xmoonlight

Вывод таблицы рейтинга: самые богатые, самые умные, самые популярные, рейтинг фильмов, рейтинг игр, рейтинг пользователей.
PS: Странно, что никто не назавл эти варианты.)))

Поскольку, лучший случай встречается намного реже других, то можно добавить сразу условие хардкодом, но это "капля в море" и прирост к производительности будет крайне мал.

Думаю, что здесь лучше поможет частотная эвристика с "накоплением знаний".
Т.е., самые частые выходные данные сопоставляются с входными и автоматически добавляются в нужное место алгоритма для предотвращения/обхода всех просчётов (или какой-то одной их части).
Происходит динамическая авто-оптимизация алгоритма "налету", как бы..

Задача именно найти пересечение когда одни значения увеличиваются ,а другие уменьшаются.

речь про резонанс идёт, верно?
Если так, то нужна система из двух неравенств (т.н. "триггер"), решение которой зависит от входных параметров (координат точек функций) с допуском r (исходя из параметрического уровнения окружности).
Как только система будет иметь решение - это будет означать, что функции "пересеклись".

1. С самого минимального из заданных (1) - находим целевое (48=1+1+...+1).
2. Убираем первые слагаемые (12*1) и переходим к следующему ПО ПОРЯДКУ! (12), добавляя его в конец, убрав все лишние (1) вначале. Снова находим целевое (48=1+...+1+12, 48=1+1+..+12+12, ...)
3. И т.д. мы делаем по всем заданным числам, постепенно заменяя слагаемые В ПОРЯДКЕ ИХ СЛЕДОВАНИЯ и НЕ ПРОПУСКАЯ ("цепочка" не должна нарушаться)! (48=1+...+1+12+24)

Перебор перестановок здесь - не нужен, т.к. порядок следования слагаемых - строго фиксирован.

С помощью чего это можно реализовать?

токены перестановок + regex.

Берём все Y-ки всех точек и находим минимальное и максимальное расстояние.
Берём среднее, и выравниваем сетку строк по высоте так, чтобы точки были как можно ближе к центру строк.
Тоже самое, делаем со столбцами.

Начинать нужно с поиска угла между начальной и конечной точкой.
Здесь: L-образный угол (левого нижнего) квадрата 9x9 (не вдоль кромки красная линия, а на одну ближе к центру!).
А уже от него - достраивать до начального и конечного пункта.

Составить "указатель" (как в книгах).

Я вот так сделал:

function partsSums(ls) {
    if(ls.length==0) return [0];
    result=ls;
    result[i=result.length]=0;
    i--;
    while(i!==-1)
      result[i] = result[i+1]+ls[i--];
    return result;
}

Test Results:
partsSums
Basic tests
Random tests
Completed in 2070ms

линк

PS:

RAX7, ... а моё за ~3000ms ¯\_(ツ)_/¯

выжмешь ещё круче?)

PS2: RAX7, Кстати, там лучший результат - это тоже мутация, но работает за 927.29ms (наши же - менее 100ms).

function partsSums(ls) {
    ls.unshift(0);
    let sum = ls.reduce((p, c) => p + c, 0);
    return ls.map(v => sum = sum - v);
}

случайность этого числа будет соответствовать графику.

Нужно составить полином этой зависимости. Т.е., сам этот график.

Допустим, чтобы рандом чаще всего выдавал коэфициент меньше 0.5, и реже больше 0.5.

Следующий шаг - это вероятность выпадения одного из параметров (по одной из 2-х осей).

2-й вариант - наиболее правильный.
Но надо помнить, что это итоговая по каждому товару - это не реальная популярность, а рассчитанная на конкретном множестве/наборе товаров.

Настоящую реальную никак не посчитать, т.к нужно знать о существовании всех возможных позиций товаров, соответствующих заданной ЦА.

В поиске гугл: pymorphy2 java и дальше по ссылкам.

Самый простой алгоритм:
1. По кругу, начиная с углов, от максимальной площади к минимальной.
2. При появлении "ямы" - проверка на её замощение фигурой с той же площадью: есть - замощение ею, нет - переход к следующей фигуре в п.1 с меньшей площадью.

Максим, всё просто.
Всегда держите актуальную кривую распределения "интервал-количество". Создаёте и обновляете её по мере поступления новых данных. Это называется итеративной сегментацией данных.
Поиск в меньшую сторону выполняете сразу с нужного сегмента, смещаясь влево на один интервал: ищите только в нём.

Чем больше данных в одном сегменте, тем больше интервалов и создавайте. Это уменьшит время на поиск нужного Вам значения.

Мне кажется, что нужно искать соответствие между периметром максимального вписанного в изображение прямоугольника, содержащего максимум контурных пикселей, и периметром описанного вокруг изображения прямоугольника (это граница изображения, также, содержащего максимум контурных пикселей изображения, т.е. inset).

Чем больше разница в процентном соотношении этих двух периметров, тем на больший коэффициент нужно домножать разницу длины и ширины этих двух прямоугольников для вычисления новых размеров изображения - визуальных границ.

Это нужно тестить!

Никак, если есть ветвление на текущем шаге с разным количеством вопросов.

Можно показывать только процентную часть от максимально-возможного кол-ва ответов в данной ветке:
[прогресс, в %] = 100*([пройденное кол-во вопросов в текущей ветке]/[максимальное кол-во вопросов в текущей ветке])

Чтобы найти количество пройденных/оставшихся шагов на конкретном вопросе ("узле"), нужно следовать от каждого "узла" "дерева" к "корню" "дерева" (к началу теста/опроса) и считать количество связей и сразу маркировать "рёбра" максимально-возможным значением "глубины" данной "ветки" от текущего "узла".

Я задавал похожий вопрос.
Посмотрите.

Сложность тут линейная: O(n)
Шифрование/дешифрование - однопроходные.

При шифровании:
Слева - сам символ (его код), справа - символ с кодом его позиции.
(в центре - "смесь")

Расшифровка - в обратном порядке.

PS:

Но чтобы получить номер нода в списке, придется пройтись по списку, а это уже n^2.

нужно добавить ещё одну грань до куба с векторами смещений.