A搜索演算法——圖形搜索演算法，從給定起點到給定終點計算出路徑。其中使用了一種啟發式的估算，為每個節點估算通過該節點的最佳路徑，並以之為各個地點排定次序。演算法以得到的次序訪問這些節點。因此，A*搜索演算法是最佳優先搜索的範例。
集束搜索（又名定向搜索，BeamSearch）——最佳優先搜索演算法的優化。使用啟發式函數評估它檢查的每個節點的能力。不過，集束搜索只能在每個深度中發現最前面的m個最符合條件的節點，m是固定數字——集束的寬度。
二分查找（BinarySearch）——在線性數組中找特定值的演算法，每個步驟去掉一半不符合要求的數據。
分支界定演算法（BranchandBound）——在多種最優化問題中尋找特定最優化解決方案的演算法，特別是針對離散、組合的最優化。
Buchberger演算法——一種數學演算法，可將其視為針對單變數最大公約數求解的歐幾里得演算法和線性系統中高斯消元法的泛化。
數據壓縮——採取特定編碼方案，使用更少的位元組數（或是其他信息承載單元）對信息編碼的過程，又叫來源編碼。
Diffie-Hellman密鑰交換演算法——一種加密協議，允許雙方在事先不了解對方的情況下，在不安全的通信信道中，共同建立共享密鑰。該密鑰以後可與一個對稱密碼一起，加密後續通訊。
Dijkstra演算法——針對沒有負值權重邊的有向圖，計算其中的單一起點最短演算法。
離散微分演算法（Discretedifferentiation）
動態規劃演算法（DynamicProgramming）——展示互相覆蓋的子問題和最優子架構演算法
歐幾里得演算法（Euclideanalgorithm）——計算兩個整數的最大公約數。最古老的演算法之一，出現在公元前300前歐幾里得的《幾何原本》。
期望-最大演算法（Expectation-maximizationalgorithm，又名EM-Training）——在統計計算中，期望-最大演算法在概率模型中尋找可能性最大的參數估算值，其中模型依賴於未發現的潛在變數。EM在兩個步驟中交替計算，第一步是計算期望，利用對隱藏變數的現有估計值，計算其最大可能估計值；第二步是最大化，最大化在第一步上求得的最大可能值來計算參數的值。
快速傅里葉變換（FastFouriertransform，FFT）——計算離散的傅里葉變換（DFT）及其反轉。該演算法應用范圍很廣，從數字信號處理到解決偏微分方程，到快速計算大整數乘積。
梯度下降（Gradientdescent）——一種數學上的最優化演算法。
哈希演算法（Hashing）
堆排序（Heaps）
Karatsuba乘法——需要完成上千位整數的乘法的系統中使用，比如計算機代數系統和大數程序庫，如果使用長乘法，速度太慢。該演算法發現於1962年。
LLL演算法（Lenstra-Lenstra-Lovaszlatticerection）——以格規約（lattice）基數為輸入，輸出短正交向量基數。LLL演算法在以下公共密鑰加密方法中有大量使用：背包加密系統（knapsack）、有特定設置的RSA加密等等。
最大流量演算法（Maximumflow）——該演算法試圖從一個流量網路中找到最大的流。它優勢被定義為找到這樣一個流的值。最大流問題可以看作更復雜的網路流問題的特定情況。最大流與網路中的界面有關，這就是最大流-最小截定理（Max-flowmin-cuttheorem）。Ford-Fulkerson能找到一個流網路中的最大流。
合並排序（MergeSort）
牛頓法（Newton'smethod）——求非線性方程（組）零點的一種重要的迭代法。
Q-learning學習演算法——這是一種通過學習動作值函數（action-valuefunction）完成的強化學習演算法，函數採取在給定狀態的給定動作，並計算出期望的效用價值，在此後遵循固定的策略。Q-leanring的優勢是，在不需要環境模型的情況下，可以對比可採納行動的期望效用。
