91 8/92 7/93 7/93 7/93 7/93 7/93 7/93 7/93 7/93
77..[77-100] 15/77 14/78 14/78 14/78 14/78 14/78 14/78 14/78 14/78 14/78 13/87 12/88 11/89 10/90 9/91 8/92 7/93 7/93 7/93 7/93 7/93 7/93 7/93 7/93
78..[78-100] 14/78 14/78 14/78 14/78 14/78 14/78 14/78 14/78 14/78 13/87 12/88 11/89 10/90 9/91 8/92 7/93 7/93 7/93 7/93 7/93 7/93 7/93 7/93
79..[79-100] 15/79 14/80 14/80 14/80 14/80 14/80 14/80 14/80 13/87 12/88 11/89 10/90 9/91 8/92 7/93 7/93 7/93 7/93 7/93 7/93 7/93 7/93
80..[80-100] 14/80 14/80 14/80 14/80 14/80 14/80 14/80 13/87 12/88 11/89 10/90 9/91 8/92 7/93 7/93 7/93 7/93 7/93 7/93 7/93 7/93
81..[81-100] 15/81 15/81 15/81 15/81 15/81 14/86 13/87 12/88 11/89 10/90 9/91 8/92 7/93 7/93 7/93 7/93 7/93 7/93 7/93 7/93
82..[82-100] 16/82 16/82 16/82 15/85 14/86 13/87 12/88 11/89 10/90 9/91 8/92 7/93 7/93 7/93 7/93 7/93 7/93 7/93 7/93
83..[83-100] 17/83 16/84 15/85 14/86 13/87 12/88 11/89 10/90 9/91 8/92 7/93 7/93 7/93 7/93 7/93 7/93 7/93 7/93
84..[84-100] 16/84 15/85 14/86 13/87 12/88 11/89 10/90 9/91 8/92 7/93 7/93 7/93 7/93 7/93 7/93 7/93 7/93
85..[85-100] 15/85 14/86 13/87 12/88 11/89 10/90 9/91 8/92 7/93 7/93 7/93 7/93 7/93 7/93 7/93 7/93
86..[86-100] 14/86 13/87 12/88 11/89 10/90 9/91 8/92 7/93 7/93 7/93 7/93 7/93 7/93 7/93 7/93
87..[87-100] 13/87 12/88 11/89 10/90 9/91 8/92 7/93 7/93 7/93 7/93 7/93 7/93 7/93 7/93
88..[88-100] 12/88 11/89 10/90 9/91 8/92 7/93 7/93 7/93 7/93 7/93 7/93 7/93 7/93
89..[89-100] 11/89 10/90 9/91 8/92 7/93 7/93 7/93 7/93 7/93 7/93 7/93 7/93
90..[90-100] 10/90 9/91 8/92 7/93 7/93 7/93 7/93 7/93 7/93 7/93 7/93
91..[91-100] 9/91 8/92 7/93 7/93 7/93 7/93 7/93 7/93 7/93 7/93
92..[92-100] 8/92 7/93 7/93 7/93 7/93 7/93 7/93 7/93 7/93
93..[93-100] 7/93 7/93 7/93 7/93 7/93 7/93 7/93 7/93
94..[94-100] 8/94 8/94 8/94 8/94 8/94 8/94 8/94
95..[95-100] 9/95 9/95 9/95 9/95 9/95 9/95
96..[96-100] 10/96 10/96 10/96 10/96 10/96
97..[97-100] 11/97 11/97 11/97 11/97
