Name: 算法图解
ISBN: 9787115447630

作者: [美] Aditya Bhargava
出版社: 人民邮电出版社
译者: 袁国忠
出版年: 2017-3
页数: 196
定价: 49.00元
装帧: 平装
丛书: 图灵程序设计丛书
ISBN: 9787115447630

豆瓣评分

8.4

737人评价

5星

42.5%
4星

42.9%
3星

13.6%
2星

0.7%
1星

0.4%

评价:

内容简介 · · · · · ·

本书示例丰富，图文并茂，以让人容易理解的方式阐释了算法，旨在帮助程序员在日常项目中更好地发挥算法的能量。书中的前三章将帮助你打下基础，带你学习二分查找、大O表示法、两种基本的数据结构以及递归等。余下的篇幅将主要介绍应用广泛的算法，具体内容包括：面对具体问题时的解决技巧，比如，何时采用贪婪算法或动态规划；散列表的应用；图算法；K最近邻算法。

在线试读前往豆瓣阅读试读本书

作者简介 · · · · · ·

Aditya Bhargava

软件工程师，兼具计算机科学和美术方面的教育背景，在adit.io撰写编程方面的博客。

目录 · · · · · ·

第1章　算法简介　　1
1.1　引言　　1
1.1.1　性能方面　　1
1.1.2　问题解决技巧　　2
1.2　二分查找　　2
1.2.1　更佳的查找方式　　4
· · · · · · (更多)

豆瓣成员常用的标签(共114个) · · · · · ·

算法计算机编程 Python 初级计算机科学 IT Programming

丛书信息

　　图灵程序设计丛书 (共178册), 这套丛书还有《Spark机器学习（第2版）》,《Swift基础教程第2版》,《机器学习》,《Eric Meyer谈CSS（卷2）》,《IDA Pro权威指南》等。

喜欢读"算法图解"的人也喜欢的电子书 · · · · · ·

支持 Web、iPhone、iPad、Android 阅读器

: 图解HTTP

19.99元

: 代码之髓：编程语言核心概念

22.50元

: Flask Web开发：基于Python的Web应用开发实战

29.99元

: Python编程：从入门到实践

44.50元

: 硝烟中的Scrum 和XP

6.96元

喜欢读"算法图解"的人也喜欢 · · · · · ·

: 网络是怎样连接的

: 程序是怎样跑起来的

: 流畅的Python

: 程序员的数学2

: 程序员的数学3

: Python编程快速上手

: 明解C语言：中级篇

: Python高手之路第3版

: 编码

: 图解设计模式

我来说两句

短评 · · · · · · ( 全部 366 条 )

算法图解的话题 · · · · · · ( 全部条 )

什么是话题

无论是一部作品、一个人，还是一件事，都往往可以衍生出许多不同的话题。将这些话题细分出来，分别进行讨论，会有更多收获。

我要写书评

算法图解的书评 · · · · · · ( 全部 6 条 )

最好的算法入门书

算法教科书通常让人昏昏欲睡，麻烦就在于算法是绕不开的必修课。以前大学有这个课程，看过几本算法书，都不太满意，看不懂很打击自信心。而这本图解书确实有所突破，很容易看懂，不枯燥。书不到200页，我几个小时就看了一半。虽然都是些入门级的算法，经过作者梳理后就很清晰... (展开)

0回应

半研墨 2018-01-01 12:01:42

零基础建立对算法基本认知的最好看的科普性质的算法入门书！

有一句很出名的话：程序＝数据结构＋算法。其实表达的意思是说数据结构是程序的骨架，算法是程序的灵魂。所以数据结构和算法是非常复杂，抽象，和不好理解的知识。即使是cs科班出身的程序员，能把数据结构和算法掌握好也是一件不容易的事情。或许是因为如此，我们看到讲数据结... (展开)