兩次篩法（QuadraticSieve）——現代整數因子分解演算法，在實踐中，是目前已知第二快的此類演算法（僅次於數域篩法NumberFieldSieve）。對於110位以下的十位整數，它仍是最快的，而且都認為它比數域篩法更簡單。
RANSAC——是「RANdomSAmpleConsensus」的縮寫。該演算法根據一系列觀察得到的數據，數據中包含異常值，估算一個數學模型的參數值。其基本假設是：數據包含非異化值，也就是能夠通過某些模型參數解釋的值，異化值就是那些不符合模型的數據點。
RSA——公鑰加密演算法。首個適用於以簽名作為加密的演算法。RSA在電商行業中仍大規模使用，大家也相信它有足夠安全長度的公鑰。
Schönhage-Strassen演算法——在數學中，Schönhage-Strassen演算法是用來完成大整數的乘法的快速漸近演算法。其演算法復雜度為：O(Nlog(N)log(log(N)))，該演算法使用了傅里葉變換。
單純型演算法（SimplexAlgorithm）——在數學的優化理論中，單純型演算法是常用的技術，用來找到線性規劃問題的數值解。線性規劃問題包括在一組實變數上的一系列線性不等式組，以及一個等待最大化（或最小化）的固定線性函數。
奇異值分解（Singularvaluedecomposition，簡稱SVD）——在線性代數中，SVD是重要的實數或復數矩陣的分解方法，在信號處理和統計中有多種應用，比如計算矩陣的偽逆矩陣（以求解最小二乘法問題）、解決超定線性系統（overdeterminedlinearsystems）、矩陣逼近、數值天氣預報等等。
求解線性方程組（）——線性方程組是數學中最古老的問題，它們有很多應用，比如在數字信號處理、線性規劃中的估算和預測、數值分析中的非線性問題逼近等等。求解線性方程組，可以使用高斯—約當消去法（Gauss-Jordanelimination），或是柯列斯基分解（Choleskydecomposition）。
Strukturtensor演算法——應用於模式識別領域，為所有像素找出一種計算方法，看看該像素是否處於同質區域（homogenousregion），看看它是否屬於邊緣，還是是一個頂點。
合並查找演算法（Union-find）——給定一組元素，該演算法常常用來把這些元素分為多個分離的、彼此不重合的組。不相交集（disjoint-set）的數據結構可以跟蹤這樣的切分方法。合並查找演算法可以在此種數據結構上完成兩個有用的操作：
查找：判斷某特定元素屬於哪個組。
合並：聯合或合並兩個組為一個組。
維特比演算法（Viterbialgorithm）——尋找隱藏狀態最有可能序列的動態規劃演算法，這種序列被稱為維特比路徑，其結果是一系列可以觀察到的事件，特別是在隱藏的Markov模型中。
❷ Java程序員35歲再開始學演算法，是不是晚了
是有點晚了，首備粗只要想開始，還來得及，不過演算法需要靜滾顫下心來思考，就像做者鎮數學題一樣，但是職場人士這種條件很難具備
❸ 程序員都應該精通的六種演算法，你會了嗎
對於一名優秀的程序員來說，面對一個項目的需求的時候，一定會在腦海里浮現出最適合解決這個問題的方法是什麼，選對了演算法，就會起到事半功倍的效果，反之，則可能會使程序運行效率低下，還容易出bug。因此，熟悉掌握常用的演算法，是對於一個優秀程序員最基本的要求。
那麼，常用的演算法都有哪些呢？一般來講，在我們日常工作中涉及到的演算法，通常分為以下幾個類型：分治、貪心、迭代、枚舉、回溯、動態規劃。下面我們來一一介紹這幾種演算法。
一、分治演算法
分治演算法，顧名思義，是將一個難以直接解決的大問題，分割成一些規模較小的相同問題，以便各個擊破，分而治之。
分治演算法一般分為三個部分：分解問題、解決問題、合並解。
分治演算法適用於那些問題的規模縮小到一定程度就可以解決、並且各子問題之間相互獨立，求出來的解可以合並為該問題的解的情況。
