来源:https://blog.csdn.net/xuanandting/article/details/52160859
训练过ACM等程序设计竞赛的人在算法上有较大的优势,这就说明当你编程能力提高之后,主要时间是花在思考算法上,不是花在写程序与debug上。
下面给个计划你练练:
第一阶段:练经典常用算法,下面的每个算法给我打上十到二十遍,同时自己精简代码,因为太常用,所以要练到写时不用想,10-15分钟内打完,甚至关掉显示器都可以把程序打出来。
1.最短路(Floyd、Dijstra,BellmanFord)
2.最小生成树(先写个prim,kruscal要用并查集,不好写)
3.大数(高精度)加减乘除
(大数知识链接: https://www.cnblogs.com/FZfangzheng/p/7700699.html)
4.二分查找. (代码可在五行以内)
5.叉乘、判线段相交、然后写个凸包.
(叉乘: https://blog.csdn.net/lanchunhui/article/details/49838669 )
(线段相交:https://blog.csdn.net/hnu2012/article/details/78151442)
(凸包:https://blog.csdn.net/Bone_ACE/article/details/46239187)
6.BFS、DFS,同时熟练hash表(要熟,要灵活,代码要简)
(关于哈希表的知识链接 :https://blog.csdn.net/duan19920101/article/details/51579136)
7.数学上的有:辗转相除(两行内),线段交点、多角形面积公式.
( 辗转相除法:https://blog.csdn.net/THISISPAN/article/details/7458182)
(多角形面积公式:https://blog.csdn.net/Y_15751004297/article/details/72331684)
8. 调用系统的qsort, 技巧很多,慢慢掌握.
9. 任意进制间的转换
(https://blog.csdn.net/qian_xia_er/article/details/77427990)
第二阶段:练习复杂一点,但也较常用的算法。
如:
1. 二分图匹配(匈牙利),最小路径覆盖
(二分图匹配:https://blog.csdn.net/tham_/article/details/72872199)
(最小路径覆盖:https://blog.csdn.net/qq_34564984/article/details/52778763)
2. 网络流,最小费用流。
(网络流:https://blog.csdn.net/txl199106/article/details/64441994)
(最小费用流:https://blog.csdn.net/little_nai/article/details/69165241)
3. 线段树. https://www.cnblogs.com/AC-King/p/7789013.html
4. 并查集。
5. 熟悉动态规划的各个典型:LCS、最长递增子串、三角剖分、记忆化dp
(LCS:https://blog.csdn.net/zhaoluwei/article/details/52193985)
(最长递增子串:https://blog.csdn.net/u013178472/article/details/54926531)
(三角剖分:https://blog.csdn.net/wi162yyxq/article/details/53762617)
6.博弈类算法。博弈树,二进制法等。
(博弈树:https://blog.csdn.net/qq_36336522/article/details/79408922)
7.最大团,最大独立集。
(最大团:https://blog.csdn.net/yo_bc/article/details/77453478)
(最大团最大独立集https://blog.csdn.net/tianyuhang123/article/details/77454218)
8.判断点在多边形内。 (https://blog.csdn.net/u011722133/article/details/52813374)
9. 差分约束系统. (https://blog.csdn.net/consciousman/article/details/53812818)
10. 双向广度搜索、A*算法,最小耗散优先.
(双向广度搜索:https://blog.csdn.net/thudaliangrx/article/details/50659007)
(A*算法:http://www.360doc.com/content/16/1201/12/99071_610999046.shtml)
第三阶段:
前两个阶段是打基础,第三阶段是锻炼在比赛中可以快速建立模型、想新算法。这就要平时多做做综合的题型了。
1. 把oibh上的论文看看(大概几百篇的,我只看了一点点,呵呵)。
2. 平时扫扫zoj上的难题啦,别老做那些不用想的题.(中大acm的版主经常说我挑简单的来做:-P )
3. 多参加网上的比赛,感受一下比赛的气氛,评估自己的实力.