0回应

不会飞的章鱼 2018-05-16 21:45:37

《算法图解》读书笔记与课后练习

这篇书评可能有关键情节透露

一本有趣的算法入门书，代码使用Python语言实现，先将读书笔记整理如下：《算法图解》第一章笔记与课后练习_二分查找《算法图解》第二章笔记与课后练习_选择排序《算法图解》第三章笔记与课后练习_递归调用栈《算法图解》第四章笔记与课后练习_分治_快速排序《算法图解》... (展开)

1 0回应

躺着的不倒翁 2018-10-22 21:04:15

算法入门书，适合初学者

花了三四个小时看完的，觉的读起来比较感兴趣，可以继续读入下去。虽说画的图，举的例子不是太完美，对于初学者来讲，也算不错的了。代码部分看起来写的不是太干练。自己用C#练习了下狄克斯特拉算法，看起来很简单的，真正写出来也要很长时间，最后发现，怎么简单怎么做，关键... (展开)

0回应

readme 2018-10-17 01:43:45

这绝对是本算法入门的好书

这绝对是本算法入门的好书不仅算法基础本身，更要学习作者通俗易懂的协作能力建议你如果觉得算法太难懂，就从这本书看起，然后再去看《算法导论》之类的书而且他不仅仅适合计算机工程师阅读，也适合产品经理等其他非计算机工程师阅读 ------------------------- -----------... (展开)

0回应

TR@SOE 2018-04-18 17:53:49

算法很有趣，了解算法的人更有趣

最近买了本有趣的电子书《算法图解》。这本书很薄，可以很快地看完——如果不考虑做习题的时间的话。这本书对我这样一个编程爱好者来说是很有意思的，我理解了一些非常有用的常规算法，比如：二分查找选择排序递归快速排序散列表广度优先搜索狄克斯特拉算法贪婪算法 ... (展开)

0回应

> 更多书评6篇

读书笔记 · · · · · · (共23篇)

我来写笔记

按有用程度
按页码先后
最新笔记

展开收起
选择排序

急景凋年

https://github.com/LuCeser/Grokking-Programming-notebook/blob/master/grokking-algorithms/Ch2%20选择排序.ipynb
2019-01-16 08:30

https://github.com/LuCeser/Grokking-Programming-notebook/blob/master/grokking-algorithms/Ch2%20选择排序.ipynb

推荐

回应 2019-01-16 08:30
展开收起
算法简介

急景凋年

第一章笔记，自己写个二分查询 https://github.com/LuCeser/Grokking-Programming-notebook/blob/master/grokking-algorithms/Ch1%20%E7%AE%97%E6%B3%95%E7%AE%80%E4%BB%8B.ipynb
2019-01-15 14:53

第一章笔记，自己写个二分查询
https://github.com/LuCeser/Grokking-Programming-notebook/blob/master/grokking-algorithms/Ch1%20%E7%AE%97%E6%B3%95%E7%AE%80%E4%BB%8B.ipynb

推荐

回应 2019-01-15 14:53
展开收起
第94页

gogu (符合灵魂的渴望)

这一整章编排有点敷衍（或者我不能理解？ 7.1 计算最终路径卖两次关子说下一节告诉读者。然后 7.2 是术语，讲了加权图和环，没有相关内容。7.3 在陈述记录父节点的步骤时又卖了一次关子，讲完这个步骤才告诉读者「现在来兑现前面承诺」首先承诺的内容没在下一节，很迷惑；然后不明白为什么为何要延后说明，这没能聚焦要讲的问题。突然插入的「环」的内容也没讲清楚，为什么狄克斯特拉算法只适用于有向无环图？有环图在算法里...
2019-01-03 18:17

这一整章编排有点敷衍（或者我不能理解？
7.1 计算最终路径卖两次关子说下一节告诉读者。然后 7.2 是术语，讲了加权图和环，没有相关内容。7.3 在陈述记录父节点的步骤时又卖了一次关子，讲完这个步骤才告诉读者「现在来兑现前面承诺」
首先承诺的内容没在下一节，很迷惑；然后不明白为什么为何要延后说明，这没能聚焦要讲的问题。
突然插入的「环」的内容也没讲清楚，为什么狄克斯特拉算法只适用于有向无环图？有环图在算法里会造成什么后果？
Dijkstra算法能否用于有环图？https://www.zhihu.com/question/61830552

