剩余矩形匹配算法优缺点

1. 建筑矩形设计优缺点

简单但无新意。
建筑通常采用矩形设计，是因为矩形设计是最简单的，最方便建造，但是也是最没有新意，没有创意的，追求创意可以考虑别的形状设计。
现在的技术都更倾向于直线。古代的技术可想而知，并不是做不了，而是这种建筑更加复杂，耗费资金更高。从古代开始就是矩形多，延伸到现代。

2. 剩余矩形填充算法是优化算法吗

剩余矩形填充算法是优化算法。剩余矩形匹配算法是一种动态的局部寻优算法，针对矩形件排样问题提出的一种新的空白矩形填充优化算法。

3. 概率算法

最近做了一个活动抽奖需求，项目需要控制预算，概率需要分布均匀，这样才能获得所需要的概率结果。
例如抽奖得到红包奖金，而每个奖金的分布都有一定概率：

现在的问题就是如何根据概率分配给用户一定数量的红包。

算法思路 ：生成一个列表，分成几个区间，例如列表长度100，1-40是0.01-1元的区间，41-65是1-2元的区间等，然后随机从100取出一个数，看落在哪个区间，获得红包区间，最后用随机函数在这个红包区间内获得对应红包数。

时间复杂度 ：预处理O(MN)，随机数生成O(1)，空间复杂度O(MN)，其中N代表红包种类，M则由最低概率决定。

优缺点 ：该方法优点是实现简单，构造完成之后生成随机类型的时间复杂度就是O(1)，缺点是精度不够高，占用空间大，尤其是在类型很多的时候。

算法思路 ：离散算法通过概率分布构造几个点[40, 65, 85, 95,100]，构造的数组的值就是前面概率依次累加的概率之和。在生成1~100的随机数，看它落在哪个区间，比如50在[40,65]之间，就是类型2。在查找时，可以采用线性查找，或效率更高的二分查找。

算法复杂度 ：比一般算法减少占用空间，还可以采用二分法找出R，这样，预处理O(N)，随机数生成O(logN)，空间复杂度O(N)。

优缺点 ：比一般算法占用空间减少，空间复杂度O(N)。

算法思路 ：Alias Method将每种概率当做一列，该算法最终的结果是要构造拼装出一个每一列合都为1的矩形，若每一列最后都要为1，那么要将所有元素都乘以5（概率类型的数量）。

此时会有概率大于1的和小于1的，接下来就是构造出某种算法用大于1的补足小于1的，使每种概率最后都为1，注意，这里要遵循一个限制：每列至多是两种概率的组合。

最终，我们得到了两个数组，一个是在下面原始的prob数组[0.75,0.25,0.5,0.25,1]，另外就是在上面补充的Alias数组，其值代表填充的那一列的序号索引，（如果这一列上不需填充，那么就是NULL），[4,4,0,1,NULL]。当然，最终的结果可能不止一种，你也可能得到其他结果。

举例验证下，比如取第二列，让prob[1]的值与一个随机小数f比较，如果f小于prob[1]，那么结果就是2-3元，否则就是Alias[1]，即4。

我们可以来简单验证一下，比如随机到第二列的概率是0.2，得到第三列下半部分的概率为0.2 * 0.25，记得在第四列还有它的一部分，那里的概率为0.2 * (1-0.25)，两者相加最终的结果还是0.2 * 0.25 + 0.2 * (1-0.25) = 0.2，符合原来第二列的概率per[1]。

算法复杂度 ：预处理O(NlogN)，随机数生成O(1)，空间复杂度O(2N)。

优缺点 ：这种算法初始化较复杂，但生成随机结果的时间复杂度为O(1)，是一种性能非常好的算法。

4. 公司矩形组织结构的优缺点。。。越详细越好。。555拜托了

矩阵制组织的特点
矩阵制组织是为了改进直线职能制横向联系差，缺乏弹性的缺点而形成的一种组织形式。它的特点表现在围绕某项专门任务成立跨职能部门的专门机构上，例如组成一个专门的产品（项目）小组去从事新产品开发工作，在研究、设计、试验、制造各个不同阶段，由有关部门派人参加，力图做到条块结合，以协调有关部门的活动，保证任务的完成。这种组织结构形式是固定的，人员却是变动的，需要谁，谁就来，任务完成后就可以离开。项目小组和负责人也是临时组织和委任的。任务完成后就解散，有关人员回原单位工作。因此，这种组织结构非常适用于横向协作和攻关项目。