98..[98-100] 12/98 12/98 12/98
99..[99-100] 13/99 13/99
100..[100-100] 14/100

你可能感兴趣的:(Algorithm,算法,exception,table,query,Intervals)

机器学习与深度学习间关系与区别 ℒℴѵℯ心·动ꦿ໊ོ꫞ 人工智能学习深度学习 python
一、机器学习概述定义机器学习（MachineLearning,ML）是一种通过数据驱动的方法，利用统计学和计算算法来训练模型，使计算机能够从数据中学习并自动进行预测或决策。机器学习通过分析大量数据样本，识别其中的模式和规律，从而对新的数据进行判断。其核心在于通过训练过程，让模型不断优化和提升其预测准确性。主要类型1.监督学习（SupervisedLearning）监督学习是指在训练数据集中包含输入
UI学习——cell的复用和自定义cell Magnetic_h ui 学习
目录cell的复用手动（非注册）自动（注册）自定义cellcell的复用在iOS开发中，单元格复用是一种提高表格（UITableView）和集合视图（UICollectionView）滚动性能的技术。当一个UITableViewCell或UICollectionViewCell首次需要显示时，如果没有可复用的单元格，则视图会创建一个新的单元格。一旦这个单元格滚动出屏幕，它就不会被销毁。相反，它被添
Goolge earth studio 进阶4——路径修改与平滑陟彼高冈yu Google earth studio 进阶教程旅游
如果我们希望在大约中途时获得更多的城市鸟瞰视角。可以将相机拖动到这里并创建一个新的关键帧。camera_target_clip_7EarthStudio会自动平滑我们的路径，所以当我们通过这个关键帧时，不是一个生硬的角度，而是一个平滑的曲线。camera_target_clip_8路径上有贝塞尔控制手柄，允许我们调整路径的形状。右键单击，我们可以选择“平滑路径”，这是默认的自动平滑算法，或者我们可
基于社交网络算法优化的二维最大熵图像分割智能算法研学社（Jack旭）智能优化算法应用图像分割算法 php 开发语言
智能优化算法应用：基于社交网络优化的二维最大熵图像阈值分割-附代码文章目录智能优化算法应用：基于社交网络优化的二维最大熵图像阈值分割-附代码1.前言2.二维最大熵阈值分割原理3.基于社交网络优化的多阈值分割4.算法结果：5.参考文献：6.Matlab代码摘要：本文介绍基于最大熵的图像分割，并且应用社交网络算法进行阈值寻优。1.前言阅读此文章前，请阅读《图像分割：直方图区域划分及信息统计介绍》htt
SQL Server_查询某一数据库中的所有表的内容 qq_42772833 SQL Server 数据库 sqlserver
1.查看所有表的表名要列出CrabFarmDB数据库中的所有表（名），可以使用以下SQL语句：USECrabFarmDB;--切换到目标数据库GOSELECTTABLE_NAMEFROMINFORMATION_SCHEMA.TABLESWHERETABLE_TYPE='BASETABLE';对这段SQL脚本的解释：SELECTTABLE_NAME：这个语句的作用是从查询结果中选择TABLE_NAM
深入理解 MultiQueryRetriever：提升向量数据库检索效果的强大工具 nseejrukjhad 数据库 python
深入理解MultiQueryRetriever：提升向量数据库检索效果的强大工具引言在人工智能和自然语言处理领域，高效准确的信息检索一直是一个关键挑战。传统的基于距离的向量数据库检索方法虽然广泛应用，但仍存在一些局限性。本文将介绍一种创新的解决方案：MultiQueryRetriever，它通过自动生成多个查询视角来增强检索效果，提高结果的相关性和多样性。MultiQueryRetriever的工
数组去重好奇的猫猫猫
整理自js中基础数据结构数组去重问题思考？如何去除数组中重复的项例如数组：[1,3,4,3,5]我们在做去重的时候，一开始想到的肯定是，逐个比较，外面一层循环，内层后一个与前一个一比较，如果是久不将当前这一项放进新的数组，挨个比较完之后返回一个新的去过重复的数组不好的实践方式上述方法效率极低，代码量还多，思考？有没有更好的方法这时候不禁一想当然有了！！！hashtable啊，通过对象的hash办法