推荐

回应 2019-01-03 18:17
展开收起
第1页

烟雨 (烟锁重楼千里尽，雨打芭蕉万点残)

配合书籍内容的算法简明图表表示：https://www.manning.com/books/grokking-algorithms 本书github：https://github.com/egonschiele/grokking_algorithms 算法运行时间是从其增速的角度度量的。算法运行时间用大O表示法表示。每个递归函数都有两个条件：基线条件和递归条件。填装因子越低，发生冲突的可能性越小，散列表的性能越高。一个不错的经验规则是：一旦填装因子大于0.7，就调整散列表的长度。狄克斯特拉算法只适用...
2018-11-29 09:11

配合书籍内容的算法简明图表表示：https://www.manning.com/books/grokking-algorithms
本书github：https://github.com/egonschiele/grokking_algorithms
算法运行时间是从其增速的角度度量的。算法运行时间用大O表示法表示。
每个递归函数都有两个条件：基线条件和递归条件。
填装因子越低，发生冲突的可能性越小，散列表的性能越高。一个不错的经验规则是：一旦填装因子大于0.7，就调整散列表的长度。
狄克斯特拉算法只适用于有向无环图（directed acyclic graph，DAG）。
不能用于包含负权边的图
负权边要用贝尔曼-福德算法
Python表示无穷大： infinity=float("inf")
DFS算法码如下。 node=find_lowest_cost_node(costs)←------在未处理的节点中找出开销最小的节点 whilenodeisnotNone:←------这个while循环在所有节点都被处理过后结束 cost=costs[node] neighbors=graph[node] forninneighbors.keys():←------遍历当前节点的所有邻居 new_cost=cost+neighbors[n] ifcosts[n]>new_cost:←------如果经当前节点前往该邻居更近， costs[n]=new_cost←------就更新该邻居的开销 parents[n]=node←------同时将该邻居的父节点设置为当前节点 processed.append(node)←------将当前节点标记为处理过 node=find_lowest_cost_node(costs)←------找出接下来要处理的节点，并循环这就是实现狄克斯特拉算法的Python代码！函数
广度优先搜索用于在非加权图中查找最短路径。狄克斯特拉算法用于在加权图中查找最短路径。仅当权重为正时狄克斯特拉算法才管用。
covered=states_needed&states_for_station←------你没见过的语法！它计算交集
>>>fruits|vegetables←------并集
>>>fruits–vegetables←------差集
NP完全问题：你需要计算所有的解，并从中选出最小/最短的那个。
涉及“所有组合”的问题通常是NP完全问题。
不能将问题分成小问题，必须考虑各种可能的情况。这可能是NP完全问题。
动态规划功能强大，它能够解决子问题并使用这些答案来解决大问题。但仅当每个子问题都是离散的，即不依赖于其他子问题时，动态规划才管用
使用余弦相似度（cosine similarity）。假设有两位品味类似的用户，但其中一位打分时更保守。
OCR的第一步是查看大量的数字图像并提取特征，这被称为训练（training）。大多数机器学习算法都包含训练的步骤：要让计算机完成任务，必须先训练它。下一个示例是垃圾邮件过滤器，其中也包含训练的步骤。
垃圾邮件过滤器使用一种简单算法——朴素贝叶斯分类器（Naive Bayes classifier），你首先需要使用一些数据对这个分类器进行训练。
如果你对数据库或高级数据结构感兴趣，请研究如下数据结构：B树，红黑树，堆，伸展树。
这种数据结构被称为反向索引（inverted index），常用于创建搜索引擎。如果你对搜索感兴趣，从反向索引着手研究是不错的选择。
MapReduce是一种流行的分布式算法，你可通过流行的开源工具Apache Hadoop来使用它。
你需要通过Hadoop来使用MapReduce。MapReduce基于两个简单的理念：映射（map）函数和归并（reduce）函数。
布隆过滤器是一种概率型数据结构，它提供的答案有可能不对，但很可能是正确的。为判断网页以前是否已搜集，可不使用散列表，而使用布隆过滤器。使用散列表时，答案绝对可靠，而使用布隆过滤器时，答案却是很可能是正确的。
布隆过滤器的优点在于占用的存储空间很少。使用散列表时，必须存储Google搜集过的所有URL，但使用布隆过滤器时不用这样做。布隆过滤器非常适合用于不要求答案绝对准确的情况，前面所有的示例都是这样的。对bit.ly而言，这样说完全可行：“我们认为这个网站可能是恶意的，请倍加小心。”
HyperLogLog是一种类似于布隆过滤器的算法。如果Google要计算用户执行的不同搜索的数量，或者Amazon要计算当天用户浏览的不同商品的数量，要回答这些问题，需要耗用大量的空间！对Google来说，必须有一个日志，其中包含用户执行的不同搜索。有用户执行搜索时，Google必须判断该搜索是否包含在日志中：如果答案是否定的，就必须将其加入到日志中。即便只记录一天的搜索，这种日志也大得不得了！
散列函数是安全散列算法（secure hash algorithm，SHA）函数。给定一个字符串，SHA返回其散列值。
SHA实际上是一系列算法：SHA-0、SHA-1、SHA-2和SHA-3。本书编写期间，SHA-0和SHA-1已被发现存在一些缺陷。如果你要使用SHA算法来计算密码的散列值，请使用SHA-2或SHA-3。当前，最安全的密码散列函数是bcrypt，但没有任何东西是万无一失的。
有时候，你希望散列函数是局部敏感的。在这种情况下，可使用Simhash。如果你对字符串做细微的修改，Simhash生成的散列值也只存在细微的差别。这让你能够通过比较散列值来判断两个字符串的相似程度，这很有用！ Google使用Simhash来判断网页是否已搜集。
Diffie-Hellman使用两个密钥：公钥和私钥。顾名思义，公钥就是公开的，可将其发布到网站上，通过电子邮件发送给朋友，或使用其他任何方式来发布。你不必将它藏着掖着。有人要向你发送消息时，他使用公钥对其进行加密。加密后的消息只有使用私钥才能解密。只要只有你知道私钥，就只有你才能解密消息！
线性规划使用Simplex算法。
人工智能使用K最近邻（k-nearest neighbours，KNN）算法

