常用演算法的方法
1. 10個常用演算法
原理：
二分法查找，也稱為折半法，是一種在有序數組中查找特定元素的搜索演算法。
一般步驟：
（1）確定該區間的中間位置K；
（2）將查找的值T與array[k]比較。
若相等，查找成功返回此位置；否則確定新的查找區域，繼續二分查找。每一次查找與中間值比較，可以確定是否查找成功，不成功當前查找區間將縮小一半，遞歸查找即可。
原理：
一種通過重復將問題分解為同類的子問題而解決問題的方法
典型例子：
斐波那契數列
描述： 斐波那契數列 指的是這樣一個數列 1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144, 233，377，610，987，1597，2584，4181，6765，10946，17711，28657，46368.....自然中的斐波那契數列") 自然中的斐波那契數列，這個數列從第3項開始，每一項都等於前兩項之和。
解決方式：
原理：
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。
回溯法是一種選優搜索法，按選優條件向前搜索，以達到目標。
但當探索到某一步時，發現原先選擇並不優或達不到目標，就退回一步重新選擇，這種走不通就退回再走的技術為回溯法，而滿足回溯條件的某個狀態的點稱為「回溯點」。
解決問題一般步驟：
1、 針對所給問題，定義問題的解空間，它至少包含問題的一個（最優）解。
2 、確定易於搜索的解空間結構,使得能用回溯法方便地搜索整個解空間 。
3 、以深度優先的方式搜索解空間，並且在搜索過程中用剪枝函數避免無效搜索。
典型例子：
八皇後問題
描述：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，問有多少種擺法。
解決方式： https://blog.csdn.net/weixin_41865447/article/details/80034433
概念：
將雜亂無章的數據元素，通過一定的方法按關鍵字順序排列的過程叫做排序。
分類：
非穩定排序演算法：快速排序、希爾排序、堆排序、直接選擇排序
穩定的排序演算法：基數排序、冒泡排序、直接插入排序、折半插入排序、歸並排序
十個常用排序演算法
利用計算機的高性能來有目的的窮舉一個問題解空間的部分或所有的可能情況，從而求出問題的解的一種方法。
分類：
枚舉演算法、深度優先搜索、廣度優先搜索、A*演算法、回溯演算法、蒙特卡洛樹搜索、散列函數等演算法。
將一個數據轉換為一個標志，這個標志和源數據的每一個位元組都有十分緊密的關系。
很難找到逆向規律
只要符合散列思想的演算法都可以被稱為是Hash演算法
對不同的關鍵字可能得到同一散列地址，即key1≠key2，而f(key1)=f(key2)，這種現象稱為 碰撞 。
原理
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，他所做出的是在 某種意義上的局部最優解 。
從問題的某一個初始解出發一步一步地進行，根據某個優化測度，每一步都要確保能獲得局部最優解。每一步只考慮一個數據，他的選取應該滿足局部優化的條件。若下一個數據和部分最優解連在一起不再是可行解時，就不把該數據添加到部分解中，直到把所有數據枚舉完，或者不能再添加演算法停止。
一種近似演算法
一般步驟：
1、建立數學模型來描述問題；
2、把求解的問題分成若干個子問題；
3、對每一子問題求解，得到子問題的局部最優解；
4、把子問題的解局部最優解合成原來解問題的一個解。
典型例子：
0/1背包問題
馬踏棋盤
均分紙牌
例題： https://www.cnblogs.com/hust-chen/p/8646009.html
概念：
分治演算法的基本思想是將一個規模為N的問題分解為K個規模較小的子問題，這些子問題相互獨立且與原問題性質相同。求出子問題的解，就可得到原問題的解。即一種分目標完成程序演算法，簡單問題可用二分法完成。
一般步驟：
（1）分解，將要解決的問題劃分成若干規模較小的同類問題；
（2）求解，當子問題劃分得足夠小時，用較簡單的方法解決；
（3）合並，按原問題的要求，將子問題的解逐層合並構成原問題的解。
