搜索常见算法

A. 你所了解的在百度的搜索引擎中所应用的算法有哪些

网络基础算法分析：链接流行度核心算法+网络推广+框计算+开放平台
1.【链接流行度】和大多数关键词搜索引擎一样，页面URL地址链接的流行程度为核心的基础核心算法；
2.【网络推广】起先叫做网络竞价，后改为网络推广，包括关键词竞价算法和网盟推广算法两部分；
3.【框计算】语义分析、行为分析、智能人机交互、海量基础算法等。

B. 搜索引擎排名算法分析，搜索引擎排名有哪几种算法

①Google和PageRank算法。
②PageRank算法。
③HITS算法。
④ ARC算法。
主要针对关键词在文章中出现密度的原理，和一定推广手段（如：推广平台，问答，权重网站外链等），从而引导蜘蛛来爬行，并对其关键词收录，来达到自身想要的利益，但效果普通，且推广力度大，每天更新内容量多的问题。好的SEO不仅仅是针对关键词，哪怕细致到用户在浏览网站时，每一个点击动作，浏览的方便程度，都是做出了考虑的，白帽的SEO工作者，是从对网站建设，用户体验，页面布局等等做出了长期的规划。所以，任何搜索引擎基本没有很固定的一套排名算法（例如网络等就会不断更新自己的排名算法），或者有，也是不会公开，因为这样会造成搜索引擎的排名紊乱。了解了用户的访问目的，针对性的对网站做出长期规划，布局，为用户提供好的体验，这才是做为白帽SEO工作者应该做的事情。关注那些关于搜索引擎工作机制的最新和最大的传言没有什么不好，但是不要热衷于此，否则就忽略了真正有意义的事情：网站的访问者。

C. 谈谈几种接触搜索算法的比较麻烦告诉我

接触分析计算主要是接触界面的搜寻方法和法向接触力的计算问题.
常见的有主从面法、级域法和一体化算法 是接触点的搜索算法，这三种算法中，最早的是主从面法，主从面法中从节点不允许穿透主动面，但主动面上的接触点可以穿透从动面。故主从面法只需搜寻与主动面接触的节点。主从面法的一个缺陷是——不能处理同一个接触面内发生的情况，比如子接触问题。与其他两种方法相比，主从面法只考虑接触体中一半的接触点，所以其计算工作量是比较小的。级域法在相互靠近的接触块中寻找接触对；一体化算法总是在所有的接触块中寻找。由于计算方法的不同，这三种方法计算时间依赖于接触面的大小。另一方面主从法之所以被广泛采用，是他的算法很成熟，编程也容易，而级域法需要从高到低逐级进行，编程就很困难，而且其矢量化运算能力也不行。
所以总体来说，一体化算法是最优越的。
除了这三种算法，还有一些别的算法：比如 BCM，边界搜索，近些年一些智能算法也被广泛引入进来！
除了接触点的搜寻算法，常用的接触力算法为：拉格朗日乘子法和罚函数法。拉格朗日乘子法不允许接触边界的互相穿透，能准确描述几何约束条件，是一种精确的接触力算法，但它与显式算法不相容，要求特殊的数值处理。但该方法在每个接触点处要求引入乘子，导致系统自由度的增加，使计算效率降低。而罚函数法允许接触面之间的互相穿透，并通过罚子将接触力大小和接触边界的穿透量联系起来，接触力正比于边界穿透量。此方法比较简单单也适合于显式算法，能在系统自由度不增加的情况下进行数值求解。但它影响显式算法中的临界时间步长。罚因子的好坏还影响计算结果的可靠性。

D. 常见的搜索算法有哪几种

• 广度优先搜索（BFS）

• 深度优先搜索（DFS）

• 爬山法（Hill Climbing）

• 最佳优先算法（Best-first search strategy）

• 回溯法 （Backtracking）

• 分支限界算法（Branch-and-bound Search Algorithm）

E. 搜索引擎算法的介绍

搜索引擎算法： 获得网站网页资料，建立数据库并提供查询的系统，我们都可以把它叫做搜索引擎。搜索引擎的数据库是依靠一个叫“网络机器人（crawlers）”或叫“网络蜘蛛（Spider）”的软件，通过网络上的各种链接自动获取大量网页信息内容，并按一定的规则分析整理形成的。Google、网络都是比较典型的搜索引擎系统。 为了更好的服务网络搜索，搜索引擎的分析整理规则---即搜索引擎算法是变化的。

