另類演算法
沒做過，只是想到幾個思路：
如果文本量比較少（幾千或者上萬，具體沒有測試過）並且要查詢和替換的目標在正則中不是很復雜的話，使用正則表達式就可以實現快速的文本的查找和替換，並不需要自己寫演算法。如果文本量很大，就需要自己再想辦法了。
如果文本量比較大，可以將文本存儲到資料庫中，資料庫提供了文本的查找和替換的功能，並 且此功能已經相當完善，調用相應的資料庫函數可以實現查找和替換。
如果你只是想學習文字處理上的一些演算法，而非實現查找和替換的功能的話，就當上面什麼都沒說好了.....
2. 一個另類尋路要求，求演算法
看你要不要優化了，棋盤不大，只有5x5，那麼就按照某個順序，比如左上右下的順序遍歷就好，死胡同了就回溯，直到找到解。
如果要優化最好的思路是A*，就是給每個點賦權值，可能的思路是按照聯通點的數量賦值，中心的點為4，邊上為3，角上為2，終點周圍的點要減一，這種是最簡單的固定權值的方式，也可以邊走邊改變權值。然後每次在上下左右中選擇權值最小的那個先走，然後死胡同的話就回溯。
3. 小女生的胸是26A嗎還是另類演算法
你多大呢？ 偶朋友准備在學校旁邊辦個賣這類玩藝的小店，偶們偷偷滴偵察和調研了幾天後查了半天我才知道胸貼是什麼，呵呵呵呵，很漂亮，如果欣賞
4. 另類異或
熟悉進制就行了 這題其實很簡單 剛我找了一下當時的程序，沒找著，可能覺得比較簡單的題目就沒保存吧。。
我的演算法可能不夠好，那位大牛看到 說一下更好地演算法。。
先獲得進制數n，我用的 n = str.length() +1;
然後將A跟B 分別轉成 n進制 在各個位數上加 mod n，就行 別忘了乘以 n的x次方啊
准備舉個例子，但描述太麻煩了了，還是重寫一個代碼把。。
代碼，其實挺好懂
int ans = 0;
int i = 0;//控制位樹
while( A !=0 || B != 0 )
{
ans = ans + (A%n+B%n)%n * pow(n,i);
A = A/n;
B = B/n;
i++;
}
cout<<ans<<endl;
5. 一發入魂，彩票中獎的另類思路
阿基米德想要一根杠桿來撬動地球，而我只想要一個規律來買彩票！
2013年我玩了一年的彩票，主要是福彩3D和體綵排列三。總的來說錢是賺了，但因為缺乏數據統計和分析判斷的軟體輔助，每次都要手動操作運算，精力投入實在太大。在此提個醒，購彩有風險，入坑需謹慎！
言歸正傳，接下來以福彩3D為例講講我的思路，為保證所有人都能看懂，我已摒棄掉一些數學符號和晦澀難懂的公式和演算法，使用最為基礎和通俗的方式表述。
福彩3D每期都會從三個不同的球池中抽出1個球，每個球池從0-9號有10個球，所以每期的號碼從小到大是000-999，若是購買的數字和次序都正確的話，2元即可中得1000元的獎金。這期只討論這種以小博大的購彩思路。
眾所周知，彩票號碼的出現是隨機的。
假設從0-9抽一個球出來，抽完就放回去，重復抽10次，每次都抽到0號球有可能嗎？當然存在這種可能，這屬於獨立重復事件范疇，只不過隨著重復次數的增加，總概率會以指數級遞減。例如第一次出現0號球的概率是1/10，第二次是1/100，第三次是1/1000，以此類推。
這是多數人使用的底層原理，非常好理解，就是博概率。
在計算和推測福彩3D每一個位置的數字時，人們往往會用不少手段，有人會使用奇偶數，也有人會用質數，大小，以此來縮小投注范圍。還有人對百位和十位數字的搭配進行分析，或者對3個數字的和值或者跨度進行歷史統計，預估下期的趨勢。
上述是主流的估測方式，官方也會提供這些數據信息給到彩民，實際上這些方式都有意無意地使用了獨立重復事件的概率統計。
中獎不該執著於某一期能否中獎，而是要放到一個階段內去統計，例如購買十期的盈利是多少。我曾經也按上述的方式進行估測，但發現這些主流的方式存在兩個問題，一是容錯率高導致購彩成本也高；二是屬性復雜，精準度較低。