121. 买卖股票的最佳时机薄荷糖的味道_fb40
给定一个数组，它的第i个元素是一支给定股票第i天的价格。如果你最多只允许完成一笔交易（即买入和卖出一支股票），设计一个算法来计算你所能获取的最大利润。注意你不能在买入股票前卖出股票。示例1:输入:[7,1,5,3,6,4]输出:5解释:在第2天（股票价格=1）的时候买入，在第5天（股票价格=6）的时候卖出，最大利润=6-1=5。注意利润不能是7-1=6,因为卖出价格需要大于买入价格。示例2:输入:
每日算法&面试题，大厂特训二十八天——第二十天（树）肥学 ⚡算法题⚡面试题每日精进 java 算法数据结构
目录标题导读算法特训二十八天面试题点击直接资料领取导读肥友们为了更好的去帮助新同学适应算法和面试题，最近我们开始进行专项突击一步一步来。上一期我们完成了动态规划二十一天现在我们进行下一项对各类算法进行二十八天的一个小总结。还在等什么快来一起肥学进行二十八天挑战吧！！特别介绍小白练手专栏，适合刚入手的新人欢迎订阅编程小白进阶python有趣练手项目里面包括了像《机器人尬聊》《恶搞程序》这样的有趣文章
回溯算法-重新安排行程 chirou_ 算法数据结构图论 c++图搜索
leetcode332.重新安排行程这题我还没自己ac过，只能现在凭着刚学完的热乎劲把我对题解的理解记下来。本题我认为对数据结构的考察比较多，用什么数据结构去存数据，去读取数据，都是很重要的。classSolution{private:unordered_map>targets;boolbacktracking(intticketNum,vector&result){//1.确定参数和返回值//2
【PG】常见数据库、表属性设置江无羡数据库
PG的常见属性配置方法数据库复制、备份相关表的复制标识单表操作批量表操作链接数据库复制、备份相关表的复制标识单表操作通过ALTER语句单独更改一张表的复制标识。ALTERTABLE[tablename]REPLICAIDENTITYFULL;批量表操作通过代码块的方式，对某个schema中的所有表一起更新其复制标识。SELECTtablename,CASErelreplidentWHEN'd'TH
Faiss：高效相似性搜索与聚类的利器网络·魚大数据 faiss
Faiss是一个针对大规模向量集合的相似性搜索库，由FacebookAIResearch开发。它提供了一系列高效的算法和数据结构，用于加速向量之间的相似性搜索，特别是在大规模数据集上。本文将介绍Faiss的原理、核心功能以及如何在实际项目中使用它。Faiss原理：近似最近邻搜索：Faiss的核心功能之一是近似最近邻搜索，它能够高效地在大规模数据集中找到与给定查询向量最相似的向量。这种搜索是近似的，
insert into select 主键自增_mybatis拦截器实现主键自动生成 weixin_39521651 insert into select 主键自增 mybatis delete返回值 mybatis insert返回主键 mybatis insert返回对象 mybatis plus insert返回主键 mybatis plus 插入生成id
前言前阵子和朋友聊天，他说他们项目有个需求，要实现主键自动生成，不想每次新增的时候，都手动设置主键。于是我就问他，那你们数据库表设置主键自动递增不就得了。他的回答是他们项目目前的id都是采用雪花算法来生成，因此为了项目稳定性，不会切换id的生成方式。朋友问我有没有什么实现思路，他们公司的orm框架是mybatis，我就建议他说，不然让你老大把mybatis切换成mybatis-plus。mybat
k均值聚类算法考试例题_k均值算法(k均值聚类算法计算题) 寻找你83497 k均值聚类算法考试例题
?算法：第一步：选K个初始聚类中心，z1(1),z2(1)，…，zK(1)，其中括号内的序号为寻找聚类中心的迭代运算的次序号。聚类中心的向量值可任意设定，例如可选开始的K个.k均值聚类：---------一种硬聚类算法，隶属度只有两个取值0或1，提出的基本根据是“类内误差平方和最小化”准则；模糊的c均值聚类算法：--------一种模糊聚类算法，是.K均值聚类算法是先随机选取K个对象作为初始的聚类
Python实现简单的机器学习算法 master_chenchengg python python 办公效率 python开发 IT
