算法图解(AlgorithmDiagram)
楔子
第一章 算法简介
1.1 引言
1.1.1 性能方面
1.1.2 问题解决技巧
1.2 二分查找
1.2.1 更佳的查找方式
1.2.2 运行时间
1.3 大O表示法
1.3.1 算法的运行时间以不同的速度增加
1.3.2 理解不同的大Ｏ运行时间
1.3.3 大O表示法指出了最糟情况下的运行时间
1.3.4 一些常见的大O运行时间
1.3.5 旅行商
1.4 小结
第二章 选择排序
2.1 内存的工作原理
2.2 数组和链表
2.2.1 链表
2.2.2 数组
2.2.3 术语
2.2.4 在中间插入
2.2.5 删除
2.3 选择排序
2.4 小结
第三章 递归
3.1 递归
3.2 基线条件和递归条件
3.3 栈
3.3.1 调用栈
3.3.2 递归调用栈
3.4 小结
第四章 快速排序
4.1 分而治之
4.2 快速排序
4.3 再谈大 O 表示法
4.3.1 比较合并排序和快速排序
4.3.2 平均情况和最糟情况
4.4 小结
第五章 散列表
5.1 散列函数
5.2 应用案例
5.2.1 将散列表用于查找
5.2.2 防止重复
5.2.3 将散列表用作缓存
5.2.4 小结
5.3 冲突
5.4 性能
5.4.1 填装因子
5.4.2 良好的散列函数
5.5 小结
第六章 广度优先搜索
6.1 图简介
6.2 图是什么
6.3 广度优先搜索
6.3.1 查找最短路径
6.3.2 队列
6.4 实现图
6.5 实现算法
6.6 小结
第七章 Dijkstra算法
7.1 使用狄克斯特拉算法
7.2 术语
7.3 换钢琴
7.4 负权边
7.5 实现
7.6 小结
第八章 贪婪算法
8.1 教室调度问题
8.2 背包问题
8.3 集合覆盖问题
8.4 NP完全问题
8.4.1 旅行商问题详解
8.4.2 如何识别 NP 完全问题
8.5 小结
第九章 动态规划
9.1 背包问题
9.1.1 简单算法
9.1.2 动态规划
9.2 背包问题FAQ
9.2.1 再增加一件商品将如何呢
9.2.2 行的排列顺序发生变化时结果将如何
9.2.3 可以逐列而不是逐行填充网格吗
9.2.4 增加一件更小的商品将如何呢
9.2.5 可以偷商品的一部分吗
9.2.6 旅游行程最优化
9.2.7 处理相互依赖的情况
9.2.8 计算最终的解时会涉及两个以上的子背包吗
9.2.9 最优解可能导致背包没装满吗
9.3 最长公共子串
9.3.1 绘制网格
9.3.2 填充网格
9.3.3 揭晓答案
9.3.4 最长公共子序列
9.3.5 最长公共子序列之解决方案
9.4 小结
第十章 K最近邻算法
10.1 橙子还是柚子
10.2 创建推荐系统
10.2.1 特征抽取
10.2.2 回归
10.2.3 挑选合适的特征
10.3 机器学习简介
10.3.1 OCR
10.3.2 创建垃圾邮件过滤器
10.3.3 预测股票市场
10.4 小结
第十一章 接下来如何做
11.1 树
11.2 反向索引
11.3 傅里叶变换
11.4 并行算法
11.5 MapReduce
11.5.1 分布式算法为何很有用
11.5.2 映射函数
11.5.3 归并函数
11.6 布隆过滤器和 HyperLogLog
11.6.1 布隆过滤器
11.6.2 HyperLogLog
11.7 SHA 算法
11.7.1 比较文件
11.7.2 检查密码
11.8 局部敏感的散列算法
11.9 Diffie-Hellman 密钥交换
11.10 线性规划
11.11 结语
Powered by
GitBook
第八章 贪婪算法
本章内容
学习如何处理不可能完成的任务：没有快速算法的问题（NP完全问题）。
学习识别NP完全问题，以免浪费时间去寻找解决它们的快速算法。
学习近似算法，使用它们可快速找到NP完全问题的近似解。
学习贪婪策略——一种非常简单的问题解决策略
results matching "
"
No results matching "
"