=数据压缩算法=符号已知，数值排列组合可知=
使用带有位数的方式来实现，比如第一位二进制0，换算为十进制的1；比如第一位二进制3，换算为十进制的4；第二位二进制0，换算为十进制的5；第二位的二进制6，换算为十进制的4；
第n位；是二进制0时=2n+1；是二进制1时=2n+2；
1 3 4
2 5 6
3 7 8
1001000100001换算下来，就是：
1=4
0=5
0=7
1=10
0=11
0=13
0=15
1=18
0=19
0=21
0=23
0=25
1=26
4a5b7c(10)a(11)b(13)c(15)a(18)b(19)c(21)a(23)b(25)c(26)
当a=+加法，b=-减法，c=*乘法时：
4+5-7*(10)+(11)-(13)*(15)+(18)-(19)*(21)+(23)-(25)*(26)=-1253（优先计算乘法）
(4+5-7)*(10+11-13)*(15+18-19)*(21+23-25)*(26)= 110656（最后计算乘法，先算加减法）
当a=+加法，b=*乘法，c=-减法时
4+5*7-(10)+(11)*(13)-(15)+(18)*(19)-(21)+(23)*(25)-(26)= 1027（优先计算乘法）
(4+5)*(7-10+11)*(13-15+18)*(19-21+23)*(25-26)=-24192（最后计算乘法，先算加减法）
当a=*乘法，b=+加法，c=-减法时
4*5+7-(10)*(11)+(13)-(15)*(18)+(19)-(21)*(23)+(25)-(26)=-805（优先计算乘法）
4*(5+7-10)*(11+13-15)*(18+19-21)*(23+25-26)= 25344（最后计算乘法，先算加减法）
当a=*乘法，b=-减法，c=+加法时
4*5-7+(10)*(11)-(13)+(15)*(18)-(19)+(21)*(23)-(25)+(26)= 845（优先计算乘法）
4*(5-7+10)*(11-13+15)*(18-19+21)*(23-25+26)= 199680（最后计算乘法，先算加减法）
当a=-减法，b=+加法，c=*乘法时
4-5+7*(10)-(11)+(13)*(15)-(18)+(19)*(21)-(23)+(25)*(26)= 1261（优先计算乘法）
(4-5+7)*(10-11+13)*(15-18+19)*(21-23+25)*(26)= 688896（最后计算乘法，先算加减法）
当a=-减法，b=*乘法，c=+加法时
4-5*7+(10)-(11)*(13)+(15)-(18)*(19)+(21)-(23)*(25)+(26)=-1019（优先计算乘法）
(4-5)*(7+10-11)*(13+15-18)*(19+21-23)*(25+26)=-52020（最后计算乘法，先算加减法）
当然了，数据压缩，可最少都是1gb长度的源数据，为了避免篇幅过长，以及作者换算到浪费时间，这里就只用少量数据来做对比，也就是说，如果是1zb的数据，那么就有意思了，（2n+1）和（2n+2）看起来不大，如果是2^10=1024；2^20=1，048，576；2^50=1，125，899，906，842，624；以此类推，当n取值足够大时，那么想象一下1，125，899，906，842，624*1，125，899，906，842，625（优先计算乘法）；再想象一下(1，125，899，906，842，624+1，125，899，906，842，625-1，125，899，906，842，627)*(1，125，899，906，842，628+1，125，899，906，842，629-1，125，899，906，842，630)= 1.26765060022823e30
然后在以此类推，当 n个1.???????e??????相乘的时候，结果也是足够大的，这个时候要怎么办呢？
限制n的最大值，把数据分段，从而避免n取值过大，导致没必要的运算消耗。
比如限制n小于50，那么就是每49位为一个分段；以此类推。
分段的结果，就是必须要按照分段来分别得出结果，避免分段占用（也就是a分段中，出现过33，而b分段中也出现过33，就导致了分段占用）（当然了，实际使用时，往往需要进行优化，作者这创作的内容，完全是第一代版本，自然语言版本）（众所周知，第一代版本，往往都是最不稳定的，特别是无中生有的算法什么的，尤其以没有发展出v1.539972.335377.885662版本就发布的作者为甚）。
