PIGWORLD

学无止境

2006年2月12日 #

但愿人长久 千里共婵娟

        今天开google主页的时候看到这篇文章的,来源于http://blog.joycode.com/zhanbos/articles/67129.aspx。需要说明的是上面blog也是引用别人的,所以我也不知道这篇文章的具体来源,只知道作者是女子嫣然。感谢作者为大家带来这优美的字句,情人节来临前夕,贴上这篇诗意绵绵的文章,祝愿各位程序员朋友,各位生活中的朋友,各位尚单身的朋友,各位已拥有爱情的朋友,情人节快乐!

标题:但愿人长久 千里共婵娟
作者:女子嫣然

         又是一年中秋夜,不知又要惹起世人多少相思愁......
但愿人长长久 千里共婵娟......

         一个人来到这个未知的世上,要经历多少呢?那些曾经经历过的——曾经得到过的、曾经失去的、至今还陪伴在我们身边的。想想吧,前世五百年的回眸才换来今生的擦肩而过,前世千年的等待、千年的柔情啊,才换来对方不知道的片刻温存!!所以,我们该要何等的惜缘啊!不要刻意追求那么多,不要苛求难实现的!就让一切美丽着吧!

         有人说,错过的总是最好的,失去的都是最珍贵的,放弃的都是不忍的。

有人说,爱,不如相知,与其执著痴念,不如化为祝福。不要让你爱的人,被你的爱所磨蚀;反过来,以你的爱,让他得到力量,展翅高飞!就算分隔两地,心仍会在一起。

        有人说,真正爱一个人,必定以他的幸福,当作是你的幸福。若然有人,能比你给予他更大的幸福,你就把他送到那里去。

        有人说,爱情是个模糊的概念,没有人去测量过爱情的长度。也没有任何人得到过具体的结果。如果假定爱情的全程为1公里。那么爱与不爱的距离只有四分之一米。短暂而遥远的旅途。一堵墙的距离,一堵看不见摸不到却实实在在的存在的墙,夹在爱与不爱之间。爱人就在眼前,但无力去拥抱。爱人就在隔壁,在空气中隔离。半步的距离,那怎么也迈不出去的的半步。爱了,勇敢的去追寻,却碰了壁。不爱,毅然的想离去,发现迷了路。原来爱与不爱同在一个屋檐下,如同长椅两边的坐客,只有短短的隔距,然而好象只是一场巧遇,因为疲惫找寻到同一个歇脚处。离去时相眸一眼,意识到这是莫名的缘分,却走向相反的方向。也许面对爱的时候,不爱就站在背后注视着转身的瞬间,当转身与不爱相视的时候,爱依然伫立,流泪,惋惜……原来爱与不爱之间的四分之一米的距离就是自己的身躯……

        只有前世有约的人,今生才能相随。

        这世上有谁在凭栏?盈盈横塘畔的楼台上,倚着朱红的栏杆,不经意却是很美地在笑,这个时候我便想起诗书上的话:巧笑倩兮,美目盼兮。说的,就是我罢?

        这世上,有谁在走?也许,那就是你吧?苍凉景物,滚滚红尘,一袭青衫,奔波在如烟的暮雨中,斜斜的伞,遮着黄昏细雨。一条青色砖石路铺就的深巷,由远及近,独自彷徨在悠长,悠长又寂寥的雨巷,希望飘过一个丁香一样地结着愁怨的姑娘。

        一种无从提问无从回答的感觉。

        是一种预感的实现,是一种冥冥之中的昭示,不曾谋面,又似曾相识。

        是永恒也是刹那,是真实也是虚幻,这世间有我不曾明白的神秘。

        轮回中,终于不期然地遇见。在茫茫人海。心与心之间,一下子就没了距离。 假如有一种时刻觉得美好,那一定是谁穿越时空的祝福。

        缘,不是说来就来,却是说走就走的!所以,隔岸而立,所有的美丽因相望而成缘,所有的无奈因相忘而失缘。我们最终都注定要迷失在永恒的轮回之中。

        只有前世有约的人,今生才能相随。

        菩提树下,也许终于有一天,我们会领悟这——如梦的尘缘。

        前世积攒多少次的回眸啊,才能换得相识?甚至相知?甚至相爱?

posted @ 2006-02-12 20:48 PIGWORLD 阅读(1325) | 评论 (5)编辑 收藏

2006年2月6日 #

传说中月薪3万的面试题

猫扑上看到的一道面试题,大家讨论讨论:
张老师的生日是M月N日,
2人都知道张老师的生日是下列10组中的一天,
张老师把M值告诉了小明,把N值告诉了小强,
张老师问他们知道他的生日是那一天吗?
3月4日 3月5日 3月8日
6月4日 6月7日
9月1日 9月5日
12月1日 12月2日 12月8日
小明说:如果我不知道的话,小强肯定也不知道
小强说:本来我也不知道,但是现在我知道了
小明说:哦,那我也知道了
请根据以上对话推断出张老师的生日是哪一天

看了一下猫扑上的分析,答案主要集中在6月4号和9月1号的争论。个人认为是9月1号哈。

posted @ 2006-02-06 11:58 PIGWORLD 阅读(1936) | 评论 (10)编辑 收藏

2006年1月4日 #

翻译《UNIX环境高级编程(第二版)》

        对UNIX程序设计很不了解,希望通过慢慢翻译这本书,一方面学习UNIX系统程序设计,一方面锻炼自己的英语能力!
        欢迎大家指出我翻译不正确的地方,哪怕是一小点点都十分感谢!