Python实现简单的机器学习算法开篇：初探机器学习的奇妙之旅搭建环境：一切从安装开始必备工具箱第一步：安装Anaconda和JupyterNotebook小贴士：如何配置Python环境变量算法初体验：从零开始的Python机器学习线性回归：让数据说话数据准备：从哪里找数据编码实战：Python实现线性回归模型评估：如何判断模型好坏逻辑回归：从分类开始理论入门：什么是逻辑回归代码实现：使用skl
推荐算法_隐语义-梯度下降 _feivirus_ 算法机器学习和数学推荐算法机器学习隐语义
importnumpyasnp1.模型实现"""inputrate_matrix:M行N列的评分矩阵，值为P*Q.P:初始化用户特征矩阵M*K.Q:初始化物品特征矩阵K*N.latent_feature_cnt:隐特征的向量个数max_iteration:最大迭代次数alpha:步长lamda:正则化系数output分解之后的P和Q"""defLFM_grad_desc(rate_matrix,l
K近邻算法_分类鸢尾花数据集 _feivirus_ 算法机器学习和数学分类机器学习 K近邻
importnumpyasnpimportpandasaspdfromsklearn.datasetsimportload_irisfromsklearn.model_selectionimporttrain_test_splitfromsklearn.metricsimportaccuracy_score1.数据预处理iris=load_iris()df=pd.DataFrame(data=ir
数据结构 | 栈和队列 TT-Kun 数据结构与算法数据结构栈队列 C语言
文章目录栈和队列1.栈：后进先出（LIFO）的数据结构1.1概念与结构1.2栈的实现2.队列：先进先出（FIFO）的数据结构2.1概念与结构2.2队列的实现3.栈和队列算法题3.1有效的括号3.2用队列实现栈3.3用栈实现队列3.4设计循环队列结论栈和队列在计算机科学中，栈和队列是两种基本且重要的数据结构，它们在处理数据存储和访问顺序方面有着独特的规则和应用。本文将详细介绍栈和队列的概念、结构、实
[Python] 数据结构详解及代码 AIAdvocate 算法 python 数据结构链表
今日内容大纲介绍数据结构介绍列表链表1.数据结构和算法简介程序大白话翻译,程序=数据结构+算法数据结构指的是存储,组织数据的方式.算法指的是为了解决实际业务问题而思考思路和方法,就叫:算法.2.算法的5大特性介绍算法具有独立性算法是解决问题的思路和方式,最重要的是思维,而不是语言,其(算法)可以通过多种语言进行演绎.5大特性有输入,需要传入1或者多个参数有输出,需要返回1个或者多个结果有穷性,执行
vue3中el-table中点击图片放大时，被表格覆盖叫我小鹏呀 vue.js javascript 前端
问题：vue3中el-table中点击图片放大时，被表格覆盖。解决方法：el-image添加preview-teleported
vue项目element-ui的table表格单元格合并酋长哈哈 vue.js elementui javascript 前端
一、合并效果二全部代码exportdefault{name:'CellMerge',data(){return{tableData:[{id:'1',name:'王小虎',amount1:'165',amount2:'3.2',amount3:10},{id:'1',name:'王小虎',amount1:'162',amount2:'4.43',amount3:12},{id:'1',name:'
Vue中table合并单元格用法 weixin_30613343 javascript ViewUI
地名结果人名性别{{item.name}}已完成未完成{{item.groups[0].name}}{{item.groups[0].sex}}{{item.groups[son].name}}{{item.groups[son].sex}}exportdefault{data(){return{list:[{name:'地名1',result:'1',groups:[{name:'张三',sex
Python算法L5：贪心算法小熊同学哦 Python算法算法 python 贪心算法
