程序员算法能力差

㈠ 算法工程师和程序员区别

算法工程师和程序员区别在于：

算法工程师其实比较代表一些料研能力较强的工程师，一般是在一个产品的初期，去解决技术上的难题，提供一些技术方案，也包括方案的初步算法实现，主要负责数据挖掘，机器学习领域相关的内容。

㈡ 怎么看待程序员普遍缺乏数据结构和算法的知识

在很多程序员看来，数据结构，算法这一类的东西感觉没用，在实践中都不常用，所以都会很忽视这类内容，但是在很多公司看来，尤其是大公司看来数据结构和算法这种东西确实最有用，而且经常在笔试和面试中出现。

2、数据结构和算法在面试的时候最容易量化和体现能力什么意思呢？在面试或者笔试的时候，面试数据结构和算法，可以面出你的思维能力，思考能力，这个能力对于编程来说很重要。比如：如果面试你使用过什么框架吗？你说：会，使用过，然后你谈了谈使用这些框架的一些知识和遇到的坑，以及怎么解决的？通过这样的问题，不能看出的思维能力和编程能力，只能看出你确实会用这个东西。而面试算法和数据结构不一样了，以为面试这种东西可以让你写出来，或者写伪代码，而且这些能力如果你有，你的成长空间也高。

面试你编程的实践能力，不可能让你上机去敲一个模块的实现吧？而让你写个算法和数据结构却很方便，也可以量化。所以，很多人平时不用算法和数据结构，在跳槽的时候，也会提前去复习算法和数据结构的知识，因为这是面试中很常见的问题。但是我还是建议大家能够一直有这种能力。不要因为不常用而忽视这些基本的东西，这些东西才是精华。

㈢ 大多数程序员算法很垃圾吗

大多数程序员算法垃圾。根据查询相关信息显示：大多数程序员的算法是根据课本上的老旧的算法，效率低，冲突率大。

㈣ 程序员，感觉技术停滞了怎么办

你是一名程序员，感觉技术停滞了。那你就去深造呗，就是你可以选择各种的程序任务去做。哦！针对自己有弱点的地方，然后去学习。活到老，学到老。

㈤ 编程员与算法工程师哪个更难考

算法工程师更难考。
算法工程师要比编程员难考，算法工程师是利用算法处理事物，不同的算法可能用不同的时间、空间或效率来完成同样的任务。算法工程师是一个比较高端的职位，大多数是硕士学历及其以上，是非常难考的。
编程员是协助软件开发代码编写及IT日常报障维护，应用程序开发、OA办公系统服务器、MES系统和数据库系统的维护和管理。

㈥ 算法不扎实的程序员，每一个都很慌

初学者经常问这样的问题，然而这些其实是错误的问题。

对于初学者而言，你最应该优先考虑的是，哪些东西构成了程序的基础？

最经典的一句话： 程序 = 数据结构 + 算法 。

如果说编程语言是程序的血肉，那么算法就是程序的灵魂。

人不能没有血肉之躯，但是没有灵魂的人依然只是一个死人。

不能单纯依靠算法衡量一个程序员的好坏，但是面试的时候考算法绝对是简单高效的筛选手段。近些年大厂的面试几乎必考算法也是这个原因。每一个算法学的不扎实的程序员，在面试的时候都很慌。

下面这些书籍应该是算法方面最常见的经典书籍。我有幸都读过，有些读完了，有些半途而废，不过基本上也都算是熟悉。顺序上由易到难，从薄到厚，每本书下面我会简单的介绍一番，希望能对你的学习有所帮助。

首先是两本算法入门书籍，也可以当做算法读物：

《啊哈！算法》

用他的自我介绍的来讲：“这不过是一本有趣的算法书而已，和别的算法书比较，如果硬要说它有什么特点的话，那就是你能看懂它。”

图文并茂，而且画风有趣，适合新手入门，但是代码是C的，看着比较累，文字也略显冗长。

图是非常棒的，启蒙用，非教科书

《算法图解》

和《啊哈》类似，他的介绍是：“像小说一样有趣的算法入门书。”

