程序員演算法能力差

㈠ 演算法工程師和程序員區別

演算法工程師和程序員區別在於：

演算法工程師其實比較代表一些料研能力較強的工程師，一般是在一個產品的初期，去解決技術上的難題，提供一些技術方案，也包括方案的初步演算法實現，主要負責數據挖掘，機器學習領域相關的內容。

㈡ 怎麼看待程序員普遍缺乏數據結構和演算法的知識

在很多程序員看來，數據結構，演算法這一類的東西感覺沒用，在實踐中都不常用，所以都會很忽視這類內容，但是在很多公司看來，尤其是大公司看來數據結構和演算法這種東西確實最有用，而且經常在筆試和面試中出現。

2、數據結構和演算法在面試的時候最容易量化和體現能力什麼意思呢？在面試或者筆試的時候，面試數據結構和演算法，可以面出你的思維能力，思考能力，這個能力對於編程來說很重要。比如：如果面試你使用過什麼框架嗎？你說：會，使用過，然後你談了談使用這些框架的一些知識和遇到的坑，以及怎麼解決的？通過這樣的問題，不能看出的思維能力和編程能力，只能看出你確實會用這個東西。而面試演算法和數據結構不一樣了，以為面試這種東西可以讓你寫出來，或者寫偽代碼，而且這些能力如果你有，你的成長空間也高。

面試你編程的實踐能力，不可能讓你上機去敲一個模塊的實現吧？而讓你寫個演算法和數據結構卻很方便，也可以量化。所以，很多人平時不用演算法和數據結構，在跳槽的時候，也會提前去復習演算法和數據結構的知識，因為這是面試中很常見的問題。但是我還是建議大家能夠一直有這種能力。不要因為不常用而忽視這些基本的東西，這些東西才是精華。

㈢ 大多數程序員演算法很垃圾嗎

大多數程序員演算法垃圾。根據查詢相關信息顯示：大多數程序員的演算法是根據課本上的老舊的演算法，效率低，沖突率大。

㈣ 程序員，感覺技術停滯了怎麼辦

你是一名程序員，感覺技術停滯了。那你就去深造唄，就是你可以選擇各種的程序任務去做。哦！針對自己有弱點的地方，然後去學習。活到老，學到老。

㈤ 編程員與演算法工程師哪個更難考

演算法工程師更難考。
演算法工程師要比編程員難考，演算法工程師是利用演算法處理事物，不同的演算法可能用不同的時間、空間或效率來完成同樣的任務。演算法工程師是一個比較高端的職位，大多數是碩士學歷及其以上，是非常難考的。
編程員是協助軟體開發代碼編寫及IT日常報障維護，應用程序開發、OA辦公系統伺服器、MES系統和資料庫系統的維護和管理。

㈥ 演算法不扎實的程序員，每一個都很慌

初學者經常問這樣的問題，然而這些其實是錯誤的問題。

對於初學者而言，你最應該優先考慮的是，哪些東西構成了程序的基礎？

最經典的一句話： 程序 = 數據結構 + 演算法 。

如果說編程語言是程序的血肉，那麼演算法就是程序的靈魂。

人不能沒有血肉之軀，但是沒有靈魂的人依然只是一個死人。

不能單純依靠演算法衡量一個程序員的好壞，但是面試的時候考演算法絕對是簡單高效的篩選手段。近些年大廠的面試幾乎必考演算法也是這個原因。每一個演算法學的不扎實的程序員，在面試的時候都很慌。

下面這些書籍應該是演算法方面最常見的經典書籍。我有幸都讀過，有些讀完了，有些半途而廢，不過基本上也都算是熟悉。順序上由易到難，從薄到厚，每本書下面我會簡單的介紹一番，希望能對你的學習有所幫助。