Python贪心算法简介目录Python贪心算法简介贪心算法的基本步骤贪心算法的适用场景经典贪心算法问题1.**零钱兑换问题**2.**区间调度问题**3.**背包问题**贪心算法的优缺点优点：缺点：结语贪心算法（GreedyAlgorithm）是一种在每一步选择中都采取当前最优或最优解的算法。它的核心思想是，在保证每一步局部最优的情况下，希望通过贪心选择达到全局最优解。虽然贪心算法并不总能得到全
Mongodb Error: queryTxt ETIMEOUT xxxx.wwwdz.mongodb.net 佛一脚 error react mongodb 数据库
背景每天都能遇到奇怪的问题，做个记录，以便有缘人能得到帮助！换了一台电脑开发nextjs程序。需要连接mongodb数据，对数据进行增删改查。上一台电脑好好的程序，新电脑死活连不上mongodb数据库。同一套代码，没任何修改，搞得我怀疑人生了，打开浏览器进入mongodb官网毫无问题，也能进入线上系统查看数据，网络应该是没问题。于是我尝试了一下手机热点，这次代码能正常跑起来，连接数据库了！！！是不
2023最详细的Python安装教程（Windows版本）程序员林哥 Python python windows 开发语言
python安装是学习pyhon第一步，很多刚入门小白不清楚如何安装python，今天我来带大家完成python安装与配置，跟着我一步步来，很简单，你肯定能完成。第一部分：python安装（一）准备工作1、下载和安装python(认准官方网站)当然你不想去下载的话也可以分享给你，还有入门学习教程，点击下方卡片跳转进群领取（二）开始安装对于Windows操作系统，可以下载“executableins
C++八股 Petrichorzncu 八股总结 c++开发语言
这里写目录标题C++内存管理C++的构造函数，复制构造函数，和析构函数深复制与浅复制：构造函数和析构函数哪个能写成虚函数，为什么？C++数据结构内存排列结构体和类占用的内存：==虚函数和虚表的原理==虚函数虚表（Vtable）虚函数和虚表的实现细节==内存泄漏==指针的工作原理函数的传值和传址new和delete与malloc和freeC++内存区域划分C++11新特性C++常见新特性==智能指针
Table列表复现框实现【勾选-搜索-再勾选】～四时春～ java 开发语言 elementui vue
Table列表复现框实现【勾选-搜索-再勾选】概要整体架构流程代码实现技术细节注意参考文献概要最近在开发时遇到一个问题，在进行表单渲染时，正常选中没有问题，单如果需要搜索选中时，一个是已选中的不会回填，二是在搜索的结果中进行选中，没有实现，经过排查，查找资料后实现。例如：整体架构流程具体的实现效果如下：代码实现{{scope.row.userName}}已选区{{userItem.userName
vue+el-table 可输入表格使用上下键进行input框切换以对_ vue学习记录 vue.js javascript 前端
使用上下键进行完工数量这一列的切换-->//键盘触发事件show(ev,index){letnewIndex;letinputAll=document.querySelectorAll('.table_inputinput');//向上=38if(ev.keyCode==38){if(index==0){//如果是第一行,回到最后一个newIndex=inputAll.length-1}elsei
vue + Element UI table动态合并单元格我家媳妇儿萌哒哒 element UI vue.js 前端 javascript
一、功能需求1、根据名称相同的合并工作阶段和主要任务合并这两列，但主要任务内容一样，但要考虑主要任务一样，但工作阶段不一样的情况。（枞向合并）2、落实情况里的定量内容和定性内容值一样则合并。（横向合并）二、功能实现exportdefault{data(){return{tableData:[{name:'a',address:'1',age:'1',six:'2'},{name:'a',addre
00. 这里整理了最全的爬虫框架（Java + Python）有一只柴犬爬虫系列爬虫 java python
