系统包括三个部分： (1) 输入数据：包括初始形状数据和终止形状数据, 一般为事先定义好的整型变量数据,如简单的几何物体形状（苹果，凳子， 陶罐）以及简单的动物形状（大象，马）等。也可以设计交互界面，用户通过界面交互输入数据。 (2) 插值算法，包括线性插值和矢量线性插值。线性插值：对于初始和终止形状上每个点的坐标 Pi 进行线性插值得到物体变 形的中间形状；矢量线性插值：对初始形状和终止形状上每两个相邻点计算其对应的长 Li 和角度θi，然后对 Li 和θi 进行线性插值得到中

编写程序：动物排队 要求：在一队动物里有猫、狗、和马三种不同动物（其顺序、数量和比例是随机的）， 现在要求能够让这三种动物站到自己那一类动物的队伍中去。 （备注：写一个基类Animal 里面有一个name,age属性（名字和年龄随机产生）和抽象showInfo方法， 然后用再写子类Dog、Cat、Horse去继承这个基类Animal，再用Animal随机的来实例化20个Dog、Cat、Horse类 存放在一个列表中,创建三个列表，迭代上面的列表，将他们分类添加到自己的列表

本题关于排序与细节处理，故选择int数组作为数据结构。 算法思想如下：对于输入的数据，根据其后的‘+’‘-’，用a，b的数组分别记录染病和正常的动物的高度。然后分别将a，b两数组排序。对于其后的m组询问，分别求出要杀中的动物数量x和最多误杀的动物数量y，分别询问a，b数组的倒数x，y位置的元素，稍作处理，分别作为最高高度和最低高度输出（若不和逻辑，输出-1）。程序结束。 复杂度：本题的运算时间主要用于排序（快排），故复杂度为O(nlogn)。空间复杂度是 O（n）。 -This

在这本书中，我们探索了一种从交互中学习的计算方法。我们不直接对人或动物如何学习进行理论分析，而是探索理想化的学习情境，评估各种学习方法的效率。也就是说，我们采用人工智能研究人员或工程师的角度。我们探索去设计在这些方面上格外有效率的机器，他能够解决科学或经济学领域的问题。通过数据分析和计算实验来评估这些设计。我们将这种方法称为强化学习，更侧重于目标导向的交互学习，而不是其他方法。(In this book, we explored a computational method of learnin