典型例子比如求解一個無序數組中的最大值，即可以採用分治演算法，示例如下：
def pidAndConquer(arr,leftIndex,rightIndex):
if(rightIndex==leftIndex+1 || rightIndex==leftIndex){
return Math.max(arr[leftIndex],arr[rightIndex]);
}
int mid=(leftIndex+rightIndex)/2;
int leftMax=pidAndConquer(arr,leftIndex,mid);
int rightMax=pidAndConquer(arr,mid,rightIndex);
return Math.max(leftMax,rightMax);
二、貪心演算法
貪心演算法是指在對問題求解時，總是做出在當前看來是最好的選擇。也就是說，不從整體最優上加以考慮，他所做出的僅是在某種意義上的局部最優解。
貪心演算法的基本思路是把問題分成若干個子問題，然後對每個子問題求解，得到子問題的局部最優解，最後再把子問題的最優解合並成原問題的一個解。這里要注意一點就是貪心演算法得到的不一定是全局最優解。這一缺陷導致了貪心演算法的適用范圍較少，更大的用途在於平衡演算法效率和最終結果應用，類似於：反正就走這么多步，肯定給你一個值，至於是不是最優的，那我就管不了了。就好像去菜市場買幾樣菜，可以經過反復比價之後再買，或者是看到有賣的不管三七二十一先買了，總之最終結果是菜能買回來，但搞不好多花了幾塊錢。
典型例子比如部分背包問題：有n個物體，第i個物體的重量為Wi，價值為Vi，在總重量不超過C的情況下讓總價值盡量高。每一個物體可以只取走一部分，價值和重量按比例計算。
貪心策略就是，每次都先拿性價比高的，判斷不超過C。
三、迭代演算法
迭代法也稱輾轉法，是一種不斷用變數的舊值遞推新值的過程。迭代演算法是用計算機解決問題的一種基本方法，它利用計算機運算速度快、適合做重復性操作的特點，讓計算機對一組指令(或一定步驟)進行重復執行，在每次執行這組指令(或這些步驟)時，都從變數的原值推出它的一個新值。最終得到問題的結果。
迭代演算法適用於那些每步輸入參數變數一定，前值可以作為下一步輸入參數的問題。
典型例子比如說，用迭代演算法計算斐波那契數列。
四、枚舉演算法
枚舉演算法是我們在日常中使用到的最多的一個演算法，它的核心思想就是:枚舉所有的可能。枚舉法的本質就是從所有候選答案中去搜索正確地解。
枚舉演算法適用於候選答案數量一定的情況。
典型例子包括雞錢問題，有公雞5，母雞3，三小雞1，求m錢n雞的所有可能解。可以採用一個三重循環將所有情況枚舉出來。代碼如下：
五、回溯演算法
回溯演算法是一個類似枚舉的搜索嘗試過程，主要是在搜索嘗試過程中尋找問題的解，當發現已不滿足求解條件時，就「回溯」返回，嘗試別的路徑。
許多復雜的，規模較大的問題都可以使用回溯法，有「通用解題方法」的美稱。
典型例子是8皇後演算法。在8 8格的國際象棋上擺放八個皇後，使其不能互相攻擊，即任意兩個皇後都不能處於同一行、同一列或同一斜線上，問一共有多少種擺法。
回溯法是求解皇後問題最經典的方法。演算法的思想在於如果一個皇後選定了位置，那麼下一個皇後的位置便被限制住了，下一個皇後需要一直找直到找到安全位置，如果沒有找到，那麼便要回溯到上一個皇後，那麼上一個皇後的位置就要改變，這樣一直遞歸直到所有的情況都被舉出。
六、動態規劃演算法
動態規劃過程是：每次決策依賴於當前狀態，又隨即引起狀態的轉移。一個決策序列就是在變化的狀態中產生出來的，所以，這種多階段最優化決策解決問題的過程就稱為動態規劃。
動態規劃演算法適用於當某階段狀態給定以後，在這階段以後的過程的發展不受這段以前各段狀態的影響，即無後效性的問題。
典型例子比如說背包問題，給定背包容量及物品重量和價值，要求背包裝的物品價值最大。
