另类算法
没做过，只是想到几个思路：
如果文本量比较少（几千或者上万，具体没有测试过）并且要查询和替换的目标在正则中不是很复杂的话，使用正则表达式就可以实现快速的文本的查找和替换，并不需要自己写算法。如果文本量很大，就需要自己再想办法了。
如果文本量比较大，可以将文本存储到数据库中，数据库提供了文本的查找和替换的功能，并 且此功能已经相当完善，调用相应的数据库函数可以实现查找和替换。
如果你只是想学习文字处理上的一些算法，而非实现查找和替换的功能的话，就当上面什么都没说好了.....
2. 一个另类寻路要求，求算法
看你要不要优化了，棋盘不大，只有5x5，那么就按照某个顺序，比如左上右下的顺序遍历就好，死胡同了就回溯，直到找到解。
如果要优化最好的思路是A*，就是给每个点赋权值，可能的思路是按照联通点的数量赋值，中心的点为4，边上为3，角上为2，终点周围的点要减一，这种是最简单的固定权值的方式，也可以边走边改变权值。然后每次在上下左右中选择权值最小的那个先走，然后死胡同的话就回溯。
3. 小女生的胸是26A吗还是另类算法
你多大呢？ 偶朋友准备在学校旁边办个卖这类玩艺的小店，偶们偷偷滴侦察和调研了几天后查了半天我才知道胸贴是什么，呵呵呵呵，很漂亮，如果欣赏
4. 另类异或
熟悉进制就行了 这题其实很简单 刚我找了一下当时的程序，没找着，可能觉得比较简单的题目就没保存吧。。
我的算法可能不够好，那位大牛看到 说一下更好地算法。。
先获得进制数n，我用的 n = str.length() +1;
然后将A跟B 分别转成 n进制 在各个位数上加 mod n，就行 别忘了乘以 n的x次方啊
准备举个例子，但描述太麻烦了了，还是重写一个代码把。。
代码，其实挺好懂
int ans = 0;
int i = 0;//控制位树
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. 一发入魂，彩票中奖的另类思路
阿基米德想要一根杠杆来撬动地球，而我只想要一个规律来买彩票！
2013年我玩了一年的彩票，主要是福彩3D和体彩排列三。总的来说钱是赚了，但因为缺乏数据统计和分析判断的软件辅助，每次都要手动操作运算，精力投入实在太大。在此提个醒，购彩有风险，入坑需谨慎！
言归正传，接下来以福彩3D为例讲讲我的思路，为保证所有人都能看懂，我已摒弃掉一些数学符号和晦涩难懂的公式和算法，使用最为基础和通俗的方式表述。
福彩3D每期都会从三个不同的球池中抽出1个球，每个球池从0-9号有10个球，所以每期的号码从小到大是000-999，若是购买的数字和次序都正确的话，2元即可中得1000元的奖金。这期只讨论这种以小博大的购彩思路。
众所周知，彩票号码的出现是随机的。
假设从0-9抽一个球出来，抽完就放回去，重复抽10次，每次都抽到0号球有可能吗？当然存在这种可能，这属于独立重复事件范畴，只不过随着重复次数的增加，总概率会以指数级递减。例如第一次出现0号球的概率是1/10，第二次是1/100，第三次是1/1000，以此类推。
这是多数人使用的底层原理，非常好理解，就是博概率。
在计算和推测福彩3D每一个位置的数字时，人们往往会用不少手段，有人会使用奇偶数，也有人会用质数，大小，以此来缩小投注范围。还有人对百位和十位数字的搭配进行分析，或者对3个数字的和值或者跨度进行历史统计，预估下期的趋势。
上述是主流的估测方式，官方也会提供这些数据信息给到彩民，实际上这些方式都有意无意地使用了独立重复事件的概率统计。
中奖不该执着于某一期能否中奖，而是要放到一个阶段内去统计，例如购买十期的盈利是多少。我曾经也按上述的方式进行估测，但发现这些主流的方式存在两个问题，一是容错率高导致购彩成本也高；二是属性复杂，精准度较低。
如个位数选奇偶剩5颗球，再挑出大小剩2-3颗，再考虑是否质数剩下1颗，实际算下来，个位数正确的概率依然是1/10，和你随机选一个数字并没有太大的差别，同时心理上还容易陷入首因效应，导致对某些数字或组合过于执着。
于是我尝试将十进制的彩球的数字转为二进制，这种做法的好处就在于，可以将纷乱复杂的属性简化为两种，即0和1。
将历史数据转为二进制并进行排列后，就会发现许许多多有趣的排列，也能从中自己挖掘出估算的方式方法。
将开奖数字转为二进制后，我尝试过不少思路，这些思路汇集起来确实帮了我不少忙。最高的记录是4注中1000，在某段时期内，连续二十期猜中2个数字及位置的概率在25%，猜中1个数字及位置的概率达50%。
以下罗列三种最基础的思路，大家可以根据自己的知识储备自行发挥。
思路一、
无视前几期的数据，而是统计某一列0或1在不同历史区间内的实际出现概率，将其与理论概率做对比，看看是高还是低，看看最近一段时间的趋势是走高还是走低，还可以将数据转化为图形来协助自己判断，推测是下期是0还是1。
