从一个骗局谈生活中的基础算法
曾经有一个著名的骗局:
小明是一个赌马爱好者,最近他连续几次提前收到了预测赌马结果的邮件,从一开始由于不屑而错失良机,到渐渐深信不疑,直到最后给邮件发送方汇了巨款才发现上当。
看过这个的人应该知道,骗子收集到一份邮件信息后,分组发送不同预测结果的邮件,赌马结果公布后,再将筛选出来的那部分人分组,继续发送下一轮预测邮件。几轮过后,肯定能保证一部分人收到的预测结果是完全正确的。这也是最关键的部分。
那么骗子是如何从几万或几十万用户中寻找这些“幸运儿”的呢?这是一种二分法的思想。
假如要顺序在100万人中寻找一个人,最多需要100万次,而二分法只需要18次。
下面讲讲一些能够解决生活中一些具体问题的常用算法。
二分查找
对于一个长度为N的数组,简单查找最多需要N步;二分查找最多只需要logN步(约定底数为2)。
二分查找相较于简单查找,极大地提高了效率,但是二分查找的前提是列表是有序的,这也导致了诸多限制。
快速排序
D&C
D&C(divide and conquer)分而治之是一种重要的解决问题思路。当面对问题束手无策时,我们应该考虑一下:分而治之可以解决吗?
现在有一个问题,假如一块土地(1680*640)需要均匀地分为正方形,而且正方形的边长要尽量的大。该怎么分?
这个问题本质就是求两条边长的最大公因数。可以使用欧几里得算法(辗转相除)
快速排序
快速排序是一种常用的排序算法,比选择排序快得多(O(n^2)),快速排序也使用了D&C。
选择基准值
将数组分成两个子数组:基准值左边的数组和基准值右边的数组
对这两个数组进行快速排序
快速排序的最糟情况是O(n^2),O(n^2)已经很慢了,为什么还要叫它快速排序呢?
快速排序的平均运行时间为O(nlogn),而合并排序的时间总是O(nlogn),合并排序似乎更有优势,那为什么不用合并排序呢?
因为大O表示法中的n是一个常量,当两种算法的时间复杂度不一样时,即使n在数值上不同,对总时间的影响很小,所以通常不考虑。
但有些时候,常量的影响很大,对快速排序和合并排序就是这样,快速排序的常量小得多,所以当这两种算法的时间复杂度都为O(nlogn)时,快速排序要快得多。而相较于最糟的情况,快速排序遇上平均情况的可能性更大,所以可以稍稍忽视这个问题。(快速排序最糟的情况下调用栈为O(n),在最佳情况下,调用栈长O(logn))
散列表
使用散列函数和数组可以构建散列表,散列表是包含额外逻辑的数据结构。
但是要编写出完美的散列函数几乎不可能,假如给两个键分配的空间相同的话就会出现冲突。如何处理冲突呢?最简单的办法是:假如在某一空间上产生冲突,就在这一空间后再加上一个链表。但是假如这个链表很长,会很影响查找的速度(链表只能顺序查找,查找时间为O(n))
所以一个能尽量避免冲突的散列函数是多么重要,那么怎么编写一个性能较高的散列表呢?