❹ 怎麼循序漸進的學習演算法演算法對於程序員有什麼作用
首先，對於大部分程序員而言，在工作中不是必須的，但是你要找工作，特別是剛畢業參加校招的學生，想進入一些比較大的公司（BAT之流），是必須要學好演算法的。
此外，在提高自我技術水平的過程中，比如去閱讀一些優秀的代碼的時候，也是需要演算法功底的，就像去看leveldb、redis源碼的時候，起碼得知道跳錶是個啥吧，看Linux內核文件系統的代碼得知道紅黑樹是個啥吧。
再就是有一個很重要的影響：演算法學的好的話，不論對你思考問題的方式還是對你編程的思維都會有很大的好處。
另外關於刷題的網站還是首推Leetcode。
如果有一些演算法基礎的話，推薦Codeforces。
至於資料書籍的話，其實沒有太多要求，網上的資料很多，隨便谷歌一下就能找到很多詳細的資料。
演算法導論的話不推薦，不推薦初學者看。這本書是本神書，但是這本書的門檻比較高，需要有一定數學基礎和演算法基礎的人去研究，如果你沒有一定的基礎或者對演算法狂熱的學習興趣，你很難啃下去。
改了一下知識列表的結構，分了下類，可能更加清楚一點。這裡面基礎是我覺得必須應該掌握的，中等的是有如有餘力最好學習的，高級的可以了解，可以了解一下，對於個別感興趣的可以深入學習一下。
❺ 程序員為什麼要學習演算法以及應用領域
對於許多編程開發程序員來說，組織開發架構等技術應該都掌握了不少了，那麼大家是否懂得演算法相關的技術呢?今天，昆明電腦培訓http://www.kmbdqn.com/就一起來了解一下，程序員為什麼要學習演算法以及應用領域的問題。
學習演算法的重要性
在介紹具體演算法之前，我先談一下個人對學習演算法的初心。我的初心無非有兩點：一，BAT等互聯網公司招聘面試時要問演算法知識，如果想要進入互聯網公司，我就必須學好演算法;二，通過學習演算法提升個人開發的基本功，這樣一來，對於不同場景我就可以正確選擇對應的數據結構和演算法，使得程序更健壯，提高程序的運行效率。
應用領域
目前計算機各個細分領域涉及到不同的演算法。比如說搜索引擎，平時我們使用google、網路等瀏覽器，只要我們輸入一個關鍵字，瀏覽器就會快速地返回相關的集合，這個集合的背後就隱藏著許多演算法。如果沒有這些演算法，我們是不可能這么快速地得到想要的結果。再比如說人工智慧，通過計算模型演算法實現人體識別、語音識別等各應用場景。
演算法分析
上文我們已經介紹到演算法就是解決問題的方法，而對於同一個問題，可能存在不同的解決方法。因此，為了衡量一個演算法的優劣，提出了時間復雜度與空間復雜度這兩個概念。
時間復雜度
一般情況下，演算法中基本操作重復執行的次數是問題規模n的某個函數f(n)，演算法的時間度量記為T(n)=O(f(n))，它表示隨問題規模n的增大，演算法執行時間的增長率和f(n)的增長率相同，稱作演算法的漸近時間復雜度，簡稱時間復雜度。
空間復雜度
空間復雜度是對一個演算法在運行過程中臨時佔用存儲空間大小的量度，記做S(n)=O(f(n))。一個演算法的優劣主要從演算法的執行時間和所需要佔用的存儲空間兩個方面衡量。
❻ 程序員學演算法到底有什麼用
演算法是編程的基礎，可以提升自己的邏輯能力，好的演算法可以使編程更簡單，減少冗餘，用最短的代碼實現功能，學好演算法是很有必要的
演算法是計算機的靈魂，是解決所有問題的根源，所以計算機與數學關系非常密切。
程序是演算法加編程語言。其中，編程語言是很多程序員都熟知的。但說到演算法部分程序員覺得跟自己關系不大。實際上，所有的程序都要用到演算法。下面舉幾個演算法的例子幫您理解一下演算法的作用。
HelloWorld里的演算法
學過編程的人，接觸到的第一個程序大概都是著名的「Helloworld」了。這么簡單的程序會有演算法嗎？當然有啦，請思考一下計算機是只認識數字的，怎麼讓它能識別文字呢？聰明的人類給每一個文字都制定了一個編碼，配合數據類型的定義，計算機就能識別文字了。這種編碼的方式就是一種演算法了。您在鍵盤上輸入文字本身就是一種演算法的實現。英文還好就一兩百個字母數字和符號。漢語博大精深有幾萬個字元，用101個按鍵組合來體現所有的文字這本身就是一種了不起的演算法。
