算法记得分

Ⅰ 算法有什么分类

算法可大致分为基本算法、数据结构的算法、数论与代数算法、计算几何的算法、图论的算法、动态规划以及数值分析、加密算法、排序算法、检索算法、随机化算法、并行算法，厄米变形模型，随机森林算法。

算法可以宏泛的分为三类：

一、有限的，确定性算法 这类算法在有限的一段时间内终止。他们可能要花很长时间来执行指定的任务，但仍将在一定的时间内终止。这类算法得出的结果常取决于输入值。

二、有限的，非确定算法 这类算法在有限的时间内终止。然而，对于一个（或一些）给定的数值，算法的结果并不是唯一的或确定的。

三、无限的算法 是那些由于没有定义终止定义条件，或定义的条件无法由输入的数据满足而不终止运行的算法。通常，无限算法的产生是由于未能确定的定义终止条件。

(1)算法记得分扩展阅读：

算法（Algorithm）是指解题方案的准确而完整的描述，是一系列解决问题的清晰指令，算法代表着用系统的方法描述解决问题的策略机制。也就是说，能够对一定规范的输入，在有限时间内获得所要求的输出。如果一个算法有缺陷，或不适合于某个问题，执行这个算法将不会解决这个问题。不同的算法可能用不同的时间、空间或效率来完成同样的任务。一个算法的优劣可以用空间复杂度与时间复杂度来衡量。

算法中的指令描述的是一个计算，当其运行时能从一个初始状态和（可能为空的）初始输入开始，经过一系列有限而清晰定义的状态，最终产生输出并停止于一个终态。一个状态到另一个状态的转移不一定是确定的。随机化算法在内的一些算法，包含了一些随机输入。

形式化算法的概念部分源自尝试解决希尔伯特提出的判定问题，并在其后尝试定义有效计算性或者有效方法中成形。这些尝试包括库尔特·哥德尔、Jacques Herbrand和斯蒂芬·科尔·克莱尼分别于1930年、1934年和1935年提出的递归函数，阿隆佐·邱奇于1936年提出的λ演算，1936年Emil Leon Post的Formulation 1和艾伦·图灵1937年提出的图灵机。即使在当前，依然常有直觉想法难以定义为形式化算法的情况。

Ⅱ 聚类算法有哪些分类

聚类算法的分类有：

1、划分法

划分法(partitioning methods)，给定一个有N个元组或者纪录的数据集，分裂法将构造K个分组，每一个分组就代表一个聚类，K小于N。而且这K个分组满足下列条件：

（1） 每一个分组至少包含一个数据纪录；

（2）每一个数据纪录属于且仅属于一个分组（注意：这个要求在某些模糊聚类算法中可以放宽）；

2、层次法

层次法(hierarchical methods)，这种方法对给定的数据集进行层次似的分解，直到某种条件满足为止。具体又可分为“自底向上”和“自顶向下”两种方案。

例如，在“自底向上”方案中，初始时每一个数据纪录都组成一个单独的组，在接下来的迭代中，它把那些相互邻近的组合并成一个组，直到所有的记录组成一个分组或者某个条件满足为止。

3、密度算法

基于密度的方法(density-based methods)，基于密度的方法与其它方法的一个根本区别是：它不是基于各种各样的距离的，而是基于密度的。这样就能克服基于距离的算法只能发现“类圆形”的聚类的缺点。

4、图论聚类法

图论聚类方法解决的第一步是建立与问题相适应的图，图的节点对应于被分析数据的最小单元，图的边（或弧）对应于最小处理单元数据之间的相似性度量。因此，每一个最小处理单元数据之间都会有一个度量表达，这就确保了数据的局部特性比较易于处理。图论聚类法是以样本数据的局域连接特征作为聚类的主要信息源，因而其主要优点是易于处理局部数据的特性。

5、网格算法

基于网格的方法(grid-based methods)，这种方法首先将数据空间划分成为有限个单元（cell）的网格结构,所有的处理都是以单个的单元为对象的。这么处理的一个突出的优点就是处理速度很快，通常这是与目标数据库中记录的个数无关的，它只与把数据空间分为多少个单元有关。