推荐

回应 2018-11-29 09:11

展开收起
第1页

_liuz

作者的博客 http://adit.io/index.html 排版精美，彩色插图又萌又有趣，值得收藏。
2018-02-04 16:13

作者的博客 http://adit.io/index.html 排版精美，彩色插图又萌又有趣，值得收藏。

推荐

回应 2018-02-04 16:13
展开收起
第1页

烟雨 (烟锁重楼千里尽，雨打芭蕉万点残)

配合书籍内容的算法简明图表表示：https://www.manning.com/books/grokking-algorithms 本书github：https://github.com/egonschiele/grokking_algorithms 算法运行时间是从其增速的角度度量的。算法运行时间用大O表示法表示。每个递归函数都有两个条件：基线条件和递归条件。填装因子越低，发生冲突的可能性越小，散列表的性能越高。一个不错的经验规则是：一旦填装因子大于0.7，就调整散列表的长度。狄克斯特拉算法只适用...
2018-11-29 09:11

配合书籍内容的算法简明图表表示：https://www.manning.com/books/grokking-algorithms
本书github：https://github.com/egonschiele/grokking_algorithms
算法运行时间是从其增速的角度度量的。算法运行时间用大O表示法表示。
每个递归函数都有两个条件：基线条件和递归条件。
填装因子越低，发生冲突的可能性越小，散列表的性能越高。一个不错的经验规则是：一旦填装因子大于0.7，就调整散列表的长度。
狄克斯特拉算法只适用于有向无环图（directed acyclic graph，DAG）。
不能用于包含负权边的图
负权边要用贝尔曼-福德算法
Python表示无穷大： infinity=float("inf")
DFS算法码如下。 node=find_lowest_cost_node(costs)←------在未处理的节点中找出开销最小的节点 whilenodeisnotNone:←------这个while循环在所有节点都被处理过后结束 cost=costs[node] neighbors=graph[node] forninneighbors.keys():←------遍历当前节点的所有邻居 new_cost=cost+neighbors[n] ifcosts[n]>new_cost:←------如果经当前节点前往该邻居更近， costs[n]=new_cost←------就更新该邻居的开销 parents[n]=node←------同时将该邻居的父节点设置为当前节点 processed.append(node)←------将当前节点标记为处理过 node=find_lowest_cost_node(costs)←------找出接下来要处理的节点，并循环这就是实现狄克斯特拉算法的Python代码！函数
广度优先搜索用于在非加权图中查找最短路径。狄克斯特拉算法用于在加权图中查找最短路径。仅当权重为正时狄克斯特拉算法才管用。
covered=states_needed&states_for_station←------你没见过的语法！它计算交集
>>>fruits|vegetables←------并集
>>>fruits–vegetables←------差集
NP完全问题：你需要计算所有的解，并从中选出最小/最短的那个。
涉及“所有组合”的问题通常是NP完全问题。
