⑴ 簡述軟體、程序和演算法的區別和聯系
演算法與程序：
(1).一個程序不一定滿足有窮性。例操作系統，只要整個系統不遭破壞，它將永遠不會停止，即使沒有作業需要處理，它仍處於動態等待中。因此，操作系統不是一個演算法。
(2).程序中的指令必須是機器可執行的，而演算法中的指令則無此限制。
(3).演算法代表了對問題的解，而程序則是演算法在計算機上的特定的實現。一個演算法若用程序設計語言來描述，則它就是一個程序.
⑵ 經典演算法大全 需要用什麼軟體編寫才能運行
一般情況演算法都可以使用C語言相關軟體運行devc++ - eclipse - codeblocks - codelite - notepad++ - ultraedit - jdk vs2013等
⑶ 學習演算法需要什麼軟體
首先，進入軟體測試需要什麼樣的技能？需要1，軟體工程技術了解軟體軟體工程（設計，開發和簡單的測試），應用程序，系統，自動測試程序和操作系統，資料庫設計和使用，網路系統和協議。 2，溝通技巧，如果你想確保軟體缺陷，你應該能夠缺陷認為是缺陷時表示。如果你保持清醒的都瘋了給別人3，組織能力，你可能是一個很好的軟體測試工程師。在互聯網時代有對軟體測試的壓力是一個復雜的工作，但如果你能找到一種方法，在這些眾多的，它是一個有價值的職業。 4，實踐技能需要的時候工作經驗，你需要一份工作來豐富你的經驗，當你該怎麼辦？這並不完全是一個兩難選擇，你可以使用多種方式來獲得實踐經驗。 5，態度除了技術水平，你需要了解和採取適當的態度去做軟體測試。我的建議是閱讀羅傑·普雷斯曼軟體工程：實踐者的研究方法，第五版（生涯開始，第五版，麥格勞希爾，2000年）和軟體測試的藝術格倫福德邁爾斯（軟體測試的藝術，約翰·威利父子，1979年版） 。 Pressman的書是全面介紹了軟體工程的原則。有很多的軟體使用技巧，項目管理，需求分析和軟體設計，軟體工程的書籍，但普雷斯曼在這些方面是在一本書中。格倫福德邁爾斯不到兩百家，1979年的問題，但它是聖經的軟體測試。邁爾斯定義和測試方法的解釋已成為軟體測試的基本模塊。邁爾斯還考察了經濟（缺陷的費用）和軟體測試（測試的目的是為了發現錯誤而沒有成功）的基本原則，以及領先的軟體開發和測試的心理方面。
⑷ 演算法,程序,軟體,數據結構的異同
程序設計是數據結構的基礎和實現方法。
數據結構完全可以只講數據的存儲方法和演算法的邏輯邏輯過程，可以不涉及具體實現過程，在實現一種數據的存儲和一個演算法的求解過程時，你可以選擇應用不同的程序設計語言來達到目的，同一個演算法，既可以使用VB實現，也可以選擇C、C++、JAVA、或者C#來實現，而在選定某一工具來實現演算法時，程序設計的具體指令和方法是由所選擇的程序設計語言的語法決定。
⑸ 什麼是軟體演算法
程序演算法是對特定問題求解過程的描述，是指令的有限序列，每條指令完成一個或多個操作。通俗地講，就是為解決某一特定問題而採取的具體有限的操作步驟。
程序演算法具有以下特性
（1）有窮性：在有限的操作步驟內完成。有窮性是演算法的重要特性，任何一個問題的解決不論其採取什麼樣的演算法，其終歸是要把問題解決好。如果一種演算法的執行時間是無限的，或在期望的時間內沒有完成，那麼這種演算法就是無用和徒勞的，我們不能稱其為演算法。
（2）確定性：每個步驟確定，步驟的結果確定。演算法中的每一個步驟其目的應該是明確的，對問題的解決是有貢獻的。如果採取了一系列步驟而問題沒有得到徹底的解決，也就達不到目的，則該步驟是無意義的。
（3）可行性：每個步驟有效執行，得到確定的結果。每一個具體步驟在通過計算機實現時應能夠使計算機完成，如果這一步驟在計算機上無法實現，也就達不到預期的目的，那麼這一步驟是不完善的和不正確的，是不可行的。
（4）零個或多個輸入：從外界獲得信息。演算法的過程可以無數據輸入，也可以有多種類型的多個數據輸入，需根據具體的問題加以分析。
（5）一個或多個輸出：演算法得到的結果就是演算法的輸出（不一定就是列印輸出）。演算法的目的是為解決一個具體問題，一旦問題得以解決，就說明採取的演算法是正確的，而結果的輸出正是驗證這一目的的最好方式。
演算法的復雜度
同一問題可用不同演算法解決，而一個演算法的質量優劣將影響到演算法乃至程序的效率。演算法分析的目的在於選擇合適演算法和改進演算法。一個演算法的評價主要從時間復雜度和空間復雜度來考慮。
時間復雜度
演算法的時間復雜度是指演算法需要消耗的時間資源。一般來說，計算機演算法是問題規模n 的函數f(n)，演算法的時間復雜度也因此記做
T(n)=Ο(f(n))
因此，問題的規模n 越大，演算法執行的時間的增長率與f(n) 的增長率正相關，稱作漸進時間復雜度（Asymptotic Time Complexity）。
空間復雜度
演算法的空間復雜度是指演算法需要消耗的空間資源。其計算和表示方法與時間復雜度類似，一般都用復雜度的漸近性來表示。同時間復雜度相比，空間復雜度的分析要簡單得多。
⑹ 演算法和軟體的關系，程序員應該學習哪些演算法
一.基本演算法:
枚舉. (poj1753,poj2965)
貪心(poj1328,poj2109,poj2586)
遞歸和分治法.
