作為一名程序員，需要精通高深的算法嗎？為什么？太深的算法可以適當學習一些，但是比較常用的算法一定能做到。不僅算法崗需要學習這么多算法，開發(fā)崗也需要學習很多常用算法，這樣才能在開發(fā)過程中編寫出高性能的代

作為一名程序員，需要精通高深的算法嗎？為什么？

太深的算法可以適當學習一些，但是比較常用的算法一定能做到。不僅算法崗需要學習這么多算法，開發(fā)崗也需要學習很多常用算法，這樣才能在開發(fā)過程中編寫出高性能的代碼。我舉個例子。以前，我用MR處理一段數據。在reduce階段，我需要根據某個值保持頂部，但是如果不能使用其他算法，可以調用quick sort。最壞的時間復雜度是O（n^2）。當數據很大時，你不能用完。如果能夠維護大頂堆或bfprt算法，時間復雜度會大大降低。所以算法是非常重要的。

那么，我們需要學習哪些算法？我將列出以下方向

常見的圖論算法，如并集搜索、最短路徑算法、二部圖匹配、網絡流、拓撲排序等

例如常見的二分搜索、三分搜索，特別是二分搜索、訪談常問、深度優(yōu)先搜索和廣度優(yōu)先搜索，經典的八道數字題等等。還有一些啟發(fā)式搜索算法，如模擬退火算法、遺傳算法、粒子群算法、蟻群算法等。

Dijkstra算法用于尋找最短路徑、最大子段和、數字DP等

這一類比較大，特別是在機器學習、人工智能、密碼學等領域。比如數論中的大數分解，大素數的判定，擴展歐幾里德算法，中國剩余定理，盧卡斯定理等等，組合數學中的博弈問題，卡特蘭數公式，包含排除原理，波利亞計數等等，計算幾何中的極性排序、凸包問題、旋轉卡盤問題、多邊形核問題、平面最近點對問題等。另外，還有一些矩陣的構造計算，如矩陣的快冪等。

如果要做算法作業(yè)，除了上面的一些應用算法外，主要是機器學習、深度學習算法。

為什么歸并排序merge sort不需要像動態(tài)規(guī)劃的問題一樣考慮每一種劃分情況？

為什么合并排序不需要像動態(tài)編程那樣考慮每個分區(qū)？

遞歸的重要性不言而喻。它是許多算法的基礎，例如具有分治思想的算法（合并排序、二叉搜索）、遍歷二叉樹的算法，或者求解數學遞歸（斐波那契序列、n的階乘）、回溯、動態(tài)規(guī)劃等算法，當談到遞歸時，總是有點混亂。理論上更容易理解，但當涉及到更復雜的遞歸算法時，很難想象遞歸是如何在計算機中實現的。經過一步一步的調試，我們終于明白了，所以我們先把這個過程記錄下來。

：就是利用分而治之的思想，排序的過程就是先把數組分成左右兩部分，分別排序，然后把有序的兩個數組組合成一個有序的數組。

重點分析merge在代碼中的作用，sort是一個遞歸函數，第一個是終止條件P>=R，遞歸必須有終止條件，否則會陷入循環(huán)，最終導致堆棧溢出。為什么堆棧溢出？實際上，底部的遞歸調用是按下并退出線程堆棧的操作。每次調用都會按一次堆棧，并記錄相關的局部變量信息。線程堆棧的內存非常有限。如果遞歸調用是無限的，它將很快消耗所有的內存資源，并最終導致內存溢出。

下兩個調用merge#sort?C函數本身也是一個遞歸調用，兩個遞歸調用分別編號為?1和?2。在本例中，數組中有六個元素（下標0-5）要排序，那么如何將它們從堆棧中按出？如下圖所示：