怎麼講演算法
『壹』 演算法該怎麼學感覺好難
很多人都會說"學一樣東西難",一開始我也覺得很大程度是因為每個人的智力水平等等不可改變的因素. 但是後來我發現,有一個東西也很能決定一個人是否會覺得一樣東西難學,那就是理解方式.
一件事物通過不同的途徑讓一個人理解效果差異是很大的.就比如說數學裡面教你一個圓,有的人看到一個圓就能很快明白什麼是圓,有的人卻非得看到x^2+y^2 = r^2這種式子才有感覺,甚至有的人需要"到定點距離為定長的點集"這種描述才能理解. 那這個不一定是說誰的智力水平更高,而是因為他們對不同形式事物的敏感程度不同.
回到演算法上來.演算法本質是一種數學.他是抽象的操作集合.(看這么說你可能會覺得不知所雲,但是如果我說他只是一種解決問題的辦法可能就好理解). 所以很多書,論文,或者很多老師教的都是一種數學描述的演算法,這樣子的演算法就我個人而言相當難理解,看了就想到代數高數什麼的.. 但是如果找一個圖文並茂的解釋,或者找個人一步一步把一個演算法給你我比劃一下,我立刻就能理解. 說白了,就是你一定要找很多很多不同的角度來嘗試接受一種東西,你一定可以找到一種你相當敏感的角度,用這個角度學習你就會游刃有餘. 智力因素並沒有太大影響的.
具體點說,你可以試試這幾種不同的角度.
直接看數學形式的演算法.我個人最無法接受的形式,但是有人很喜歡..例子就是演算法導論上面那種描述.
聽一般語言描述,最理想是找一個明白的人,給你用通俗語言講講原理.這個不錯,很多我是這么理解的
圖形理解,叫理解的人給你畫插圖,分布圖,結構圖等等,來分解一個演算法,找到他的思路.說到圖,有一個人的博客這方面做得很好:matrix67.
程序理解.找到一種演算法的實現程序,對著程序理解,可以嘗試分布運行,觀察一下變數的變化,這樣來理解演算法.
實在太難的演算法,可以邊寫邊改來理解.當時我學習插頭dp的時候就是這樣,不論怎麼總是一知半解,最後硬著頭皮寫了一遍,改了很久,但是改過了的時候,也就真的明白了是怎麼回事了.
也許還有別的什麼辦法,因為人對事物的接受角度實在是太多了.多想想你平時學習什麼比較容易,找出你最敏感的理解方式就行了.
有感而發說的一些東西,不一定都是正確的,只供參考,歡迎指正.
『貳』 運算定律與簡便演算法怎麼才能給孩子講明白
加法交換律 兩個加數交換位置，和不變，這叫做加法交換律。 字母公式：a+b=b+a 題例（簡算過程）：6+18 = 18+6 = 24 加法結合律 先把前兩個數相加，或先把後兩個數相加，和不變叫做加法結合律。 字母公式：a+b+c=a+(b+c) 題例（簡算過程）：6+18+2 = 6+(18+2) = 6+20 = 26 乘法交換律： 乘法交換律的概念為：兩個因數交換位置，積不變。 字母公式：a×b=b×a 題例（簡算過程）：12×8 =8×12 =96 乘法結合律： 乘法結合律的概念為：先乘前兩個數，或先乘後兩個數，積不變。 字母公式：a×b×c=a×(b×c) 題例：30×25×4 =30×（25×4） =30 ×100 =3000 乘法分配律： 乘法分配律的概念為：兩個數的和，乘以一個數，可以拆開來算，積不變。 字母公式：（a+b）×c=a×c+b×c 例題：（2+3）×10 =3×10+2×10 =30+20 =50
『叄』 簡述演算法的概念及其特性,如何表示一個演算法
通俗的講，演算法是指解決問題的方法或者過程，但是嚴格的講演算法是滿足以下性質的指令序列：
1 輸入：有零個或者多個外部量作為演算法的輸入
2輸出：演算法產生至少一個量作為輸出