       点击这里查看《UNIX环境高级编程(第二版)》翻译。

posted @ 2006-01-04 12:31 PIGWORLD 阅读(1088) | 评论 (4)编辑 收藏

2006年1月3日 #

背包问题 -- 2) 改进,自顶向下的动态编程

        在上一篇《背包问题 -- 1) 思路,递归求解》中,我们讨论了用递归的方式来解决背包问题。但是,直接使用递归会造成大量的重复运算,就上一篇中的例子来说,对于容积为17的背包来说,其中两种组合方案为:

        方案一: 4(A) + 5(B) = 9 ,即背包中装一个A物品和一个B物品;

        方案二: 5(B) + 10(C) = 15 ,即背包中装一个B物品和一个C物品;

注意,上面两种方案都需要计算knap(space = cap - item[1].size)(注:1对应B物品)的情况,这就造成了重复计算,而且计算量是成指数增长的。如果我们在第一次计算knap(space = cap - item[1].size)时就保存其返回值,那么在下一次需要用到的时候只需要直接使用这个返回值就行了,而不必再去计算。

        这里我们给出动态编程的定义,即递归程序中,在每一步递归调用前使用已计算的值来完成当前的递归调用

        对于背包问题,我们用一个数组knowKnap[M]来保存每一个可能的space值。按动态编程改进后的程序源代码如下:

http://pigworld.blogbus.com/files/1135354918.jpg

posted @ 2006-01-03 23:16 PIGWORLD 阅读(3754) | 评论 (3)编辑 收藏

背包问题 -- 1) 思路,递归求解

        最近看了《算法I-IV(C++语言描述)》中关于动态编程求解背包问题的部分,感觉书中描述的不是很详细,在这里通过我个人的理解再加上书中的描述,再重温下这一经典问题的动态编程求解方法。

        所谓的背包问题,可以描述如下:一个小偷打劫一个保险箱,发现柜子里有N类不同大小与价值的物品,但小偷只有一个容积为M的背包来装东西,背包问题就是要找出一个小偷选择所偷物品的组合,以使偷走的物品总价值最大。我们可以定义以下结构:

        struct Item {
                int size;            //保存物品大小
                int val;             //保存物品价值
        };

例如有下表中的物品:

Index

0

1

2

3

4

Item

A

B

C

D

E

Size

3

4

7

8

9

Val

4

5

10

11

13

       
        上表中第一行(Index)是物品在程序中的索引号,第二行(Item)是物品的标示,第三行(Size)是物品的大小,第四行(Val)是物品的价值,而每一列又对应了一类物品。假设小偷背包的容积为17,则小偷能够拿走5个A价值为20的物品,或者1个D和1个E,价值为24的物品,等等。
        为了使小偷在背包容积为cap的情况下,能够偷走最大价值的物品,我们可以假设小偷足够聪明,无论背包容积cap为多少,小偷总能找到最优的组合使背包中所装物品的价值最大。
        倘若我们定义函数:
        int  knap( int cap );
该函数的返回值为容积为cap的背包所装物品的最大价值。对于cap为17的背包,因为有5类物品,所以所装物品的价值有以下组合:
        1) 4 + knap( 17 - 3 ),即 item[0].val + knap(cap - item[0].size);
        2)     5 + knap( 17 - 4 ),即 item[1].val + knap(cap - item[1].size);
        3)    10 + knap( 17 - 7 ),即 item[2].val + knap(cap - item[2].size);
        4)     11 + knap( 17 - 8 ),即 item[3].val + knap(cap - item[3].size);
        5)     13 + knap( 17 - 9 ),即 item[4].val + knap(cap - item[4].size);
因为小偷已经帮助我们找到了cap = cap - item[i].size的最优组合,所以我们只需要找到item[i].val + knap(cap - item[i].size)的最大值也就完称了我们的任务了。
        下面的程序代码是按以上的思路编写的:
 http://pigworld.blogbus.com/files/1134918024.jpg
我么定义了一个类型为Item的N项数组,对于每一个可能的项,我们递归的计算所能得到的最大值,然后挑出那些值中的最大项返回。
        需要说明的是,上面的代码不应该成为正式的代码,如果按上面的代码画出每次函数调用的二叉树图,就会发现有大量重复的计算来处理同一个问题,其结果就是耗费指数级的时间,因而是低效的。
        下一篇背包问题 -- 2) 改进,自顶向下的动态编程将会介绍如何对上面的代码改进,使耗费的时间从指数级减少到线性级。

posted @ 2006-01-03 23:15 PIGWORLD 阅读(7784) | 评论 (5)编辑 收藏

仅列出标题