较低的填装因子(一旦填装因子大于0.7,就需要调整长度)
良好的散列函数(让数组中的值呈均匀分布,可以了解下SHA函数)
广度优先搜索
广度优先搜索能够解决两个问题:
两个节点之间是否存在相连的路径
最短的距离是多少?这个“最短距离”的含义有很多种。
想象这么一个问题:你想在你的微信好友和好友的好友中寻找是否有人是一名消防员,该如何查找?并且尽可能这人和你的关系更近些。
迪克斯特拉算法
在图中,搜索最小的“段”数可以用广度优先算法,这就相当于默认每条边的权重是相同的,如果每条边的权重不同呢?那就需要用到迪克斯特拉算法。
概括来说,迪克斯特拉算法就是从起点开始,首先寻找最廉价的节点,更新其开销并标记为已处理,然然后在未处理的节点中寻找开销最小的节点,然后以此往复下去。
针对书中的这样一个问题,我把题干提取出来:目标是用乐谱换钢琴。现在乐谱可以免费换海报;海报加30元换吉他;海报加35元换架子鼓;乐谱加5元可以换唱片;唱片加15元换吉他;唱片加20元换架子鼓;吉他加20元换钢琴;架子鼓加10元换钢琴。
现在我用图把这个关系表示出来:
可以看出这是一个加权图,现在我们要使用迪克斯特拉算法寻找最短路径。
最后的最低开销表为:
节点
开销
海报 |
0 |
唱片 |
5 |
吉他 |
20 |
鼓 |
25 |
钢琴 |
35 |
父子节点表为:
父节点
子节点
乐谱 |
唱片 |
乐谱 |
海报 |
唱片 |
吉他 |
唱片 |
鼓 |
鼓 |
钢琴 |
可以看出,最优的交换的路径为:piano-drum-record-music
最低开销为:35元
贝尔曼-福德算法
在迪克特拉斯算法的基础上,我们考虑这样一种情况,假如边的权重存在负值。
在迪克特拉斯算法中,我们首先寻找最廉价的节点,更新其开销,再寻找未处理节点中最廉价的节点,以此往复。
可能出现这样一个情况:
在将海报标记为已处理后,开始处理唱片,但是唱片到海报的路径使得海报的开销更小,又将更新海报的开销,但是海报已经标记为已处理。那么就会出现一些问题。假如继续使用迪克特拉斯算法,最后的结果肯定是错的,大家可以更改参数试一下。为了正确解决问题,这时需要使用贝尔曼-福德算法。
贪心算法
对于一些比较复杂的问题,使用一些算法不能简单有效地解决,这时候往往会使用贪心算法:每步操作都选择局部最优解,最终得到的往往就是全局最优解。这似乎是想当然的做法,但是很多情况下真的行之有效。当然,贪心算法不适用于所有场景,但是他简单高效。因为很多情况并不需要追求完美,只要能找到大致解决问题的办法就行了。
假如我们面对这么一个问题:假设我开了一家网店,在全国各省都有生意,现在面临发快递的问题,假设现在的基础物流不是很完善,每家快运公司只能覆盖很少几个省,那么我该如何在覆盖全国34个省级行政区的情况下,选择最少的快运公司?
这个问题看似不难,其实很复杂。
现在假设有n家快运公司,那么全部的组合有2^n种可能。
N
2^N
10 |
1024 |
20 |
1048576 |
50 |
1125899906842624 |
可以看到,假如有50家快递公司,我将要考虑1125千亿种可能。可以看到,没有算法能很快的计算出这个问题,那么我们可以使用贪心算法,求局部最优解,然后将最终得到的视为全局最优解。
那么在这个问题下如何使用贪心算法?核心在于什么是局部最优条件?可以这样:
选择一家覆盖了最多未覆盖省的公司。
重复第一步。
来源:果核里的图灵
版权归原作者所有,转载仅供学习使用,不用于任何商业用途,如有侵权请留言联系删除,感谢合作。
数据与算法之美
用数据解决不可能
长按扫码关注
从一个骗局谈生活中的基础算法相关推荐
- 什么是数据挖掘,给出一个你在生活中应用数据挖掘技术的例子,分析数据挖掘的意义。...
数据挖掘是指从大量数据中自动或半自动地发现有用的信息.模式和知识的过程.数据挖掘通常包括预处理数据.选择适当的数据挖掘技术.应用算法和模型.评估结果和解释发现的知识. 一个我在生活中应用数据挖掘技术的 ...
- 浅谈密码学中数论基础
1.模运算(mod) 模运算也可以称为取余运算,例如 23≡11(mod12),因此如果a=kn+b,也可以表示为a ≡ b(mod n),运算规则: (a+b) mod n = ((a mod n) ...