經典的演算法-割圓術
割圓術跟程序的關系不大，但它卻凝聚了編程的思想。我們知道所謂程序運算是由四則運算加上邏輯運算組成的。割圓術正是反復使用用了這些基本運算，經多次循環不斷接近圓周率的。這個方法在演算法中叫遞推法。在只能用算籌的年代，就能想到這么時尚的方法，我不得不說老祖宗真的很聰明。從另一個角度上說，哪亮氏演算法其實是超越了編程的一種思想。
一個關於演算法的故事
這個故事有點悲傷。我們知道法律規定一個人去逝後，他的遺產要由直系親屬繼承。有這樣一個家庭夫婦二人和一個孩子。有一天丈夫帶著孩子二人坐飛機旅行，不幸的是飛機墜毀了二個人都遇難了。現在出現了一個遺產繼承的問題。
丈夫的父母都健在，如果丈夫先於孩子去世，那麼按照法律他的遺產要由父母妻子和孩子四人繼承，每人分得四分之一。之後孩子去世，妻子將繼承孩子的全部財產。結果是父母每人分得四分之一，而妻子一人獨得二分之一。
如果孩子先於丈夫去世，則結局就是父母和妻子每人得三分之一。
到底該怎麼分呢？沒人能知道，因為誰都沒有辦法搞清楚丈夫和孩子哪個先去世。這說明了前面那個關於繼承的法律有點問題。這個問題是一個關於時間的演算法問題。這種現象在互聯網的世界裡很普遍，很多人都在發信息，但互聯網不能保證先發的信息就能先到。因此，必須要設計出演算法來解決這種時間上的沖突。
我們可以把計算機程序想像成用數字去模擬現實世界，演算法則對應了現實世界中的各種規則。不李散懂得演算法，我們便無法確定寫出來的程序能否滿足需求。
很高興回答您提出的，程序員學好演算法到底有什麼用？
1、首先演算法學好的話，不論對你思考問題的方式還是對你編程的思維都會鍵拍有很大的好處。
2、編程演算法只是演算法的一種表達形式，還可以用表格或流程圖來表達演算法。
3、各種演算法在不同領域扮演不通角色，本質上沒有區別，一通百通。
4、一些基礎演算法的話，沒必要找資料書籍，也沒有太多要求，隨便在網上搜索一下，就能找到很多詳細的資料。
其實，一般初級甚至中級程序員在日常開發中是用不了演算法的，要麼接觸不到，要麼別人幫你封裝好了，你可以用現成的
但是時間一長，你就會發現不會演算法，就很難變得更加優秀，你會發現優秀框架的源碼，部分是需要用到演算法，你不懂，有些存儲原理，也用到演算法，用到這些演算法，你的代碼執行的效率更高，這個時候你就需要去了解這些東西，否則你就很難再上一層樓
千萬不要覺得演算法不重要，其實這個是一種寶貴財富，在日常的開發中，對你有潛移默化的影響，所以，想成為一個優秀的程序員，演算法數據結構是必不可少學的，一起加油學習演算法吧
❼ 程序員如何學好演算法
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)
三.數據結構.
線段樹. (poj2528,poj2828,poj2777,poj2886,poj2750)
靜態二叉檢索樹. (poj2482,poj2352)
樹狀樹組(poj1195,poj3321)
RMQ. (poj3264,poj3368)
並查集的高級應用. (poj1703,2492)
KMP演算法. (poj1961,poj2406)
四.搜索
最優化剪枝和可行性剪枝
搜索的技巧和優化 (poj3411,poj1724)
記憶化搜索(poj3373,poj1691)
五.動態規劃
較為復雜的動態規劃(如動態規劃解特別的旅行商TSP問題等)
(poj1191,poj1054,poj3280,poj2029,poj2948,poj1925,poj3034)
記錄狀態的動態規劃. (POJ3254,poj2411,poj1185)
樹型動態規劃(poj2057,poj1947,poj2486,poj3140)
六.數學
組合數學:
1.容斥原理.