首先是兩本演算法入門書籍，也可以當做演算法讀物：

《啊哈！演算法》

用他的自我介紹的來講：「這不過是一本有趣的演算法書而已，和別的演算法書比較，如果硬要說它有什麼特點的話，那就是你能看懂它。」

圖文並茂，而且畫風有趣，適合新手入門，但是代碼是C的，看著比較累，文字也略顯冗長。

圖是非常棒的，啟蒙用，非教科書

《演算法圖解》

和《啊哈》類似，他的介紹是：「像小說一樣有趣的演算法入門書。」

書裡面講的很好，python代碼也很容易讀懂，比之《啊哈！演算法》，書中的例子沒有那麼有趣，但是圖很清晰，文字和代碼不冗雜。

缺點同樣是非教科書，非常淺顯，三四個小時就看完了。有一種剛剛熱身的感覺。

接下來這幾本都是最常見的書了：

《數據結構與演算法分析C語言描述》

這本書的作者幾乎不浪費筆墨在一些簡單的地方。書很薄，但是覆蓋面很廣很深，作者實在是非常厲害。

不過反過來說，就是有些地方講的語焉不詳……

這本書還有java語言版本的，但是相比之下C的更好一些。

挺好的一本書。

還有一點是翻譯不是很給力，好多人都沒堅持看完。

《數據結構與演算法Python語言實現》

英文版評分非常高，中文版評分非常低……

據說是也翻譯的不好。另外就是本書自身錯誤也不少……幾版過後依然很多沒有改過來。

書中數學證明和介紹比較簡單。因為採用Python語言的原因，比較易讀。

淺顯易懂，內容上循序漸進，環環相扣。相比於上一本，我會更推薦一些。厚度也不算厚。

《數據結構與演算法 Python語言描述》

北大教授裘宗燕的書，這本書前面寫的挺好的，尤其是在面向對象還有ADT等思想的闡述，都很不錯。

但是讀到後來給我一種虎頭蛇尾的感覺，前面氣勢如虹緒論就寫了很長，最後三章感覺有點草草收尾的意思。就像編輯在催稿，而作者很忙的樣子……

另外就是這本書的編排順序我個人也不是特別喜歡。

接下來是兩本大部頭，都是非常厚的書。

他們最大的特點就是：出現率遠大於看完率

《演算法導論》

演算法書中的權威，MIT的6.046J就是按照這個來講的。

公認最好的演算法書，組織結構合理，內容詳盡。引導讀者從思維方式上對演算法進行領悟。

書中對演算法的數學結構進行了詳盡的闡述。有非常多的數學證明。

這本書我說不出什麼缺點，只能說有些內容是因為我還沒到大牛的境界，暫時還無法體會理解。

我個人的觀點是：不要糾結於詳細的偽代碼，不用糾結於連篇累牘的講解。體會其中演算法的精髓就好。

《演算法》第四版

如果說，《演算法導論》是學術上最好書，那這本應該是實際應用最好的書。

它對數學的要求比《演算法導論》低很多，摒棄了演算法的證明。

書中具體給出了每位程序員應知應會的50個演算法，深入淺出，大量圖解。非常棒。

java基礎的話你能擼出來Hello World基本上就可以開始看這本書了，這本書最大的不友好之處在於它的第一章非常長，沒看過的人又不知道哪裡可以跳過。

這本書後面的翻譯感覺不如前邊了，不知道是換人了還是DDL了……

翻開書就會看到很多的圖，配套作者在coursera上面的課程學的話事半功倍！

接下來的幾本我看的比較少，簡單介紹一下，希望大家自己去發現和了解，不要漏下這些好書：

《編程珠璣》

很薄一本啊，但是我放在那還沒看完……

這本書被稱為： 歷史 上最偉大的計算機科學著作之一

融深邃思想、實戰技術與趣味軼事於一爐的奇書。

內容不深，但是不是一個知識點一個知識點的給你講解演算法原理的。

這本書的核心思想是讓你了解如何正確選擇和高效地實現演算法。書中還有一些趣聞軼事，看著倒是很有意思~

有興趣的同學可以看看~

《演算法競賽入門經典》系列

演算法競賽入門經典書，ACM必備書籍吧算是。書中題目對於競賽來說比較簡單，但是對於一般我們平時工程來說偏難。語言用的是C/C++，請好好做例題好好做作業，讀書的時候好好思考和復習~

反正我是沒讀過，捂臉……

《劍指Offer》

這個書很有意思，對於在校生來說我個人覺得是必看的書。沒有任何工作經驗的同學在面試的時候真的會被問懵的。這本書可以讓你了解如何應付考官日常問題，在解答面試問題的時候，書中很多方法和思路會讓考官覺得你思考的很全面，給你加不少分。

