《算法图解》学习笔记—第11章 10种算法简介

前言

罗列了一些以后可能会用到的算法，并简单介绍了一下，以后具体用到的时候再详细学习。

---

1. 树

二叉查找树（binary search tree），一种数据结构。

对于其中的每个节点，左子节点的值都比它小，而右子节点的值都比它大。

假设你要查找Maggie。为此，你首先检查根节点。

Maggie排在David的后面，因此你往右边找。

查找过程跟二分查找一样。在二叉查找树中查找节点时，平均运行时间为O($logn$)，但在最糟的情况下所需时间为O($n$)；而在有序数组中查找时，即便是在最糟情况下所需的时间也只有O($logn$)，因此你可能认为有序数组比二叉查找树更佳。然而，二叉查找树的插入和删除操作的速度要快得多。

二叉查找树也存在一些缺点，例如，不能随机访问某个元素。有处于平衡状态和不平衡状态的二叉查找树。

可以研究一下其他树相关的数据结构：B树，红黑树，堆，伸展树。

2. 反向索引

反向索引（inverted index) 也是一种数据结构，常用于创建搜索引擎。
搜索包含指定单词的页面，利用一个散列表，将单词映射到包含它的页面，这种数据结构被称为反向索引。

3. 傅里叶变换

傅里叶变换（Fourier transform）是一种线性的积分变换。傅里叶就是一种变换，从时间到频率的变化或其相互转化。

4. 并行算法

为提高算法的速度，你需要让它们能够在多个内核中并行地执行！

在最佳情况下，排序算法的速度大致为O($nlogn$)。众所周知，对数组进行排序时，除非使用并行算法，否则运行时间不可能为O($n$)！对数组进行排序时，快速排序的并行版本所需的时间为O($n$)。

并行算法设计起来很难，要确保它们能够正确地工作并实现期望的速度提升也很难。有一点是确定的，那就是速度的提升并非线性的，因此即便你的笔记本电脑装备了两个而不是一个内核，算法的速度也不可能提高一倍，其中的原因有两个:

• 并行性管理开销。假设你要对一个包含1000个元素的数组进行排序，如何在两个内核之间分配这项任务呢？如果让每个内核对其中500个元素进行排序，再将两个排好序的数组合并成一个有序数组，那么合并也是需要时间的。
• 负载均衡。假设你需要完成10个任务，因此你给每个内核都分配5个任务。但分配给内核A的任务都很容易，10秒钟就完成了，而分配给内核B的任务都很难，1分钟才完成。这意味着有那么50秒，内核B在忙死忙活，而内核A却闲得很！你如何均匀地分配工作，让两个内核都一样忙呢？

要改善性能和可扩展性，并行算法可能是不错的选择！

5. MapReduce

有一种特殊的并行算法正越来越流行，它就是分布式算法。在并行算法只需两到四个内核时，完全可以在笔记本电脑上运行它，但如果需要数百个内核呢？在这种情况下，可让算法在多台计算机上运行。MapReduce是一种流行的分布式算法，可通过流行的开源工具Apache Hadoop来使用它。

分布式算法非常适合用于在短时间内完成海量工作，其中的MapReduce基于两个简单的理念：映射（map）函数和归并（reduce）函数。

映射是将一个数组转换为另一个数组。

归并函数是将很多项归并为一项。

6. 布隆过滤器和HyperLogLog

没看懂，名字太长，到时候需要再学习，哈哈哈哈哈

7. SHA 算法

安全散列算法（secure hash algorithm，SHA) 。给定一个字符串，SHA返回其散列值。

SHA是一个散列函数，它生成一个散列值——一个较短的字符串。用于创建散列表的散列函数根据字符串生成数组索引，而SHA根据字符串生成另一个字符串。

比较文件

可使用SHA来判断两个文件是否相同，这在比较超大型文件时很有用。假设你有一个4 GB的文件，并要检查朋友是否也有这个大型文件。为此，你不用通过电子邮件将这个大型文件发送给朋友，而可计算它们的SHA散列值，再对结果进行比较。

检查密码

假设Gmail遭到攻击，攻击者窃取了所有的密码！你的密码暴露了吗？没有，因为Google存储的并非密码，而是密码的SHA散列值！你输入密码时，Google计算其散列值，并将结果同其数据库中的散列值进行比较。

Google只是比较散列值，因此不必存储你的密码！SHA被广泛用于计算密码的散列值。这种散列算法是单向的。你可根据字符串计算出散列值。

但你无法根据散列值推断出原始字符串。

SHA实际上是一系列算法：SHA-0、SHA-1、SHA-2和SHA-3。

8. 局部敏感的散列算法

SHA还有一个重要特征，那就是局部不敏感的。假设你有一个字符串，并计算了其散列值。

如果你修改其中的一个字符，再计算其散列值，结果将截然不同！

这很好，让攻击者无法通过比较散列值是否类似来破解密码。

有时候，你希望结果相反，即希望散列函数是局部敏感的。在这种情况下，可使用Simhash。如果你对字符串做细微的修改，Simhash生成的散列值也只存在细微的差别。这让你能够通过比较散列值来判断两个字符串的相似程度。

9. Diffie-Hellman 密钥交换

Diffie-Hellman算法解决了如下两个问题：

• 双方无需知道加密算法。他们不必会面协商要使用的加密算法。
• 要破解加密的消息比登天还难。

Diffie-Hellman使用两个密钥：公钥和私钥。顾名思义，公钥就是公开的，可将其发布到网站上，通过电子邮件发送给朋友，或使用其他任何方式来发布。你不必将它藏着掖着。有人要向你发送消息时，他使用公钥对其进行加密。加密后的消息只有使用私钥才能解密。只要只有你知道私钥，就只有你才能解密消息！

Diffie-Hellman算法及其替代者RSA依然被广泛使用。

10. 线性规划

线性规划用于在给定约束条件下最大限度地改善指定的指标。

例如，假设你所在的公司生产两种产品：衬衫和手提袋。衬衫每件利润2美元，需要消耗1米布料和5粒扣子；手提袋每个利润3美元，需要消耗2米布料和2粒扣子。你有11米布料和20粒扣子，为最大限度地提高利润，该生产多少件衬衫、多少个手提袋呢？在这个例子中，目标是利润最大化，而约束条件是拥有的原材料数量。

所有的图算法都可使用线性规划来实现。线性规划是一个宽泛得多的框架，图问题只是其中的一个子集。线性规划使用Simplex算法。