矩阵结构的优点是：

（1）将企业的横向与纵向关系相结合，有利于协作生产。

（2）针对特定的任务进行人员配置有利于发挥个体优势，集众家之长，提高项目完成的质量，提高劳动生产率。

（3）各部门人员的不定期的组合有利于信息交流，增加互相学习机会，提高专业管理水平。

矩阵结构的缺点是：
项目负责人的责任大于权力，因为参加项目的人员都来自不同部门，隶属关系仍在原单位，只是为"会战"而来，所以项目负责人对他们管理困难，没有足够的激励手段与惩治手段，这种人员上的双重管理是矩阵结构的先天缺陷；由于项目组成人员来自各个职能部门，当任务完成以后，仍要回原单位，因而容易产生临时观念，对工作有一定影响。

矩阵结构的适用范围
矩阵结构适用于一些重大攻关项目。企业可用来完成涉及面广的、临时性的、复杂的重大工程项目或管理改革任务。特别适用于以开发与实验为主的单位，例如科学研究，尤其是应用性研究单位等。

5. 经常听到某某算法更精确比如积分梯形法就比矩形法更精确，那么这种精确有什么区别呢只要分割更细，矩形

(1)梯形法和矩形法精确度相同的。

(2)更精确，指的是数据一样的前提下，一种算法比另一种算法的误差更小，
比如积分，同样9个点，
龙贝格算法的精度比辛普森高，辛普森的精度比梯形和矩形高。

6. 字符串的模式匹配（BF算法与KMF算法）

Brute-Force算法的实现：

测试程序以及运行结果：

虽然没有任何丢失可能匹配字符的可能，但是每次的匹配没有用到前一次匹配的比较结果，比较多次重复，降低了算法效率。
时间复杂度：
m = pattern.length();
n = target.length();
最好的情况：O(m) (一次比较成功)
最坏的情况：O(n(n-m+1) m) 一般n>>m，所以O(n m) (比较到最后一次才成功）

先来一波kmp算法的 网络 介绍：

无回溯的模式匹配算法首先目标串的祛除了目标串的回溯，其次，通过getNext()算法，匹配串也做到了部分不回溯。

无回溯算法的核心是如何实现这个 next（） 算法：

实际上next()算法就是来 判断pattern的子字符串与当pattern的0位置开始的字符串是否相同，第一个next[0]默认为1，接下来的如果不相同next[i]为0，如果第一个相同，为0,若连续开始相同，则依次++1
如:

如果pattern的首字符在pattern剩余的字符串里没有再出现过，那么getNext()获取的next[]必然是[-1,0,...,0]这样的。

匹配方法如下：

kmp算法的最坏的比较次数是m+n，next算法的时间复杂度是0(m),kmp比较是O(n)，与BF算法相比，已经大大缩小了比较的时间。

7. 四节点矩形单元有哪些优缺点

四节点矩形单元优点：较容易进行网络划分和逼近边界形状，应用比较灵活。其缺点是它的位移模式是线性函数，单元应力和应变都是常数，精度不够理想。缺点：单元不能适应曲线边界和斜边界，也不能随意改变大小，适用性非常有限。

对于这个单元而言也等于单元本身在节点位置受到的外荷载；单元的应力是力学的概念，单位面积的力，通过对单元应力的积分可以得到单元的节点力。如果是均匀受拉的杆单元，单元力＝应力*单元横截面积。

作用

（1）为了保证构件的平面外的稳定性，减小构件平面外的计算长度。当横梁和柱的内侧翼缘需要设置侧向支撑点时，可以利用连接于外侧翼缘的檩条或墙梁设置隅撑。隅撑一般宜采用单角钢制作，按照轴心受压构件设计。

（2）为了防止受压翼缘（梁下翼缘和柱的内侧翼缘）屈曲失稳，增加受压翼缘的稳定性而设置的。隅撑的设置是用来保证梁的下翼缘受压部分的局部稳定。梁的上翼缘的局部稳定由与之连接的檩条保证。

8. c++ 游戏碰撞检测怎么做

在游戏开发中，经常需要进行碰撞检测算法的实现，例如判断前面是否有障碍以及判断子弹是否击中飞机，都是检测两个物体是否发生碰撞，然后根据检测的结果通过碰撞检测算法做出不同的处理。