如個位數選奇偶剩5顆球，再挑出大小剩2-3顆，再考慮是否質數剩下1顆，實際算下來，個位數正確的概率依然是1/10，和你隨機選一個數字並沒有太大的差別，同時心理上還容易陷入首因效應，導致對某些數字或組合過於執著。
於是我嘗試將十進制的綵球的數字轉為二進制，這種做法的好處就在於，可以將紛亂復雜的屬性簡化為兩種，即0和1。
將歷史數據轉為二進制並進行排列後，就會發現許許多多有趣的排列，也能從中自己挖掘出估算的方式方法。
將開獎數字轉為二進制後，我嘗試過不少思路，這些思路匯集起來確實幫了我不少忙。最高的記錄是4注中1000，在某段時期內，連續二十期猜中2個數字及位置的概率在25%，猜中1個數字及位置的概率達50%。
以下羅列三種最基礎的思路，大家可以根據自己的知識儲備自行發揮。
思路一、
無視前幾期的數據，而是統計某一列0或1在不同歷史區間內的實際出現概率，將其與理論概率做對比，看看是高還是低，看看最近一段時間的趨勢是走高還是走低，還可以將數據轉化為圖形來協助自己判斷，推測是下期是0還是1。
比如圖A是個位數的歷史數據及「1」的概率統計情況，可以從這個表中提取到某些信息，比如右起第二列，「1」出現的情況只有2、3、6、7這幾個數字，所以理論概率為40%，十期以內出現了6次，概率為60%，遠高於理論值。但從百期38%的統計上看是低於理論值的，所以不排除是走劇烈的概率修正路子。
思路二、
參考前幾期0或1出現的概率及分布。例如圖A中，右起第三列，0和1的出現分布就很有意思，最近十期出現了1001001001的分布情況，似乎不停在重復100的順序，但這種情況從概率上講是很低的，若是我來選擇，我會認為下期大概率不會出現0，以此來終止這樣的低概率事件。
思路三、
上面的思路是終止低概率事件，但如果是短期內一直呈現正常理論的分布，也會變成低概率時間，例如圖A右起第一和第二列，最近幾期兩列的搭配組合分別是00、10、01、11，這種分布顯得太
「和諧」了，預計在下期可能會出現11，或下下期就會出現和下期同樣的組合情況。
以上三種思路僅分析單個球號，而且也是最為基礎的估測方法，如要更加精準，還需要對每一列構建不同的函數來運算，再回到十進制進行組合比對，例如百位和十位的搭配，十位和個位的搭配，百位和個位的搭配，然後再將他們組合後的二進制進行概率運算。一篇短文是講不清楚的，所以權當是拋磚引玉，給大家帶來另一種思路。
值得提醒的是，「趨勢」極為重要！
二進制的估測法僅在福彩3D和體綵排列三上嘗試過，未在雙色球和體彩大樂透上實踐，有興趣的朋友不妨試試看。
另外每次開獎前，都會有一組試機號，經過我當時的測試，這組試機號不影響二進制估算的方式。
2013年玩彩票的過程中，我曾數次感覺，自己距離某種潛在的事物運行規律僅有一步之遙，但這一步卻無論如何都跨越不了，因為它是唯心的，是無法單靠我手中的數據推算出來的。我能做的，只是持續輸出我估測的結果，以博得一段時間內的盈利。
當時我以為這一步就是宇宙運行的規律，又或者彩票中心根據全國購彩數據進行處理的規律，所以我試圖去找出某個系數或變數，為此花費了大量的時間和精力，卻終因能力有限未能實現，現在想想也是挺好笑的，說不定只是彩票中心換了一台機子而已。
所以大家千萬不要走入歧途，容易走火入魔，玩彩票需要什麼心態呢？可以參考我之前發過的一篇文章《論新年許願，願望成真的正確姿勢》。
你們又是通過什麼方式去預測開獎號碼的呢？歡迎在評論中分享自己的心得！
6. 另類數據正在崛起，為對沖基金帶來優勢
面對全球新冠肺炎疫情蔓延影響以及國際局勢的緊張，對沖基金和企業正在發力尋找應對辦法，一個提供衛星圖像、社交媒體情緒變動等另類數據的龐大行業迎來機遇。
-01-
官方數據的滯後性使另類數據需求崛起