不能将问题分成小问题，必须考虑各种可能的情况。这可能是NP完全问题。
动态规划功能强大，它能够解决子问题并使用这些答案来解决大问题。但仅当每个子问题都是离散的，即不依赖于其他子问题时，动态规划才管用
使用余弦相似度（cosine similarity）。假设有两位品味类似的用户，但其中一位打分时更保守。
OCR的第一步是查看大量的数字图像并提取特征，这被称为训练（training）。大多数机器学习算法都包含训练的步骤：要让计算机完成任务，必须先训练它。下一个示例是垃圾邮件过滤器，其中也包含训练的步骤。
垃圾邮件过滤器使用一种简单算法——朴素贝叶斯分类器（Naive Bayes classifier），你首先需要使用一些数据对这个分类器进行训练。
如果你对数据库或高级数据结构感兴趣，请研究如下数据结构：B树，红黑树，堆，伸展树。
这种数据结构被称为反向索引（inverted index），常用于创建搜索引擎。如果你对搜索感兴趣，从反向索引着手研究是不错的选择。
MapReduce是一种流行的分布式算法，你可通过流行的开源工具Apache Hadoop来使用它。
你需要通过Hadoop来使用MapReduce。MapReduce基于两个简单的理念：映射（map）函数和归并（reduce）函数。
布隆过滤器是一种概率型数据结构，它提供的答案有可能不对，但很可能是正确的。为判断网页以前是否已搜集，可不使用散列表，而使用布隆过滤器。使用散列表时，答案绝对可靠，而使用布隆过滤器时，答案却是很可能是正确的。
布隆过滤器的优点在于占用的存储空间很少。使用散列表时，必须存储Google搜集过的所有URL，但使用布隆过滤器时不用这样做。布隆过滤器非常适合用于不要求答案绝对准确的情况，前面所有的示例都是这样的。对bit.ly而言，这样说完全可行：“我们认为这个网站可能是恶意的，请倍加小心。”
HyperLogLog是一种类似于布隆过滤器的算法。如果Google要计算用户执行的不同搜索的数量，或者Amazon要计算当天用户浏览的不同商品的数量，要回答这些问题，需要耗用大量的空间！对Google来说，必须有一个日志，其中包含用户执行的不同搜索。有用户执行搜索时，Google必须判断该搜索是否包含在日志中：如果答案是否定的，就必须将其加入到日志中。即便只记录一天的搜索，这种日志也大得不得了！
散列函数是安全散列算法（secure hash algorithm，SHA）函数。给定一个字符串，SHA返回其散列值。
SHA实际上是一系列算法：SHA-0、SHA-1、SHA-2和SHA-3。本书编写期间，SHA-0和SHA-1已被发现存在一些缺陷。如果你要使用SHA算法来计算密码的散列值，请使用SHA-2或SHA-3。当前，最安全的密码散列函数是bcrypt，但没有任何东西是万无一失的。
有时候，你希望散列函数是局部敏感的。在这种情况下，可使用Simhash。如果你对字符串做细微的修改，Simhash生成的散列值也只存在细微的差别。这让你能够通过比较散列值来判断两个字符串的相似程度，这很有用！ Google使用Simhash来判断网页是否已搜集。
Diffie-Hellman使用两个密钥：公钥和私钥。顾名思义，公钥就是公开的，可将其发布到网站上，通过电子邮件发送给朋友，或使用其他任何方式来发布。你不必将它藏着掖着。有人要向你发送消息时，他使用公钥对其进行加密。加密后的消息只有使用私钥才能解密。只要只有你知道私钥，就只有你才能解密消息！
线性规划使用Simplex算法。
人工智能使用K最近邻（k-nearest neighbours，KNN）算法