典型例子：
排序中：歸並排序、堆排序、快速排序；
實例：找偽幣、求最值、棋盤覆蓋
https://ke..com/item/%E5%88%86%E6%B2%BB%E7%AE%97%E6%B3%95/3263297
概念：
用於求解具有某種最優性質的問題。在這類問題中，可能會有許多可行解。每一個解都對應於一個值，我們希望找到具有最優值的解。
動態規劃一般可分為線性動規，區域動規，樹形動規，背包動規四類。
舉例：
線性動規：攔截導彈，合唱隊形，挖地雷，建學校，劍客決斗等；
區域動規：石子合並， 加分二叉樹，統計單詞個數，炮兵布陣等；
樹形動規：貪吃的九頭龍，二分查找樹，聚會的歡樂，數字三角形等；
背包問題：01背包問題，完全背包問題，分組背包問題，二維背包，裝箱問題，擠牛奶（同濟）等；
應用實例：
最短路徑問題 ，項目管理，網路流優化等；
https://ke..com/item/%E5%8A%A8%E6%80%81%E8%A7%84%E5%88%92/529408?fromtitle=%E5%8A%A8%E6%80%81%E8%A7%84%E5%88%92%E7%AE%97%E6%B3%95&fromid=15742703&fr=aladdin
概念：
在一個給定的字元文本內搜尋出自己想要找的一個字元串，平常所用的各種文本編輯器里的ctrl+F大多就是使用的這些字元匹配演算法。
分類：
KMP、BM、Sunday、Horspool、RK
參考：
https://cloud.tencent.com/developer/news/282694
https://blog.csdn.net/paincupid/article/details/81159320
2. 常見的分類演算法
常見的分類演算法如下：
（1）決策樹
決策樹是用於分類和預測的主要技術之一，決策樹學習是以實例為基礎的歸納學習演算法，它著眼於從一組無次序、無規則的實例中推理出以決策樹表示的分類規則。構造決策樹的目的是找出屬性和類別間的關系，用它來預測將來未知類別的記錄的類別。
（2）貝葉斯
貝葉斯（Bayes）分類演算法是一類利用概率統計知識進行分類的演算法，如樸素貝葉斯（Naive Bayes）演算法。這些演算法主要利用Bayes定理來預測一個未知類別的樣本屬於各個類別的可能性，選擇其中可能性最大的一個類別作為該樣本的最終類別。
（3）人工神經網路
人工神經網路（Artificial Neural Networks，ANN）是一種應用類似於大腦神經突觸聯接的結構進行信息處理的數學模型。在這種模型中，大量的節點（或稱」神經元」，或」單元」）之間相互聯接構成網路，即」神經網路」，以達到處理信息的目的。
（4）k-近鄰
k-近鄰（kNN，k-Nearest Neighbors)演算法是一種基於實例的分類方法。該方法就是找出與未知樣本x距離最近的k個訓練樣本，看這k個樣本中多數屬於哪一類，就把x歸為那一類。
（5）支持向量機
支持向量機（SVM，Support Vector Machine）是Vapnik根據統計學習理論提出的一種新的學習方法，它的最大特點是根據結構風險最小化准則，以最大化分類間隔構造最優分類超平面來提高學習機的泛化能力，較好地解決了非線性、高維數、局部極小點等問題。
3. 數學中都有什麼演算法啊
定義法、配方法、待定系數法、換元法、反證法、數學歸納法、導數法、賦值法、消去法、定比分離法、比較法、分析法、綜合法 ,還有很多桑
介里有幾個比較詳細的哈.
一、換元法
「換元」的思想和方法,在數學中有著廣泛的應用,靈活運用換元法解題,有助於數量關系明朗化,變繁為簡,化難為易,給出簡便、巧妙的解答.
在解題過程中,把題中某一式子如f(x),作為新的變數y或者把題中某一變數如x,用新變數t的式子如g(t)替換,即通過令f(x)=y或x=g(t)進行變數代換,得到結構簡單便於求解的新解題方法,通常稱為換元法或變數代換法.
用換元法解題,關鍵在於根據問題的結構特徵,選擇能以簡馭繁,化難為易的代換f(x)=y或x=g(t).就換元的具體形式而論,是多種多樣的,常用的有有理式代換,根式代換,指數式代換,對數式代換,三角式代換,反三角式代換,復變數代換等,宜在解題實踐中不斷總結經驗,掌握有關的技巧.
