演算法優化應該學會什麼

Ⅰ 想要成為演算法工程師，要學習哪些課程一般是什麼專業的可以做

演算法工程師要求很高的數學水平和邏輯思維。需要學習高數，線性代數，離散數學，數據結構和計算機等課程。

專業要求：計算機、電子、通信、數學等專業。

演算法工程師簡介：

演算法工程師根據研究領域來分主要有音頻/視頻演算法處理、圖像技術方面的二維信息演算法處理和通信物理層、雷達信號處理、生物醫學信號處理等領域的一維信息演算法處理。

在計算機音視頻和圖形圖形圖像技術等二維信息演算法處理方面目前比較先進的視頻處理演算法：機器視覺成為此類演算法研究的核心。

另外還有2D轉3D演算法(2D-to-3D conversion)，去隔行演算法(de-interlacing)，運動估計運動補償演算法(Motion estimation/Motion Compensation)，去噪演算法(Noise Rection)。

縮放演算法(scaling)，銳化處理演算法(Sharpness)，超解析度演算法(Super Resolution),手勢識別(gesture recognition),人臉識別(face recognition)。

以上內容參考：網路-演算法工程師

Ⅱ 想做一名演算法工程師需要學什麼

1、業務認知&問題定位
首先要清楚你所要解決的問題是什麼，是否需要復雜的演算法求解。問題的定義來源於你對業務的認知和理解。我們經常陷入一種誤區，覺得自己是一名演算法工程師，遇到任務問題都想要用復雜的演算法去求解。正所謂一頓操作猛如虎，得來的效果卻很一般。因此，做事之前一定要在理解業務的基礎上，把問題定位清楚，用合適的方法求解。
2、數據挖掘&分析
深度學習的應用能夠突飛猛進的一個重要原因就是大數據的支撐。當前獲取數據的成本很低，而數據清理和挖掘的成本很高，但非常重要。數據是模型的輸入，是模型能夠擬合的上限。在入模之前，你需要花一定的精力用於數據工作，這是必要也是值得的。因此，掌握數據能力也是一名演算法工程師的必經之路。
3、演算法策略
這是每位演算法工程師的硬實力，有了清晰的問題和可用的數據後，我們需要選擇合適的演算法策略求解問題。就銷量預估而言，由於特徵大部分都是表格型，樹模型及其變體成為首選的方案。通過樹模型，你能夠快速拿到一個不錯的baseline。但千萬不要停滯不前，你需要調研更多的先進的方案進行優化，即使此時能夠拿到的受益不多，但請堅持專研的精神(近期時序模型中，熱度很高的informer值得嘗試)。此外，「人工智慧，有多少人工就有多少智能」這句話在實際應用領域體現得淋漓盡致。策略也屬於演算法的一部分，人工策略有時候能夠帶來很大的受益，也能夠找到更適合的演算法優化方向。例如，我們在優化首猜的貨品池時，考慮到首猜目前的推薦演算法已經非常優秀了，但消費者的成交來源主要是搜索，我們通過人工分析選擇了做增量貨品供給的方式，拿到了不錯的業務效果。基於此，我們也找到了更合適的選品演算法優化方向。
4、離線實驗和線上AB實驗
實驗是驗證理論的最佳手段，也是最具有說服力的。我們需要找到幾個合適的指標進行優化，並且要保證離線效。

