学习数据结构的作用 在用邻接表表示图时，拓扑排序算法时间复杂度为多少？
在用邻接表表示图时，拓扑排序算法时间复杂度为多少？
设图中有n个顶点和e个弧，则邻接表拓扑排序的时间复杂度为O（n，e）]~。一些深层次的算法可以正确地学习，但更常见的算法必须学习。不仅算法岗需要学习这么多算法，开发岗也需要学习很多常用算法，这样才能在开发过程中编写出高性能的代码。我举个例子。以前，我用MR处理一段数据。在reduce阶段，我需要根据某个值保持顶部，但是如果不能使用其他算法，可以调用quick sort。最坏的时间复杂度是O（n^2）。当数据很大时，你不能用完。如果能够维护大顶堆或bfprt算法，时间复杂度会大大降低。所以算法是非常重要的。
那么，我们需要学习哪些算法？我将列出以下方向
常见的图论算法，如并集搜索、最短路径算法、二部图匹配、网络流、拓扑排序等
例如常见的二分搜索、三分搜索，特别是二分搜索、访谈常问、深度优先搜索和广度优先搜索，经典的八道数字题等等。还有一些启发式搜索算法，如模拟退火算法、遗传算法、粒子群算法、蚁群算法等。
Dijkstra算法用于寻找最短路径、最大子段和、数字DP等
这一类比较大，特别是在机器学习、人工智能、密码学等领域。比如数论中的大数分解，大素数的判定，扩展欧几里德算法，中国剩余定理，卢卡斯定理等等，组合数学中的博弈问题，卡特兰数公式，包含排除原理，波利亚计数等等，计算几何中的极性排序、凸包问题、旋转卡盘问题、多边形核问题、平面最近点对问题等。另外，还有一些矩阵的构造计算，如矩阵的快幂等。
如果要做算法作业，除了上面的一些应用算法外，主要是机器学习、深度学习算法。
作为一名程序员，需要精通高深的算法吗？为什么？
这取决于你想成为程序员的哪个方面。
程序员有后端、前端、移动端、大数据、人工智能等，如果只是前端和移动端，掌握基本的排序、红黑树、哈希等就差不多了。不需要更高级的，更重要的是系统API提供了很多算法方法。写作并不一定比系统的写作更好。如果你只是想成为一个普通的程序员，不想朝着高级和体系结构的方向发展，你会发现如果你不接触算法，那就没关系了。但是，当水流向上流动时，仍然需要该算法。特别是对于大数据和人工智能，算法是必要的，算法就是数学。
对于人工智能来说，线性代数、概率论等都是非常重要的，不仅算法可以解释它们。还有信息论，它计算信息传递的熵。个人推荐，可以看到国外的程序设计大赛，有很多测试算法，平时在开发中，更多的考虑如何减少信息传输，提高代码效率，这也是一种算法。
我们必须理解和掌握：1。树，2。散列，3。正规化，4。图算法，5。字符串匹配，6。但是我们需要掌握更多的经典数学算法，这是基础。算法离不开数学，算法打得好，一般数学都好。通常，建议多读一些关于线性代数、高等数学和算法的书，这些书对计算机有帮助。看看其他国家的算法，然后写一些更有启发性的程序。但作为程序员，算法只是其中的一部分，更重要的是如何快速迭代，降低开发成本，如何适应业务。
学习数据结构的作用 简介拓扑排序的算法思想 空间复杂度怎么算
版权声明：本文内容由互联网用户自发贡献，本站不承担相关法律责任.如有侵权/违法内容,本站将立刻删除。
