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學習一些，但是比較常用的算法一定能做到。不僅算法崗需要學習這么多算法，開發(fā)崗也需要學習很多常用算法，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學習一些，但是比較常用的算法一定能做到。不僅算法崗需要學習這么多算法，開發(fā)崗也需要學習很多常用算法，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。在reduce階段，我需要根據某個值保持頂部，但是如果不能使用其他算法，可以調用quick sort。最壞的時間復雜度是O（n^2）。當數(shù)據很大時，你不能用完。如果能夠維護大頂堆或bfprt算法，時間復雜度會大大降低。所以算法是非常重要的。

那么，我們需要學習哪些算法？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、網絡流、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，特別是在機器學習、人工智能、密碼學等領域。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)，除了上面的一些應用算法外，主要是機器學習、深度學習算法。

分治算法和動態(tài)規(guī)劃有什么不同和聯(lián)系？

1、分而治之法和動態(tài)規(guī)劃的主要共同點是：1）都要求原問題具有最優(yōu)子結構的性質，都是對原問題進行分而治之，將原問題分解成若干個較小的子問題。然后將子問題的解進行組合，形成原問題的解。

2、分治法與動態(tài)規(guī)劃實現(xiàn)方法：①分治法通常采用遞歸求解。

②動態(tài)規(guī)劃一般采用自下而上的迭代法求解，也可采用帶記憶函數(shù)的遞歸法自上而下求解。

3、分治法與動態(tài)規(guī)劃的主要區(qū)別如下：1。分治法把分解的子問題看作是獨立的。

②在動態(tài)規(guī)劃中，分解的子問題被理解為相互關聯(lián)和重疊的部分。

動態(tài)規(guī)劃算法的運用條件？

使用動態(tài)規(guī)劃方法，必須將原始問題分解為更小的子問題。子問題是重復的，然后用表格一步一步地推導出原問題的答案。