例如,用於求解代數問題的三角代換,在具體設計時,宜遵循以下原則：（1）全面考慮三角函數的定義域、值域和有關的公式、性質；（2）力求減少變數的個數,使問題結構簡單化；（3）便於藉助已知三角公式,建立變數間的內在聯系.只有全面考慮以上原則,才能謀取恰當的三角代換.
換元法是一種重要的數學方法,在多項式的因式分解,代數式的化簡計算,恆等式、條件等式或不等式的證明,方程、方程組、不等式、不等式組或混合組的求解,函數表達式、定義域、值域或最值的推求,以及解析幾何中的坐標替換,普通方程與參數方程、極坐標方程的互化等問題中,都有著廣泛的應用.
二、消元法
對於含有多個變數的問題,有時可以利用題設條件和某些已知恆等式（代數恆等式或三角恆等式）,通過適當的變形,消去一部分變數,使問題得以解決,這種解題方法,通常稱為消元法,又稱消去法.
消元法是解方程組的基本方法,在推證條件等式和把參數方程化成普通方程等問題中,也有著重要的應用.
用消元法解題,具有較強的技巧性,常常需要根據題目的特點,靈活選擇合適的消元方法
三、待定系數法
按照一定規律,先寫出問題的解的形式（一般是指一個算式、表達式或方程）,其中含有若干尚待確定的未知系數的值,從而得到問題的解.這種解題方法,通常稱為待定系數法；其中尚待確定的未知系數,稱為待定系數.
確定待定系數的值,有兩種常用方法：比較系數法和特殊值法.
四、判別式法
實系數一元二次方程
ax2+bx+c=0 (a≠0) ①
的判別式△=b2-4ac具有以下性質：
＞0,當且僅當方程①有兩個不相等的實數根
△ ＝0,當且僅當方程①有兩個相等的實數根；
＜0,當且僅當方程②沒有實數根.
對於二次函數
y=ax2+bx+c (a≠0)②
它的判別式△=b2-4ac具有以下性質：
＞0,當且僅當拋物線②與x軸有兩個公共點；
△ ＝0,當且僅當拋物線②與x軸有一個公共點；
＜0,當且僅當拋物線②與x軸沒有公共點.
五、 分析法與綜合法
分析法和綜合法源於分析和綜合,是思維方向相反的兩種思考方法,在解題過程中具有十分重要的作用.
在數學中,又把分析看作從結果追溯到產生這一結果的原因的一種思維方法,而綜合被看成是從原因推導到由原因產生的結果的另一種思維方法.通常把前者稱為分析法,後者稱為綜合法.
六、 數學模型法
例（哥尼斯堡七橋問題）18世紀東普魯士哥尼斯堡有條普萊格河,這條河有兩個支流,在城中心匯合後流入波羅的海.市內辦有七座各具特色的大橋,連接島區和兩岸.每到傍晚或節假日,許多居民來這里散步,觀賞美麗的風光.年長日久,有人提出這樣的問題：能否從某地出發,經過每一座橋一次且僅一次,然後返回出發地?
數學模型法,是指把所考察的實際問題,進行數學抽象,構造相應的數學模型,通過對數學模型的研究,使實際問題得以解決的一種數學方法.
七、配方法
所謂配方,就是把一個解析式利用恆等變形的方法,把其中的某些項配成一個或幾個多項式正整數次冪的和形式.通過配方解決數學問題的方法叫配方法.其中,用的最多的是配成完全平方式.配方法是數學中一種重要的恆等變形的方法,它的應用十分非常廣泛,在因式分解、化簡根式、解方程、證明等式和不等式、求函數的極值和解析式等方面都經常用到它.
八、因式分解法
因式分解,就是把一個多項式化成幾個整式乘積的形式.因式分解是恆等變形的基礎,它作為數學的一個有力工具、一種數學方法在代數、幾何、三角等的解題中起著重要的作用.因式分解的方法有許多,除中學課本上介紹的提取公因式法、公式法、分組分解法、十字相乘法等外,還有如利用拆項添項、求根分解、換元、待定系數等等.
