如何學習演算法

㈠ 如何學習數據結構與演算法

記住數據結構最直觀的東西;記憶該數據結構的定義、性質、特點等。很多東西的理解和創新都是以記憶為前提的。

2、進行大量相關編程練習，用編程語言去實現某一數據結構上的演算法(怎麼辦)

很多時候，理解一個演算法很容易，很容易在紙上去模擬一個演算法的實現過程。但具體實現，則是另一回事。一定得先自己思考，然後再去看書中給的編程語言實現。

3、“記住”特定情景下，利用某一特定的數據結構，去解決問題 (為什麼+怎麼辦)

每介紹一種數據結構，浙大數據結構與演算法的MOOC課程都會有一個實際問題來作為“引子”，回答了“這種數據結構為什麼會出現”。有的是為了實現特定的操作，有的是為了時間和空間上(大部分考慮的是時間復雜性)效率的更高(所以，沒事的時候，分析一下演算法的時間復雜性)。這些東西，我們也須理解記憶。每一數據結構都有其特性，去解決某一類問題，我們需要去記憶，去感悟。

4、形成一個屬於自己的知識體系

如何去“記住”(記好筆記，多多復習);在學習過程中，遇到挫折，產生挫敗感該如何處理(這個是必然會發生的，總有難以理解不會的地方);如何進行心態方面的調整(欲速則不達,不過也有”敏捷學習“的概念)。

㈡ 演算法怎麼學

貪心演算法的定義：

貪心演算法是指在對問題求解時，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，只做出在某種意義上的局部最優解。貪心演算法不是對所有問題都能得到整體最優解，關鍵是貪心策略的選擇，選擇的貪心策略必須具備無後效性，即某個狀態以前的過程不會影響以後的狀態，只與當前狀態有關。

解題的一般步驟是：

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.把子問題的局部最優解合成原來問題的一個解。

如果大家比較了解動態規劃，就會發現它們之間的相似之處。最優解問題大部分都可以拆分成一個個的子問題，把解空間的遍歷視作對子問題樹的遍歷，則以某種形式對樹整個的遍歷一遍就可以求出最優解，大部分情況下這是不可行的。貪心演算法和動態規劃本質上是對子問題樹的一種修剪，兩種演算法要求問題都具有的一個性質就是子問題最優性(組成最優解的每一個子問題的解，對於這個子問題本身肯定也是最優的)。動態規劃方法代表了這一類問題的一般解法，我們自底向上構造子問題的解，對每一個子樹的根，求出下面每一個葉子的值，並且以其中的最優值作為自身的值，其它的值舍棄。而貪心演算法是動態規劃方法的一個特例，可以證明每一個子樹的根的值不取決於下面葉子的值，而只取決於當前問題的狀況。換句話說，不需要知道一個節點所有子樹的情況，就可以求出這個節點的值。由於貪心演算法的這個特性，它對解空間樹的遍歷不需要自底向上，而只需要自根開始，選擇最優的路，一直走到底就可以了。

話不多說，我們來看幾個具體的例子慢慢理解它：

1.活動選擇問題

這是《演算法導論》上的例子，也是一個非常經典的問題。有n個需要在同一天使用同一個教室的活動a1,a2,…,an，教室同一時刻只能由一個活動使用。每個活動ai都有一個開始時間si和結束時間fi 。一旦被選擇後，活動ai就占據半開時間區間[si,fi)。如果[si,fi]和[sj,fj]互不重疊，ai和aj兩個活動就可以被安排在這一天。該問題就是要安排這些活動使得盡量多的活動能不沖突的舉行。例如下圖所示的活動集合S，其中各項活動按照結束時間單調遞增排序。

關於貪心演算法的基礎知識就簡要介紹到這里，希望能作為大家繼續深入學習的基礎。

㈢ 演算法該怎麼學感覺好難

很多人都會說"學一樣東西難",一開始我也覺得很大程度是因為每個人的智力水平等等不可改變的因素. 但是後來我發現,有一個東西也很能決定一個人是否會覺得一樣東西難學,那就是理解方式.

一件事物通過不同的途徑讓一個人理解效果差異是很大的.就比如說數學裡面教你一個圓,有的人看到一個圓就能很快明白什麼是圓,有的人卻非得看到x^2+y^2 = r^2這種式子才有感覺,甚至有的人需要"到定點距離為定長的點集"這種描述才能理解. 那這個不一定是說誰的智力水平更高,而是因為他們對不同形式事物的敏感程度不同.

回到演算法上來.演算法本質是一種數學.他是抽象的操作集合.(看這么說你可能會覺得不知所雲,但是如果我說他只是一種解決問題的辦法可能就好理解). 所以很多書,論文,或者很多老師教的都是一種數學描述的演算法,這樣子的演算法就我個人而言相當難理解,看了就想到代數高數什麼的.. 但是如果找一個圖文並茂的解釋,或者找個人一步一步把一個演算法給你我比劃一下,我立刻就能理解. 說白了,就是你一定要找很多很多不同的角度來嘗試接受一種東西,你一定可以找到一種你相當敏感的角度,用這個角度學習你就會游刃有餘. 智力因素並沒有太大影響的.

具體點說,你可以試試這幾種不同的角度.

1. 直接看數學形式的演算法.我個人最無法接受的形式,但是有人很喜歡..例子就是演算法導論上面那種描述.

2. 聽一般語言描述,最理想是找一個明白的人,給你用通俗語言講講原理.這個不錯,很多我是這么理解的

3. 圖形理解,叫理解的人給你畫插圖,分布圖,結構圖等等,來分解一個演算法,找到他的思路.說到圖,有一個人的博客這方面做得很好:matrix67.

4. 程序理解.找到一種演算法的實現程序,對著程序理解,可以嘗試分布運行,觀察一下變數的變化,這樣來理解演算法.

5. 實在太難的演算法,可以邊寫邊改來理解.當時我學習插頭dp的時候就是這樣,不論怎麼總是一知半解,最後硬著頭皮寫了一遍,改了很久,但是改過了的時候,也就真的明白了是怎麼回事了.

也許還有別的什麼辦法,因為人對事物的接受角度實在是太多了.多想想你平時學習什麼比較容易,找出你最敏感的理解方式就行了.

有感而發說的一些東西,不一定都是正確的,只供參考,歡迎指正.

㈣ 關於演算法的學習過程

你說的應該是計算機演算法吧，如果真要在這上面深究的話，建議還是提高數學基礎，最基礎的兩門課是離散數學與數據結構，當然一般高校的教材都還是比較不錯的，數據結構這個東西一開始比較抽象，等你學過後悟一悟就會發現很有意思，把它學好，爭取能自己理解並實際編程實現常用的所有數據結構及其相關演算法，然後就看「計算機演算法基礎」這本書吧，從分治法到回溯法等等等等，把常用的演算法（典型問題）學會並用程序實現它們，這樣的話就差不多了。推薦幾本書：《數據結構》、《計算機演算法基礎》、《演算法:C語言實現》(兩本,普林斯頓大學的Robert著)。另外，當你基礎夠好的時候，就看看演算法界的宗師Donald E. Knuth(高德納)的經典演算法巨作<The Art Of Computer Programming>（簡稱TAOCP，共3卷）及其有關數學基礎的書<具體數學>.
當你把這一切都學完（學會）之後，相信你的演算法水平已經到了個相當的高度。比爾·蓋茨曾說過，如果學完了3卷TAOCP，就把簡歷寄給他。努力吧！演算法很有趣，一步步來，相信你會成功的。