代表算法有：STING算法、CLIQUE算法、WAVE-CLUSTER算法；

6、模型算法

基于模型的方法(model-based methods)，基于模型的方法给每一个聚类假定一个模型，然后去寻找能够很好的满足这个模型的数据集。这样一个模型可能是数据点在空间中的密度分布函数或者其它。它的一个潜在的假定就是：目标数据集是由一系列的概率分布所决定的。

通常有两种尝试方向：统计的方案和神经网络的方案。

(2)算法记得分扩展阅读：

聚类算法的要求：

1、可伸缩性

许多聚类算法在小于 200 个数据对象的小数据集合上工作得很好；但是，一个大规模数据库可能包含几百万个对象，在这样的大数据集合样本上进行聚类可能会导致有偏的结果。

我们需要具有高度可伸缩性的聚类算法。

2、不同属性

许多算法被设计用来聚类数值类型的数据。但是，应用可能要求聚类其他类型的数据，如二元类型(binary)，分类/标称类型（categorical/nominal），序数型（ordinal）数据，或者这些数据类型的混合。

3、任意形状

许多聚类算法基于欧几里得或者曼哈顿距离度量来决定聚类。基于这样的距离度量的算法趋向于发现具有相近尺度和密度的球状簇。但是，一个簇可能是任意形状的。提出能发现任意形状簇的算法是很重要的。

4、领域最小化

许多聚类算法在聚类分析中要求用户输入一定的参数，例如希望产生的簇的数目。聚类结果对于输入参数十分敏感。参数通常很难确定，特别是对于包含高维对象的数据集来说。这样不仅加重了用户的负担，也使得聚类的质量难以控制。

5、处理“噪声”

绝大多数现实中的数据库都包含了孤立点，缺失，或者错误的数据。一些聚类算法对于这样的数据敏感，可能导致低质量的聚类结果。

6、记录顺序

一些聚类算法对于输入数据的顺序是敏感的。例如，同一个数据集合，当以不同的顺序交给同一个算法时，可能生成差别很大的聚类结果。开发对数据输入顺序不敏感的算法具有重要的意义。

Ⅲ 算法有哪些分类

算法分类编辑算法可大致分为：

基本算法、数据结构的算法、数论与代数算法、计算几何的算法、图论的算法、动态规划以及数值分析、加密算法、排序算法、检索算法、随机化算法、并行算法，厄米变形模型，随机森林算法。

Ⅳ 算法的描述方式有几种分别是什么

描述算法的方法有多种，常用的有自然语言、结构化流程图、伪代码和PAD图等，其中最普遍的是流程图，分思法。

流程图（Flow Chart）使用图形表示算法的思路是一种极好的方法，因为千言万语不如一张图。流程图在汇编语言和早期的BASIC语言环境中得到应用。相关的还有一种PAD图，对PASCAL或C语言都极适用。