F. 百度算法有哪些

网络搜索引擎算法：绿萝算法、绿萝算法2.0、石榴算法、原创星火计划、冰桶算法、飓风1.0,2.0,3.0，极光算法，烽火算法等等

G. 搜索算法的主要分类

如算法名称那样，深度优先搜索所遵循的搜索策略是尽可能“深”地搜索树。它的基本思想是：为了求得问题的解，先选择某一种可能情况向前（子结点）探索，在探索过程中，一旦发现原来的选择不符合要求，就回溯至父亲结点重新选择另一结点，继续向前探索，如此反复进行，直至求得最优解。深度优先搜索的实现方式可以采用递归或者栈来实现。
由此可见，把通常问题转化为树的问题是至关重要的一步，完成了树的转换基本完成了问题求解。
1、优化思想
减少所遍历的状态总数
2、三种方法
(1)减少节点数
思想：尽可能减少生成的节点数
(2)定制回溯边界
思想：定制回溯边界条件，剪掉不可能得到最优解的子树
在很多情况下，我们已经找到了一组比较好的解。但是计算机仍然会义无返顾地去搜索比它更“劣”的其他解，搜索到后也只能回溯。为了避免出现这种情况，我们需要灵活地去定制回溯搜索的边界。
在深度优先搜索的过程当中，往往有很多走不通的“死路”。假如我们把这些“死路”排除在外，不是可以节省很多的时间吗？打一个比方，前面有一个路径，别人已经提示：“这是死路，肯定不通”，而你的程序仍然很“执着”地要继续朝这个方向走，走到头来才发现，别人的提示是正确的。这样，浪费了很多的时间。针对这种情况，我们可以把“死路”给标记一下不走，就可以得到更高的搜索效率。
(3)记忆化
思想：运用记忆化的方法，使得一些遍历过的子树不要重复遍历
3、三个原则
(1)正确性：剪去的“枝条”不包含最优答案；
我们知道，剪枝方法之所以能够优化程序的执行效率，正如前文所述，是因为它能够“剪去”搜索树中的一些“枝条”。然而，如果在剪枝的时候，将“长有”我们所需要的解的枝条也剪掉了，那么，一切优化也就都失去了意义。所以，对剪枝的第一个要求就是正确性，即必须保证不丢失正确的结果，这是剪枝优化的前提。
为了满足这个原则，我们就应当利用“必要条件”来进行剪枝判断。也就是说，通过解所必须具备的特征、必须满足的条件等方面来考察待判断的枝条能否被剪枝。这样，就可以保证所剪掉的枝条一定不是正解所在的枝条。当然，由必要条件的定义，我们知道，没有被剪枝不意味着一定可以得到正解（否则，也就不必搜索了）。
(2)准确性：在保证第一条原则的情况下，尽可能的剪去更多不包含最优答案的枝条；
在保证了正确性的基础上，对剪枝判断的第二个要求就是准确性，即能够尽可能多的剪去不能通向正解的枝条。剪枝方法只有在具有了较高的准确性的时候，才能真正收到优化的效果。因此，准确性可以说是剪枝优化的生命。
当然，为了提高剪枝判断的准确性，我们就必须对题目的特点进行全面而细致的分析，力求发现题目的本质，从而设计出优秀的剪枝判断方案。
(3)高效性：通过剪枝要能够更快的接近到达最优解。
一般说来，设计好剪枝判断方法之后，我们对搜索树的每个枝条都要执行一次判断操作。然而，由于是利用出解的“必要条件”进行判断，所以，必然有很多不含正解的枝条没有被剪枝。这些情况下的剪枝判断操作，对于程序的效率的提高无疑是具有副作用的。为了尽量减少剪枝判断的副作用，我们除了要下功夫改善判断的准确性外，经常还需要提高判断操作本身的时间效率。
然而这就带来了一个矛盾：我们为了加强优化的效果，就必须提高剪枝判断的准确性，因此，常常不得不提高判断操作的复杂度，也就同时降低了剪枝判断的时间效率；但是，如果剪枝判断的时间消耗过多，就有可能减小、甚至完全抵消提高判断准确性所能带来的优化效果，这恐怕也是得不偿失。很多情况下，能否较好的解决这个矛盾，往往成为搜索算法优化的关键。 类似树的按层遍历，其过程为：首先访问初始点Vi，并将其标记为已访问过，接着访问Vi的所有未被访问过可到达的邻接点Vi1、Vi2……Vit，并均标记为已访问过，然后再按照Vi1、Vi2……Vit的次序，访问每一个顶点的所有未被访问过的邻接点，并均标记为已访问过，依此类推，直到图中所有和初始点Vi有路径相通的顶点都被访问过为止。
处理和优化
对于状态数很多时，广度优先搜索可以采用循环队列或动态链表来处理。
主要区别 遍历方式 深度优先搜索遍历 广度优先搜索遍历 所用数据结构 栈 队列 一般优化 最优性剪枝
可行性剪枝 Hash判重
双向搜索

