20实际最牛逼的10大算法

一、1946蒙特卡洛方法

1946年，美国拉斯阿莫斯国家实验室的三位科学家John von Neumann,Stan Ulam 和 Nick Metropolis 共同发明，被称为蒙特卡洛方法。

它的具体定义是：
在广场上画一个边长1米的正方形，在正方形内部随意用粉笔画一个不规则的形状，现在要计算这个不规则图形的面积，怎么计算列？
蒙特卡洛方法告诉我们，均匀的向该正方形内撒N（N是一个很大的自然数）个黄豆，随后数数有多少个黄豆在这个不规则几何形状内部，比如说有M个，那么，这个奇怪形状的面积便近似于M/N，N越大，算出来的值越精确。在这里我们要假定豆子都在一个平面上，相互之间没有重叠。（撒黄豆只是一个比喻）
蒙特卡洛方法可以近似计算圆周率：
让计算机每次随机生成两个-1~1之间的数，看这两个实数是否在单位圆内。生成一系列随机点，统计单位圆内的点数与总点数，内接圆面积和正方形面积之比为PI：4，PI为圆周率。

当随机点取得越多（但即使取10的9次方个随机点时，其结果也仅在前4位与圆周率吻合）时，
其结果越接近于圆周率。
一句话：用随机数的方法求概率，以此求面积

1947单纯形法

1947年，兰德公司的，Grorge Dantzig，发明了单纯形方法。
单纯形法，此后成为了线性规划学科的重要基石。
所谓线性规划，简单的说，就是给定一组线性（所有变量都是一次幂）约束条件
（例如a1x1+b1x2+c1*x3>0)，求一个给定的目标函数的极值。

这么说似乎也太太太抽象了，但在现实中能派上用场的例子可不罕见——比如对于一个公司而言，其能够投入生产的人力物力有限（“线性约束条件”），而公司的目标是利润最大化（“目标函数取最大值”），看，线性规划并不抽象吧！
线性规划作为运筹学(operation research)的一部分，成为管理科学领域的一种重要工具。
而Dantzig提出的单纯形法便是求解类似线性规划问题的一个极其有效的方法。
一句话：一种求解线性规划的方法，过去求解线性规划使用画图法求，这种方法可用于计算机

三、1950 Krylov子空间迭代法

1950年：美国国家标准局数值分析研究所的，马格努斯Hestenes，爱德华施蒂费尔和
科尼利厄斯的Lanczos，发明了Krylov子空间迭代法。
Krylov子空间迭代法是用来求解形如Ax=b 的方程，A是一个n*n 的矩阵，当n充分大时，直接计算变得非常困难，而Krylov方法则巧妙地将其变为Kxi+1=Kxi+b-Axi的迭代形式来求解。

这里的K(来源于作者俄国人Nikolai Krylov姓氏的首字母)是一个构造出来的接近于A的矩阵，
而迭代形式的算法的妙处在于，它将复杂问题化简为阶段性的易于计算的子步骤。
一句话：多维的方程求解方法

四、1957 优化的Fortran编译器

1957年：约翰巴库斯领导开发的IBM的团队，创造了Fortran优化编译器。

Fortran，亦译为福传，是由Formula Translation两个字所组合而成，意思是“公式翻译”。
它是世界上第一个被正式采用并流传至今的高级编程语言。
这个语言现在，已经发展到了，Fortran 2008，并为人们所熟知。

五、1959-61 计算矩阵特征值的QR算法1959-61：伦敦费伦蒂有限公司的J.G.F. Francis，找到了一种稳定的特征值的计算方法，

这就是著名的QR算法。

这也是一个和线性代数有关的算法，学过线性代数的应该记得“矩阵的特征值”，计算特征值是矩阵计算的

最核心内容之一，传统的求解方案涉及到高次方程求根，当问题规模大的时候十分困难。

QR算法把矩阵分解成一个正交矩阵(希望读此文的你，知道什么是正交矩阵。?。)与一个上三角矩阵的积，

和前面提到的Krylov 方法类似，这又是一个迭代算法，它把复杂的高次方程求根问题化简为阶段性的易于

计算的子步骤，使得用计算机求解大规模矩阵特征值成为可能。
这个算法的作者是来自英国伦敦的J.G.F. Francis。
一句话：迭代算法，它把复杂的高次方程求根问题化简为阶段性的易于计算的子步骤，使得计算机求解大规模特征值成为可能。

七、1962 快速排序算法

哈哈，恭喜你，终于看到了可能是你第一个比较熟悉的算法~。
快速排序算法作为排序算法中的经典算法，它被应用的影子随处可见。

快速排序算法最早由Tony Hoare爵士设计，它的基本思想是将待排序列分为两半，
左边的一半总是“小的”，右边的一半总是“大的”，这一过程不断递归持续下去，直到整个序列有序。
说起这位Tony Hoare爵士，快速排序算法其实只是他不经意间的小小发现而已，他对于计算机贡献主要包括

形式化方法理论，以及ALGOL60 编程语言的发明等，他也因这些成就获得1980 年图灵奖。

快速排序的平均时间复杂度仅仅为O(Nlog(N))，相比于普通选择排序和冒泡排序等而言，
实在是历史性的创举。
一句话：将序列分成两半，左边一半总是"小的"，右边的一半总是"大的"，这一过程不断递归持续下去，直到整个序列有序

八、1965 快速傅立叶变换

1965年：IBM 华生研究院的James Cooley，和普林斯顿大学的John Tukey，
AT＆T贝尔实验室共同推出了快速傅立叶变换。

快速傅立叶算法是离散傅立叶算法（这可是数字信号处理的基石）的一种快速算法，其时间复杂度仅为O(Nlog(N))；比时间效率更为重要的是，快速傅立叶算法非常容易用硬件实现，因此它在电子技术领域得到极其广泛的应用。

日后，我会在我的经典算法研究系列，着重阐述此算法。
一句话：大学学过，傅里叶变化，现在忘记了，得好好补补

1977 整数关系探测算法

1977年：Helaman Ferguson和伯明翰大学的Rodney Forcade，提出了Forcade检测算法的整数关系。

整数关系探测是个古老的问题，其历史甚至可以追溯到欧几里德的时代。具体的说:
给定—组实数X1,X2,…,Xn，是否存在不全为零的整数a1,a2,…an，使得:a1 x 1 +a2 x2 + . . . + an x

n ＝0?
这一年BrighamYoung大学的Helaman Ferguson 和Rodney Forcade解决了这一问题。
该算法应用于“简化量子场论中的Feynman图的计算”。ok，它并不要你懂，了解即可。?。

十、1987快速多极算法

1987年：Greengard，和耶鲁大学的Rokhlin发明了快速多极算法。

此快速多极算法用来计算“经由引力或静电力相互作用的N 个粒子运动的精确计算
——例如银河系中的星体，或者蛋白质中的原子间的相互作用”。ok，了解即可。