(4)算法记得分扩展阅读：

算法可以宏泛的分为三类：

一、有限的，确定性算法 这类算法在有限的一段时间内终止。他们可能要花很长时间来执行指定的任务，但仍将在一定的时间内终止。这类算法得出的结果常取决于输入值。

二、有限的，非确定算法 这类算法在有限的时间内终止。然而，对于一个（或一些）给定的数值，算法的结果并不是唯一的或确定的。

三、无限的算法 是那些由于没有定义终止定义条件，或定义的条件无法由输入的数据满足而不终止运行的算法。通常，无限算法的产生是由于未能确定的定义终止条件。

Ⅳ 面试官常问十大经典算法排序（用python实现）

算法是一种与语言无关的东西，更确切地说就算解决问题的思路，就是一个通用的思想的问题。代码本身不重要，算法思想才是重中之重

我们在面试的时候总会被问到一下算法，虽然算法是一些基础知识，但是难起来也会让人非常头疼。

排序算法应该算是一些简单且基础的算法，但是我们可以从简单的算法排序锻炼我们的算法思维。这里我就介绍经典十大算法用python是怎么实现的。

十大经典算法可以分为两大类：

比较排序： 通过对数组中的元素进行比较来实现排序。

非比较排序： 不通过比较来决定元素间的相对次序。

算法复杂度

冒泡排序比较简单，几乎所有语言算法都会涉及的冒泡算法。

基本原理是两两比较待排序数据的大小 ，当两个数据的次序不满足顺序条件时即进行交换，反之，则保持不变。

每次选择一个最小（大）的，直到所有元素都被输出。

将第一个元素逐个插入到前面的有序数中，直到插完所有元素为止。

从大范围到小范围进行比较-交换，是插入排序的一种，它是针对直接插入排序算法的改进。先对数据进行预处理，使其基本有序，然后再用直接插入的排序算法排序。

该算法是采用 分治法 对集合进行排序。

把长度为n的输入序列分成两个长度为n/2的子序列，对这两个子序列分别采用归并排序，最终合并成序列。

选取一个基准值，小数在左大数在在右。

利用堆这种数据结构所设计的一种排序算法。

堆是一个近似完全二叉树的结构，并同时满足堆积的性质：即子结点的键值或索引总是小于（或者大于）它的父节点。利用最大堆和最小堆的特性。

采用字典计数-还原的方法，找出待排序的数组中最大和最小的元素，统计数组中每个值为i的元素出现的次数，对所有的计数累加，将每个元素放在新数组依次排序。

设置一个定量的数组当作空桶；遍历输入数据，并且把数据一个一个放到对应的桶里去；对每个不是空的桶进行排序；从不是空的桶里把排好序的数据拼接起来。

元素分布在桶中：

然后，元素在每个桶中排序：

取得数组中的最大数，并取得位数；从最低位开始取每个位组成新的数组；然后进行计数排序。

上面就是我整理的十大排序算法，希望能帮助大家在算法方面知识的提升。看懂之后可以去试着自己到电脑上运行一遍。最后说一下每个排序是没有调用数据的，大家记得实操的时候要调用。

参考地址：https://www.runoob.com/w3cnote/ten-sorting-algorithm.html

Ⅵ 面试经典数据结构和算法汇总

如果说数据结构是骨架，那么算法就是灵魂。没了骨架，灵魂没有实体寄托；没了灵魂，骨架也是个空壳。两者相辅相成，缺一不可，在开发中起到了砥柱中流的作用。

现在我对各种数据结构和算法做一总结，对比一下它们的效率

1.数据结构篇
1. 如果让你手写个栈和队列，你还会写吗？
2. 开发了那么多项目，你能自己手写个健壮的链表出来吗？
3. 下次面试若再被问到二叉树，希望你能对答如流！
4. 面试还在被红-黑树虐？看完这篇轻松搞定面试官 ！

2.排序算法篇
1. 几个经典的基础排序算法，你还记得吗？
2. 手把手教你学会希尔排序，很简单！
3. 快速排序算法到底有多快？
4. 五分钟教你学会归并排序
5. 简单说下二叉树排序
6. 学会堆排序只需要几分钟
7. 图，这个玩意儿竟然还可以用来排序！

掌握了这些经典的数据结构和算法，面试啥的基本上没什么问题了，特别是对于那些应届生来说。接下来再总结一下不同数据结构和算法的效率问题，做一下对比，这也是面试官经常问的问题。

数据结构常用操作效率对比：

常用排序算法效率的对比：

关于经典的数据结构和算法，就总结到这，本文建议收藏，利用等公交、各种排队之时提升自己。这世上天才很少，懒蛋却很多，你若对得起时间，时间便对得起你。

Ⅶ 积分怎么算法

积分增加:（知道版）
操作 获得积分数 说明
日常操作
新用户首次登陆 ＋20 完成帐户的激活
每日登陆 ＋5 每日只在第一次登陆加分
回答
提交回答 ＋2 每日最多可获得20分
回答被采纳为最佳答案 ＋20
＋悬赏分 回答被提问者采纳为最佳答案，或者通过投票被选为最佳答案，回答者可获得系统自动赠送的20分＋提问者设置的悬赏分
减少处罚
处理过期问题 ＋10 过期自动转投票问题选出最佳答案或提问者对过期问题进行处理，包括采纳最佳答案和选择无满意答案，提问者都可以获得系统返还的10分
其他操作
投票 ＋1 每日最多可获得20分
奖励
最佳答案受到大量好评 ＋50 最佳答案被评价的次数达到200次，若其中评其“好”的次数达到总次数的80%，系统给最佳回答者增加50分奖励积分。
积分降低:
操作 降低积分数 说明
提问
悬赏付出 －悬赏分 提问用户设置悬赏、追加悬赏，扣除相应积分。第一次设置悬赏分最少为5分，最多为100分或其积分上限（当积分不足100时），追加悬赏分最多为50分或其积分上限（当积分不足50分时），悬赏付出的分数将不会返还。
匿名提问 －10 提问用户采用匿名方式提交问题，扣除10分悬赏
处罚
提问上线后被删除 －20 提问上线后，被管理员删除，扣除提问用户20分，答复者不扣
回答上线后被删除 －10 回答上线后，被管理员删除，扣除回答用户10分
评论上线后被删除 －5 评论上线后，被管理员删除，扣除评论用户5分
问题15天内不处理 －20 问题到期，提问用户不作处理（不做最佳答案判断、不通过提高悬赏延期问题有效时间，不关闭问题，或不转入投票流程），在问题直接过期或自动转投票时扣除提问用户20分