3確定性：組成演算法的每條指令時清晰的，無歧義的
4又窮性：演算法中的每條指令的執行次數有限，執行每條指令的時間也是郵箱的。
至於說如何表示演算法，演算法只是一種解決問題的思想與具體的計算機語言無關，深入理解思想之後我想你如果學習了一門編程語言，就算是腳本語言，你可以實現演算法的。
『肆』 演算法怎麼學啊
演算法怎麼學？DS中所涉及的演算法僅僅是基礎演算法而已，真正難和有含量的演算法在演算法導論這本書中，這裡面不涉及任何數據結構，就是單純將演算法，而且是所有演算法分類全部展開講，學這本書後，你才發現，數據結構中涉及的什麼背包，動態規劃演算法了，僅僅是演算法導論里每一章的最基礎的東西。舉個例子，DS裡面的搜索演算法，只涉及DFS和BFS，也就是深度優先和寬度優先。。。但是演算法導論里會教你雙向BFS，A*等智能搜索演算法。PS：還是那句話，演算法是要通過理論和實踐結合才能掌握的，也就是通過編程，切實做題目並且用程序實現，只看程序是永永遠遠不可能掌握的，看了你就忘，看懂了你也不會用。所以說計算機這個專業還是對本專業比較公平，對其他專業不太公平。當然計算機本專業也有好多人平時不喜歡編程上機，天天混日子的。PS2:計算機專業的數學，具體數學這本書也是本專業有些人早早自學完畢的超綱學科。
『伍』 關於C語言的演算法
演算法（Algorithm）是解題的步驟，可以把演算法定義成解一確定類問題的任意一種特殊的方法。在計算機科學中，演算法要用計算機演算法語言描述，演算法代表用計算機解一類問題的精確、有效的方法。演算法+數據結構=程序，求解一個給定的可計算或可解的問題，不同的人可以編寫出不同的程序，來解決同一個問題，這里存在兩個問題：一是與計算方法密切相關的演算法問題；二是程序設計的技術問題。演算法和程序之間存在密切的關系。
演算法是一組有窮的規則，它們規定了解決某一特定類型問題的一系列運算，是對解題方案的准確與完整的描述。制定一個演算法，一般要經過設計、確認、分析、編碼、測試、調試、計時等階段。
對演算法的學習包括五個方面的內容：① 設計演算法。演算法設計工作是不可能完全自動化的，應學習了解已經被實踐證明是有用的一些基本的演算法設計方法，這些基本的設計方法不僅適用於計算機科學，而且適用於電氣工程、運籌學等領域；② 表示演算法。描述演算法的方法有多種形式，例如自然語言和演算法語言，各自有適用的環境和特點；③確認演算法。演算法確認的目的是使人們確信這一演算法能夠正確無誤地工作，即該演算法具有可計算性。正確的演算法用計算機演算法語言描述，構成計算機程序，計算機程序在計算機上運行，得到演算法運算的結果；④ 分析演算法。演算法分析是對一個演算法需要多少計算時間和存儲空間作定量的分析。分析演算法可以預測這一演算法適合在什麼樣的環境中有效地運行，對解決同一問題的不同演算法的有效性作出比較；⑤ 驗證演算法。用計算機語言描述的演算法是否可計算、有效合理，須對程序進行測試，測試程序的工作由調試和作時空分布圖組成。
『陸』 演算法該如何學習
我的研究生生涯絕對是一個反面典型——翹課，實習，寫水論文，做水研究，但有一點我頗為自得——從頭到尾認真聽了韓軍教授的演算法設計與分析課程。
韓軍給我印象最深的有兩點：課堂休息時跑到外面和幾個學生借火抽煙；講解演算法時的犀利和毫不含糊。
盡管韓軍從來沒有主動提及，但我敢肯定演算法設計與分析基礎就是他演算法課程事實上的（de-facto）教材，因為他的課程結構幾乎和這本書的組織結構一模一樣。