目录1、前言2、什么是网络爬虫3、常见的爬虫框架3.1、java框架3.1.1、WebMagic3.1.2、Jsoup3.1.3、HttpClient3.1.4、Crawler4j3.1.5、HtmlUnit3.1.6、Selenium3.2、Python框架3.2.1、Scrapy3.2.2、BeautifulSoup+Requests3.2.3、Selenium3.2.4、PyQuery3.2
关于旗正规则引擎规则中的上传和下载问题何必如此文件下载压缩 jsp 文件上传
文件的上传下载都是数据流的输入输出，大致流程都是一样的。一、文件打包下载 1.文件写入压缩包 string mainPath="D:\upload\"; 下载路径 string tmpfileName=jar.zip; &n
【Spark九十九】Spark Streaming的batch interval时间内的数据流转源码分析 bit1129 Stream
以如下代码为例（SocketInputDStream）： Spark Streaming从Socket读取数据的代码是在SocketReceiver的receive方法中，撇开异常情况不谈(Receiver有重连机制，restart方法，默认情况下在Receiver挂了之后，间隔两秒钟重新建立Socket连接)，读取到的数据通过调用store(textRead)方法进行存储。数据
spark master web ui 端口8080被占用解决方法 daizj 8080 端口占用 spark master web ui
spark master web ui 默认端口为8080，当系统有其它程序也在使用该接口时，启动master时也不会报错，spark自己会改用其它端口，自动端口号加1，但为了可以控制到指定的端口，我们可以自行设置，修改方法： 1、cd SPARK_HOME/sbin 2、vi start-master.sh 3、定位到下面部分
oracle_执行计划_谓词信息和数据获取周凡杨 oracle 执行计划
oracle_执行计划_谓词信息和数据获取(上) 一：简要说明在查看执行计划的信息中，经常会看到两个谓词filter和access，它们的区别是什么，理解了这两个词对我们解读Oracle的执行计划信息会有所帮助。简单说，执行计划如果显示是access，就表示这个谓词条件的值将会影响数据的访问路径（表还是索引），而filter表示谓词条件的值并不会影响数据访问路径，只起到
spring中datasource配置 g21121 dataSource
datasource配置有很多种，我介绍的一种是采用c3p0的，它的百科地址是： http://baike.baidu.com/view/920062.htm  <bean name="propertiesConfig" class="org.springframework.b
web报表工具FineReport使用中遇到的常见报错及解决办法（三）老A不折腾 finereport FAQ 报表软件
这里写点抛砖引玉，希望大家能把自己整理的问题及解决方法晾出来，Mark一下，利人利己。出现问题先搜一下文档上有没有，再看看度娘有没有，再看看论坛有没有。有报错要看日志。下面简单罗列下常见的问题，大多文档上都有提到的。 1、repeated column width is largerthan paper width：这个看这段话应该是很好理解的。比如做的模板页面宽度只能放
mysql 用户管理墙头上一根草 linux mysql user
1.新建用户 //登录MYSQL@>mysql -u root -p@>密码//创建用户mysql> insert into mysql.user(Host,User,Password) values(‘localhost’,'jeecn’,password(‘jeecn’));//刷新系统权限表mysql>flush privileges;这样就创建了一个名为：
关于使用Spring导致c3p0数据库死锁问题 aijuans spring Spring 入门 Spring 实例 Spring3 Spring 教程
这个问题我实在是为整个 springsource 的员工蒙羞如果大家使用 spring 控制事务，使用 Open Session In View 模式， com.mchange.v2.resourcepool.TimeoutException: A client timed out while waiting to acquire a resource from com.mchange.