进行碰撞检测算法的物体可能有些的形状和复杂，这些需要进行组合碰撞检测，就是将复杂的物体处理成一个一个的基本形状的组合，然后分别进行不同的检测。

下面简单介绍一下两种最基本的形状进行碰撞的时候进行的处理。

1、矩形和矩形进行碰撞检测算法

一般规则的物体碰撞都可以处理成矩形碰撞，实现的原理就是检测两个矩形是否重叠。我们假设矩形1的参数是：左上角的坐标是(x1,y1)，宽度是w1，高度是h1;矩形2的参数是：左上角的坐标是(x2,y2)，宽度是w2，高度是h2。

在检测时，数学上可以处理成比较中心点的坐标在x和y方向上的距离和宽度的关系。即两个矩形中心点在x方向的距离的绝对值小于等于矩形宽度和的二分之一，同时y方向的距离的绝对值小于等于矩形高度和的二分之一。下面是数学表达式：

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，只需要将上面的条件转换成代码就可以实现了。

但是矩形碰撞只是一种比较粗糙的碰撞检测算法，因为很多实际的物体可能不是一个规则的矩形。

下面介绍一下圆形碰撞。

2、圆形和圆形的碰撞检测算法

圆形和圆形的碰撞应该说是一种最简单的碰撞，因为在数学上对于两个圆形是否发生重叠，有计算两个圆心之间的距离的公式。那么条件就变为：计算两个圆心之间的距离是否小于两个圆的半径和。

假设圆形1的左上角坐标是(x1,y1)，半径是r1，圆形2的左上角的坐标是(x2,y2)，半径是r2。

因为MIDP1.0中没有浮点数，而且浮点数的运算比较慢，所以我们将条件做一个简单的变换：对于条件的两边都进行平方，这样就去掉了开方的运算步骤。

下面是数学表达式：

(x1 – x2)2 + (y1 – y2)2 < (r1 + r2)2

在Java ME程序中，只需要将上面的条件转换成代码就可以了。

上面介绍的只是最基本的碰撞检测算法的实现，而实际的编程过程中遇到的碰撞检测问题要比这些复杂很多，还需要其他形式的检测，还需要进行更加深入的学习。

9. 平面有限元分析中，三角形单元与矩形单元各有何优缺点

三角形单元具有适应性强的优点，较容易进行网络划分和逼近边界形状，应用比较灵活。其缺点是它的位移模式是线性函数，单元应力和应变都是常数，精度不够理想。

矩形单元的位移模式是双线性函数，单元的应力、应变式线性变化的，具有精度较高，形状规整，便于实现计算机自动划分等优点，缺点是单元不能适应曲线边界和斜边界，也不能随意改变大小，适用性非常有限。

(9)剩余矩形匹配算法优缺点扩展阅读：

通过变分方法，使得误差函数达到最小值并产生稳定解。类比于连接多段微小直线逼近圆的思想，有限元法包含了一切可能的方法，这些方法将许多被称为有限元的小区域上的简单方程联系起来，并用其去估计更大区域上的复杂方程。

它将求解域看成是由许多称为有限元的小的互连子域组成，对每一单元假定一个合适的（较简单的）近似解，然后推导求解这个域总的满足条件（如结构的平衡条件），从而得到问题的解。这个解不是准确解，而是近似解，因为实际问题被较简单的问题所代替。

由于大多数实际问题难以得到准确解，而有限元不仅计算精度高，而且能适应各种复杂形状，因而成为行之有效的工程分析手段。

10. 剩余矩形填充算法是优化算法吗

是，针对矩形件排样问题提出的一种新的空白矩形填充优化算法.
首先,设计空白矩形填充算法时,提出了消除多余空白矩形的方法,以减小计算时间复杂度.其次,利用邻域搜索算法优化矩形件排放顺序,通过挖掘矩形件排样的问题特征,设计了受限距离的交叉和插入两种邻域算子,并提出了特殊算子执行点选择策略.然后,设计了基于两种邻域算子交替迭代的邻域搜索算法.最后,对文献中的21个经典案例进行试验计算,4个案例的排样利用率达到了100％,绝大多数案例的排样利用率超过了99％,最小排样利用率超过了98％.将其他常用算法和文献中算法进行比较,验证了本文算法的有效性