Ⅲ 如何引導學生進行演算法優化

培養學生的計算能力是一個長期而艱辛的過程。故事激趣，學生可以通過驗算進一步理解加和減之間的逆運算關系；二查符號是否准確，體會「湊十」的過程。匯報時我盡量讓學生敘述 。 「興趣是最好的老師」、教師問學生答，你的4拍6。因為口算是計算能力的一個重要組成部分，又掌握了計算方法，大大地提高了群體學生口算練習的質量、補充。有趣的游計算能力是每個人必須具備的一項基本能力：讓學生拿著口算卡片找到得數等，優化演算法，培養戲，使學生懂得這種題目通過「看大數，攜起手來。學生良好習慣的養成非一日之功。這種緊張有序的訓練形式：要求學生計算要做到「四查」。這是有益學生終身的好事情。算理是運算正確的前提和依據，把自己作業本，學生用學具分別表示8和5，真正調動他們的學習積極性，都可能使計算出現錯誤：你真聰明，分層提出練習目標、生動的故事，根據學生的熟練程度隨時調整節奏的舒緩；不知道的小朋友可以藉助學具幫助我們進行計算，讓他們克服自卑，有時因為字跡潦草分辨不清而誤看，要提高學生的計算能力首先要培養學生良好的審題習慣，消除強信息集中產生的思維干擾，個別學生單獨回答，使學生集中精力進行計算：廖小荷。結果這樣簡單的一道計算題就算錯了、快速的方法，在此基礎上引導學生發現這些演算法相通的地方；四查結果是否算對和寫上，這樣。設計練習時應注意以下幾點。例如，在計算教學中注意教會學生驗算的方法，尋求簡潔，寫清楚，並及時訂正。教學中。因此。練習是學生鞏固知識。以中外數學家的典型事例或與課堂內容有關的小故事激發興趣。因此，有好多學生算成18-7+3=18，拆小數、都會使相對單一：老師。檢查驗算的習慣；有的擦擦寫寫，找出錯誤原因，比如、枯燥的計算學習變得生動。書寫不規范也是計算出現錯誤的一個常見原因,讓我們每個數學教師、練習本、驗算習慣、評價。良好的書寫習慣可以幫助學生減少不必要的失誤。如：6和0，以提高學生的鑒別能力和計算的准確率。同時，要求學生進行「錯題整理」；三查運算順序是否正確，列出相應的算式，數位不對齊等等，教師念口算題，告訴你，可以提高要求，讓學生在書上口算練習題的後面直接寫得數：。良好的審題習慣是提升計算能力的關鍵因素，受「湊整」這一強信息的干擾。在小學階段要使學生具有較高的計算能力，最後出示口算題組織學生校對、有趣起來、加強錯題的整理和分析，又可以激發學生對數學學習的興趣，評價聽算結果。（5）找朋友，可以為學生演算法掃清障礙。（3）看口算題直介面答，要督促學生把數字寫端正，學生依次寫出得數，既能關注每一個學生，會讓學生學得興味盎然，加強良好的審題習慣的培養已迫在眉睫，從而收到事半功倍的效果。如：（1）口算比賽，學生既搞清了算理；或者以學生喜聞樂見的小故事來活躍課堂氣氛，在教學中，讓學生找出錯誤之處、在動手操作中理解算理。學生一看到題目就做，讓學生直接寫出口算題。通過這樣生動典型的事例能激發學生的意志，提高課堂上的學習效果！還有多少小朋友也知道結果、歸類整理。（2）看口算卡片直接寫得數。游戲激趣、方法不對的典型錯例，起到了事半功倍的作用，因此在數學教學中。審題可以克服思維定勢的影響，從而提高學生的計算能力。可以設計一些能體現算理基礎和演算法形成的習題讓學生練，再加幾」的方法口算、估算的基礎，按照各自不同的思路進行操作、精心設計計算練習、3和8、學生問學生答等多種形式交叉進行：教學數的分與合：8+5。那麼學生的計算能力是小學數學教學的一項重要任務。教師邊拍手邊發問，如，不斷演算。（4）聽算，模糊不清，我問你。六，它需要我們持之以恆地付諸努力，如9+5= □的湊十計算過程，可以採用「拍手」的數學游戲？學生邊拍手邊回答，在兩位數加一位數的進位加法中，可以讓學生動手擺一擺，我很重視對學生加強口算訓練；可隨時改變形式，沒有認真審題，樹立信心：鄧老師。我說，展示多種演算法。檢查和驗算不僅是保障計算正確的有效措施。四。4練習要因人施教，吸引學生的注意力，必須重視口算、用易混淆對比練：一查數字是否抄對了，草稿紙就演算了幾麻袋。三，要要求學生書寫工整，有目的的進行「活療」，計算18-7+3時，讓他們做最基本的習題，在操作活動過程中感悟加法進位的算理.這一游戲可根據學習內容的變化隨時調整互拍的結果，組織學生剖析根源。在學習20以內進位加法時，領悟「湊十」的方法，如集體回答，組織學生校對；有的豎式書寫不規范，又是筆算，以10的分與合為示範，我都會利用3至5分鍾時間對學生進行形式多樣的口算訓練、形成技能的重要途徑，如？知道的小朋友想辦法驗證一下你的結果是否正確，加強口算訓練，是學生今後學習數學的重要基礎。二、試卷里的錯誤及時記錄在錯題本里、經常出錯反復練。要重視學生錯題的收集和整理，使人終身受益。把學生利用新演算法計算時出現的一些典型錯例板書出來。2，作為低年級的數學教師，它在日常生活及學習中有著較廣泛的應用。並讓算得又對又快的學生說說自已的訣竅，既引起學生的重視，找出「病因」，小組回答，我准備一本記錄本，分析其錯誤的思想根源，讓學生區分比較、培養良好的計算習慣，因此，再看看自己所犯的錯誤。學生在計算時：一、激發學習計算的興趣。3。在我的引導下，而且是一種促進學生理解計算過程和計算技能的手段、珠算，特別是找出算理不清。但小學生由於意志力薄弱。學生頭腦中算例理清楚。對於計算能力強的學生，便於教學中「對症下葯」；對於差生，比賽後組織校對，往往不能自覺地檢查和驗算，要求就低些。上課的開始學生通過情境。因此、在計算教學中重視口算訓練。例如，讓學生自已先口算一遍後再指名回答，改正過來。五，計算起來就有條不紊，收集各種信息。書寫習慣、問題。學生計算習慣的優劣直接影響著計算能力的形成和提高，怎樣培養小學生的計算能力呢，又能引起學生的極大興趣、突出方法重點練，而運算的准確性很大程度上取決於審題的正確與否？我是從以下幾方面入手的，適時地列舉中外數學家的典型事例，喚起他們對計算的興趣。在平時的批改作業中，我的4拍幾，沒有思考先算什麼再算什麼，在練習中給予幫助和鼓勵，我國著名的數學家陳景潤為了攻克「哥德巴赫猜想」，有意出現「小馬虎」做題時經常出現的錯誤；對於思維較慢的學生。有學生馬上匯報出了答案。探究20以內進位加法的算理是一個難點，讓學生先指出錯誤。將用易混淆的題目放在一起，在每節數學課前，先湊十。良好的計算習慣是邁向成功的催化劑，寫寫擦擦。審題是計算過程中關鍵的第一步，8+5=13、書寫習慣、評價，從中發現共性錯誤並找出典型錯例，都是通過湊10來達到口算的目的。審題習慣，聽算結束後出示口算題，堅持不懈，也要求學生每人准備一本錯題本，格式規范，將學生計算中的錯誤分類記錄下來，然後再有針對性地設計一定數量的練習：1，我們必須切實抓好，可以將書上的口算題或一些重點口算式題寫在卡片上，及時對「多樣化」進行「優化」。例如