百度词库联想 annan211 百度
<!DOCTYPE html> <html> <head> <meta http-equiv="Content-Type" content="text/html; charset=UTF-8"> <title>RunJS</title&g
int数据与byte之间的相互转换实现代码百合不是茶位移 int转byte byte转int 基本数据类型的实现
在BMP文件和文件压缩时需要用到的int与byte转换,现将理解的贴出来; 主要是要理解;位移等概念 http://baihe747.iteye.com/blog/2078029 int转byte; byte转int; /** * 字节转成int,int转成字节 * @author Administrator *
简单模拟实现数据库连接池 bijian1013 java thread java多线程简单模拟实现数据库连接池
简单模拟实现数据库连接池实例1： package com.bijian.thread; public class DB { //private static final int MAX_COUNT = 10; private static final DB instance = new DB(); private int count = 0; private i
一种基于Weblogic容器的鉴权设计 bijian1013 java weblogic
服务器对请求的鉴权可以在请求头中加Authorization之类的key，将用户名、密码保存到此key对应的value中，当然对于用户名、密码这种高机密的信息，应该对其进行加砂加密等，最简单的方法如下： String vuser_id = "weblogic"; String vuse
【RPC框架Hessian二】Hessian 对象序列化和反序列化 bit1129 hessian
任何一个对象从一个JVM传输到另一个JVM，都要经过序列化为二进制数据(或者字符串等其他格式，比如JSON)，然后在反序列化为Java对象，这最后都是通过二进制的数据在不同的JVM之间传输(一般是通过Socket和二进制的数据传输)，本文定义一个比较符合工作中。 1. 定义三个POJO Person类 package com.tom.hes
【Hadoop十四】Hadoop提供的脚本的功能 bit1129 hadoop
1. hadoop-daemon.sh 1.1 启动HDFS ./hadoop-daemon.sh start namenode ./hadoop-daemon.sh start datanode 通过这种逐步启动的方式，比start-all.sh方式少了一个SecondaryNameNode进程，这不影响Hadoop的使用，其实在 Hadoop2.0中，SecondaryNa
中国互联网走在“灰度”上 ronin47 管理灰度
中国互联网走在“灰度”上（转）文/孕峰第一次听说灰度这个词，是任正非说新型管理者所需要的素质。第二次听说是来自马化腾。似乎其他人包括马云也用不同的语言说过类似的意思。灰度这个词所包含的意义和视野是广远的。要理解这个词，可能同样要用“灰度”的心态。灰度的反面，是规规矩矩，清清楚楚，泾渭分明，严谨条理，是决不妥协，不转弯，认死理。黑白分明不是灰度，像彩虹那样
java-51-输入一个矩阵，按照从外向里以顺时针的顺序依次打印出每一个数字。 bylijinnan java
public class PrintMatrixClockwisely { /** * Q51.输入一个矩阵，按照从外向里以顺时针的顺序依次打印出每一个数字。例如：如果输入如下矩阵： 1 2 3 4 5 6 7 8 9
mongoDB 用户管理开窍的石头 mongoDB用户管理
1:添加用户第一次设置用户需要进入admin数据库下设置超级用户（use admin） db.addUsr({user:'useName',pwd:'111111',roles:[readWrite,dbAdmin]}); 第一个参数用户的名字第二个参数
[游戏与生活]玩暗黑破坏神3的一些问题 comsci 生活
暗黑破坏神3是有史以来最让人激动的游戏。。。。但是有几个问题需要我们注意玩这个游戏的时间，每天不要超过一个小时，且每次玩游戏最好在白天结束游戏之后，最好在太阳下面来晒一下身上的暗黑气息，让自己恢复人的生气 &nb
java 二维数组如何存入数据库 cuiyadll java
using System; using System.Linq; using System.Text; using System.Windows.Forms; using System.Xml; using System.Xml.Serialization; using System.IO; namespace WindowsFormsApplication1 {
本地事务和全局事务Local Transaction and Global Transaction(JTA) darrenzhu java spring local global transaction