九、換元法
換元法是數學中一個非常重要而且應用十分廣泛的解題方法.我們通常把未知數或變數稱為元,所謂換元法,就是在一個比較復雜的數學式子中,用新的變元去代替原式的一個部分或改造原來的式子,使它簡化,使問題易於解決.
介里LL沒有說很詳細桑,內啥簡便演算法我也一起說了桑丶
乘法交換律,乘法分配律,加法交換律,加法結合律,乘法分配律,
4. 演算法的描述方式有幾種分別是什麼
描述演算法的方法有多種，常用的有自然語言、結構化流程圖、偽代碼和PAD圖等，其中最普遍的是流程圖，分思法。
流程圖（Flow Chart）使用圖形表示演算法的思路是一種極好的方法，因為千言萬語不如一張圖。流程圖在匯編語言和早期的BASIC語言環境中得到應用。相關的還有一種PAD圖，對PASCAL或C語言都極適用。
(4)常用演算法的方法擴展閱讀：
演算法可以宏泛的分為三類：
一、有限的，確定性演算法 這類演算法在有限的一段時間內終止。他們可能要花很長時間來執行指定的任務，但仍將在一定的時間內終止。這類演算法得出的結果常取決於輸入值。
二、有限的，非確定演算法 這類演算法在有限的時間內終止。然而，對於一個（或一些）給定的數值，演算法的結果並不是唯一的或確定的。
三、無限的演算法 是那些由於沒有定義終止定義條件，或定義的條件無法由輸入的數據滿足而不終止運行的演算法。通常，無限演算法的產生是由於未能確定的定義終止條件。
5. 描述演算法的常用方法
1.什麼是演算法
從字面上來說，演算法也就是用於計算的方法。是用來解決某些問題的方法。通過這個方法，可以達到想要的計算結果。它就像我們小時候學些的一些數學公式和解題步驟。
演算法，一般有5個特徵：
有窮性：
演算法的執行步驟、時間、都是有限的。不會無休止的一直執行下去。
確切性：
演算法的每一步都必須有明確的定義和描述。
輸入：
一個演算法應該有相應的輸入條件，就像我們小時候做的應用題，已知什麼什麼。來求某個結果，已知部分便是輸入條件。
輸出：
演算法必須有明確的結果輸出。沒有結果，那這個演算法是沒有任何意義的。
可行性：
演算法的步驟必須是可行的，無法執行的則沒有意義，也解決不了任何問題
2.演算法的分類
按照演算法的應用來分：演算法可以分為基本演算法、幾何演算法、加密/解密演算法、查找演算法、圖標數據分析演算法等。
按照演算法的思路來分：演算法可以分為遞推演算法、遞歸演算法、窮舉演算法、分治演算法等。
下面，我們就來講我們的重點之一：也就是演算法思想：
3.常用演算法思想
窮舉演算法思想;
遞推演算法思想;
遞歸演算法思想;
分治演算法思想;
概率演算法思想;
6. 幾種常用的演算法簡介
1、窮舉法窮舉法是最基本的演算法設計策略，其思想是列舉出問題所有的可能解，逐一進行判別，找出滿足條件的解。
窮舉法的運用關鍵在於解決兩個問題：
在運用窮舉法時，容易出現的問題是可能解過多，導致演算法效率很低，這就需要對列舉可能解的方法進行優化。
以題1041--純素數問題為例，從1000到9999都可以看作是可能解，可以通過對所有這些可能解逐一進行判別，找出其中的純素數，但只要稍作分析，就會發現其實可以大幅度地降低可能解的范圍。根據題意易知，個位只可能是3、5、7，再根據題意可知，可以在3、5、7的基礎上，先找出所有的二位純素數，再在二位純素數基礎上找出三位純素數，最後在三位純素數的基礎上找出所有的四位純素數。
2、分治法分治法也是應用非常廣泛的一種演算法設計策略，其思想是將問題分解為若乾子問題，從而可以遞歸地求解各子問題，再綜合出問題的解。
分治法的運用關鍵在於解決三個問題：
我們熟知的如漢諾塔問題、折半查找演算法、快速排序演算法等都是分治法運用的典型案例。