书里面讲的很好，python代码也很容易读懂，比之《啊哈！算法》，书中的例子没有那么有趣，但是图很清晰，文字和代码不冗杂。

缺点同样是非教科书，非常浅显，三四个小时就看完了。有一种刚刚热身的感觉。

接下来这几本都是最常见的书了：

《数据结构与算法分析C语言描述》

这本书的作者几乎不浪费笔墨在一些简单的地方。书很薄，但是覆盖面很广很深，作者实在是非常厉害。

不过反过来说，就是有些地方讲的语焉不详……

这本书还有java语言版本的，但是相比之下C的更好一些。

挺好的一本书。

还有一点是翻译不是很给力，好多人都没坚持看完。

《数据结构与算法Python语言实现》

英文版评分非常高，中文版评分非常低……

据说是也翻译的不好。另外就是本书自身错误也不少……几版过后依然很多没有改过来。

书中数学证明和介绍比较简单。因为采用Python语言的原因，比较易读。

浅显易懂，内容上循序渐进，环环相扣。相比于上一本，我会更推荐一些。厚度也不算厚。

《数据结构与算法 Python语言描述》

北大教授裘宗燕的书，这本书前面写的挺好的，尤其是在面向对象还有ADT等思想的阐述，都很不错。

但是读到后来给我一种虎头蛇尾的感觉，前面气势如虹绪论就写了很长，最后三章感觉有点草草收尾的意思。就像编辑在催稿，而作者很忙的样子……

另外就是这本书的编排顺序我个人也不是特别喜欢。

接下来是两本大部头，都是非常厚的书。

他们最大的特点就是：出现率远大于看完率

《算法导论》

算法书中的权威，MIT的6.046J就是按照这个来讲的。

公认最好的算法书，组织结构合理，内容详尽。引导读者从思维方式上对算法进行领悟。

书中对算法的数学结构进行了详尽的阐述。有非常多的数学证明。

这本书我说不出什么缺点，只能说有些内容是因为我还没到大牛的境界，暂时还无法体会理解。

我个人的观点是：不要纠结于详细的伪代码，不用纠结于连篇累牍的讲解。体会其中算法的精髓就好。

《算法》第四版

如果说，《算法导论》是学术上最好书，那这本应该是实际应用最好的书。

它对数学的要求比《算法导论》低很多，摒弃了算法的证明。

书中具体给出了每位程序员应知应会的50个算法，深入浅出，大量图解。非常棒。

java基础的话你能撸出来Hello World基本上就可以开始看这本书了，这本书最大的不友好之处在于它的第一章非常长，没看过的人又不知道哪里可以跳过。

这本书后面的翻译感觉不如前边了，不知道是换人了还是DDL了……

翻开书就会看到很多的图，配套作者在coursera上面的课程学的话事半功倍！

接下来的几本我看的比较少，简单介绍一下，希望大家自己去发现和了解，不要漏下这些好书：

《编程珠玑》

很薄一本啊，但是我放在那还没看完……

这本书被称为： 历史 上最伟大的计算机科学着作之一

融深邃思想、实战技术与趣味轶事于一炉的奇书。

内容不深，但是不是一个知识点一个知识点的给你讲解算法原理的。

这本书的核心思想是让你了解如何正确选择和高效地实现算法。书中还有一些趣闻轶事，看着倒是很有意思~

有兴趣的同学可以看看~

《算法竞赛入门经典》系列

算法竞赛入门经典书，ACM必备书籍吧算是。书中题目对于竞赛来说比较简单，但是对于一般我们平时工程来说偏难。语言用的是C/C++，请好好做例题好好做作业，读书的时候好好思考和复习~

反正我是没读过，捂脸……

《剑指Offer》

这个书很有意思，对于在校生来说我个人觉得是必看的书。没有任何工作经验的同学在面试的时候真的会被问懵的。这本书可以让你了解如何应付考官日常问题，在解答面试问题的时候，书中很多方法和思路会让考官觉得你思考的很全面，给你加不少分。