推荐

回应 2018-11-29 09:11
展开收起
第94页

gogu (符合灵魂的渴望)

这一整章编排有点敷衍（或者我不能理解？ 7.1 计算最终路径卖两次关子说下一节告诉读者。然后 7.2 是术语，讲了加权图和环，没有相关内容。7.3 在陈述记录父节点的步骤时又卖了一次关子，讲完这个步骤才告诉读者「现在来兑现前面承诺」首先承诺的内容没在下一节，很迷惑；然后不明白为什么为何要延后说明，这没能聚焦要讲的问题。突然插入的「环」的内容也没讲清楚，为什么狄克斯特拉算法只适用于有向无环图？有环图在算法里...
2019-01-03 18:17

这一整章编排有点敷衍（或者我不能理解？
7.1 计算最终路径卖两次关子说下一节告诉读者。然后 7.2 是术语，讲了加权图和环，没有相关内容。7.3 在陈述记录父节点的步骤时又卖了一次关子，讲完这个步骤才告诉读者「现在来兑现前面承诺」
首先承诺的内容没在下一节，很迷惑；然后不明白为什么为何要延后说明，这没能聚焦要讲的问题。
突然插入的「环」的内容也没讲清楚，为什么狄克斯特拉算法只适用于有向无环图？有环图在算法里会造成什么后果？
Dijkstra算法能否用于有环图？https://www.zhihu.com/question/61830552

推荐

回应 2019-01-03 18:17
展开收起
第117页

盲刺客 (鱼缸天井石榴树，肥狗白猫胖丫头)

精读完这部分，已经开始觉得吃力了。我觉得需要暂停阅读，消化一下再继续往后阅读。
2018-06-26 19:05

精读完这部分，已经开始觉得吃力了。我觉得需要暂停阅读，消化一下再继续往后阅读。

推荐

回应 2018-06-26 19:05

展开收起
选择排序

急景凋年

https://github.com/LuCeser/Grokking-Programming-notebook/blob/master/grokking-algorithms/Ch2%20选择排序.ipynb
2019-01-16 08:30

https://github.com/LuCeser/Grokking-Programming-notebook/blob/master/grokking-algorithms/Ch2%20选择排序.ipynb

推荐

回应 2019-01-16 08:30
展开收起
算法简介

急景凋年

第一章笔记，自己写个二分查询 https://github.com/LuCeser/Grokking-Programming-notebook/blob/master/grokking-algorithms/Ch1%20%E7%AE%97%E6%B3%95%E7%AE%80%E4%BB%8B.ipynb
2019-01-15 14:53