积分增加: （网络版）
新用户首次登陆
＋20
完成帐户的激活。但知道和网络的帐户不重复加分。
每日登陆
＋5
每日只在第一次登陆加分
词条
创建词条
＋5
新词条通过审核后系统默认加5分，每日最多可获得100分。
编辑词条
＋1
编辑操作只对“开放分类、词条链接、参考资料、粗体、 修改图片”这几项进行添加或修改时，词条修改通过审核后系统默认加1分，每日最多可获得20分。 例如：您对词条修改了开放分类，同时增加了词条链接，只增加 1 分。
＋3
编辑操作有对词条正文内容进行修改时，词条修改通过审核后系统默认加3分，每日最多可获得600分。例如：您添加了词条链接同时补充了词条内容，增加3分。
奖励
词条被选为精彩词条
＋5
当词条被选为精彩词条并在首页展示后，该词条的所有贡献者均被加上5分，加分操作将在零点前台生效时进行。贡献者列表以零点 前台生效时为准，同一贡献者只加一次分。同时，我们会根据词条版本实际内容及质量，对其中的优秀编辑者额外加分。
词条版本被选为精彩图片
＋10
当图片被选为精彩图片并在首页展示后，该图片版本的贡献者加10分奖励分，加分操作将在零点前台生效时进行。
用户被选为网络之星
＋50
当用户被选为网络之星并在首页展示后，该用户增加50分奖励分，加分操作将在每周二上午十点前台生效时进行。
积分降低:
操作 降低积分数 说明
词条
违规创建词条 －5/-10/-15 新词条经审核发现有严重违规行为，管理员会视情节轻重对用户积分额外扣分 。
违规编辑词条 －5/-10/-15 对词条的修改经审核发现有严重违规行为，管理员会视情节轻重对用户积分额外扣分 。
评论
违规发表评论 －5/-10/-15 发表的评论经审核发现有严重违规行为，管理员会视情节轻重对用户积分额外扣分 。
如何提高采纳率：这是我以前回答的,对你应该有所帮助吧.另外答题快并不等同采纳率高,因为一些刷分者去处理问题的速度也很快,答题速度快往往钻入刷分者的作弊陷井之中.
1.去自己所擅长的分类，回答最有把握的问题，如果在你之前有比较好的回答就不要去回答了,另外坚决不灌水.
2.要对提问者的个人资料进行查看,慎答一些当天刚注册的网友提问,这些人往往提问完对问题也不作处理.虽然这次网络知道升级对部分过期未处理问题转为投票,但有些时候却出现过期问题被系统关闭的可能,另外在一些冷门分类参加投票的问题很难达到5票,同样容易被关闭.
3,轻意不要去答一些高分,尤其超过100以上,因为竞争太激烈.而且高分问题存在作弊的可能性非常大.
4,对一些讨论性质,或者根本没有诚意的问题.坚决不回答.
5,当天刚注册的新手却花20分或者25分提问的，千万不要答。或者把自己的全部分数都悬赏出去,很明显对方想要转移分数,这时对其回答就很可能落入对方作弊陷井之中.
6,要想提高采纳率,尽量不要到烦恼分类答题.在这里被采纳的概率比较低.
7,如果你的知识储备足够丰富,就建议去答一些零回答的问题,不过零回答的问题确实太难.
怎样才有高的积分：