我面试的时候也曾快速扫过一遍这本书，让我在回答问题的时候条理更清晰。书中代码是C的，emmm，于是代码部分我就没太看……

《用Python解决数据结构与算法问题》

最后给大家推荐一本在线的 免费 的算法书。

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

不是大部头，也不是读物，新手入门足够用，书中介绍了大多数日常需要的算法，并且讲的比较浅显~转行的新手基本可以通过这本书来快速掌握常用基本算法了~

反正免费，是否适合自己看两页也就get了~

如果需要PDF版，可以在“程序员必修课”公众号后台回复：“Python算法书”获取。

㈦ 程序员算法基础——贪心算法

贪心是人类自带的能力，贪心算法是在贪心决策上进行统筹规划的统称。

比如一道常见的算法笔试题---- 跳一跳 ：

我们自然而然能产生一种解法：尽可能的往右跳，看最后是否能到达。
本文即是对这种贪心决策的介绍。

狭义的贪心算法指的是解最优化问题的一种特殊方法，解决过程中总是做出当下最好的选择，因为具有最优子结构的特点，局部最优解可以得到全局最优解；这种贪心算法是动态规划的一种特例。 能用贪心解决的问题，也可以用动态规划解决。

而广义的贪心指的是一种通用的贪心策略，基于当前局面而进行贪心决策。以 跳一跳 的题目为例：
我们发现的题目的核心在于 向右能到达的最远距离 ，我们用maxRight来表示；
此时有一种贪心的策略：从第1个盒子开始向右遍历，对于每个经过的盒子，不断更新maxRight的值。

贪心的思考过程类似动态规划，依旧是两步： 大事化小 ， 小事化了 。
大事化小：
一个较大的问题，通过找到与子问题的重叠，把复杂的问题划分为多个小问题；
小事化了：
从小问题找到决策的核心，确定一种得到最优解的策略，比如跳一跳中的 向右能到达的最远距离 ；

在证明局部的最优解是否可以推出全局最优解的时候，常会用到数学的证明方式。

如果是动态规划：
要凑出m元，必须先凑出m-1、m-2、m-5、m-10元，我们用dp[i]表示凑出i元的最少纸币数；
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 ；
根据以上递推方程和初始化信息，可以容易推出dp[1~m]的所有值。

似乎有些不对？ 平时我们找零钱有这么复杂吗？
从贪心算法角度出发，当m>10且我们有10元纸币，我们优先使用10元纸币，然后再是5元、2元、1元纸币。
从日常生活的经验知道，这么做是正确的，但是为什么？

假如我们把题目变成这样，原来的策略还能生效吗？

接下来我们来分析这种策略：
已知对于m元纸币，1，2，5元纸币使用了a，b，c张，我们有a+2b+5c=m；
假设存在一种情况，1、2、5元纸币使用数是x，y，z张，使用了更少的5元纸币（z<c），且纸币张数更少（x+y+z<a+b+c），即是用更少5元纸币得到最优解。
我们令k=5*(c-z)，k元纸币需要floor(k/2)张2元纸币，k%2张1元纸币；（因为如果有2张1元纸币，可以使用1张2元纸币来替代，故而1元纸币只能是0张或者1张）
容易知道，减少(c-z)张5元纸币，需要增加floor(5*(c-z)/2)张2元纸币和(5*(c-z))%2张纸币，而这使得x+y+z必然大于a+b+c。
由此我们知道不可能存在使用更少5元纸币的更优解。
所以优先使用大额纸币是一种正确的贪心选择。

对于1、5、7元纸币，比如说要凑出10元，如果优先使用7元纸币，则张数是4；（1+1+1+7）
但如果只使用5元纸币，则张数是2；（5+5）
在这种情况下，优先使用大额纸币是不正确的贪心选择。（但用动态规划仍能得到最优解）

如果是动态规划：
前i秒的完成的任务数，可以由前面1~i-1秒的任务完成数推过来。
我们用 dp[i]表示前i秒能完成的任务数 ；
在计算前i秒能完成的任务数时，对于第j个任务，我们有两种决策：
1、不执行这个任务，那么dp[i]没有变化；
2、执行这个任务，那么必须腾出来(Sj, Tj)这段时间，那么 dp[i] = max(dp[i], dp[ S[j] ] ) + 1 ；
比如说对于任务j如果是第5秒开始第10秒结束，如果i>=10，那么有 dp[i]=max(dp[i], dp[5] + 1)； （相当于把第5秒到第i秒的时间分配给任务j）