第一章笔记，自己写个二分查询
https://github.com/LuCeser/Grokking-Programming-notebook/blob/master/grokking-algorithms/Ch1%20%E7%AE%97%E6%B3%95%E7%AE%80%E4%BB%8B.ipynb

推荐

回应 2019-01-15 14:53
展开收起
第94页

gogu (符合灵魂的渴望)

这一整章编排有点敷衍（或者我不能理解？ 7.1 计算最终路径卖两次关子说下一节告诉读者。然后 7.2 是术语，讲了加权图和环，没有相关内容。7.3 在陈述记录父节点的步骤时又卖了一次关子，讲完这个步骤才告诉读者「现在来兑现前面承诺」首先承诺的内容没在下一节，很迷惑；然后不明白为什么为何要延后说明，这没能聚焦要讲的问题。突然插入的「环」的内容也没讲清楚，为什么狄克斯特拉算法只适用于有向无环图？有环图在算法里...
2019-01-03 18:17

这一整章编排有点敷衍（或者我不能理解？
7.1 计算最终路径卖两次关子说下一节告诉读者。然后 7.2 是术语，讲了加权图和环，没有相关内容。7.3 在陈述记录父节点的步骤时又卖了一次关子，讲完这个步骤才告诉读者「现在来兑现前面承诺」
首先承诺的内容没在下一节，很迷惑；然后不明白为什么为何要延后说明，这没能聚焦要讲的问题。
突然插入的「环」的内容也没讲清楚，为什么狄克斯特拉算法只适用于有向无环图？有环图在算法里会造成什么后果？
Dijkstra算法能否用于有环图？https://www.zhihu.com/question/61830552

推荐

回应 2019-01-03 18:17
展开收起
第1页

烟雨 (烟锁重楼千里尽，雨打芭蕉万点残)

配合书籍内容的算法简明图表表示：https://www.manning.com/books/grokking-algorithms 本书github：https://github.com/egonschiele/grokking_algorithms 算法运行时间是从其增速的角度度量的。算法运行时间用大O表示法表示。每个递归函数都有两个条件：基线条件和递归条件。填装因子越低，发生冲突的可能性越小，散列表的性能越高。一个不错的经验规则是：一旦填装因子大于0.7，就调整散列表的长度。狄克斯特拉算法只适用...
2018-11-29 09:11