4. 一道题不要过了就算,问一下人,有更好的算法也打一下。
5. 做过的题要记好 :-)
下面转自:http://hi.baidu.com/wilworld/blog/item/88b1b844d37e4049500ffe6a.html
ACMer必备知识(任重而道远......)
图论
路径问题
0/1边权最短路径
BFS
非负边权最短路径(Dijkstra)
可以用Dijkstra解决问题的特征
负边权最短路径
Bellman-Ford
Bellman-Ford的Yen-氏优化
差分约束系统
Floyd
广义路径问题
传递闭包
极小极大距离 / 极大极小距离
Euler Path / Tour
圈套圈算法
混合图的 Euler Path / Tour
Hamilton Path / Tour
特殊图的Hamilton Path / Tour 构造
生成树问题
最小生成树
第k小生成树
最优比率生成树
0/1分数规划
度限制生成树
连通性问题
强大的DFS算法
无向图连通性
割点
割边
二连通分支
有向图连通性
强连通分支
2-SAT
最小点基
有向无环图
拓扑排序
有向无环图与动态规划的关系
二分图匹配问题
一般图问题与二分图问题的转换思路
最大匹配
有向图的最小路径覆盖
0 / 1矩阵的最小覆盖
完备匹配
最优匹配
稳定婚姻
网络流问题
网络流模型的简单特征和与线性规划的关系
最大流最小割定理
最大流问题
有上下界的最大流问题
循环流
最小费用最大流 / 最大费用最大流
弦图的性质和判定
组合数学
解决组合数学问题时常用的思想
逼近
递推 / 动态规划
概率问题
Polya定理
计算几何 / 解析几何
计算几何的核心:叉积 / 面积
解析几何的主力:复数
基本形
点
直线,线段
多边形
凸多边形 / 凸包
凸包算法的引进,卷包裹法
Graham扫描法
水平序的引进,共线凸包的补丁
完美凸包算法
相关判定
两直线相交
两线段相交
点在任意多边形内的判定
点在凸多边形内的判定
经典问题
最小外接圆
近似O(n)的最小外接圆算法
点集直径
旋转卡壳,对踵点
多边形的三角剖分
数学 / 数论
最大公约数
Euclid算法
扩展的Euclid算法
同余方程 / 二元一次不定方程
同余方程组
线性方程组
高斯消元法
解mod 2域上的线性方程组
整系数方程组的精确解法
矩阵
行列式的计算
利用矩阵乘法快速计算递推关系
分数
分数树
连分数逼近
数论计算
求N的约数个数
求phi(N)
求约数和
快速数论变换
……
素数问题
概率判素算法
概率因子分解
组织结构
二叉堆
左偏树
二项树
胜者树
跳跃表
样式图标
斜堆
reap
统计结构
树状数组
虚二叉树
线段树
矩形面积并
圆形面积并
关系结构
Hash表
并查集
路径压缩思想的应用
STL中的数据结构
vector
deque
set / map
动态规划 / 记忆化搜索
动态规划和记忆化搜索在思考方式上的区别
最长子序列系列问题
最长不下降子序列
最长公共子序列
最长公共不下降子序列
一类NP问题的动态规划解法
树型动态规划
背包问题
动态规划的优化
四边形不等式
函数的凸凹性
状态设计
规划方向
线性规划
常用思想
二分
最小表示法
串
KMP
Trie结构
后缀树/后缀数组
LCA/RMQ
有限状态自动机理论
排序
选择/冒泡
快速排序
堆排序
归并排序
基数排序
拓扑排序
排序网络
ACM/ICPC要求的知识点
时间复杂度(渐近时间复杂度的严格定义,NP问题,时间复杂度的分析方法,主定理)
排序算法(平方排序算法的应用,Shell排序,快速排序,归并排序,时间复杂度下界,三种线性时间排序,外部排序)