遞推.
構造法.(poj3295)
模擬法.(poj1068,poj2632,poj1573,poj2993,poj2996)
二.圖演算法:
圖的深度優先遍歷和廣度優先遍歷.
最短路徑演算法(dijkstra,bellman-ford,floyd,heap+dijkstra)
(poj1860,poj3259,poj1062,poj2253,poj1125,poj2240)
最小生成樹演算法(prim,kruskal)
(poj1789,poj2485,poj1258,poj3026)
拓撲排序 (poj1094)
二分圖的最大匹配 (匈牙利演算法) (poj3041,poj3020)
最大流的增廣路演算法(KM演算法). (poj1459,poj3436)
三.數據結構.
串 (poj1035,poj3080,poj1936)
排序(快排、歸並排(與逆序數有關)、堆排) (poj2388,poj2299)
簡單並查集的應用.
哈希表和二分查找等高效查找法(數的Hash,串的Hash)
(poj3349,poj3274,POJ2151,poj1840,poj2002,poj2503)
哈夫曼樹(poj3253)
堆
trie樹(靜態建樹、動態建樹) (poj2513)
四.簡單搜索
深度優先搜索 (poj2488,poj3083,poj3009,poj1321,poj2251)
廣度優先搜索(poj3278,poj1426,poj3126,poj3087.poj3414)
簡單搜索技巧和剪枝(poj2531,poj1416,poj2676,1129)
五.動態規劃
背包問題. (poj1837,poj1276)
型如下表的簡單DP(可參考lrj的書 page149):
E[j]=opt{D+w(i,j)} (poj3267,poj1836,poj1260,poj2533)
E[i,j]=opt{D[i-1,j]+xi,D[i,j-1]+yj,D[i-1][j-1]+zij} (最長公共子序列) (poj3176,poj1080,poj1159)
C[i,j]=w[i,j]+opt{C[i,k-1]+C[k,j]}.(最優二分檢索樹問題)
六.數學
組合數學:
1.加法原理和乘法原理.
2.排列組合.
3.遞推關系.
(POJ3252,poj1850,poj1019,poj1942)
數論.
1.素數與整除問題
2.進制位.
3.同餘模運算.
(poj2635, poj3292,poj1845,poj2115)
計算方法.
1.二分法求解單調函數相關知識.(poj3273,poj3258,poj1905,poj3122)
七.計算幾何學.
幾何公式.
叉積和點積的運用(如線段相交的判定,點到線段的距離等). (poj2031,poj1039)
多邊型的簡單演算法(求面積)和相關判定(點在多邊型內,多邊型是否相交)
(poj1408,poj1584)
凸包. (poj2187,poj1113)
中級（校賽壓軸及省賽中等難度）:
一.基本演算法:
C++的標准模版庫的應用. (poj3096,poj3007)
較為復雜的模擬題的訓練(poj3393,poj1472,poj3371,poj1027,poj2706)
二.圖演算法:
差分約束系統的建立和求解. (poj1201,poj2983)
最小費用最大流(poj2516,poj2516,poj2195)
雙連通分量(poj2942)
強連通分支及其縮點.(poj2186)
圖的割邊和割點(poj3352)
最小割模型、網路流規約(poj3308)
⑺ 能表示演算法的軟體有哪些
你好！現能申請專利的軟體只有兩種情況： 1.您的軟體可以解決問題生產工藝上的某些技術問題，可以申請發明專利。 2.您的軟體有硬體作為載體，即可做發明也可做實用。但如果是純演算法，專利法的定義是智力活動，專利是不保護的！可以考慮申請軟體著作權！謝謝！
⑻ 學習演算法用什麼軟體，用什麼編程語言
演算法不分語言。通俗的講演算法是解決問題的方法，它可以用任何語言實現（就是核心思想是一樣的，但用不同語言實現步驟有差別）.
所以學演算法不需要軟體不特定什麼語言（當然對應語言的編譯器你得有的）
參考資料：https://www.hu.com/question/19981544
這個是知乎上一個關於學習演算法的問題，你看看吧。
⑼ 機器學習演算法用什麼軟體
機器學習演算法用的軟體：機器學習新手可以選擇以下演算法軟體：線性回歸、邏輯回歸、線性判別分析、分類和回歸樹、樸素貝葉斯、K-近鄰演算法、學習向量量化、支持向量機、Bagging和隨機森林、Boosting和AdaBoost。