zxf347085420的博客

2、对于算法题，有些提醒“描述的很复杂”，无法得出有效结论！deepseek总结出如下规律！人的归纳总结能力不足：难以将 复杂问题简化、抽象，无法得出有效结论！用AI帮忙总结规律！然后，自己归纳保存！

1、滑动窗口算法： 本算法通过维护一个动态变化的窗口，能够在 O(n) 时间复杂度内找到最长的符合条件的区间。

原文参考：为什么算法这么难？？？_过程_逻辑_时候广大码农同学们大多都有个共识，认为算法是个硬骨头，很难啃，悲剧的是啃完了还未必有用——除了面试的时候。实际工程中一般都是用现成的模块，一般只需了解算法的目的和时空复杂度即可。不过话说回来，面试的时候面算法，包括面项目中几乎不大可能用到的算法，其实并不能说是毫无道理的。算法往往是对学习和理解能力的一块试金石，难的都能掌握，往往容易的事情不在话下。志于高者得于中。反之则不成立。另一方面，虽说教科书算法大多数都是那些即便用到也是直接拿模块用的，但不幸的是

Hash，一般翻译做散列、杂凑，或音译为哈希，是一个典型的利用空间换取时间的算法，把任意长度的输入（又叫做预映射pre-image）通过散列算法变换成固定长度的输出，该输出就是散列值。如有一个学生信息表：学生的学号为：年纪+学院号+班级号+顺序排序号【如：19(年纪)+002(2号学院)+01(一班)+17(17号)---à190020117】类似于一个这样的信息，

迭代和循环的效率都取决于循环的次数和执行的代码。在循环次数相同的情况下，迭代的效率通常比循环低，因为迭代需要根据上次执行的结果来进行下一次执行，而循环的执行结果是相同的，不需要进行额外的计算。在一些编程语言中，迭代和循环的语法是不同的，例如Python和Ruby中的迭代语法和Java和C++中的循环语法是不同的。从概念上来看，迭代强调的是根据上一次执行的结果来进行下一次执行，而循环强调的是每次执行的结果都是相同的。从实现的方式上看，迭代的执行次数是不确定的，而循环的执行次数是确定的。

原文链接：https://blog.csdn.net/weixin_46432495/article/details/120497774。

算法分析中logN没有特殊说明应该是默认2为底，因为以2为底的log函数的相对增长率要大于其他底数情况（如底数为3,4,5……作为对时间复杂度的估计，底数为2的O(logN)可以看做是log函数型相对增长率的上界。从理论上，无论低是什么都无关紧要，因为不同底的logn之间只存在常数倍的关系，这与n无关，不会影响复杂度的大小。算法,书上一直说时间是O（logn）,但是没有明确说logn的底是什么,这样理解是否准确。