再考虑贪心的策略，现实生活中人们是如何安排这种多任务的事情？我换一种描述方式：

我们自然而然会想到一个策略： 先把结束时间早的兼职给做了！
为什么？
因为先做完这个结束时间早的，能留出更多的时间做其他兼职。
我们天生具备了这种优化决策的能力。

这是一道 LeetCode题目 。
这个题目不能直接用动态规划去解，比如用dp[i]表示前i个人需要的最少糖果数。
因为（前i个人的最少糖果数）这种状态表示会收到第i+1个人的影响，如果a[i]>a[i+1]，那么第i个人应该比第i+1个人多。
即是 这种状态表示不具备无后效性。

如果是我们分配糖果，我们应该怎么分配？
答案是： 从分数最低的开始。
按照分数排序，从最低开始分，每次判断是否比左右的分数高。
假设每个人分c[i]个糖果，那么对于第i个人有 c[i]=max(c[i-1],c[c+1])+1 ; （c[i]默认为0，如果在计算i的时候,c[i-1]为0，表示i-1的分数比i高）
但是，这样解决的时间复杂度为 O(NLogN) ，主要瓶颈是在排序。
如果提交，会得到 Time Limit Exceeded 的提示。

我们需要对贪心的策略进行优化：
我们把左右两种情况分开看。
如果只考虑比左边的人分数高时，容易得到策略：
从左到右遍历，如果a[i]>a[i-1]，则有c[i]=c[i-1]+1；否则c[i]=1。

再考虑比右边的人分数高时，此时我们要从数组的最右边，向左开始遍历：
如果a[i]>a[i+1], 则有c[i]=c[i+1]+1；否则c[i]不变；

这样讲过两次遍历，我们可以得到一个分配方案，并且时间复杂度是 O(N) 。

题目给出关键信息：1、两个人过河，耗时为较长的时间；
还有隐藏的信息：2、两个人过河后，需要有一个人把船开回去；
要保证总时间尽可能小，这里有两个关键原则： 应该使得两个人时间差尽可能小（减少浪费），同时船回去的时间也尽可能小（减少等待）。

先不考虑空船回来的情况，如果有无限多的船，那么应该怎么分配？
答案： 每次从剩下的人选择耗时最长的人，再选择与他耗时最接近的人。

再考虑只有一条船的情况，假设有A/B/C三个人，并且耗时A<B<C。
那么最快的方案是：A+B去, A回；A+C去；总耗时是A+B+C。（因为A是最快的，让其他人来回时间只会更长， 减少等待的原则 ）

如果有A/B/C/D四个人，且耗时A<B<C<D，这时有两种方案：
1、最快的来回送人方式，A+B去；A回；A+C去，A回；A+D去； 总耗时是B+C+D+2A （减少等待原则）
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；总耗时是 3B+D+A （减少浪费原则）
对比方案1、2的选择，我们发现差别仅在A+C和2B；
为何方案1、2差别里没有D？
因为D最终一定要过河，且耗时一定为D。

如果有A/B/C/D/E 5个人，且耗时A<B<C<D<E，这时如何抉择？
仍是从最慢的E看。（参考我们无限多船的情况）
方案1，减少等待；先送E过去，然后接着考虑四个人的情况；
方案2，减少浪费；先送E/D过去，然后接着考虑A/B/C三个人的情况；（4人的时候的方案2）

到5个人的时候，我们已经明显发了一个特点：问题是重复，且可以由子问题去解决。
根据5个人的情况，我们可以推出状态转移方程 dp[i] = min(dp[i - 1] + a[i] + a[1], dp[i - 2] + a[2] + a[1] + a[i] + a[2]);
再根据我们考虑的1、2、3、4个人的情况，我们分别可以算出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]);

由上述的状态转移方程和初始化值，我们可以推出dp[n]的值。

贪心的学习过程，就是对自己的思考进行优化。
是把握已有信息，进行最优化决策。
这里还有一些收集的 贪心练习题 ，可以实践练习。
这里 还有在线分享，欢迎报名。

㈧ 程序员如何提高解决问题的能力

就和你编程一样。决策树算法的逻辑，移植到实际问题的解决。甚至可以升级为，决策森林算法，深度森林算法。

遇到问题就开始分类。然后根据自己的现状与实力，确定可行域，然后找最优解，最起码也得是可行解中的效率较高的。