剩餘矩形匹配演算法優缺點

1. 建築矩形設計優缺點

簡單但無新意。
建築通常採用矩形設計，是因為矩形設計是最簡單的，最方便建造，但是也是最沒有新意，沒有創意的，追求創意可以考慮別的形狀設計。
現在的技術都更傾向於直線。古代的技術可想而知，並不是做不了，而是這種建築更加復雜，耗費資金更高。從古代開始就是矩形多，延伸到現代。

2. 剩餘矩形填充演算法是優化演算法嗎

剩餘矩形填充演算法是優化演算法。剩餘矩形匹配演算法是一種動態的局部尋優演算法，針對矩形件排樣問題提出的一種新的空白矩形填充優化演算法。

3. 概率演算法

最近做了一個活動抽獎需求，項目需要控制預算，概率需要分布均勻，這樣才能獲得所需要的概率結果。
例如抽獎得到紅包獎金，而每個獎金的分布都有一定概率：

現在的問題就是如何根據概率分配給用戶一定數量的紅包。

演算法思路 ：生成一個列表，分成幾個區間，例如列表長度100，1-40是0.01-1元的區間，41-65是1-2元的區間等，然後隨機從100取出一個數，看落在哪個區間，獲得紅包區間，最後用隨機函數在這個紅包區間內獲得對應紅包數。

時間復雜度 ：預處理O(MN)，隨機數生成O(1)，空間復雜度O(MN)，其中N代表紅包種類，M則由最低概率決定。

優缺點 ：該方法優點是實現簡單，構造完成之後生成隨機類型的時間復雜度就是O(1)，缺點是精度不夠高，佔用空間大，尤其是在類型很多的時候。

演算法思路 ：離散演算法通過概率分布構造幾個點[40, 65, 85, 95,100]，構造的數組的值就是前面概率依次累加的概率之和。在生成1~100的隨機數，看它落在哪個區間，比如50在[40,65]之間，就是類型2。在查找時，可以採用線性查找，或效率更高的二分查找。

演算法復雜度 ：比一般演算法減少佔用空間，還可以採用二分法找出R，這樣，預處理O(N)，隨機數生成O(logN)，空間復雜度O(N)。

優缺點 ：比一般演算法佔用空間減少，空間復雜度O(N)。

演算法思路 ：Alias Method將每種概率當做一列，該演算法最終的結果是要構造拼裝出一個每一列合都為1的矩形，若每一列最後都要為1，那麼要將所有元素都乘以5（概率類型的數量）。

此時會有概率大於1的和小於1的，接下來就是構造出某種演算法用大於1的補足小於1的，使每種概率最後都為1，注意，這里要遵循一個限制：每列至多是兩種概率的組合。

最終，我們得到了兩個數組，一個是在下面原始的prob數組[0.75,0.25,0.5,0.25,1]，另外就是在上面補充的Alias數組，其值代表填充的那一列的序號索引，（如果這一列上不需填充，那麼就是NULL），[4,4,0,1,NULL]。當然，最終的結果可能不止一種，你也可能得到其他結果。

舉例驗證下，比如取第二列，讓prob[1]的值與一個隨機小數f比較，如果f小於prob[1]，那麼結果就是2-3元，否則就是Alias[1]，即4。

我們可以來簡單驗證一下，比如隨機到第二列的概率是0.2，得到第三列下半部分的概率為0.2 * 0.25，記得在第四列還有它的一部分，那裡的概率為0.2 * (1-0.25)，兩者相加最終的結果還是0.2 * 0.25 + 0.2 * (1-0.25) = 0.2，符合原來第二列的概率per[1]。

演算法復雜度 ：預處理O(NlogN)，隨機數生成O(1)，空間復雜度O(2N)。

優缺點 ：這種演算法初始化較復雜，但生成隨機結果的時間復雜度為O(1)，是一種性能非常好的演算法。

4. 公司矩形組織結構的優缺點。。。越詳細越好。。555拜託了

矩陣制組織的特點
矩陣制組織是為了改進直線職能制橫向聯系差，缺乏彈性的缺點而形成的一種組織形式。它的特點表現在圍繞某項專門任務成立跨職能部門的專門機構上，例如組成一個專門的產品（項目）小組去從事新產品開發工作，在研究、設計、試驗、製造各個不同階段，由有關部門派人參加，力圖做到條塊結合，以協調有關部門的活動，保證任務的完成。這種組織結構形式是固定的，人員卻是變動的，需要誰，誰就來，任務完成後就可以離開。項目小組和負責人也是臨時組織和委任的。任務完成後就解散，有關人員回原單位工作。因此，這種組織結構非常適用於橫向協作和攻關項目。