算法感觉还能继续改进。
使用带有位数的方式来实现，比如第一位二进制0，换算为十进制的1；比如第一位二进制3，换算为十进制的4；第二位二进制0，换算为十进制的5；第二位的二进制6，换算为十进制的4；
第n位；是二进制0时=2n+1；是二进制1时=2n+2；
1 3 4
2 5 6
3 7 8
1001000100001换算下来，就是：
1=4
0=5
0=7
1=10
0=11
0=13
0=15
1=18
0=19
0=21
0=23
0=25
1=26
4a5b7c(10)a(11)b(13)c(15)a(18)b(19)c(21)a(23)b(25)c(26)
当a=+加法，b=-减法，c=*乘法时：
4+5-7*(10)+(11)-(13)*(15)+(18)-(19)*(21)+(23)-(25)*(26)=-1253（优先计算乘法）
(4+5-7)*(10+11-13)*(15+18-19)*(21+23-25)*(26)= 110656（最后计算乘法，先算加减法）
当a=+加法，b=*乘法，c=-减法时
4+5*7-(10)+(11)*(13)-(15)+(18)*(19)-(21)+(23)*(25)-(26)= 1027（优先计算乘法）
(4+5)*(7-10+11)*(13-15+18)*(19-21+23)*(25-26)=-24192（最后计算乘法，先算加减法）
当a=*乘法，b=+加法，c=-减法时
4*5+7-(10)*(11)+(13)-(15)*(18)+(19)-(21)*(23)+(25)-(26)=-805（优先计算乘法）
4*(5+7-10)*(11+13-15)*(18+19-21)*(23+25-26)= 25344（最后计算乘法，先算加减法）
当a=*乘法，b=-减法，c=+加法时
4*5-7+(10)*(11)-(13)+(15)*(18)-(19)+(21)*(23)-(25)+(26)= 845（优先计算乘法）
4*(5-7+10)*(11-13+15)*(18-19+21)*(23-25+26)= 199680（最后计算乘法，先算加减法）
当a=-减法，b=+加法，c=*乘法时
4-5+7*(10)-(11)+(13)*(15)-(18)+(19)*(21)-(23)+(25)*(26)= 1261（优先计算乘法）
(4-5+7)*(10-11+13)*(15-18+19)*(21-23+25)*(26)= 688896（最后计算乘法，先算加减法）
当a=-减法，b=*乘法，c=+加法时
4-5*7+(10)-(11)*(13)+(15)-(18)*(19)+(21)-(23)*(25)+(26)=-1019（优先计算乘法）
(4-5)*(7+10-11)*(13+15-18)*(19+21-23)*(25+26)=-52020（最后计算乘法，先算加减法）
当然了，数据压缩，可最少都是1gb长度的源数据，为了避免篇幅过长，以及作者换算到浪费时间，这里就只用少量数据来做对比，也就是说，如果是1zb的数据，那么就有意思了，（2n+1）和（2n+2）看起来不大，如果是2^10=1024；2^20=1，048，576；2^50=1，125，899，906，842，624；以此类推，当n取值足够大时，那么想象一下1，125，899，906，842，624*1，125，899，906，842，625（优先计算乘法）；再想象一下(1，125，899，906，842，624+1，125，899，906，842，625-1，125，899，906，842，627)*(1，125，899，906，842，628+1，125，899，906，842，629-1，125，899，906，842，630)= 1.26765060022823e30
然后在以此类推，当 n个1.???????e??????相乘的时候，结果也是足够大的，这个时候要怎么办呢？
限制n的最大值，把数据分段，从而避免n取值过大，导致没必要的运算消耗。
比如限制n小于50，那么就是每49位为一个分段；以此类推。
分段的结果，就是必须要按照分段来分别得出结果，避免分段占用（也就是a分段中，出现过33，而b分段中也出现过33，就导致了分段占用）（当然了，实际使用时，往往需要进行优化，作者这创作的内容，完全是第一代版本，自然语言版本）（众所周知，第一代版本，往往都是最不稳定的，特别是无中生有的算法什么的，尤其以没有发展出v1.539972.335377.885662版本就发布的作者为甚）。
算法感觉还能继续改进。