2.抽屜原理.
3.置換群與Polya定理(poj1286,poj2409,poj3270,poj1026).
4.遞推關系和母函數.
數學.
1.高斯消元法(poj2947,poj1487, poj2065,poj1166,poj1222)
2.概率問題. (poj3071,poj3440)
3.GCD、擴展的歐幾里德(中國剩餘定理) (poj3101)
計算方法.
1.0/1分數規劃. (poj2976)
2.三分法求解單峰(單谷)的極值.
3.矩陣法(poj3150,poj3422,poj3070)
4.迭代逼近(poj3301)
隨機化演算法(poj3318,poj2454)
雜題(poj1870,poj3296,poj3286,poj1095)
七.計算幾何學.
坐標離散化.
掃描線演算法(例如求矩形的面積和周長並,常和線段樹或堆一起使用)
(poj1765,poj1177,poj1151,poj3277,poj2280,poj3004)
多邊形的內核(半平面交)(poj3130,poj3335)
幾何工具的綜合應用.(poj1819,poj1066,poj2043,poj3227,poj2165,poj3429)
高級（regional中等難度）:
一.基本演算法要求:
代碼快速寫成,精簡但不失風格
(poj2525,poj1684,poj1421,poj1048,poj2050,poj3306)
保證正確性和高效性. poj3434
二.圖演算法:
度限制最小生成樹和第K最短路. (poj1639)
最短路,最小生成樹,二分圖,最大流問題的相關理論(主要是模型建立和求解)
(poj3155, poj2112,poj1966,poj3281,poj1087,poj2289,poj3216,poj2446
最優比率生成樹. (poj2728)
最小樹形圖(poj3164)
次小生成樹.
無向圖、有向圖的最小環
三.數據結構.
trie圖的建立和應用. (poj2778)
LCA和RMQ問題(LCA(最近公共祖先問題) 有離線演算法(並查集+dfs) 和 在線演算法(RMQ+dfs)).(poj1330)
雙端隊列和它的應用(維護一個單調的隊列,常常在動態規劃中起到優化狀態轉移的目的). (poj2823)
左偏樹(可合並堆).
後綴樹(非常有用的數據結構,也是賽區考題的熱點).(poj3415,poj3294)
四.搜索
較麻煩的搜索題目訓練(poj1069,poj3322,poj1475,poj1924,poj2049,poj3426)
廣搜的狀態優化:利用M進制數存儲狀態、轉化為串用hash表判重、按位壓縮存儲狀態、雙向廣搜、A*演算法. (poj1768,poj1184,poj1872,poj1324,poj2046,poj1482)
深搜的優化:盡量用位運算、一定要加剪枝、函數參數盡可能少、層數不易過大、可以考慮雙向搜索或者是輪換搜索、IDA*演算法. (poj3131,poj2870,poj2286)
五.動態規劃
需要用數據結構優化的動態規劃.(poj2754,poj3378,poj3017)
四邊形不等式理論.
較難的狀態DP(poj3133)
六.數學
組合數學.
1.MoBius反演(poj2888,poj2154)
2.偏序關系理論.
博奕論.
1.極大極小過程(poj3317,poj1085)
2.Nim問題.
七.計算幾何學.
半平面求交(poj3384,poj2540)
可視圖的建立(poj2966)
點集最小圓覆蓋.
對踵點(poj2079)
❽ 人工智慧程序員入門應該學哪些演算法
針對【分類】問題，可以選擇KNN演算法、決策樹、樸素貝葉斯、支持向量機、邏輯斯蒂回歸；針對【聚類】可以使用K-mean演算法；針對【回歸】問題，可以選決策樹、樸素貝葉斯、支持向量機。（對的，我沒有寫錯，決策樹、樸素貝葉斯、支持向量機既可以分類也可以回歸）值得一提得是，邏輯斯蒂回歸雖然是回歸命名，但卻只能用於分類。