H. 10个常用算法

原理：
二分法查找，也称为折半法，是一种在有序数组中查找特定元素的搜索算法。

一般步骤：
（1）确定该区间的中间位置K；
（2）将查找的值T与array[k]比较。
若相等，查找成功返回此位置；否则确定新的查找区域，继续二分查找。每一次查找与中间值比较，可以确定是否查找成功，不成功当前查找区间将缩小一半，递归查找即可。

原理：
一种通过重复将问题分解为同类的子问题而解决问题的方法

典型例子：
斐波那契数列
描述： 斐波那契数列 指的是这样一个数列 1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144, 233，377，610，987，1597，2584，4181，6765，10946，17711，28657，46368.....自然中的斐波那契数列") 自然中的斐波那契数列，这个数列从第3项开始，每一项都等于前两项之和。

解决方式：

原理：
在搜索尝试过程中寻找问题的解，当发现已不满足求解条件时，就“回溯”返回，尝试别的路径。
回溯法是一种选优搜索法，按选优条件向前搜索，以达到目标。
但当探索到某一步时，发现原先选择并不优或达不到目标，就退回一步重新选择，这种走不通就退回再走的技术为回溯法，而满足回溯条件的某个状态的点称为“回溯点”。

解决问题一般步骤：
1、 针对所给问题，定义问题的解空间，它至少包含问题的一个（最优）解。

2 、确定易于搜索的解空间结构,使得能用回溯法方便地搜索整个解空间 。

3 、以深度优先的方式搜索解空间，并且在搜索过程中用剪枝函数避免无效搜索。

典型例子：
八皇后问题
描述：在8×8格的国际象棋上摆放八个皇后，使其不能互相攻击，即任意两个皇后都不能处于同一行、同一列或同一斜线上，问有多少种摆法。

解决方式： https://blog.csdn.net/weixin_41865447/article/details/80034433

概念：
将杂乱无章的数据元素，通过一定的方法按关键字顺序排列的过程叫做排序。

分类：
非稳定排序算法：快速排序、希尔排序、堆排序、直接选择排序
稳定的排序算法：基数排序、冒泡排序、直接插入排序、折半插入排序、归并排序

十个常用排序算法

利用计算机的高性能来有目的的穷举一个问题解空间的部分或所有的可能情况，从而求出问题的解的一种方法。

分类：
枚举算法、深度优先搜索、广度优先搜索、A*算法、回溯算法、蒙特卡洛树搜索、散列函数等算法。

将一个数据转换为一个标志，这个标志和源数据的每一个字节都有十分紧密的关系。

很难找到逆向规律

只要符合散列思想的算法都可以被称为是Hash算法

对不同的关键字可能得到同一散列地址，即key1≠key2，而f(key1)=f(key2)，这种现象称为 碰撞 。

原理
在对问题求解时，总是做出在当前看来是最好的选择。也就是说，不从整体最优上加以考虑，他所做出的是在 某种意义上的局部最优解 。
从问题的某一个初始解出发一步一步地进行，根据某个优化测度，每一步都要确保能获得局部最优解。每一步只考虑一个数据，他的选取应该满足局部优化的条件。若下一个数据和部分最优解连在一起不再是可行解时，就不把该数据添加到部分解中，直到把所有数据枚举完，或者不能再添加算法停止。