矩陣結構的優點是：

（1）將企業的橫向與縱向關系相結合，有利於協作生產。

（2）針對特定的任務進行人員配置有利於發揮個體優勢，集眾家之長，提高項目完成的質量，提高勞動生產率。

（3）各部門人員的不定期的組合有利於信息交流，增加互相學習機會，提高專業管理水平。

矩陣結構的缺點是：
項目負責人的責任大於權力，因為參加項目的人員都來自不同部門，隸屬關系仍在原單位，只是為"會戰"而來，所以項目負責人對他們管理困難，沒有足夠的激勵手段與懲治手段，這種人員上的雙重管理是矩陣結構的先天缺陷；由於項目組成人員來自各個職能部門，當任務完成以後，仍要回原單位，因而容易產生臨時觀念，對工作有一定影響。

矩陣結構的適用范圍
矩陣結構適用於一些重大攻關項目。企業可用來完成涉及面廣的、臨時性的、復雜的重大工程項目或管理改革任務。特別適用於以開發與實驗為主的單位，例如科學研究，尤其是應用性研究單位等。

5. 經常聽到某某演算法更精確比如積分梯形法就比矩形法更精確，那麼這種精確有什麼區別呢只要分割更細，矩形

(1)梯形法和矩形法精確度相同的。

(2)更精確，指的是數據一樣的前提下，一種演算法比另一種演算法的誤差更小，
比如積分，同樣9個點，
龍貝格演算法的精度比辛普森高，辛普森的精度比梯形和矩形高。

6. 字元串的模式匹配（BF演算法與KMF演算法）

Brute-Force演算法的實現：

測試程序以及運行結果：

雖然沒有任何丟失可能匹配字元的可能，但是每次的匹配沒有用到前一次匹配的比較結果，比較多次重復，降低了演算法效率。
時間復雜度：
m = pattern.length();
n = target.length();
最好的情況：O(m) (一次比較成功)
最壞的情況：O(n(n-m+1) m) 一般n>>m，所以O(n m) (比較到最後一次才成功）

先來一波kmp演算法的 網路 介紹：

無回溯的模式匹配演算法首先目標串的祛除了目標串的回溯，其次，通過getNext()演算法，匹配串也做到了部分不回溯。

無回溯演算法的核心是如何實現這個 next（） 演算法：

實際上next()演算法就是來 判斷pattern的子字元串與當pattern的0位置開始的字元串是否相同，第一個next[0]默認為1，接下來的如果不相同next[i]為0，如果第一個相同，為0,若連續開始相同，則依次++1
如:

如果pattern的首字元在pattern剩餘的字元串里沒有再出現過，那麼getNext()獲取的next[]必然是[-1,0,...,0]這樣的。

匹配方法如下：

kmp演算法的最壞的比較次數是m+n，next演算法的時間復雜度是0(m),kmp比較是O(n)，與BF演算法相比，已經大大縮小了比較的時間。

7. 四節點矩形單元有哪些優缺點

四節點矩形單元優點：較容易進行網路劃分和逼近邊界形狀，應用比較靈活。其缺點是它的位移模式是線性函數，單元應力和應變都是常數，精度不夠理想。缺點：單元不能適應曲線邊界和斜邊界，也不能隨意改變大小，適用性非常有限。

對於這個單元而言也等於單元本身在節點位置受到的外荷載；單元的應力是力學的概念，單位面積的力，通過對單元應力的積分可以得到單元的節點力。如果是均勻受拉的桿單元，單元力＝應力*單元橫截面積。

作用

（1）為了保證構件的平面外的穩定性，減小構件平面外的計算長度。當橫梁和柱的內側翼緣需要設置側向支撐點時，可以利用連接於外側翼緣的檁條或牆梁設置隅撐。隅撐一般宜採用單角鋼製作，按照軸心受壓構件設計。

（2）為了防止受壓翼緣（梁下翼緣和柱的內側翼緣）屈曲失穩，增加受壓翼緣的穩定性而設置的。隅撐的設置是用來保證梁的下翼緣受壓部分的局部穩定。梁的上翼緣的局部穩定由與之連接的檁條保證。

8. c++ 游戲碰撞檢測怎麼做

在游戲開發中，經常需要進行碰撞檢測演算法的實現，例如判斷前面是否有障礙以及判斷子彈是否擊中飛機，都是檢測兩個物體是否發生碰撞，然後根據檢測的結果通過碰撞檢測演算法做出不同的處理。