隨著對沖基金和企業尋覓如何應對COVID-19疫情危機的線索，一個提供衛星圖像、社交媒體、情緒變動等非常規數據的數十億美元行業迎來旺盛需求。
在發現官方數據在反映新冠疫情導致的經濟活動崩潰與復甦方面太過遲緩之後，許多投資機構紛紛轉向所謂的另類數據——標准金融市場指標或統計數據之外的「利基信息」。提供商表示，這類數據可以提供對一家公司或一個經濟體運行狀況的寶貴、實時的了解。
另類數據並非一個新概念。根據羅聞全與亞斯米娜•哈桑霍德齊克合著的《技術分析簡史》一書中描述，古巴比倫的商人會測量幼發拉底河的深度和流量，以設法在貿易中佔得先機，這就是因為他們發現了這些數據與商品供應的關聯性。
另類數據之前在幾年前也有引起廣泛關注，當時投資者對計算機驅動（人工智慧選股、系統自動下單與計算機數據匯總挖掘等）的交易基金非常狂熱。
-02-
投資業內人士的看法
在新冠疫情爆發之前，網站Alternativedata.org的數據就顯示，今年僅基金管理公司在另類信息上的年度總支出預計就將超過17億美元，遠高於3年前的4億美元。另一家另類信息提供商Neudata稱，目前有近1500家另類數據提供商。該公司表示，3月、4月和5月處理客戶查詢的工作量是正常情況下的四倍左右。
現在已知已經有不少的大型資產管理公司像BNP Asset Managemen，瑞士投資公司Unigestion等都表示他們都有使用另類數據給其投資組合參考一些新的領導性指標並產生一些新的投資想法。
對沖基金Aspect Capital的基金經理阿西夫•努爾(Asif Noor)是另類數據的多年信奉者，但表示最近幾個月的經歷「鞏固了這種看法」。該公司的新聞閱讀演算法在2月中旬發現了隨油價波動的挪威克朗不斷走弱的市場情緒。到了2月底，該公司的Systematic Global Macro基金已開始做空挪威克朗，並將這一操作持續至3月初。隨著油價下跌和克朗暴跌——美元對挪威克朗匯率從3月6日的1美元兌9.2挪威克朗升至3月19日的1美元兌12挪威克朗——該基金斬獲利潤。
然而，一些基金經理質疑另類數據帶來獲利押注的幾率有多大，即便它確實突顯了某種經濟趨勢。
阿姆斯特丹Kempen Capital Management的另類策略聯席主管米希爾•梅烏維森(Michiel Meeuwissen)表示：「更為波動、更為短期的數據更多，可能未必有助於產生獲利的交易。常識有時會同樣靠譜，甚至更為靠譜。」他以根據新冠危機來挑選做空哪些行業作為例子。
-03-
面對市場波動，對沖基金 探索 新方向
各界普遍承認，數據將成為未來競爭優勢之源頭。電子儲存數據總量和種類的急劇增長、計算機計算能力與數據儲存能力的增長、以及分析大量復雜信息的技術（如機器學習）的快速發展大幅提升了另類數據的可得性。近些年，另類數據在資產管理行業中的使用越來越廣泛。
另類數據更多的應用於偏股票型的量化對沖基金。近於實時的另類數據流有助資產管理公司提前獲得大量股票買入或賣出的信號。除此之外，傳統資產管理公司也已經開始使用另類數據來幫助提升人工制定長期投資決策的質量。例如，英國資產管理公司Schroders在2014年推出了一個「數據洞察部門」（Data Insights Unit，以下簡稱「DIU」）。DIU擁有30名數據科學家，他們分析各種另類數據，幫助投資組合管理團隊制定中長期投資決策。
另類數據的應用對於資產管理公司來說，需要具備足夠的專業人才進行深度的數據分析，再結合市場上的專業第三方數據處理專家的建議以掌握研究的主動權，就很可能挖出獨門的α。
面對全球新冠肺炎疫情蔓延影響以及國際局勢的緊張，對沖基金和企業正在發力尋找應對辦法，另類數據就是其中一個發力點。鈞譽，作為亞太地區的業績優異的對沖基金領導者，面對著世界格局及全球市場波動下，不斷吸引優秀人才充實團隊。鈞譽團隊不斷在市場上去接觸新機會精進自己的策略組合，對投資者負責，為投資者提供低風險相對高收益的穩定回報。
