1分钟带你理解pairwise

　

pairwise

题目

找到你的另一半

都说优秀的程序员擅长面向对象编程，但却经常找不到另一半，这是为什么呢？因为你总是把自己局限成为一个程序员，没有打开自己的思维。

这是一个社群的时代啊，在这里你应该找到与你有相同价值观但又互补的另一半。

譬如：你编程能力强，估值11分，如果以20分为最佳情侣来计算，你应该找一个设计能力强，估值为9分的女生。

那么当你遇到一个设计能力为9分的女生，千万别犹豫，大胆去表白。千万别以为后面的瓜比前面的甜哦。

举个例子：有一个能力数组[7,9,11,13,15]，按照最佳组合值为20来计算，只有7+13和9+11两种组合。而7在数组的索引为0，13在数组的索引为3，9在数组的索引为1，11在数组的索引为2。

所以我们说函数：pairwise([7,9,11,13,15],20) 的返回值应该是0+3+1+2的和，即6。

---

要求

pairwise([1, 4, 2, 3, 0, 5], 7) 应该返回 11.
pairwise([1, 3, 2, 4], 4) 应该返回 1.
pairwise([1, 1, 1], 2) 应该返回 1.
pairwise([0, 0, 0, 0, 1, 1], 1) 应该返回 10.
pairwise([], 100) 应该返回 0. 

---

代码

function pairwise(arr, arg) {
  var result = 0;
  for(var i = 0;i < arr.length; i++){
    for(var j = i+1 ; j < arr.length; j++){
      if(arr[i] + arr[j] == arg) {
        result += i+j;
        arr[j] = "OK";
        break;
      }
    }
  }
  return result;
}

pairwise([1,4,2,3,0,5], 7);

--------------------- 本文来自 kyr1e 的CSDN 博客 ，全文地址请点击：https://blog.csdn.net/kyr1e/article/details/79231634?utm_source=copy

相关阅读

基于Pairwise排序学习的因子分解推荐算法

摘要： 针对基于内存的协同过滤推荐算法存在推荐列表排序效果不佳的问题，提出基于Pairwise排序学习的因子分解推荐算法（简称Pairwise-