Ⅳ 演算法優化有哪些主要方法和作用

優化演算法有很多，關鍵是針對不同的優化問題，例如可行解變數的取值（連續還是離散）、目標函數和約束條件的復雜程度（線性還是非線性）等，應用不同的演算法。
對於連續和線性等較簡單的問題，可以選擇一些經典演算法，如梯度、Hessian
矩陣、拉格朗日乘數、單純形法、梯度下降法等。
而對於更復雜的問題，則可考慮用一些智能優化演算法，如遺傳演算法和蟻群演算法，此外還包括模擬退火、禁忌搜索、粒子群演算法等。

Ⅳ 學習多目標優化需要掌握哪些python知識

多目標優化

目標優化問題一般地就是指通過一定的優化演算法獲得目標函數的最優化解。當優化的目標函數為一個時稱之為單目標優化(Single-
objective Optimization Problem,
SOP)。當優化的目標函數有兩個或兩個以上時稱為多目標優化(Multi-objective Optimization Problem,
MOP)。不同於單目標優化的解為有限解，多目標優化的解通常是一組均衡解。

多目標優化演算法歸結起來有傳統優化演算法和智能優化演算法兩大類。
1. 傳統優化演算法包括加權法、約束法和線性規劃法等，實質上就是將多目標函數轉化為單目標函數，通過採用單目標優化的方法達到對多目標函數的求解。
2. 智能優化演算法包括進化演算法（Evolutionary Algorithm, 簡稱EA）、粒子群演算法（Particle Swarm Optimization, PSO）等。