如果數據結構與演算法分析——C語言描述是我的數據結構啟蒙，那麼韓軍的課程和演算法設計與分析基礎就是我的演算法啟蒙，結合課程和書籍，我一一理解並掌握了復雜度分析、分治、減治、變治、動態規劃和回溯這些簡單但強大的演算法工具。
『柒』 通常編程人員所說的演算法指什麼，如何理解啊
演算法分為廣義和狹義的
廣義演算法指解決問題的具體方法和步驟 比如做一道數學題要先計算什麼後計算什麼然後用什麼公式和定理最後得到了正確答案 這就是演算法
狹義演算法指在計算機編程中使用到的一系列編程方法或者技巧 遞歸是演算法的一種你可以網路一下遞歸的解釋 遞歸的劣勢就是要調用很多函數可能會造成棧溢出 所以一般會先用遞歸的思想解決和分析問題但是在實際編寫代碼的過程中會用到非遞歸的代碼 除此之外還有數據結構每一個數據結構對應一些演算法 我建議先把數據結構與演算法先學好（教材） 像單純的演算法書先別涉及用到在學
『捌』 503-408演算法怎麼講
簡算方法。一般情況下在結構上演算法：程序=數據結構+演算法。所學方程式演算法：用503減去408左後就是等於95，這就是最後的答案了。
『玖』 怎麼給學生講秦九韶演算法
舉例子跟學生講，比較有效果
例如求5*x^5+3*x^4+7*x^3+2x^2+x+3
原式=（（（（（5x+3）x+4）x+7）x+2）x+1）x+3
從最多項開始每次提出一個x，提5次（n次）
這樣就叫做秦九韶演算法
『拾』 演算法怎麼學
貪心演算法的定義：
貪心演算法是指在對問題求解時，總是做出在當前看來是最好的選擇。也就是說，不從整體最優上加以考慮，只做出在某種意義上的局部最優解。貪心演算法不是對所有問題都能得到整體最優解，關鍵是貪心策略的選擇，選擇的貪心策略必須具備無後效性，即某個狀態以前的過程不會影響以後的狀態，只與當前狀態有關。
解題的一般步驟是：
1.建立數學模型來描述問題；
2.把求解的問題分成若干個子問題；
3.對每一子問題求解，得到子問題的局部最優解；
4.把子問題的局部最優解合成原來問題的一個解。
如果大家比較了解動態規劃，就會發現它們之間的相似之處。最優解問題大部分都可以拆分成一個個的子問題，把解空間的遍歷視作對子問題樹的遍歷，則以某種形式對樹整個的遍歷一遍就可以求出最優解，大部分情況下這是不可行的。貪心演算法和動態規劃本質上是對子問題樹的一種修剪，兩種演算法要求問題都具有的一個性質就是子問題最優性(組成最優解的每一個子問題的解，對於這個子問題本身肯定也是最優的)。動態規劃方法代表了這一類問題的一般解法，我們自底向上構造子問題的解，對每一個子樹的根，求出下面每一個葉子的值，並且以其中的最優值作為自身的值，其它的值舍棄。而貪心演算法是動態規劃方法的一個特例，可以證明每一個子樹的根的值不取決於下面葉子的值，而只取決於當前問題的狀況。換句話說，不需要知道一個節點所有子樹的情況，就可以求出這個節點的值。由於貪心演算法的這個特性，它對解空間樹的遍歷不需要自底向上，而只需要自根開始，選擇最優的路，一直走到底就可以了。
話不多說，我們來看幾個具體的例子慢慢理解它：
1.活動選擇問題
這是《演算法導論》上的例子，也是一個非常經典的問題。有n個需要在同一天使用同一個教室的活動a1,a2,…,an，教室同一時刻只能由一個活動使用。每個活動ai都有一個開始時間si和結束時間fi 。一旦被選擇後，活動ai就占據半開時間區間[si,fi)。如果[si,fi]和[sj,fj]互不重疊，ai和aj兩個活動就可以被安排在這一天。該問題就是要安排這些活動使得盡量多的活動能不沖突的舉行。例如下圖所示的活動集合S，其中各項活動按照結束時間單調遞增排序。
關於貪心演算法的基礎知識就簡要介紹到這里，希望能作為大家繼續深入學習的基礎。