我面試的時候也曾快速掃過一遍這本書，讓我在回答問題的時候條理更清晰。書中代碼是C的，emmm，於是代碼部分我就沒太看……

《用Python解決數據結構與演算法問題》

最後給大家推薦一本在線的 免費 的演算法書。

https://facert.gitbooks.io/python-data-structure-cn/

不是大部頭，也不是讀物，新手入門足夠用，書中介紹了大多數日常需要的演算法，並且講的比較淺顯~轉行的新手基本可以通過這本書來快速掌握常用基本演算法了~

反正免費，是否適合自己看兩頁也就get了~

如果需要PDF版，可以在「程序員必修課」公眾號後台回復：「Python演算法書」獲取。

㈦ 程序員演算法基礎——貪心演算法

貪心是人類自帶的能力，貪心演算法是在貪心決策上進行統籌規劃的統稱。

比如一道常見的演算法筆試題---- 跳一跳 ：

我們自然而然能產生一種解法：盡可能的往右跳，看最後是否能到達。
本文即是對這種貪心決策的介紹。

狹義的貪心演算法指的是解最優化問題的一種特殊方法，解決過程中總是做出當下最好的選擇，因為具有最優子結構的特點，局部最優解可以得到全局最優解；這種貪心演算法是動態規劃的一種特例。 能用貪心解決的問題，也可以用動態規劃解決。

而廣義的貪心指的是一種通用的貪心策略，基於當前局面而進行貪心決策。以 跳一跳 的題目為例：
我們發現的題目的核心在於 向右能到達的最遠距離 ，我們用maxRight來表示；
此時有一種貪心的策略：從第1個盒子開始向右遍歷，對於每個經過的盒子，不斷更新maxRight的值。

貪心的思考過程類似動態規劃，依舊是兩步： 大事化小 ， 小事化了 。
大事化小：
一個較大的問題，通過找到與子問題的重疊，把復雜的問題劃分為多個小問題；
小事化了：
從小問題找到決策的核心，確定一種得到最優解的策略，比如跳一跳中的 向右能到達的最遠距離 ；

在證明局部的最優解是否可以推出全局最優解的時候，常會用到數學的證明方式。

如果是動態規劃：
要湊出m元，必須先湊出m-1、m-2、m-5、m-10元，我們用dp[i]表示湊出i元的最少紙幣數；
有 dp[i]=min(dp[i-1], dp[i-2], dp[i-5], dp[i-10]) + 1 ;
容易知道 dp[1]=dp[2]=dp[5]=dp[10]=1 ；
根據以上遞推方程和初始化信息，可以容易推出dp[1~m]的所有值。

似乎有些不對？ 平時我們找零錢有這么復雜嗎？
從貪心演算法角度出發，當m>10且我們有10元紙幣，我們優先使用10元紙幣，然後再是5元、2元、1元紙幣。
從日常生活的經驗知道，這么做是正確的，但是為什麼？

假如我們把題目變成這樣，原來的策略還能生效嗎？

接下來我們來分析這種策略：
已知對於m元紙幣，1，2，5元紙幣使用了a，b，c張，我們有a+2b+5c=m；
假設存在一種情況，1、2、5元紙幣使用數是x，y，z張，使用了更少的5元紙幣（z<c），且紙幣張數更少（x+y+z<a+b+c），即是用更少5元紙幣得到最優解。
我們令k=5*(c-z)，k元紙幣需要floor(k/2)張2元紙幣，k%2張1元紙幣；（因為如果有2張1元紙幣，可以使用1張2元紙幣來替代，故而1元紙幣只能是0張或者1張）
容易知道，減少(c-z)張5元紙幣，需要增加floor(5*(c-z)/2)張2元紙幣和(5*(c-z))%2張紙幣，而這使得x+y+z必然大於a+b+c。
由此我們知道不可能存在使用更少5元紙幣的更優解。
所以優先使用大額紙幣是一種正確的貪心選擇。

對於1、5、7元紙幣，比如說要湊出10元，如果優先使用7元紙幣，則張數是4；（1+1+1+7）
但如果只使用5元紙幣，則張數是2；（5+5）
在這種情況下，優先使用大額紙幣是不正確的貪心選擇。（但用動態規劃仍能得到最優解）

如果是動態規劃：
前i秒的完成的任務數，可以由前面1~i-1秒的任務完成數推過來。
我們用 dp[i]表示前i秒能完成的任務數 ；
在計算前i秒能完成的任務數時，對於第j個任務，我們有兩種決策：
1、不執行這個任務，那麼dp[i]沒有變化；
2、執行這個任務，那麼必須騰出來(Sj, Tj)這段時間，那麼 dp[i] = max(dp[i], dp[ S[j] ] ) + 1 ；
比如說對於任務j如果是第5秒開始第10秒結束，如果i>=10，那麼有 dp[i]=max(dp[i], dp[5] + 1)； （相當於把第5秒到第i秒的時間分配給任務j）

再考慮貪心的策略，現實生活中人們是如何安排這種多任務的事情？我換一種描述方式：

我們自然而然會想到一個策略： 先把結束時間早的兼職給做了！
為什麼？
因為先做完這個結束時間早的，能留出更多的時間做其他兼職。
我們天生具備了這種優化決策的能力。

