Manhattan Distance Definition: The Manhattan distance between two points (x_1, y_1) and (x_2, y_2) in a 2D plane is defined as dis = |x_1 - x_2| + |y_1 - y_2|, where | \cdot | denotes the absolute value. Problem Definition Given a set of points {p_1, p_2, \ldo…
雪花算法能解决什么问题？ 雪花算法能够生成全局唯一的ID编码作为其他地方的标记。且生成一系列的ID满足如下的性质： 生成的系列ID是递增的 高可用性：任何时候都能够生成唯一的ID 再高并发的条件下也能够保证服务 SnowFlake的组成 最高位是符号位，始终为0 41位的时间戳，精度位毫秒级，可使用69年 10位的机器码，支持1024个节点 12位的id，每毫秒可以生成4096个id 12位的计数序列号，自增。同一节点，同一毫秒最多产生4096个序号 SnowFlake的golang实现 package snow …
字符串匹配算法 匹配的目的就是给定两个字符串，s 和 pattern, pattern是要查找的字符串，s是被查找的文本，要求找到pattern在s中第一次出现的位置，假定pattern为 acd, s为acfgacdem, 那么s在t中第一次出现的位置就是4。常见的匹配算法有以下几种： 算法 预处理时间 匹配时间 暴力匹配 $O(n)$ $O((n-m+1)*m)$ Rabin Karp $O(m)$ $O((n-m+1)*m)$ Finite automaton $O(m| \sum |)$…
大数据设计 面试中设计的大数据设计题的场景通常不会太复杂，因此不需要给出细致的操作，给出大致的思路即可。但是有时候依旧考虑的不全面 :disappointed_relieved: :disappointed_relieved: :disappointed_relieved:借此机会记录下来巩固自己这方面的知识。 数据流采样 这是一个经典的采样问题，如果之前没见过一时半会想不出来解决办法。基本场景如下： 有一个无限的整数数据流，如何从中随机地抽取k个整数出来？使得每一个数被抽中的概率相同。 现实场景可以描述为：现有一…
前言 关于tensorforce的背景可以从他的名字看出来，tensor*必然是师从tensorflow框架的，事实上也确实是由tensorflow框架来的。使用tensorforce可以快速的构建强化学习代码，同时还可以利用其中现有的强化学习框架，例如常见的AC，A2C，A3C，PPO等。并且可以很好地结合OpenAIGym等主流开源环境和框架。 tensorforce的要点 tensorforce的要点，或者说强化学习的要点大致可以分为两大部分，一是环境(Environment)，二是代理(Agent)。 En…
列表推导式是常见的生成方式，同时[]*N也是快速生成多种元素的快捷方式。 例如以下两种生成方式： a=[[0]*5]*5 b=[[0 for _ in range(5)] for _ in range(5)] 生成的初始矩阵都是5*5的0矩阵： [ [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] ] 但是真正对其中的元素进行赋值之后就会发现问题： a[0][0]=2 b[0][0]=2 # a的输…