進行碰撞檢測演算法的物體可能有些的形狀和復雜，這些需要進行組合碰撞檢測，就是將復雜的物體處理成一個一個的基本形狀的組合，然後分別進行不同的檢測。

下面簡單介紹一下兩種最基本的形狀進行碰撞的時候進行的處理。

1、矩形和矩形進行碰撞檢測演算法

一般規則的物體碰撞都可以處理成矩形碰撞，實現的原理就是檢測兩個矩形是否重疊。我們假設矩形1的參數是：左上角的坐標是(x1,y1)，寬度是w1，高度是h1;矩形2的參數是：左上角的坐標是(x2,y2)，寬度是w2，高度是h2。

在檢測時，數學上可以處理成比較中心點的坐標在x和y方向上的距離和寬度的關系。即兩個矩形中心點在x方向的距離的絕對值小於等於矩形寬度和的二分之一，同時y方向的距離的絕對值小於等於矩形高度和的二分之一。下面是數學表達式：

x方向：| (x1 + w1 / 2) – (x2 + w2/2) | < |(w1 + w2) / 2|

y方向：| (y1 + h1 / 2) – (y2 + h2/2) | < |(h1 + h2) / 2|

在Java ME程序中，只需要將上面的條件轉換成代碼就可以實現了。

但是矩形碰撞只是一種比較粗糙的碰撞檢測演算法，因為很多實際的物體可能不是一個規則的矩形。

下面介紹一下圓形碰撞。

2、圓形和圓形的碰撞檢測演算法

圓形和圓形的碰撞應該說是一種最簡單的碰撞，因為在數學上對於兩個圓形是否發生重疊，有計算兩個圓心之間的距離的公式。那麼條件就變為：計算兩個圓心之間的距離是否小於兩個圓的半徑和。

假設圓形1的左上角坐標是(x1,y1)，半徑是r1，圓形2的左上角的坐標是(x2,y2)，半徑是r2。

因為MIDP1.0中沒有浮點數，而且浮點數的運算比較慢，所以我們將條件做一個簡單的變換：對於條件的兩邊都進行平方，這樣就去掉了開方的運算步驟。

下面是數學表達式：

(x1 – x2)2 + (y1 – y2)2 < (r1 + r2)2

在Java ME程序中，只需要將上面的條件轉換成代碼就可以了。

上面介紹的只是最基本的碰撞檢測演算法的實現，而實際的編程過程中遇到的碰撞檢測問題要比這些復雜很多，還需要其他形式的檢測，還需要進行更加深入的學習。

9. 平面有限元分析中，三角形單元與矩形單元各有何優缺點

三角形單元具有適應性強的優點，較容易進行網路劃分和逼近邊界形狀，應用比較靈活。其缺點是它的位移模式是線性函數，單元應力和應變都是常數，精度不夠理想。

矩形單元的位移模式是雙線性函數，單元的應力、應變式線性變化的，具有精度較高，形狀規整，便於實現計算機自動劃分等優點，缺點是單元不能適應曲線邊界和斜邊界，也不能隨意改變大小，適用性非常有限。

(9)剩餘矩形匹配演算法優缺點擴展閱讀：

通過變分方法，使得誤差函數達到最小值並產生穩定解。類比於連接多段微小直線逼近圓的思想，有限元法包含了一切可能的方法，這些方法將許多被稱為有限元的小區域上的簡單方程聯系起來，並用其去估計更大區域上的復雜方程。

它將求解域看成是由許多稱為有限元的小的互連子域組成，對每一單元假定一個合適的（較簡單的）近似解，然後推導求解這個域總的滿足條件（如結構的平衡條件），從而得到問題的解。這個解不是准確解，而是近似解，因為實際問題被較簡單的問題所代替。

由於大多數實際問題難以得到准確解，而有限元不僅計算精度高，而且能適應各種復雜形狀，因而成為行之有效的工程分析手段。

10. 剩餘矩形填充演算法是優化演算法嗎

是，針對矩形件排樣問題提出的一種新的空白矩形填充優化演算法.
首先,設計空白矩形填充演算法時,提出了消除多餘空白矩形的方法,以減小計算時間復雜度.其次,利用鄰域搜索演算法優化矩形件排放順序,通過挖掘矩形件排樣的問題特徵,設計了受限距離的交叉和插入兩種鄰域運算元,並提出了特殊運算元執行點選擇策略.然後,設計了基於兩種鄰域運算元交替迭代的鄰域搜索演算法.最後,對文獻中的21個經典案例進行試驗計算,4個案例的排樣利用率達到了100％,絕大多數案例的排樣利用率超過了99％,最小排樣利用率超過了98％.將其他常用演算法和文獻中演算法進行比較,驗證了本文演算法的有效性