一种近似算法

一般步骤：
1、建立数学模型来描述问题；
2、把求解的问题分成若干个子问题；
3、对每一子问题求解，得到子问题的局部最优解；
4、把子问题的解局部最优解合成原来解问题的一个解。

典型例子：
0/1背包问题
马踏棋盘
均分纸牌

例题： https://www.cnblogs.com/hust-chen/p/8646009.html

概念：
分治算法的基本思想是将一个规模为N的问题分解为K个规模较小的子问题，这些子问题相互独立且与原问题性质相同。求出子问题的解，就可得到原问题的解。即一种分目标完成程序算法，简单问题可用二分法完成。

一般步骤：
（1）分解，将要解决的问题划分成若干规模较小的同类问题；
（2）求解，当子问题划分得足够小时，用较简单的方法解决；
（3）合并，按原问题的要求，将子问题的解逐层合并构成原问题的解。

典型例子：
排序中：归并排序、堆排序、快速排序；
实例：找伪币、求最值、棋盘覆盖

https://ke..com/item/%E5%88%86%E6%B2%BB%E7%AE%97%E6%B3%95/3263297

概念：
用于求解具有某种最优性质的问题。在这类问题中，可能会有许多可行解。每一个解都对应于一个值，我们希望找到具有最优值的解。

动态规划一般可分为线性动规，区域动规，树形动规，背包动规四类。

举例：
线性动规：拦截导弹，合唱队形，挖地雷，建学校，剑客决斗等；
区域动规：石子合并， 加分二叉树，统计单词个数，炮兵布阵等；
树形动规：贪吃的九头龙，二分查找树，聚会的欢乐，数字三角形等；
背包问题：01背包问题，完全背包问题，分组背包问题，二维背包，装箱问题，挤牛奶（同济）等；

应用实例：
最短路径问题 ，项目管理，网络流优化等；

https://ke..com/item/%E5%8A%A8%E6%80%81%E8%A7%84%E5%88%92/529408?fromtitle=%E5%8A%A8%E6%80%81%E8%A7%84%E5%88%92%E7%AE%97%E6%B3%95&fromid=15742703&fr=aladdin

概念：
在一个给定的字符文本内搜寻出自己想要找的一个字符串，平常所用的各种文本编辑器里的ctrl+F大多就是使用的这些字符匹配算法。

分类：
KMP、BM、Sunday、Horspool、RK

参考：
https://cloud.tencent.com/developer/news/282694
https://blog.csdn.net/paincupid/article/details/81159320

I. 搜索引擎算法都有哪些

这个的话一般来说都不是很清楚，
但如果是一些大体的算法 如下： 谷歌PR值算法：（1-d）+d/(pr（t）/pr（y）+……pr（tn）/pr（yn）+……)
D代表0.85 而pr（t）是指友情链接的对方网站的PR值 pr（y）是指友情链接的对方网站的导出友情链接的数量

J. 概率搜索算法有哪些，除了遗传算法和蚁群

遗传算法(Genetic Algorithm，GA)是由Holland J．H．于20世纪70年代提出的一种优化方法，其最优解的搜索过程模拟达尔文的进化论和“适者生存”的思想。

蚁群算法(Ant Colony Optimization, ACO)，是一种用来在图中寻找优化路径的机率型算法。

两种算法从概念上都属于随机优化算法，遗传算法是进化算法，主要通过选择、变异和交叉算子，其中每个基因是由二进制串组成；蚁群算法是基于图论的算法，通过信息素选择交换信息。