比如图A是个位数的历史数据及“1”的概率统计情况，可以从这个表中提取到某些信息，比如右起第二列，“1”出现的情况只有2、3、6、7这几个数字，所以理论概率为40%，十期以内出现了6次，概率为60%，远高于理论值。但从百期38%的统计上看是低于理论值的，所以不排除是走剧烈的概率修正路子。
思路二、
参考前几期0或1出现的概率及分布。例如图A中，右起第三列，0和1的出现分布就很有意思，最近十期出现了1001001001的分布情况，似乎不停在重复100的顺序，但这种情况从概率上讲是很低的，若是我来选择，我会认为下期大概率不会出现0，以此来终止这样的低概率事件。
思路三、
上面的思路是终止低概率事件，但如果是短期内一直呈现正常理论的分布，也会变成低概率时间，例如图A右起第一和第二列，最近几期两列的搭配组合分别是00、10、01、11，这种分布显得太
“和谐”了，预计在下期可能会出现11，或下下期就会出现和下期同样的组合情况。
以上三种思路仅分析单个球号，而且也是最为基础的估测方法，如要更加精准，还需要对每一列构建不同的函数来运算，再回到十进制进行组合比对，例如百位和十位的搭配，十位和个位的搭配，百位和个位的搭配，然后再将他们组合后的二进制进行概率运算。一篇短文是讲不清楚的，所以权当是抛砖引玉，给大家带来另一种思路。
值得提醒的是，“趋势”极为重要！
二进制的估测法仅在福彩3D和体彩排列三上尝试过，未在双色球和体彩大乐透上实践，有兴趣的朋友不妨试试看。
另外每次开奖前，都会有一组试机号，经过我当时的测试，这组试机号不影响二进制估算的方式。
2013年玩彩票的过程中，我曾数次感觉，自己距离某种潜在的事物运行规律仅有一步之遥，但这一步却无论如何都跨越不了，因为它是唯心的，是无法单靠我手中的数据推算出来的。我能做的，只是持续输出我估测的结果，以博得一段时间内的盈利。
当时我以为这一步就是宇宙运行的规律，又或者彩票中心根据全国购彩数据进行处理的规律，所以我试图去找出某个系数或变量，为此花费了大量的时间和精力，却终因能力有限未能实现，现在想想也是挺好笑的，说不定只是彩票中心换了一台机子而已。
所以大家千万不要走入歧途，容易走火入魔，玩彩票需要什么心态呢？可以参考我之前发过的一篇文章《论新年许愿，愿望成真的正确姿势》。
你们又是通过什么方式去预测开奖号码的呢？欢迎在评论中分享自己的心得！
6. 另类数据正在崛起，为对冲基金带来优势
面对全球新冠肺炎疫情蔓延影响以及国际局势的紧张，对冲基金和企业正在发力寻找应对办法，一个提供卫星图像、社交媒体情绪变动等另类数据的庞大行业迎来机遇。
-01-
官方数据的滞后性使另类数据需求崛起
随着对冲基金和企业寻觅如何应对COVID-19疫情危机的线索，一个提供卫星图像、社交媒体、情绪变动等非常规数据的数十亿美元行业迎来旺盛需求。
在发现官方数据在反映新冠疫情导致的经济活动崩溃与复苏方面太过迟缓之后，许多投资机构纷纷转向所谓的另类数据——标准金融市场指标或统计数据之外的“利基信息”。提供商表示，这类数据可以提供对一家公司或一个经济体运行状况的宝贵、实时的了解。
另类数据并非一个新概念。根据罗闻全与亚斯米娜•哈桑霍德齐克合着的《技术分析简史》一书中描述，古巴比伦的商人会测量幼发拉底河的深度和流量，以设法在贸易中占得先机，这就是因为他们发现了这些数据与商品供应的关联性。
另类数据之前在几年前也有引起广泛关注，当时投资者对计算机驱动（人工智能选股、系统自动下单与计算机数据汇总挖掘等）的交易基金非常狂热。
-02-
投资业内人士的看法
在新冠疫情爆发之前，网站Alternativedata.org的数据就显示，今年仅基金管理公司在另类信息上的年度总支出预计就将超过17亿美元，远高于3年前的4亿美元。另一家另类信息提供商Neudata称，目前有近1500家另类数据提供商。该公司表示，3月、4月和5月处理客户查询的工作量是正常情况下的四倍左右。
现在已知已经有不少的大型资产管理公司像BNP Asset Managemen，瑞士投资公司Unigestion等都表示他们都有使用另类数据给其投资组合参考一些新的领导性指标并产生一些新的投资想法。
对冲基金Aspect Capital的基金经理阿西夫•努尔(Asif Noor)是另类数据的多年信奉者，但表示最近几个月的经历“巩固了这种看法”。该公司的新闻阅读算法在2月中旬发现了随油价波动的挪威克朗不断走弱的市场情绪。到了2月底，该公司的Systematic Global Macro基金已开始做空挪威克朗，并将这一操作持续至3月初。随着油价下跌和克朗暴跌——美元对挪威克朗汇率从3月6日的1美元兑9.2挪威克朗升至3月19日的1美元兑12挪威克朗——该基金斩获利润。