1.学YY，见到介绍某物或某景的问题，就输如关键字，搜索找到合适的，复制粘贴就OK了，但注意要写在参考资料里的哦，不过有些网页禁止拷贝，你可以给出网址，还有注意网址有没有广告，若有广告，会被认成是发广告，要封3天的！（这招很多高手都用，不过要有搜索技巧，详情见http://www..com/search/skill.html#01）
2.要有礼貌，在回答的开头加一个“你好”，结尾上加一个“谢谢”，不过要注意语句通顺，不要太做作了，否则会被别人认成是冒充管理层，后果很重，还有中间不要骂人、不文明，会形成强烈反差，就是态度不诚恳。
3.遇到询问你对某事的看法时，要写长，越长越好！提问的人一般都是喜欢长篇大论的，但要注意不要有废话，还有就是不要离题，否则采纳可能性0%，同时打字速度要快，否则发出去已经解决了。
4.留意零回答问题，提那种问题的人一般都很急，只要你答到一点，而没其他人回答，可能提那种问题的人很急切就采纳你的答案，若提问者实在没想要的回答，但有时也会把分送你的，这经常有。
5.回答问题不要离题，不能总是一看标题就回答，内容补充都不看，那样提问题的是不会采纳的，因为那样提问者没得到想要的答案，没意思，而且会认为你是菜鸟！
6.回答时回答的越早越好，那样遇到投票就有优势。很容易就投票成功，而且有些人提的问题都是几分钟解决的，他（她）一找到好答案就采纳，还有高分问题提问者衡量标准很大一部分取决于你的速度。
7.快点得到积分，等级高了就有威信，采纳率就高了。还可能会追加呢！那还不好吗？那代表你的水平，更多人会抬举你，采纳你，会形成良性循环，采纳率不断增高。也就更好！！！！！！
8.回答别违规，多看看知道关于回答原则，见http://www..com/search/_help.html#知道原则
被删的回答也记入回答统计，久而久之采纳率就会因被删回答太多拉下不少。
9.选择自己最拿手的分类去回答，这样采纳率就高，可能得网友专家，答题威信更大！！！
10.发现回答不显示速去网络知道投诉吧反馈，道理同8，久而久之采纳率就会因被删回答太多拉下不少。
注：
误区1：回答问题不是越多越好，而是越精越好。若你保证不了精，那就多回答点吧！
误区2：回答采纳率低就是废物。不是这样的，等级还低，你不受重视而已，刚开始不要太心急。
1~4级12%以下就可以
4~6级12%~25%就可以
6~8级20%~37%就可以
8~15级37%~50%很不错
15~18级〈45%
误区3：很多人每天灌10个水，刷够20分，这样对你采纳率提高没有好处。反而会拉下不少，可能还封号，所以最好不要这样做。
误区4：采纳率高要继续努力，别骄傲。
★zxf76543原创整理,转载请注明★ ~
参考资料：http://post..com/f?kz=127512593#sub

知道名人 houbin3651的网络知道得分经验：
一，注意回答问题的数量，要不停地回答问题，尽量多的回答问题，这是你得分的基础。
二，注意回答问题的质量，在回答数量多的前提下，回答尽量贴近主题，要告诉别人他最想知道的东西。否则就是罐水了。
三，注意回答问题的速度，通常提问者提了问题，总希望马上得到答案，如果你在第一时间里，给出了合适的答案，通常被采用的机会就比较大。
四，不放过每一天都必拿的的分数，如下：
每天首次登录：加5分。
每天回答问题：最多加20分。
每天参加投票：最多加20分。
每天登录网络：最多加5分
就是说，你每天有35分是必拿的，不要放过这个机会。
五，善于利用搜索来找到答案，其实，很多朋友的问题在网络知道里早已有了，你只要搜一下，复制，粘贴就行了，正所谓：用网络搜索解决网络知道！不过在引用时，为了尊重别人的劳动，记得署名来源哦。
六，不必一味追求高分问题，一般分数越高，回答的人也越多，但是答案多了，提问者也可能会没了方向，不知如何选择。除非你对该问题有绝对的把握，不然，别去碰运气，与其滥竽充数，不如扎扎实实慢慢积累.

