作為一名程序員，需要精通高深的算法嗎？為什么？太深的算法可以適當(dāng)學(xué)習(xí)一些，但是比較常用的算法一定能做到。不僅算法崗需要學(xué)習(xí)這么多算法，開發(fā)崗也需要學(xué)習(xí)很多常用算法，這樣才能在開發(fā)過程中編寫出高性能的代

作為一名程序員，需要精通高深的算法嗎？為什么？

太深的算法可以適當(dāng)學(xué)習(xí)一些，但是比較常用的算法一定能做到。不僅算法崗需要學(xué)習(xí)這么多算法，開發(fā)崗也需要學(xué)習(xí)很多常用算法，這樣才能在開發(fā)過程中編寫出高性能的代碼。我舉個例子。以前，我用MR處理一段數(shù)據(jù)。在reduce階段，我需要根據(jù)某個值保持頂部，但是如果不能使用其他算法，可以調(diào)用quick sort。最壞的時間復(fù)雜度是O（n^2）。當(dāng)數(shù)據(jù)很大時，你不能用完。如果能夠維護大頂堆或bfprt算法，時間復(fù)雜度會大大降低。所以算法是非常重要的。

那么，我們需要學(xué)習(xí)哪些算法？我將列出以下方向

常見的圖論算法，如并集搜索、最短路徑算法、二部圖匹配、網(wǎng)絡(luò)流、拓撲排序等

例如常見的二分搜索、三分搜索，特別是二分搜索、訪談常問、深度優(yōu)先搜索和廣度優(yōu)先搜索，經(jīng)典的八道數(shù)字題等等。還有一些啟發(fā)式搜索算法，如模擬退火算法、遺傳算法、粒子群算法、蟻群算法等。

Dijkstra算法用于尋找最短路徑、最大子段和、數(shù)字DP等

這一類比較大，特別是在機器學(xué)習(xí)、人工智能、密碼學(xué)等領(lǐng)域。比如數(shù)論中的大數(shù)分解，大素數(shù)的判定，擴展歐幾里德算法，中國剩余定理，盧卡斯定理等等，組合數(shù)學(xué)中的博弈問題，卡特蘭數(shù)公式，包含排除原理，波利亞計數(shù)等等，計算幾何中的極性排序、凸包問題、旋轉(zhuǎn)卡盤問題、多邊形核問題、平面最近點對問題等。另外，還有一些矩陣的構(gòu)造計算，如矩陣的快冪等。

如果要做算法作業(yè)，除了上面的一些應(yīng)用算法外，主要是機器學(xué)習(xí)、深度學(xué)習(xí)算法。

高級算法有哪些？

數(shù)學(xué)：離散對數(shù)n次余數(shù)Mobius函數(shù)計算數(shù)值積分高階代數(shù)根快速冪次快速傅里葉變換分為三類

圖論：前向星、tarjan算法、2sat、kth短路、LCA、弦圖確定

多邊形、圓、三維計算機幾何中的問題

數(shù)據(jù)結(jié)構(gòu)：St表、動態(tài)樹、塊鏈表、樹鏈劃分

有一個快速算法來計算冪，它不是用蠻力一個一個地乘以。例如，如果你想計算2^10000，計算機將首先計算2^5000，然后計算平方，即兩個數(shù)的乘法。為了計算2^5000，計算機將首先計算2^2500，然后將其平方。這種算法稱為快速冪算法。對于2^n的計算，如果每次乘法的時間復(fù)雜度為O（1），則總體時間復(fù)雜度僅為O（logn）級。R一般來說，為了實現(xiàn)快速冪算法，我們首先對指數(shù)進行二進制表示。例如，如果要計算a的23次方，可以將23分解為16421。然后計算B=a^2，C=B^2=a^4，d=（C^2）^2=a^16。最后的結(jié)果是ABCD的乘法。但這里乘法的復(fù)雜度不是o（1），因為它是無限精度的，稱為大數(shù)乘法。大數(shù)乘法也有許多算法。最簡單的方法類似于手工計算。復(fù)雜度為O（n^2）。其它方法有分治法、復(fù)雜度O（n^1.58）、FFT法、復(fù)雜度O（n logn logn）等，在快冪大數(shù)乘法的O（logn）次中，最復(fù)雜的是最后一次，即2^5000次。前一個幾何級數(shù)的復(fù)雜度會衰減，因此總體復(fù)雜度就是最后一次計算的復(fù)雜度。如果使用FFT方法，復(fù)雜度比線性的要高一些。一般來說，它可以在計算機上隨意計算。R CPU不能全速運行，因為這個程序只使用一個內(nèi)核進行計算，而您顯示的是總利用率，所以它將保持在大約四分之一的水平。R是否使用shift操作涉及Python大數(shù)操作的具體設(shè)計，我不太了解。但原則上，這也是很有可能的。如果位串用于存儲大量數(shù)字，則2^n的計算只需在數(shù)組的第n位設(shè)置1，其余可以設(shè)置為0。然后轉(zhuǎn)換成十進制是這段代碼中計算成本最高的部分。右