然而，一些基金经理质疑另类数据带来获利押注的几率有多大，即便它确实突显了某种经济趋势。
阿姆斯特丹Kempen Capital Management的另类策略联席主管米希尔•梅乌维森(Michiel Meeuwissen)表示：“更为波动、更为短期的数据更多，可能未必有助于产生获利的交易。常识有时会同样靠谱，甚至更为靠谱。”他以根据新冠危机来挑选做空哪些行业作为例子。
-03-
面对市场波动，对冲基金 探索 新方向
各界普遍承认，数据将成为未来竞争优势之源头。电子储存数据总量和种类的急剧增长、计算机计算能力与数据储存能力的增长、以及分析大量复杂信息的技术（如机器学习）的快速发展大幅提升了另类数据的可得性。近些年，另类数据在资产管理行业中的使用越来越广泛。
另类数据更多的应用于偏股票型的量化对冲基金。近于实时的另类数据流有助资产管理公司提前获得大量股票买入或卖出的信号。除此之外，传统资产管理公司也已经开始使用另类数据来帮助提升人工制定长期投资决策的质量。例如，英国资产管理公司Schroders在2014年推出了一个“数据洞察部门”（Data Insights Unit，以下简称“DIU”）。DIU拥有30名数据科学家，他们分析各种另类数据，帮助投资组合管理团队制定中长期投资决策。
另类数据的应用对于资产管理公司来说，需要具备足够的专业人才进行深度的数据分析，再结合市场上的专业第三方数据处理专家的建议以掌握研究的主动权，就很可能挖出独门的α。
面对全球新冠肺炎疫情蔓延影响以及国际局势的紧张，对冲基金和企业正在发力寻找应对办法，另类数据就是其中一个发力点。钧誉，作为亚太地区的业绩优异的对冲基金领导者，面对着世界格局及全球市场波动下，不断吸引优秀人才充实团队。钧誉团队不断在市场上去接触新机会精进自己的策略组合，对投资者负责，为投资者提供低风险相对高收益的稳定回报。
7. NOI比noip多考些什么
网络流、费用流、二叉平衡树、线段树、KM匹配问题……
主要就这些吧。
8. 96-68等于多少你能想出五种算法吗
另类的问题...偶来另类解...
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哈希算法
说到哈希算法，可能大部分人都会不自觉得想到 md 和 sha 系列，在这之前，我就是这样的，因为他们意味着流行安全和稳定。但是，最近我知道了一款另类的流行的哈希函数， 这款哈希函数广泛应用于分布式系统-Hadoop/Lucence等等，原因就是因为它速度快而且散列效果好 ，这个哈希算法就是 MurmurHash。
哈希系列比较流行的有三个系列，分别是 MD/SHA 和 MAC 系列，但是这些系列都是比较安全，虽然 MD5 和 SHA-1 已经被王小云教授碰撞了，但是相对我们平时使用的直接简单求模这种还是比较安全的，相对安全带来的负面效果就是 计算量还是挺大的，而且不保证哈希结果的均匀 。而在分布式环境下，为了资源的合理利用，我们需要的更多是均匀，因为是内部散列的作用，所以哈希安全我们并不那么在乎，所以在这种情境下，2008 才被发明的 MurmurHash 成为了分布式中的宠儿，深受 Google 系的喜爱。
MurmurHash 当前最新的版本是 MurmurHash3，它能够产生出32-bit或128-bit哈希值。除了我们能够猜到的不再使用的 mmh1 以及 还在使用的 mmh2 之外，还有好些变种，不过都是针对平台优化的。
Murmur哈希的算法确实比较简单，它的计算过程其实就是它的名字，MUltiply and Rotate，因为它在哈希的过程要经过多次MUltiply and Rotate，所以就叫 MurMur 了。
算法原理可参考维基网络： https://zh.wikipedia.org/wiki/Murmur%E5%93%88%E5%B8%8C
Scala API自身是有MurmurHash算法的实现的（ scala.util.hashing.MurmurHash3 ），返回值是int，32位。
spark也广泛采用了Murmur哈希算法，可以看一个在sparksql中的例子，在TreeNode类中有：
之所以调用 proctHash 方法是因为TreeNode继承自scala的 Proct 特质（有兴趣的同学可以通过反编译查看到，scala 的Case class类实现了scala.Proct和scala.Serializable接口（Proct和Serializable都是Traits）），而且有很多case class 类继承TreeNode类。
参考：
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