怎样在网络知道里尽量多拿分？

一，注意回答问题的数量，要不停地回答问题，尽量多的回答问题，这是你得分的基础。

二，注意回答问题的质量，在回答数量多的前提下，回答尽量贴近主题，要告诉别人他最想知道的东西。否则就是罐水了。

三，注意回答问题的速度，通常提问者提了问题，总希望马上得到答案，如果你在第一时间里，给出了合适的答案，通常被采用的机会就比较大。

四，不放过每一天都必拿的的分数，如下：
每天首次登录：加5分。
每天回答问题：最多加20分。
每天参加投票：最多加5分。
就是说，你每天有30分是必拿的，不要放过这个机会。

五，善于利用搜索来找到答案，其实，很多朋友的问题在网络知道里早已有了，你只要搜一下，复制，粘贴就行了，正所谓：用网络搜索解决网络知道！

六，不必一味追求高分问题，一般分数越高，回答的人也越多，但是答案多了，提问者也可能会没了方向，不知如何选择。除非你对该问题有绝对的把握，不然，别去碰运气，与其滥竽充数，不如扎扎实实慢慢积累。

七，暴冷门，偶尔看看一些零回答的问题，由于一直没有回答，提问者可能比较失望，此时，你赋以关心或提供建议，即使没有提供真正的答案，很可能也会被采纳，因为问题的采纳完全是随个人意愿而行的。

八，有备无患，才能百战不殆，平时多收集一些资料，各方面的都行，只要是自己认为好的，就拿来，说不定哪天就派上用场了。

九，千万不要作弊，不要违反规则，不要自问自答，否则你的努力将前功尽弃，在回答问题的同时，也是自己增长知识的机会，学会礼貌、尊重、耐心、细致，站在别人的角度考虑问题，你会收益非浅。

总之，不必急于求成，知识的积累是一个循序渐进的过程，也不要为了分数而疲于奔命，身体的健康是最主要的，分数的高低有时并不能代表你的知识掌握程度，充其量只代表你在网络知道里非常活跃罢了。
一级 0－100 试用期 魔法学徒 童生 兵卒 初学弟子
二级 101－500 助理 见习魔法师 秀才 门吏 初入江湖
三级 501－1000 助理 见习魔法师 秀才 门吏 初入江湖
四级 1001－2500 经理 魔法师 举人 千总 江湖新秀
五级 2501－5000 经理 魔法师 举人 千总 江湖新秀
六级 5001－8000 高级经理 高级魔法师 同进士出身 都司 江湖少侠
七级 8001－12000 高级经理 高级魔法师 同进士出身 都司 江湖少侠
八级 12001－16000 总监 大魔法师 进士出身 参将 江湖大侠
九级 16001－20000 总监 大魔法师 进士出身 参将 江湖大侠
十级 20001－25000 副总裁 魔导师 探花 总兵 江湖豪侠
十一级 25001－35000 副总裁 魔导师 探花 总兵 江湖豪侠
十二级 35001－50000 首席运营官 大魔导师 榜眼 护军统领 一派掌门
十三级 50001－80000 首席运营官 大魔导师 榜眼 护军统领 一派掌门
十四级 80001－120000 首席执行官 护国法师 状元 九门提督 一代宗师
十五级 120001－180000 首席执行官 护国法师 状元 九门提督 一代宗师
十六级 180001－250000 董事长 魔神 大学士 骠骑将军 武林盟主
十七级 250001－400000 董事长 魔神 大学士 骠骑将军 武林盟主
十八级 400001－ 商界领袖 魔界至尊 翰林文圣 天下兵马大都督 独孤求败

Ⅷ 描述算法的常用方法

1.什么是算法
从字面上来说，算法也就是用于计算的方法。是用来解决某些问题的方法。通过这个方法，可以达到想要的计算结果。它就像我们小时候学些的一些数学公式和解题步骤。
算法，一般有5个特征：

有穷性：
算法的执行步骤、时间、都是有限的。不会无休止的一直执行下去。
确切性：
算法的每一步都必须有明确的定义和描述。
输入：
一个算法应该有相应的输入条件，就像我们小时候做的应用题，已知什么什么。来求某个结果，已知部分便是输入条件。
输出：
算法必须有明确的结果输出。没有结果，那这个算法是没有任何意义的。
可行性：
算法的步骤必须是可行的，无法执行的则没有意义，也解决不了任何问题
2.算法的分类
按照算法的应用来分：算法可以分为基本算法、几何算法、加密/解密算法、查找算法、图标数据分析算法等。
按照算法的思路来分：算法可以分为递推算法、递归算法、穷举算法、分治算法等。

下面，我们就来讲我们的重点之一：也就是算法思想：

3.常用算法思想
穷举算法思想;
递推算法思想;
递归算法思想;
分治算法思想;
概率算法思想;