配合书籍内容的算法简明图表表示：https://www.manning.com/books/grokking-algorithms
本书github：https://github.com/egonschiele/grokking_algorithms
算法运行时间是从其增速的角度度量的。算法运行时间用大O表示法表示。
每个递归函数都有两个条件：基线条件和递归条件。
填装因子越低，发生冲突的可能性越小，散列表的性能越高。一个不错的经验规则是：一旦填装因子大于0.7，就调整散列表的长度。
狄克斯特拉算法只适用于有向无环图（directed acyclic graph，DAG）。
不能用于包含负权边的图
负权边要用贝尔曼-福德算法
Python表示无穷大： infinity=float("inf")
DFS算法码如下。 node=find_lowest_cost_node(costs)←------在未处理的节点中找出开销最小的节点 whilenodeisnotNone:←------这个while循环在所有节点都被处理过后结束 cost=costs[node] neighbors=graph[node] forninneighbors.keys():←------遍历当前节点的所有邻居 new_cost=cost+neighbors[n] ifcosts[n]>new_cost:←------如果经当前节点前往该邻居更近， costs[n]=new_cost←------就更新该邻居的开销 parents[n]=node←------同时将该邻居的父节点设置为当前节点 processed.append(node)←------将当前节点标记为处理过 node=find_lowest_cost_node(costs)←------找出接下来要处理的节点，并循环这就是实现狄克斯特拉算法的Python代码！函数
广度优先搜索用于在非加权图中查找最短路径。狄克斯特拉算法用于在加权图中查找最短路径。仅当权重为正时狄克斯特拉算法才管用。
covered=states_needed&states_for_station←------你没见过的语法！它计算交集
>>>fruits|vegetables←------并集
>>>fruits–vegetables←------差集
NP完全问题：你需要计算所有的解，并从中选出最小/最短的那个。
涉及“所有组合”的问题通常是NP完全问题。
不能将问题分成小问题，必须考虑各种可能的情况。这可能是NP完全问题。
动态规划功能强大，它能够解决子问题并使用这些答案来解决大问题。但仅当每个子问题都是离散的，即不依赖于其他子问题时，动态规划才管用
使用余弦相似度（cosine similarity）。假设有两位品味类似的用户，但其中一位打分时更保守。
OCR的第一步是查看大量的数字图像并提取特征，这被称为训练（training）。大多数机器学习算法都包含训练的步骤：要让计算机完成任务，必须先训练它。下一个示例是垃圾邮件过滤器，其中也包含训练的步骤。
垃圾邮件过滤器使用一种简单算法——朴素贝叶斯分类器（Naive Bayes classifier），你首先需要使用一些数据对这个分类器进行训练。
如果你对数据库或高级数据结构感兴趣，请研究如下数据结构：B树，红黑树，堆，伸展树。
这种数据结构被称为反向索引（inverted index），常用于创建搜索引擎。如果你对搜索感兴趣，从反向索引着手研究是不错的选择。
MapReduce是一种流行的分布式算法，你可通过流行的开源工具Apache Hadoop来使用它。
你需要通过Hadoop来使用MapReduce。MapReduce基于两个简单的理念：映射（map）函数和归并（reduce）函数。
布隆过滤器是一种概率型数据结构，它提供的答案有可能不对，但很可能是正确的。为判断网页以前是否已搜集，可不使用散列表，而使用布隆过滤器。使用散列表时，答案绝对可靠，而使用布隆过滤器时，答案却是很可能是正确的。
布隆过滤器的优点在于占用的存储空间很少。使用散列表时，必须存储Google搜集过的所有URL，但使用布隆过滤器时不用这样做。布隆过滤器非常适合用于不要求答案绝对准确的情况，前面所有的示例都是这样的。对bit.ly而言，这样说完全可行：“我们认为这个网站可能是恶意的，请倍加小心。”
HyperLogLog是一种类似于布隆过滤器的算法。如果Google要计算用户执行的不同搜索的数量，或者Amazon要计算当天用户浏览的不同商品的数量，要回答这些问题，需要耗用大量的空间！对Google来说，必须有一个日志，其中包含用户执行的不同搜索。有用户执行搜索时，Google必须判断该搜索是否包含在日志中：如果答案是否定的，就必须将其加入到日志中。即便只记录一天的搜索，这种日志也大得不得了！
散列函数是安全散列算法（secure hash algorithm，SHA）函数。给定一个字符串，SHA返回其散列值。
SHA实际上是一系列算法：SHA-0、SHA-1、SHA-2和SHA-3。本书编写期间，SHA-0和SHA-1已被发现存在一些缺陷。如果你要使用SHA算法来计算密码的散列值，请使用SHA-2或SHA-3。当前，最安全的密码散列函数是bcrypt，但没有任何东西是万无一失的。
有时候，你希望散列函数是局部敏感的。在这种情况下，可使用Simhash。如果你对字符串做细微的修改，Simhash生成的散列值也只存在细微的差别。这让你能够通过比较散列值来判断两个字符串的相似程度，这很有用！ Google使用Simhash来判断网页是否已搜集。
Diffie-Hellman使用两个密钥：公钥和私钥。顾名思义，公钥就是公开的，可将其发布到网站上，通过电子邮件发送给朋友，或使用其他任何方式来发布。你不必将它藏着掖着。有人要向你发送消息时，他使用公钥对其进行加密。加密后的消息只有使用私钥才能解密。只要只有你知道私钥，就只有你才能解密消息！
线性规划使用Simplex算法。
人工智能使用K最近邻（k-nearest neighbours，KNN）算法

推荐

回应 2018-11-29 09:11