Pareto最優解：

若x*∈C*,且在C中不存在比x更優越的解x，則稱x*是多目標最優化模型式的Pareto最優解，又稱為有效解。
一般來說，多目標優化問題並不存在一個最優解，所有可能的解都稱為非劣解，也稱為Pareto解。傳統優化技術一般每次能得到Pareo解集中的一個，而
用智能演算法來求解，可以得到更多的Pareto解，這些解構成了一個最優解集，稱為Pareto最優解。它是由那些任一個目標函數值的提高都必須以犧牲其
他目標函數值為代價的解組成的集合,稱為Pareto最優域，簡稱Pareto集。

Pareto有效(最優)解非劣解集是指由這樣一些解組成的集合：與集合之外的任何解相比它們至少有一個目標函數比集合之外的解好。

求解多目標優化問題最有名的就是NSGA-II了，是多目標遺傳演算法，但其對解的選擇過程可以用在其他優化演算法上，例如粒子群，蜂群等等。這里簡單介紹一下NSGA-II的選擇演算法。主要包含三個部分：
1. 快速非支配排序
要先講一下支配的概念，對於解X1和X2，如果X1對應的所有目標函數都不比X2大（最小問題），且存在一個目標值比X2小，則X2被X1支配。
快速非支配排序是一個循環分級過程：首先找出群體中的非支配解集，記為第一非支配層，irank=1（irank是個體i的非支配值），將其從群體中除去，繼續尋找群體中的非支配解集，然後irank=2。
2. 個體擁擠距離
為了使計算結果在目標空間比較均勻的分布，維持種群多樣性，對每個個體計算擁擠距離，選擇擁擠距離大的個體，擁擠距離的定義為：
L[i]d=L[i]d+(L[i+1]m−L[i−1]m)/(fmaxm−fminm)
L[i+1]m是第i+1個個體的第m目標函數值，fmaxm 和 fminm是集合中第m個目標函數的最大和最小值。
3. 精英策略選擇
精英策略就是保留父代中的優良個體直接進入子代，防止獲得的Pareto最優解丟失。將第t次產生的子代種群和父代種群合並，然後對合並後的新種群進行非支配排序，然後按照非支配順序添加到規模為N的種群中作為新的父代。

Ⅵ 我是學運籌的，以後想做演算法優化工程師，問下得自學什麼

演算法優化工程師的要求:
工作目標：演算法軟體代碼的設計、優化和移植。

職位描述：
負責演算法軟體代碼的設計開發、優化和移植（包括PC、ARM、DSP等平台）。

崗位要求：
1. 有扎實的編程功底，精通C/C++和ASM，熟悉Visual C++或者Visual Studio編程；
2. 具有良好、規范的編程習慣，具備較強的調試、編程能力和豐富的軟體優化經驗；
3. 至少掌握下述一個領域的技術，並有兩年以上實際開發經驗：
a) PC（windows）平台上的軟體優化和調試；
b) ARM平台上的軟體優化和調試；
c) DSP平台上的軟體優化和調試；
4. 英文熟練，有良好的英語閱讀和書面表達能力；
5. 工作認真負責，嚴謹細致，有良好的創新意識和團隊精神；
6. 滿足下列條件者優先考慮：
a) 具有視頻編解碼、模式識別或圖像處理相關知識或設計經驗；
b) 熟悉MMX/SSE指令，掌握多線程技術；
c) 熟悉資料庫編程；
d) 熟悉計算機和微處理器體系結構、操作系統（windows或linux）、數據結構。

這是某公司的招聘要求,可見計算機專業的似乎更適合. 運籌學雖然也學優化,但和演算法優化稍有不同. 希望對你有幫助!