以題1045--Square
Coins為例，先對題意進行分析，可設一個函數f(m,
n)等於用面值不超過n2的貨幣構成總值為m的方案數，則容易推導出：
f(m,
n)
=
f(m-0*n*n,
n-1)+f(m-1*n*n,
n-1)+f(m-2*n*n,
n-1)+...+f(m-k*n*n,
n-1)
這里的k是幣值為n2的貨幣最多可以用多少枚，即k=m/(n*n)。
也很容易分析出，f(m,
1)
=
f(1,
n)
=
1
對於這樣的題目，一旦分析出了遞推公式，程序就非常好寫了。所以在動手開始寫程序之前，分析工作做得越徹底，邏輯描述越准確、簡潔，寫起程序來就會越容易。
3、動態規劃法
動態規劃法多用來計算最優問題，動態規劃法與分治法的基本思想是一致的，但處理的手法不同。動態規劃法在運用時，要先對問題的分治規律進行分析，找出終結子問題，以及子問題向父問題歸納的規則，而演算法則直接從終結子問題開始求解，逐層向上歸納，直到歸納出原問題的解。
動態規劃法多用於在分治過程中，子問題可能重復出現的情況，在這種情況下，如果按照常規的分治法，自上向下分治求解，則重復出現的子問題就會被重復地求解，從而增大了冗餘計算量，降低了求解效率。而採用動態規劃法，自底向上求解，每個子問題只計算一次，就可以避免這種重復的求解了。
動態規劃法還有另外一種實現形式，即備忘錄法。備忘錄的基本思想是設立一個稱為備忘錄的容器，記錄已經求得解的子問題及其解。仍然採用與分治法相同的自上向下分治求解的策略，只是對每一個分解出的子問題，先在備忘錄中查找該子問題，如果備忘錄中已經存在該子問題，則不須再求解，可以從備忘錄中直接得到解，否則，對子問題遞歸求解，且每求得一個子問題的解，都將子問題及解存入備忘錄中。
例如，在題1045--Square
Coins中，可以採用分治法求解，也可以採用動態規劃法求解，即從f(m,
1)和f(1,
n)出發，逐層向上計算，直到求得f(m,
n)。
在競賽中，動態規劃和備忘錄的思想還可以有另一種用法。有些題目中的可能問題數是有限的，而在一次運行中可能需要計算多個測試用例，可以採用備忘錄的方法，預先將所有的問題的解記錄下來，然後輸入一個測試用例，就查備忘錄，直接找到答案輸出。這在各問題之間存在父子關系的情況下，會更有效。例如，在題1045--Square
Coins中，題目中已經指出了最大的目標幣值不超過300，也就是說問題數只有300個，而且各問題的計算中存在重疊的子問題，可以採用動態規劃法，將所有問題的解先全部計算出來，再依次輸入測試用例數據，並直接輸出答案。
4、回溯法回溯法是基於問題狀態樹搜索的求解法，其可適用范圍很廣。從某種角度上說，可以把回溯法看作是優化了的窮舉法。回溯法的基本思想是逐步構造問題的可能解，一邊構造，一邊用約束條件進行判別，一旦發現已經不可能構造出滿足條件的解了，則退回上一步構造過程，重新進行構造。這個退回的過程，就稱之為回溯。
回溯法在運用時，要解決的關鍵問題在於：
回溯法的經典案例也很多，例如全排列問題、N後問題等。
5、貪心法貪心法也是求解最優問題的常用演算法策略，利用貪心法策略所設計的演算法，通常效率較高，演算法簡單。貪心法的基本思想是對問題做出目前看來最好的選擇，即貪心選擇，並使問題轉化為規模更小的子問題。如此迭代，直到子問題可以直接求解。
基於貪心法的經典演算法例如：哈夫曼演算法、最小生成樹演算法、最短路徑演算法等。
7. 演算法設計有哪些方法
演算法設計常用的幾種方法是
1. 窮舉法
2. 貪心法
3. 分治法
4. 回溯法
5. 分枝限界法
6. 動態規劃法