- DSP 中的基础算法和模型的详细解析
查看全文 http://www.taodudu.cc/news/show-2989078.html 相关文章: 唐端荣|DSP投放引擎的设计与实现 dsp 精准投放_招商加盟行业如何精准获客 DSP投 ...
- 服务新市民 共享新生活 中荷人寿山东省分公司开展新市民金融服务宣传活动
随着城市的飞速发展带来更多机遇,越来越多人涌入城市成为"新市民"群体的一员.为切实提升新市民金融素养和风险防范意识,提高新市民金融服务可得性和便利性,近期,中荷人寿山东省分公司积极 ...
- 良心建议,生活中远离这种人
事情经过是这样的,周末是学习充电的好时光,月月哥在家打算酝酿写一篇关于技术的文章分享给大家,但是突然在昨天下午我微信收到一条消息,顿时恶心到我了.所以特别想发篇文章来吐槽一下,同时也给我的读者一个惊醒 ...
- DSP基础算法与模型研究
DSP基础算法与模型研究 (转载请保留原文链接 http://www.techinads.com/archives/41 authored by 江申_Johnson) 美国有一家很优秀的DSP公司- ...
- ACM基础算法入门及题目列表
对于刚进入大学的计算机类同学来说,算法与程序设计竞赛算是不错的选择,因为我们每天都在解决问题,锻炼着解决问题的能力. 这里以TZOJ题目为例,如果为其他平台题目我会标注出来,同时我的主页也欢迎大家去访 ...
- 二分查找你确定真的会?生活中还能用来设计骗局?
期末考要来了,最近小秋正在从零开始复习算法相关知识- 一道简单的算法题 帅地:听说你最近正在临时饱佛教复习各种算法? 小秋:对啊,算法太难了,把我头都搞大了,不过,感觉自己复习的好像还不错. 帅地:那 ...
- 视频基础知识:浅谈视频会议中H.264编码标准的技术发展
浅谈视频会议中H.264编码标准的技术发展 浅谈视频会议中H.264编码标准的技术发展 数字视频技术广泛应用于通信.计算机.广播电视等领域,带来了会议电视.可视电话及数字电视.媒体存储等一系列应用,促 ...
最新文章
- JavaScript小记
- mysql 常用函数循环_近30个MySQL常用函数,看到就是学到,纯干货收藏!
- Flex+J2EE 之小记
- 工程优化作业——成功失败法和黄金分割法
- 特洛伊木马脚本linux,手动查杀特洛伊木马
- Most Unstable Array CodeForces - 1353A(数学+贪心+建设性算法)
- 3.0 C++远征:is a
- php 日期加减处理函数,php日期加减处理函数示例
- 框架源码专题:Mybatis启动和执行流程、源码级解析
- php POST,HTTP_RAW_POST_DATA, and php://input
- 南方cass计算表面积_CASS-工程应用“计算表面积”教程
- c语言课程设计报告书模板,C语言课程设计报告模板(最终版).doc
- python 金融知识图谱_从零搭建金融证券知识图谱-Part1
- QT编译错误:cannot find file: *.pro
- 怎么将几张pdf合并成一张_怎么把多个PDF文件合并成一个
- 基于麻雀搜索算法的同步优化特征选择 - 附代码
- (二)弹性布局Flex
- hexo博客主题kaze 配置详细解析
- deepin安装docker
- ajax获取php页面数据,ajax如何取php页面的数据
热门文章
- .Net Core中IOC容器的使用
- ASP.NET Core 借助 K8S 玩转容器编排
- C# 8中的范围类型(Range Type)
- 【招聘(上海)】东方财富证券招聘.net开发
- ASP.NET Core 认证与授权[7]:动态授权
- Connect 2016 白话脱口秀将在B站直播,我们的口号是quot; 微软大法好quot;
- Storm 1.0.1发布 .NET 适配也已到来
- 值得推荐的微软技术公众号推荐
- Redis在PHP项目中的应用
- java java 大端_Java 大小端转换