算法思维初学者指南

概念

数据结构和算法是编程的基础。编程语言来来去去，但DSA一直在那里，确保软件开发过程的效率。

算法是用于解决问题或执行计算的过程。算法充当指令的精确列表，在基于硬件或软件的例程中逐步执行指定的操作。算法是成功和高效开发的核心。您将在学习编码时使用它们，在技术面试中会被问及它们，它们可能会成为您日常开发工作的一部分。

每个解决方案都始于策略，而算法是解决编码问题的策略。因此，我们必须学会设计一种高效的算法，并将该“算法”转换为正确的代码以完成工作。

但是在数据结构和算法中存在许多编码问题，大多数时候，这些问题对我们来说是新的。因此，作为程序员，我们需要将自己培养成自信的问题解决者，不会被给定问题的难度吓倒。

思维逻辑

它强调了编程中的逻辑。让我们举一个现实生活中的例子开始。

想象一下，您是一名班级监督员，必须收集所有学生的试卷并根据他们的卷号排列它们。

你把文件分成相等的两半，另一半给你的朋友。之后，您和您的伴侣按卷号对两半进行排序。最后，剩下要做的就是一次堆叠两组一张纸，瞧！你已经用了一半的时间完成了。

不知不觉中，您在此实例中使用了合并排序，这是可用的最重要的排序算法之一。

数据结构用于以逻辑方式存储和组织数据，而算法是我们用来执行特定任务的过程。两者相结合，使智能手机、计算机和网站能够做出有效的决策并顺利运行。

简单的事实是，算法只是做事的方式。它们是解决某种问题的过程。

从本质上讲，算法思维是思考如何以系统的方式解决问题。类似于这样的思考过程：

• 明确定义问题
• 将问题分解为小而简单的部分
• 为问题的每个部分定义解决方案
• 实施解决方案
• 使其高效（最终）

不同算法

以下是不同种类型的算法：

• 暴力算法：Brute Force Algorithm 该算法盲目迭代问题的所有可能解决方案，搜索函数的一个或多个解决方案。
• 递归算法：Recursive Algorithm 此算法反复调用自身，直到解决问题。递归算法在每次调用递归函数时都使用较小的值调用自身。
• 动态规划算法：Dynamic Programming Algorithm 该算法通过将问题划分为子问题来解决问题。然后将结果存储起来，以应用于将来的相应问题。
• 分而治之算法：Divide and Conquer Algorithm 这种通用算法分为两部分。一部分将问题划分为更小的子问题。第二部分解决这些问题，然后将它们组合起来产生解决方案。
• 贪婪算法：Greedy Algorithm 该算法通过找到局部最优解来解决优化问题，希望它是全局水平的最优解。但是，它不能保证最佳解决方案。
• 回溯算法：Backtracking Algorithm 该算法在增量方法中找到给定问题的解决方案，并一次解决一个问题。
• 随机算法：Randomized Algorithm 该算法减少了运行时间和基于时间的复杂性。它使用随机元素作为其逻辑的一部分。
• 搜索引擎算法：Search engine algorithm 该算法将关键字和运算符的搜索字符串作为输入，在其关联的数据库中搜索相关网页并返回结果。
• 加密算法：Encryption algorithm 此计算算法根据指定的操作转换数据以保护数据。对称密钥算法（例如数据加密标准）使用相同的密钥来加密和解密数据。如果算法足够复杂，那么缺少密钥的人都无法解密数据。
• 排序算法：Sorting algorithm 排序算法用于基于比较运算符重新排列数据结构，该运算符用于确定数据的新顺序。
• 哈希算法： Hashing algorithm 该算法获取数据并将其转换为具有哈希的统一消息。

示例：在给定的数字列表中查找最大值。

解决方案：这是一组说明（或算法），您可以按照这些说明（或算法）在列表中查找最大值。

• 从第一个数字开始，并将其指定为最大值。
• 现在，转到第二个数字;如果第二个数字>第一个数字，则将最大值设置为第二个数字，否则没有变化。
  • 即，如果当前数字大于最大值，则将最大值设置为当前数字。
• 转到列表中的下一个数字，然后重复步骤 2，直到到达列表末尾。
• 最大值是存储在最大值变量中的值。

用 Python 编写上述程序：

def find_max(list):
  maximum = list[0] # 将第一个值设置为最大值
  for i in range(len(list)):
    if list[i] > maximum: # 检查当前值是否大于当前最大值
      maximum = list[i] # 如果当前值大于当前值，则将当前值设置为最大值
  return maximum


# 测试列表
l1 = [1, 2, 3, 4, 5, -5, -4.5, -3.5, -2.5, -1.5, 0]

# 输出结果
find_max(l1)

优点和缺点