1樓：
我的想法是
1, 建立乙個字典(記錄其中兩兩陣列相同元素個數,假設) 從1-1到1-2000萬，2-1到2000萬，……最後19999999-2000萬。
2, 依次判斷兩兩陣列相同元素的個數(倆個陣列對應下標的元素)，然後記錄在字典中 (判斷相同 value增1)
3, 字典中值大於80%(值/陣列長度的比值)的兩陣列即為所求陣列
2樓：youthanasia
首先定性，這個是個比較簡單的聚類問題
可以把每個陣列理解成乙個100維以上的變數，每個變數之間的距離就是對應下標不同的數量之和
可以通過各種聚類的演算法，算出這2000萬個樣本點能夠聚成多少個我們接受大小的團
聚類演算法就很多了，隨便說個最簡單的，比如k-means
3樓：cloud erow
既然沒提空間複雜度，我就當作記憶體無限來做了。
陣列長N，匹配長度L，誤差個數為K。（如果L為5，相識度為80%，那K就是1）
掃瞄陣列A生成乙個巨大的，產生所有可能匹配的項。時間複雜度O(N)，空間複雜度O((N-L+1)*C(K,L))。C是排列組合。
比如，A中的前5個能夠被（*,a1,a2,a3,a4),（a0,*,a2,a3,a4)...這5個匹配。
用以上的匹配陣列生成自動機。上面的陣列用或連線變成乙個正規表示式。好像時間複雜度是O((N-L+1)*C(K,L)*L).
然後用這個自動機去匹配B就好了。O(L*N)。好像還能優化。
因此複雜度大概就是O(N*L^3)。
4樓：preideas
演算法：使用cosin演算法來計算相似度
原理：具體就是將每個陣列看做乙個向量(如果素組等長，則直接作為向量；不等長，則短陣列全部補齊到最長陣列補的位為0)，這樣就可以通過計算夾角來判斷相似度
做法：1.這樣每次可以找出與當前陣列相似的所有陣列；
2.下次先從2000萬里剔除以挑出的陣列；
3.在剩下的陣列的重複步驟1，2
5樓：
可以嘗試這麼做：
1、將所有元素求N次方和（N大於0）
2、根據和的值對陣列進行排序
懶人法3.1、相鄰兩個陣列分為一組
非懶人法
3.2.1、將兩兩陣列的和做減法，取差的絕對值3.
2.2、將差的值不大於M（M大於等於0，建議第一次運算取0，以後運算取差的中位數或者三分位）的陣列分為一組，如果在有三組或以上，縮小M的值，對該小段陣列繼續進行3.2.
2操作，如果M==0，隨機兩兩分成一組，餘下的返回到未兩兩分組的序列裡
3.2.3、對餘下未分組的陣列，重複從3.2.1開始運算，指導餘下陣列數不大於1
舉例：取N=1
a1=｛2，3，4｝
a2=｛1，3，5｝
a3=｛2，4，3｝
a4=｛3，4，5｝
排序a2=｛1，3，5｝
a1=｛2，3，4｝
a3=｛2，4，3｝
a4=｛3，4，5｝
懶人結果：｛a2，a1｝，｛a3，a4｝誤差較大非懶人結果｛a1，a3｝，｛a2，a4｝誤差較小
6樓：
如果元素的值範圍是常量k的話可以轉換緯度，時間換空間：轉換成k個長度為2000w的陣列，陣列的元素為有或無。取這些陣列的排列C(k*0.8,k)即可
7樓：朱涵俊
可以用80%的元素建立索引。
比如陣列長度為5，有1，2，3，4，5這組資料。分別用1234，2345，1235，1245，1345建立索引。建立索引時候要先排序。
假設有另外的乙個陣列，23456，有乙個索引是2345，跟上面的乙個索引匹配，就判定相同。
有人說提議是元素下標對應相同才是相同，只需要索引時按照下標索引即可，不需要排序了，上面舉例的12345改成下標12345對應的元素即可（下標從1開始）
8樓：那把殺豬刀
計算相似度
由於陣列等長，每乙個陣列可以理解為乙個向量，問題簡化為2000w個向量計算相似度
2000w的資料規模還是很大，考慮分段降低規模首先計算平均數，得到平均陣列的向量
然後計算每乙個向量到平均數向量的距離，然後通過距離來分段計算
9樓：Norlan
按行來看，陣列數量有很多很多，但按列來看，陣列實際上就N個(N為陣列長度)，等價條件是80%的對應元素相等，也就是說20%的對應元素不想等，每次抽取20%的列，列內進行比較，這樣的組合就有(N，N*20%)種，列內進行比較，記錄符合條件的行，最後得到結果，當然，抽取過程有很大的優化空間
10樓：Xi Yang
這個問題很像生物資訊學分析的問題，特別是對環境菌群的marker基因進行高通量測序之後的分析工作。「倆個陣列對應元素有百分之八十以上相等即可」這句話，簡直讓我直接想到了「OTU聚類相似性閾值為80%」。
實際的資料分析情景裡，有很多允許引入誤差的簡化姿勢，以大幅度減少計算量。比如：
以聚類代替所有個體的兩兩相等比較，
以抽樣比較代替全體比較，
兩兩比較的時候，以K子串成分代替序列本身。
11樓：
設每個陣列的長度為N，為避免小數，N應為5的倍數，設 m=N/5
以 4為步長，為陣列中從 0到N-4 為起點的子串計算 hash ，共 （N-4）個hash串。將hash串排序。
判斷兩個陣列相等的條件是：兩個陣列分別算出來的hash串中，至少有m個串相同
怎樣評價今年北大自主招生面試題？
咔咔咔66 總體來看，人文社科的題目為主，理科題目少。1.注重思辨性，信言不美，美言不信。科舉制度是中國古代第五大發明，也有人認為科舉制度阻礙了中國的發展。答題時，要從兩方面來答題 2.注重深度和廣度，發展 創新 禮節 自然界 法律，涉獵範圍廣3.和其他高校的面試相比，難度係數高，五顆星的難度啦不過...
做了乙份前端面試題，有兩道沒寫出標準答案 ？
blank 最後一道題產生乙個方法 接受乙個陣列組 把每個數分成陣列 從第一位開始比較 如果產生前面相同單長度不同的，將長陣列的下一位與所有未排序陣列的第一位比較 大的輸出，然後去掉這個陣列 將剩下的陣列繼續用該方法呼叫 王德福 第一題，你們讀一下題！兩萬不是二萬，這裡還要改寫！var unit 十...
組織乙個十人活動，兩兩都能見面交談，怎樣安排才最有效？
大灰灰老師 class Arrangement object def init self players if len players 2 self players players NOBODY else self players players copy self.n len self playe...