Configuring Spring and JTA without full Java EE http://spring.io/blog/2011/08/15/configuring-spring-and-jta-without-full-java-ee/ Spring doc -Transaction Management http://docs.spring.io/spri
Linux命令之alias - 设置命令的别名，让 Linux 命令更简练 dcj3sjt126com linux alias
用途说明设置命令的别名。在linux系统中如果命令太长又不符合用户的习惯，那么我们可以为它指定一个别名。虽然可以为命令建立“链接”解决长文件名的问题，但对于带命令行参数的命令，链接就无能为力了。而指定别名则可以解决此类所有问题【1】。常用别名来简化ssh登录【见示例三】，使长命令变短，使常用的长命令行变短，强制执行命令时询问等。常用参数格式：alias 格式：ali
yii2 restful web服务[格式响应] dcj3sjt126com PHP yii2
响应格式当处理一个 RESTful API 请求时，一个应用程序通常需要如下步骤来处理响应格式：确定可能影响响应格式的各种因素，例如媒介类型，语言，版本，等等。这个过程也被称为 content negotiation。资源对象转换为数组，如在 Resources 部分中所描述的。通过 [[yii\rest\Serializer]]
MongoDB索引调优（2）——[十] eksliang mongodb MongoDB索引优化
转载请出自出处：http://eksliang.iteye.com/blog/2178555 一、概述上一篇文档中也说明了，MongoDB的索引几乎与关系型数据库的索引一模一样，优化关系型数据库的技巧通用适合MongoDB，所有这里只讲MongoDB需要注意的地方二、索引内嵌文档可以在嵌套文档的键上建立索引，方式与正常
当滑动到顶部和底部时，实现Item的分离效果的ListView gundumw100 android
拉动ListView，Item之间的间距会变大，释放后恢复原样； package cn.tangdada.tangbang.widget; import android.annotation.TargetApi; import android.content.Context; import android.content.res.TypedArray; import andr
程序员用HTML5制作的爱心树表白动画 ini JavaScript jquery Web html5 css
体验效果：http://keleyi.com/keleyi/phtml/html5/31.htmHTML代码如下： <!DOCTYPE html> <html xmlns="http://www.w3.org/1999/xhtml"><head><meta charset="UTF-8" > <ti
预装windows 8 系统GPT模式的ThinkPad T440改装64位 windows 7旗舰版 kakajw ThinkPad 预装改装 windows 7 windows 8
该教程具有普遍参考性，特别适用于联想的机器，其他品牌机器的处理过程也大同小异。该教程是个人多次尝试和总结的结果，实用性强，推荐给需要的人！缘由小弟最近入手笔记本ThinkPad T440，但是特别不能习惯笔记本出厂预装的Windows 8系统，而且厂商自作聪明地预装了一堆没用的应用软件，消耗不少的系统资源（本本的内存为4G，系统启动完成时，物理内存占用比
Nginx学习笔记 mcj8089 nginx
一、安装nginx 1、在nginx官方网站下载一个包，下载地址是： http://nginx.org/download/nginx-1.4.2.tar.gz 2、WinSCP(ftp上传工
mongodb 聚合查询每天论坛链接点击次数 qiaolevip 每天进步一点点学习永无止境 mongodb 纵观千象
/* 18 */ { "_id" : ObjectId("5596414cbe4d73a327e50274"), "msgType" : "text", "sendTime" : ISODate("2015-07-03T08:01:16.000Z"
java术语（PO/POJO/VO/BO/DAO/DTO） Luob. DAO POJO DTO po VO BO
PO(persistant object) 持久对象在o/r 映射的时候出现的概念,如果没有o/r映射,就没有这个概念存在了.通常对应数据模型(数据库),本身还有部分业务逻辑的处理.可以看成是与数据库中的表相映射的java对象.最简单的PO就是对应数据库中某个表中的一条记录,多个记录可以用PO的集合.PO中应该不包含任何对数据库的操作. VO(value object) 值对象通
算法复杂度 Wuaner Algorithm
Time Complexity & Big-O： http://stackoverflow.com/questions/487258/plain-english-explanation-of-big-o http://bigocheatsheet.com/ http://www.sitepoint.com/time-complexity-algorithms/