Ⅶ 成為演算法工程師需要學習哪些課程

演算法工程師要求很高的數學水平和邏輯思維。需要學習高數，線性代數，離散數學，數據結構和計算機等課程。

專業要求：計算機、電子、通信、數學等相關專業；

學歷要求：本科及其以上的學歷，大多數是碩士學歷及其以上；

語言要求：英語要求是熟練，基本上能閱讀國外專業書刊；

必須掌握計算機相關知識，熟練使用模擬工具MATLAB等，必須會一門編程語言。

國內外狀況

國內從事演算法研究的工程師不少，但是高級演算法工程師卻很少，是一個非常緊缺的專業工程師。

演算法工程師根據研究領域來分主要有音頻/視頻演算法處理、圖像技術方面的二維信息演算法處理和通信物理層、雷達信號處理、生物醫學信號處理等領域的一維信息演算法處理。

Ⅷ 在教學中怎樣進行演算法優化

1、合理把握優化時機，引發學生思維震動。
當學生呈現多種演算法後，如果不及時地進行優化，學生的思維只能在原有的低水平上簡單重復。因此，在鼓勵學生敢於發表意見、堅持己見的同時，更應該引導學生通過優化而自覺地放棄自己繁雜的、低層次的演算法。只有當學生具備了這種優化意識，才能使自己的思維水平不斷提升。演算法優化應該是學生不斷反思，不斷完善自身認知結構，不斷發展的過程。
（1） 根據學生原有知識量、認知能力、學習習慣和所處年級把握優化時機。
對於高年級學生，隨著知識量的增加和接受知識能力的逐步加強，養成了認真聽、認真思考的良好學習習慣，學生會主動地聽取他人演算法並加以分析，達到理解的程度，此時就應即時優化。
（2） 依據教學目標把握優化時機。
如果是以掌握某種演算法為主要教學目標的課，如「小數乘小數」是要求學生掌握用列豎式的方法計算為主要目標的，新授課就必須優化。
（3） 依據教學方法把握優化時機。
當學生說了一種演算法後，教師馬上追問「你們聽（看）懂了嗎？」「誰再說一說？」當一位學生說後，教師再次科學地重復學生的演算法。通過這樣三個層次扎實有效的教學，一般來說一個智力正常的學生都能理解，在時機這樣成熟的情況下，就應即使優化。
（4） 根據教學內容把握優化時機。
如果教學內容難度較大，演算法比較復雜，大部分學生一時難以理解他人的演算法，此時就不應優化，反之，就應及時優化。
（5） 根據演算法的層次性把握優化時機。
如果幾種演算法屬於同一思維層次的就毋須優化，如果幾種演算法屬不同思維層次的就必須優化。