数论(整除,集合论,关系,素数,进位制,辗转相除,扩展的辗转相除,同余运算,解线性同余方程,中国剩余定理)
指针(链表,搜索判重,邻接表,开散列,二叉树的表示,多叉树的表示)
按位运算(and,or,xor,shl,shr,一些应用)
图论(图论模型的建立,平面图,欧拉公式与五色定理,求强连通分量,求割点和桥,欧拉回路,AOV问题,AOE问题,最小生成树的三种算法,最短路的三种算法,标号法,差分约束系统,验证二分图,Konig定理,匈牙利算法,KM算法,稳定婚姻系统,最大流算法,最小割最大流定理,最小费用最大流算法)
计算几何(平面解几及其应用,向量,点积及其应用,叉积及其应用,半平面相交,求点集的凸包,最近点对问题,凸多边形的交,离散化与扫描)
数据结构(广度优先搜索,验证括号匹配,表达式计算,递归的编译,Hash表,分段Hash,并查集,Tarjan算法,二叉堆,左偏树,斜堆,二项堆,二叉查找树,AVL,Treap,Splay,静态二叉查找树,2-d树,线段树,二维线段树,矩形树,Trie树,块状链表)
组合数学(排列与组合,鸽笼原理,容斥原理,递推,Fibonacci数列,Catalan数列,Stirling数,差分序列,生成函数,置换,Polya原理)
概率论(简单概率,条件概率,Bayes定理,期望值)
矩阵(矩阵的概念和运算,二分求解线性递推方程,多米诺骨牌棋盘覆盖方案数,高斯消元)
字符串处理(KMP,后缀树,有限状态自动机,Huffman编码,简单密码学)
动态规划(单调队列,凸完全单调性,树型动规,多叉转二叉,状态压缩类动规,四边形不等式)
博奕论(Nim取子游戏,博弈树,Shannon开关游戏)
搜索(A*,ID,IDA*,随机调整,遗传算法)
微积分初步(极限思想,导数,积分,定积分,立体解析几何)
1. ACM/lCPC要求的数据结构知识点
(1) 单双链表及循环链表;
(2) 树的表示与存储,二叉树(概念,遍历);
(3) 二叉树的应用(二叉排序树,判定树,博弈树,解答树等);
(4) 文件操作(从文本文件中读人数据,并输出到文本文件中;
(5) 图 (基本概念,存储结构,图的运算);
ACM/ICPC要求学生对这些知识点非常熟悉。
2. ACM/ICPC要求的基础数学知识点
离散数学知识的应用(如排列组合、简单图论、数理逻辑)、数论知识、线性代数、组合数学、计算几何。
3. ACM/ICPC要求的算法设计知识点
排序算法 (冒泡法、插人排序、合并排序、快速排序、堆排序)、查找(顺序查找、二分法)、回溯算法、递归算法、分治思想、模拟法、贪心法、简单搜索算法(深度优先,广度优先)、搜索中的剪枝、A*算法、动态规划的思想及基本算法、高精度运算。
下方转自:https://blog.csdn.net/xia842655187/article/details/51944533
打算写这个系列很久了,看到网上那些大牛一个个都写了很多总结和知识点讲解,逐渐明白自己的不足主要就是在基本功上。很多算法和思路需要重新梳理才能更好的掌握和运用,正好集训还有一个月时间,够自己慢慢的把这些东西梳理完。
在我的认知中,算法分为这几大类:
- 搜索
- 贪心算法
- 数据结构
- 动态规划
- 模拟
- 图论
- 数论
- 几何问题
搜索有很多种方法可供学习和使用,常用的有:
- 宽度优先搜索(BFS)
- 深度优先搜索(DFS)
- 启发式搜索
- 记忆化搜索
这几种搜索方式各有千秋,其中DFS和BFS是很多算法的基础和核心,也就需要将其烂熟于胸。这里先不过多介绍,会单开一篇文章讲这些。
2.贪心算法
贪心算法也有三种公式性质的知识点:
- 区间选点问题
- 区间覆盖问题
- 选择不相交区间问题
