本文介绍了算法的基础知识，包括排序（如公司销售额排名、Alexa网站排名）的实际应用，矩阵相乘的优化问题，以及凸壳的概念。同时，讨论了算法效率指标、数据结构如双向链表的优缺点，以及最短路径和旅行商问题的异同。此外，还提及了如何衡量算法效率并举例进行了比较。
什么是算法
定义良好的计算过程，取一个或者一组值作为输入，产生一个或一组输出值。
1.1-1 给出一个真实世界的例子，其中包括着下列的某种计算问题：排序，确定多矩阵相乘的最佳顺序，或者找出凸壳。
排序：
这个是最常见的。比如：
某公司市场部季度销售额排名。
Alexa网站排名。（什么是Alexa？ http://www.alexa.com）
矩阵相乘：
矩阵乘法满足结合律，不满足交换律。这是矩阵相乘优化的基础。
记x行y列的矩阵为Matrix(x,y)，则Matrix_A(x,y)*Matrix_B(y,z)*Matrix_C(z,w)=Matrix_D(x,w)，结果是x行w列。
为了最优化矩阵相乘，需要安排适当的结合律，让乘法运算量最少。其最优过程暂不讨论（动态优化部分内容）。
凸壳：
所有点要么在凸多边形内部，要不在凸多边形的边界上。
参考wiki：
定义良好的计算过程，取一个或者一组值作为输入，产生一个或一组输出值。
1.1-1 给出一个真实世界的例子，其中包括着下列的某种计算问题：排序，确定多矩阵相乘的最佳顺序，或者找出凸壳。
排序：
这个是最常见的。比如：
某公司市场部季度销售额排名。
Alexa网站排名。（什么是Alexa？ http://www.alexa.com）
矩阵相乘：
矩阵乘法满足结合律，不满足交换律。这是矩阵相乘优化的基础。
记x行y列的矩阵为Matrix(x,y)，则Matrix_A(x,y)*Matrix_B(y,z)*Matrix_C(z,w)=Matrix_D(x,w)，结果是x行w列。
为了最优化矩阵相乘，需要安排适当的结合律，让乘法运算量最少。其最优过程暂不讨论（动态优化部分内容）。
凸壳：
所有点要么在凸多边形内部，要不在凸多边形的边界上。
参考wiki：
最低0.47元/天 解锁文章
扫一扫
233
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