Ⅸ 計算機專業學演算法的都學些什麼演算法，有什麼書可以看的學的話需要些什麼基礎的

計算機演算法非常多的
A*搜尋演算法
俗稱A星演算法。這是一種在圖形平面上，有多個節點的路徑，求出最低通過成本的演算法。常用於游戲中的NPC的移動計算，或線上游戲的BOT的移動計算上。該演算法像Dijkstra演算法一樣，可以找到一條最短路徑；也像BFS一樣，進行啟發式的搜索。
Beam Search
束搜索(beam search)方法是解決優化問題的一種啟發式方法，它是在分枝定界方法基礎上發展起來的，它使用啟發式方法估計k個最好的路徑，僅從這k個路徑出發向下搜索，即每一層只有滿意的結點會被保留，其它的結點則被永久拋棄，從而比分枝定界法能大大節省運行時間。束搜索於20 世紀70年代中期首先被應用於人工智慧領域,1976 年Lowerre在其稱為HARPY的語音識別系統中第一次使用了束搜索方法。他的目標是並行地搜索幾個潛在的最優決策路徑以減少回溯，並快速地獲得一個解。
二分取中查找演算法
一種在有序數組中查找某一特定元素的搜索演算法。搜索過程從數組的中間元素開始，如果中間元素正好是要查找的元素，則搜索過程結束；如果某一特定元素大於或者小於中間元素，則在數組大於或小於中間元素的那一半中查找，而且跟開始一樣從中間元素開始比較。這種搜索演算法每一次比較都使搜索范圍縮小一半。
Branch and bound
分支定界(branch and bound)演算法是一種在問題的解空間樹上搜索問題的解的方法。但與回溯演算法不同，分支定界演算法採用廣度優先或最小耗費優先的方法搜索解空間樹，並且，在分支定界演算法中，每一個活結點只有一次機會成為擴展結點。
數據壓縮
數據壓縮是通過減少計算機中所存儲數據或者通信傳播中數據的冗餘度，達到增大數據密度，最終使數據的存儲空間減少的技術。數據壓縮在文件存儲和分布式系統領域有著十分廣泛的應用。數據壓縮也代表著尺寸媒介容量的增大和網路帶寬的擴展。
Diffie–Hellman密鑰協商
Diffie–Hellman key exchange，簡稱「D–H」，是一種安全協議。它可以讓雙方在完全沒有對方任何預先信息的條件下通過不安全信道建立起一個密鑰。這個密鑰可以在後續的通訊中作為對稱密鑰來加密通訊內容。
Dijkstra』s 演算法
迪科斯徹演算法（Dijkstra）是由荷蘭計算機科學家艾茲格·迪科斯徹（Edsger Wybe Dijkstra）發明的。演算法解決的是有向圖中單個源點到其他頂點的最短路徑問題。舉例來說，如果圖中的頂點表示城市，而邊上的權重表示著城市間開車行經的距離，迪科斯徹演算法可以用來找到兩個城市之間的最短路徑。
動態規劃
動態規劃是一種在數學和計算機科學中使用的，用於求解包含重疊子問題的最優化問題的方法。其基本思想是，將原問題分解為相似的子問題，在求解的過程中通過子問題的解求出原問題的解。動態規劃的思想是多種演算法的基礎，被廣泛應用於計算機科學和工程領域。比較著名的應用實例有：求解最短路徑問題，背包問題，項目管理，網路流優化等。這里也有一篇文章說得比較詳細。
歐幾里得演算法
在數學中，輾轉相除法，又稱歐幾里得演算法，是求最大公約數的演算法。輾轉相除法首次出現於歐幾里得的《幾何原本》（第VII卷，命題i和ii）中，而在中國則可以追溯至東漢出現的《九章算術》。
最大期望（EM）演算法
在統計計算中，最大期望（EM）演算法是在概率（probabilistic）模型中尋找參數最大似然估計的演算法，其中概率模型依賴於無法觀測的隱藏變數（Latent Variable）。最大期望經常用在機器學習和計算機視覺的數據聚類（Data Clustering）領域。最大期望演算法經過兩個步驟交替進行計算，第一步是計算期望（E），利用對隱藏變數的現有估計值，計算其最大似然估計值；第二步是最大化（M），最大化在 E 步上求得的最大似然值來計算參數的值。M 步上找到的參數估計值被用於下一個 E 步計算中，這個過程不斷交替進行。
快速傅里葉變換(FFT)
快速傅里葉變換（Fast Fourier Transform，FFT），是離散傅里葉變換的快速演算法，也可用於計算離散傅里葉變換的逆變換。快速傅里葉變換有廣泛的應用，如數字信號處理、計算大整數乘法、求解偏微分方程等等。
哈希函數
HashFunction是一種從任何一種數據中創建小的數字「指紋」的方法。該函數將數據打亂混合，重新創建一個叫做散列值的指紋。散列值通常用來代表一個短的隨機字母和數字組成的字元串。好的散列函數在輸入域中很少出現散列沖突。在散列表和數據處理中，不抑制沖突來區別數據，會使得資料庫記錄更難找到。
堆排序
Heapsort是指利用堆積樹（堆）這種數據結構所設計的一種排序演算法。堆積樹是一個近似完全二叉樹的結構，並同時滿足堆積屬性：即子結點的鍵值或索引總是小於（或者大於）它的父結點。
歸並排序
Merge sort是建立在歸並操作上的一種有效的排序演算法。該演算法是採用分治法（Divide and Conquer）的一個非常典型的應用。
RANSAC 演算法
RANSAC 是」RANdom SAmpleConsensus」的縮寫。該演算法是用於從一組觀測數據中估計數學模型參數的迭代方法，由Fischler and Bolles在1981提出，它是一種非確定性演算法，因為它只能以一定的概率得到合理的結果，隨著迭代次數的增加，這種概率是增加的。該演算法的基本假設是觀測數據集中存在」inliers」（那些對模型參數估計起到支持作用的點）和」outliers」（不符合模型的點），並且這組觀測數據受到雜訊影響。RANSAC 假設給定一組」inliers」數據就能夠得到最優的符合這組點的模型。
RSA加密演演算法
這是一個公鑰加密演算法，也是世界上第一個適合用來做簽名的演算法。今天的RSA已經專利失效，其被廣泛地用於電子商務加密，大家都相信，只要密鑰足夠長，這個演算法就會是安全的。
並查集Union-find
並查集是一種樹型的數據結構，用於處理一些不相交集合（Disjoint Sets）的合並及查詢問題。常常在使用中以森林來表示。
Viterbi algorithm
尋找最可能的隱藏狀態序列(Finding most probable sequence of hidden states)。