7. NOI比noip多考些什麼
網路流、費用流、二叉平衡樹、線段樹、KM匹配問題……
主要就這些吧。
8. 96-68等於多少你能想出五種演算法嗎
另類的問題...偶來另類解...
96=1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1
68=1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1
96-68=1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1-(1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1)=1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1=28~
9. Murmur哈希演算法
說到哈希演算法，可能大部分人都會不自覺得想到 md 和 sha 系列，在這之前，我就是這樣的，因為他們意味著流行安全和穩定。但是，最近我知道了一款另類的流行的哈希函數， 這款哈希函數廣泛應用於分布式系統-Hadoop/Lucence等等，原因就是因為它速度快而且散列效果好 ，這個哈希演算法就是 MurmurHash。
哈希系列比較流行的有三個系列，分別是 MD/SHA 和 MAC 系列，但是這些系列都是比較安全，雖然 MD5 和 SHA-1 已經被王小雲教授碰撞了，但是相對我們平時使用的直接簡單求模這種還是比較安全的，相對安全帶來的負面效果就是 計算量還是挺大的，而且不保證哈希結果的均勻 。而在分布式環境下，為了資源的合理利用，我們需要的更多是均勻，因為是內部散列的作用，所以哈希安全我們並不那麼在乎，所以在這種情境下，2008 才被發明的 MurmurHash 成為了分布式中的寵兒，深受 Google 系的喜愛。
MurmurHash 當前最新的版本是 MurmurHash3，它能夠產生出32-bit或128-bit哈希值。除了我們能夠猜到的不再使用的 mmh1 以及 還在使用的 mmh2 之外，還有好些變種，不過都是針對平台優化的。
Murmur哈希的演算法確實比較簡單，它的計算過程其實就是它的名字，MUltiply and Rotate，因為它在哈希的過程要經過多次MUltiply and Rotate，所以就叫 MurMur 了。
演算法原理可參考維基網路： https://zh.wikipedia.org/wiki/Murmur%E5%93%88%E5%B8%8C
Scala API自身是有MurmurHash演算法的實現的（ scala.util.hashing.MurmurHash3 ），返回值是int，32位。
spark也廣泛採用了Murmur哈希演算法，可以看一個在sparksql中的例子，在TreeNode類中有：
之所以調用 proctHash 方法是因為TreeNode繼承自scala的 Proct 特質（有興趣的同學可以通過反編譯查看到，scala 的Case class類實現了scala.Proct和scala.Serializable介面（Proct和Serializable都是Traits）），而且有很多case class 類繼承TreeNode類。
參考：
https://liqiang.io/post/murmurhash-introction
https://leibnizhu.github.io/2017/01/19/Scala%E5%AE%9E%E7%8E%B064%E4%BD%8D%E7%9A%84MurmurHash%E5%87%BD%E6%95%B0/index.html