bwt壓縮演算法其經典地位無可撼動， 思想真是個奇妙的東西， 廢話不多說， 讓我們來看看她的奇妙之處吧。
假設有一串字串s="acaacg"， 長度為6， 如果直接對此串進行壓縮， 可能是a 1, c 1, a 2, c 1, g 1, 對於更長的串， 由於其隨機性， 使得同乙個字母的大量重複更多， 因此我們需要一種更好的辦法，既能提高壓縮效率同時可以完美還原原序列， bwt演算法這就登場了：
1， 首先將原字串開頭新增乙個結束字元，一般取$， 得到s'="$acaacg"，長度為 7
2， 將s'往右輪轉，得到乙個陣列m，它只是乙個中間產物， 但是對於後面的理解會有幫助
$acaacg
g$acaac
cg$acaa
acg$aca
aacg$ac
caacg$a
acaacg$
3， 緊接著對這個陣列按照字典序排序，得到 m'，後續的處理都是基於這個陣列，（ 請開動您的腦筋， 來一次天馬星空吧）
$acaacg
aacg$ac
acaacg$
acg$aca
caacg$a
cg$acaa
g$acaac
4，這裡我們定義m' 的第一列為f="$aaaccg"， 長度為7，這個看起來挺適合壓縮， 但我們的目的還要還原， 而f不能還原成s（自己想想為什麼？），
在定義m' 的最後一列為l="gc$aaac"，長度為7，g 1, c 1, a 3, c 1, 發現這個序列更有規律，較原序列更易壓縮， 這裡要說明下矩陣m' 兩個性質，
a. l的第乙個元素是s中的最後乙個元素
b. 對於m' 中的每一行（第一行除外）第乙個元素都是最後乙個元素在原序列中的下乙個元素。(這句請多想想)， 例如m' 第2行a, 該行最後乙個字母是c, 再回到s中可發現，a就是緊跟c後面的乙個字元。
也就是說，對於文字塊而言，同一行中f是l的下乙個元素，l是f的前乙個元素。
至此， 壓縮初步完成，即得到l序列， 後面更完整的壓縮是根據l更容易還原的特性來處理， 我們先講到這裡。
5， 現在我們就從l開始還原了，還原之前我們要對m' 矩陣進行統計， f中每個字元(相同字元取第乙個)前面有多少個字元，$不計入，總共三個字母a, c, g， 於是得到sf=；l中每個字母之前有多少個與自己相同的字母，有這些字母 g, c, a, a, a, c,得到sl=，
現在就可以還原了， 首先取l的第乙個字母g, 根據性質a它是原序列中的最後乙個字母， 再根據b性質，依次還原每個字母的前乙個字母，於是為了得到g的前乙個字母，我們要找到g開頭的序列，m'的最後一行， 然後找到該行最後乙個字母c, 就是原序列g的前乙個字母，得到cg， 繼續找c的前乙個字母， 找到以c開頭的行，發現有兩行， 怎麼辦， 就要用到剛才統計好的陣列了， 剛才的c前面有乙個c， 故現在得到的兩行中的第二行是我們要找的目標行， 於是c前面的字母就是a，得到acg， 這個a前面有兩個a， 所以我們找到m' 中的第四行，那麼a的前乙個字母就是a，得到aacg，依照此規律開動您的小腦袋繼續探索吧。 （如果覺得文字說明太亂，請看下面圖示）
上面所講全是理論性質的， 有興趣的朋友可以動手謝謝**， 同時可以參考網上其他朋友已經實現了的**。
關於fm搜尋演算法， 未完待續， 懇請各位前輩們多多批評指正， 本人一定多學習借鑑， 謝謝。
A 搜尋演算法
啟發式搜尋演算法 要理解 a 搜尋演算法，還得從啟發式搜尋演算法開始談起。所謂啟發式搜尋，就在於當前搜尋結點往下選擇下一步結點時，可以通過乙個啟發函式 來進行選擇，選擇代價最少的結點作為下一步搜尋結點而跳轉其上 遇到有乙個以上代價最 少的結點，不妨選距離當前搜尋點最近一次展開的搜尋點進行下一步搜尋 ...
A 搜尋演算法
a 演算法是基於bfs的一種入門級啟發式搜尋演算法，就是將bfs的佇列改為基於估價的優先佇列，可以快速地找到答案。優先隊列為小根堆 while 優先佇列不為空 取出隊頭並擴充套件 將擴充套件節點以估價值 當前值為優先順序入隊 endwhile估價函式越接近真實值演算法越優，但一定不能大於真實值，否則...
演算法 排序演算法 搜尋演算法
排序演算法 function arraylist this.tostring function item 冒泡 this.bubblesort function function swap arr,index1,index2 改進冒泡，減少內迴圈不必要的比較次數，每一輪最後兩個數下一次沒必要再比較 ...