這是一道 LeetCode題目 。
這個題目不能直接用動態規劃去解，比如用dp[i]表示前i個人需要的最少糖果數。
因為（前i個人的最少糖果數）這種狀態表示會收到第i+1個人的影響，如果a[i]>a[i+1]，那麼第i個人應該比第i+1個人多。
即是 這種狀態表示不具備無後效性。

如果是我們分配糖果，我們應該怎麼分配？
答案是： 從分數最低的開始。
按照分數排序，從最低開始分，每次判斷是否比左右的分數高。
假設每個人分c[i]個糖果，那麼對於第i個人有 c[i]=max(c[i-1],c[c+1])+1 ; （c[i]默認為0，如果在計算i的時候,c[i-1]為0，表示i-1的分數比i高）
但是，這樣解決的時間復雜度為 O(NLogN) ，主要瓶頸是在排序。
如果提交，會得到 Time Limit Exceeded 的提示。

我們需要對貪心的策略進行優化：
我們把左右兩種情況分開看。
如果只考慮比左邊的人分數高時，容易得到策略：
從左到右遍歷，如果a[i]>a[i-1]，則有c[i]=c[i-1]+1；否則c[i]=1。

再考慮比右邊的人分數高時，此時我們要從數組的最右邊，向左開始遍歷：
如果a[i]>a[i+1], 則有c[i]=c[i+1]+1；否則c[i]不變；

這樣講過兩次遍歷，我們可以得到一個分配方案，並且時間復雜度是 O(N) 。

題目給出關鍵信息：1、兩個人過河，耗時為較長的時間；
還有隱藏的信息：2、兩個人過河後，需要有一個人把船開回去；
要保證總時間盡可能小，這里有兩個關鍵原則： 應該使得兩個人時間差盡可能小（減少浪費），同時船回去的時間也盡可能小（減少等待）。

先不考慮空船回來的情況，如果有無限多的船，那麼應該怎麼分配？
答案： 每次從剩下的人選擇耗時最長的人，再選擇與他耗時最接近的人。

再考慮只有一條船的情況，假設有A/B/C三個人，並且耗時A<B<C。
那麼最快的方案是：A+B去, A回；A+C去；總耗時是A+B+C。（因為A是最快的，讓其他人來回時間只會更長， 減少等待的原則 ）

如果有A/B/C/D四個人，且耗時A<B<C<D，這時有兩種方案：
1、最快的來回送人方式，A+B去；A回；A+C去，A回；A+D去； 總耗時是B+C+D+2A （減少等待原則）
2、最快和次快一起送人方式，A+B先去，A回；C+D去，B回；A+B去；總耗時是 3B+D+A （減少浪費原則）
對比方案1、2的選擇，我們發現差別僅在A+C和2B；
為何方案1、2差別里沒有D？
因為D最終一定要過河，且耗時一定為D。

如果有A/B/C/D/E 5個人，且耗時A<B<C<D<E，這時如何抉擇？
仍是從最慢的E看。（參考我們無限多船的情況）
方案1，減少等待；先送E過去，然後接著考慮四個人的情況；
方案2，減少浪費；先送E/D過去，然後接著考慮A/B/C三個人的情況；（4人的時候的方案2）

到5個人的時候，我們已經明顯發了一個特點：問題是重復，且可以由子問題去解決。
根據5個人的情況，我們可以推出狀態轉移方程 dp[i] = min(dp[i - 1] + a[i] + a[1], dp[i - 2] + a[2] + a[1] + a[i] + a[2]);
再根據我們考慮的1、2、3、4個人的情況，我們分別可以算出dp[i]的初始化值：
dp[1] = a[1];
dp[2] = a[2];
dp[3] = a[2]+a[1]+a[3];
dp[4] = min(dp[3] + a[4] + a[1], dp[2]+a[2]+a[1]+a[4]+a[2]);

由上述的狀態轉移方程和初始化值，我們可以推出dp[n]的值。

貪心的學習過程，就是對自己的思考進行優化。
是把握已有信息，進行最優化決策。
這里還有一些收集的 貪心練習題 ，可以實踐練習。
這里 還有在線分享，歡迎報名。

㈧ 程序員如何提高解決問題的能力

就和你編程一樣。決策樹演算法的邏輯，移植到實際問題的解決。甚至可以升級為，決策森林演算法，深度森林演算法。

遇到問題就開始分類。然後根據自己的現狀與實力，確定可行域，然後找最優解，最起碼也得是可行解中的效率較高的。