Welcome to my homepage

在包含负权边的图中，要找出最短路径，可使用另一种算法——贝尔曼—福德算法(Bellman-Ford algorithm)。如果有负权边，就不能使用狄克斯特拉算法。带权重的图称为加权图(weighted graph)，不带权重的图称为非加权图(unweighted graph)。在狄克斯特拉算法中，你给每段都分配了一个数字或权重，因此狄克斯特拉算法找出的是总权重最小的路径。狄克斯特拉算法用于每条边都有关联数字的图，这些数字称为权重(weight)。❑ 继续图的讨论，介绍加权图——提高或降低某些边的权重。

算法的运用

本章和上一章简要地介绍了10个算法，在书里的基础上，我补充了代码和案例。

本章内容：❑ 学习使用K最近邻算法创建分类系统。❑ 学习特征抽取。❑ 学习回归，即预测数值，如明天的股价或用户对某部电影的喜欢程度。❑ 学习K最近邻算法的应用案例和局限性。

❑ 动态规划可帮助你在给定约束条件下找到最优解。在背包问题中，你必须在背包容量给定的情况下，偷到价值最高的商品。❑ 在问题可分解为彼此独立且离散的子问题时，就可使用动态规划来解决。

❑贪婪算法寻找局部最优解，企图以这种方式获得全局最优解。❑对于NP完全问题，还没有找到快速解决方案。❑面临NP完全问题时，最佳的做法是使用近似算法。❑贪婪算法易于实现、运行速度快，是不错的近似算法。

对不住，虽然我知道没有人看，那就说对不住作为观众的自己吧。这段时间精神状态非常不好，学习的东西没有以前多了。不过我还是要继续更新。只要我还更新着，说明人还有点生气。我自己会原谅自己的。

❑学习使用新的数据结构图来建立网络模型。❑学习广度优先搜索，你可对图使用这种算法回答诸如“到X的最短路径是什么”等问题。❑学习有向图和无向图。❑学习拓扑排序，这种排序算法指出了节点之间的依赖关系。

散列表是一种功能强大的数据结构，其操作速度快，还能让你以不同的方式建立数据模型。你可能很快会发现自己经常在使用它。❑ 你可以结合散列函数和数组来创建散列表。❑ 冲突很糟糕，你应使用可以最大限度减少冲突的散列函数。❑ 散列表的查找、插入和删除速度都非常快。❑ 散列表适合用于模拟映射关系。❑ 一旦填装因子超过0.7，就该调整散列表的长度。❑ 散列表可用于缓存数据（例如，在Web服务器上）。❑ 散列表非常适合用于防止重复。

❑D&C将问题逐步分解。使用D&C处理列表时，基线条件很可能是空数组或只包含一个元素的数组。❑实现快速排序时，请随机地选择用作基准值的元素。快速排序的平均运行时间为O(n log n)。❑大O表示法中的常量有时候事关重大，这就是快速排序比合并排序快的原因所在。​​​​​​​❑比较简单查找和二分查找时，常量几乎无关紧要，因为列表很长时，O(log n)的速度比O(n)快得多。

本章内容❑学习递归。递归是很多算法都使用的一种编程方法，是理解本书后续内容的关键。❑学习如何将问题分成基线条件和递归条件。❑学习栈call stack的概念和使用。

学习两种最基本的数据结构——数组和链表。❑计算机内存犹如一大堆抽屉。❑需要存储多个元素时，可使用数组或链表。❑数组的元素都在一起。❑链表的元素是分开的，其中每个元素都存储了下一个元素的地址。❑数组的读取速度很快。❑链表的插入和删除速度很快。❑在同一个数组中，所有元素的类型都必须相同（都为int、double等）。

算法是一组完成任务的指令。算法是解决特定问题或执行特定任务的有序步骤的集合。算法的目标是解决问题或完成任务。算法可以用于各种不同的领域，包括搜索、排序、数据处理、图算法等。本章你将学习二分查找、简单查找、大O表示法（算法运行时间）以及简要介绍旅行商。