介绍二分查找也称折半查找（BinarySearch），它是一种效率较高的查找方法。但是，折半查找要求线性表必须采用顺序存储结构，而且表中元素按关键字有序排列。前提必须待查找的序列有序时间复杂度O(log2n)原理1）确定该期间的中间位置K2）将查找的值t与arrayk比较，若相等，查找成功返回此位置；否则确定新的查找区域，继续二分

思路1.将序列当中的左右元素，依次比较，保证右边的元素始终大于左边的元素；（第一轮结束后，序列最后一个元素一定是当前序列的最大值；）2.对序列当中剩下的n1个元素再次执行步骤1。3.对于长度为n的序列，一共需要执行n1轮比较时间复杂度最佳情况：T(n)O(n)最差情况：T(n)O(n2)平均情

‘now’为当前日期时间\\转字符串、时间SELECTdate('now');  结果：20180505SELECTtime('now');  结果：06:55:38SELECTdatetime('now');结果：2018050506:55:38SELECTstrftime(

‘now’为当前日期时间\\转字符串、时间SELECTdate('now');  结果：20180505SELECTtime('now');  结果：06:55:38SELECTdatetime('now');结果：2018050506:55:38SELECTstrftime(

1、当前系统区域设置格式(toLocaleDateString和toLocaleTimeString)例子:(newDate()).toLocaleDateString()""(newDate()).toLocaleTimeString()结果:2008年1月29日16:13:112.普通字符串(toDat

写在前面2020年默默地还是写了很多东西的，微信有了标签功能之后，整理起文章来还是比较方便的。从去年到今年准备写几个专辑，围绕于自己做交易系统或是一些通用解决方案的，当然自己平时爱叨叨的毛病也整理了一个专辑，回顾起来还比较有意思。复杂度治理系统变大之后，对应的复杂度就上来了，除了需要解决各种高性能、高可用、高并发的“规模

挺妙的解法。发现边权很小，我们可以考虑从大到小枚举边权来进行$kruskal$算法，这样子对于每一个边权$i$，我们只要枚举$0\\leqj<m$，找到一个点使它的点权为$i|2^j$，尝试连边即可。另外，如果同一个点权重复出现，一定有办法使这个边权连满，这样子直接累加到答案里就可以了。时间复杂度$O(m\2^m)$，再套一个并

JDK源码设计时间换空间&空间换时间 packagetest;importjava.lang.reflect.Constructor;importjava.lang.reflect.Field;importjava.util.ArrayList;importjava.util.BitSet;importj

　　golang中涉及到时间的包就是time，包括时间戳、程序休眠、定时器、重复执行的定时器等获取当前时间now:time.Now()//格式化的时间fmt.Printf("%v\n",now)//2018062122:33:57.3519770800CSTm0.000504156

  简单的说，K近邻算法是采用不同特征值之间的距离方法进行分类。  该方法优点：精确值高、对异常值不敏感、无数据输入假定  缺点：计算复杂度高、空间复杂度高  适用范围：数据型和标称型  现在我们来讲KNN算法的工作原理：存在一个样本数据集，也称作训练样本集，并且样本中每条数据都存在标签。将新输入的没有标签的数据与训练样本数据集中