可以说大多数的贪心问题都可以转化为这三种问题中的一个进行求解。贪心算法重在策略,这也是贪心和动态规划不好掌握的原因之一,每道题都可能有变化,死记硬背之类的学习方式是万万不可取的。
3.数据结构
说起数据结构,那就真有的说了,作为几乎与算法齐名的一门学科,数据结构在算法中的应用也可称得上是大放异彩。
- 数据结构
- 优先队列,哈希表等基础数据结构
- 并查集
- 区间信息
- 树状数组 (区间求和)
- RMQ问题(区间最小值)
- 线段树 (动态范围最小值)
- 点修改
- 区间修改
- 字符串
- 字典树
- KMP算法
- AC自动机
- 后缀数组
- 最长公共前缀
- 红黑树等(也不是很懂,我还需要补充知识……)
数据结构的学习需要总结和不断地优化,尽量写成自己的模板,这样无论是使用还是修改都不会出现无从下手的情况。
4.动态规划
动态规划(DP)作为重中之重,堪称两个极端的体现:最容易上手,最简单的题目只要四五行代码,但是也最难精进,因为状态转移方程基本上没有相同的,需要不断的思考和总结之前的题目,这是一个循序渐进的过程。动态规划也有一大票的现成理论和题目可以使用:
- 背包问题(重要的很,强烈推荐dd大牛的背包九讲)
- 最长公共子序列
- 最长单调子序列(递增,递减)
- 最优二叉搜索树(不是很懂,<算法导论>上写的)
- 整数划分问题(划分型DP)
- 石子归并问题(区间型DP)
- 旅行家问题
动态规划有很多很多的问题分类,其中很多是相通的,大概可以用这一张图表示(来自 http://codevs.cn/):
动态规划的学习需要花费很多时间,但是一旦入门,就是“柳暗花明又一村”。
5.模拟
模拟在日常的应用中也是很多的,在很多问题中都可以通过模拟来推导出答案,比如基本的大数相加问题,采取模拟来一步步算出结果是最省力的,在时间差距不大的情况下,采取模拟的策略能使程序的复杂度有效地降低。
模拟问题没有什么理论模型,更多的是对现有条件的分析和总结。只要将现有的条件分析的七七八八,问题便迎刃而解。需要注意的是,很多模拟问题都会有大数据的限制,所以使用时间复杂度和空间复杂度尽量小的算法是有效解决模拟问题的关键所在。
6.图论
作为离散数学的重要组成部分,图在算法和实际生活中的应用可谓是桃李满天下。几乎与网状有关的事物,都可以通过图论进行建模和解决。图论中经典的几个模型包括:
- 最小生成树
- 最短路问题
- 网络流
- 费用流
- 二分图匹配
在很多问题中,采用图论的理论来解决问题,会比动态规划更高效,也更容易理解。
图论的详细分类可参考下图(来自 http://codevs.cn/):
图论的学习,离不开数学理论的支持。如果想好好钻研图论问题,那么,良好的数学基础是必不可少的前提。
7.数论
数论与图论如出一辙,不再赘述(本人的数论功底不是很好,不敢妄加言论)。数论问题大概能分以下几种(来自 http://codevs.cn/):
还是那句话,没有良好的数学功底,图论和数论的学习会比较吃力。希望大家能明白数学的重要性。
8.几何问题
相比数论和图论,几何问题的解决方案要好得多。几何方面有很多的定理可以使用,覆盖的方面也比较广泛。而且分类也比较少:
在我的印象中,几何问题常常和贪心问题组合在一起,例如求解数万个点中的最大多边形面积等等诸如此类的问题。这要求算法的基本功要扎实,能迅速判断出筛选的条件和相应的算法实现。
最后我想说的是,算法的学习很费时间,也很费精力。很多时候,一个问题能困扰我们好几天,百思不得其解。但是,这也是算法的魅力所在。任何能轻易爬上的山峰都不会有美不胜收的景色。
算法的学习更像是一场修行,保持一颗淡定且不断前行的心才是最重要的。急功近利只会让人止步不前,甚至不进反退。》