分布式算法导论

Ⅰ 如何学习数据分析

【转自网络】
首先，我要说的是我觉得你是一名在校大学生！Data Mining不是你想的那么简单，他不单单和数学有关系，还包括了计算机领域的诸多学科。还有社会工程学、逻辑学等文科和理科的交叉学科！他是一门庞大的体系。你要是真想学我只能给你指条比较快的成才之路，后面的东西自己慢慢学都赶趟！慢慢充实自己！大学四年好好利用！学无止境！
既然是数据分析那你的高等数学必须要过硬，别着急这只是你的其他学科的基础课。其次是概率与统计，这才是正科，大学那点玩意就是糊弄人的，你要多看这方面的书。这个一定要学好！线性必须要会要精通。因为数据划分是数据挖掘里最重要的一个环节。这个就是线性范畴里的了。也要精通，学会线性分析你就发现你就学会了很多。数学有这三个底子就可以了。数学分析不要看了。因为那只是高数的延伸！
计算机你一定要懂。数据库你必须得学会。三大数据库ORACLE.SQL.MYSQL原理基本类似触类旁通！
还有就是培养你的思维，尽量缜密敏捷。这样才可以发现数据中的不同！因为有的数据挖掘是计算机处理的。有的则是纸面上的。所以必须学会记录
好了，就先这么多了。你学会了这几个就是你进军下一步的基础，这几个就够你学一阵子的了。
祝你好运哥们！
数据挖掘的起点很高——
1、统计学
2、机器学习
3、数学——图论，最优化理论等。
WEB上的数据结构更加复杂。
python语言————应该学习

抱歉，事情太多，如果不追着就忘了！我认为你作为企业员工对数据挖掘感兴趣，最主要的就是从应用和解决问题开始，所以我想把数据挖掘这个狭义定义的内容改成你应该对数据分析感兴趣，数据挖掘只是数据分析的一个重要工具和解决方法之一！
数量统计知识方面：我认为统计思想是数学在实践中最重要的体现，但对于实际工作者最重要的是掌握统计思想，其实统计理论非常复杂，但实际应用往往是比较简单的！比如，很多人都在大学学了假设检验，但实际应用中假设就是看P值是否小于0.05，但是H0是什么？拒绝还是接受的是什么现实问题；要理解！
掌握软件问题：从软件角度学，是非常好的思路，我基本上就是这样学的。我常说编软件的人最懂理论，否则编不出来，编软件的人最知道应用，否则软件买不出去；现在软件越来越友好，把软件自带案例做一遍，你会自觉不自觉的掌握软件解决问题的思路和能解决的问题类型；
数据仓库问题：OLAP和数据挖掘是数据仓库建立基础上的两个增值应用，从企业整体角度，数据挖掘应该建立在企业数据仓库完备的基础上。所以说数据仓库是针对企业级数据挖掘应用提出的，但我们应该记住，企业从来不是为了数据挖掘建立数据仓库，而是因为有了数据仓库后必然会提出数据挖掘的需求！现在随着数据挖掘软件的工具智能化，以及数据仓库和ETL工具的接口友好，对数据库层面的要求越来越少；
数学不好可能反应了一个人思考问题的方式或深入理解问题的能力，但数学不是工具是脑具，不断解决问题的过程可以让我们思考问题更数学化！
沈浩老师建议：
不急，一步一步来！先把本职工作中的数据分析问题理解了，干好了！
熟练玩好Excel软件工具，这个可以看《Excel高级应用与数据分析》我写的书，当然有很多Excel论坛和网站，从我的博客就可以连接到。
学习好统计分析方法，我不是单指统计原理，而是统计分析方法，比如回归分析，因子分析等，不断进入统计分析解决问题的思考方式；这个可以看看SPSS软件方面的书和数据案例，通过软件学习解决数据分析的统计问题，这方面的书很多，当然你也可以关注我的博客，不断增加统计分析方法解决数据分析问题的思路，自己对照着完成！
在上述问题有了比较好的理解后，也就是你应该算是一个数据分析能手的时候，开始进入数据挖掘领域，你会发现用数据挖掘思想解决问题具有智能化、自动化的优势，接下来，你需要考虑数据建模的过程，通过学习Clementine软件或SAS的挖掘工具，不断理解数据挖掘与原来的数据分析工具有什么不同或优势！
当前面都是了解并且能够得心应手后，你就要有针对性的掌握你工作所在行业的问题，例如：电信行业的解决方案问题：客户流失、客户价值、客户离网、客户保持、客户响应、客户交叉销售等商业模型，同时与数据分析和数据挖掘统一在一起的解决方案！
接下来，你应该掌握数据库的一些原理和操作，特别是SQL语言的方式
你到了这个阶段，就应该有全面解决问题的能力，比如挖掘出来的知识或商业规则如何推送到营销平台上等等
梳理自己的知识结构，不仅会操作，现在你应该成为专家了，要能够宣扬你的知识能力和领导力，当然也要表明你在数据挖掘领域的专业特长
要经常帮助同事和行业朋友，比如帮助解决数据分析问题，帮助咨询，甚至给大家讲课，这对你的知识梳理和能力的提高非常重要，你的自信心会更强！
有兴趣，可以建立一个博客或什么，不断写点东西，经常思考和总结
结交广泛的朋友！
关于入门的教材：
互联网，其实不用买什么书网络基本都有；要有好的搜索能力，当然包括搜各种软件！
SPSS和Clementine软件的说明和案例，都做一遍；
《数据挖掘——客户关系管理的艺术》
《调查研究中的统计分析法》
《Excel高级应用与数据分析》
《数据展现的艺术》

Ⅱ 地球科学研究中的超级计算

王群

1 绪论

包括地质、地理、大气、海洋等众多学科在内的地球科学，是自然科学中直接面向人类与自然关系的部分。地球科学不仅是认识地球固态、液体和气态各圈层及其与人类关系的渠道，而且通过找矿勘探、气象预测、水文、测绘、地震等学科的科技实践活动，在资源、能源、环境和防灾、减灾等方面直接为社会经济服务。

卫星通信技术、网络技术和计算机技术，改变传统地学研究的模式。遥感、信息技术和各种实时观测、分析技术的发展，使地球科学进入了覆盖全球、穿越圈层，亦即地球系统科学的新阶段，从局部现象的描述推进到行星范围的机理探索，获得了全球性和系统性的信息。

在应用方面，地球科学的作用几乎无所不在，从采掘业、工业、农业到建设规划、旅游和军事，都是地球科学施展的领域。而且，随着社会发展而出现的环境恶化和自然灾害后果的加重，使得原来主要面向资源的地球科学朝环境和减灾防灾发展，从而拓宽了地球科学为社会服务的领域。

现代化的探测手段、信息技术的应用，生成了PB/TB级的地质空间数据，需要万亿次以上的超级计算机处理和解释、存取和利用。另一方面，数字信息和通信环境的发展，也改变了传统基础学科研究的手段和方法，一个多学科交叉的研究队伍是完成大型科学研究和工程实现的重要保证。先进的超级计算机和网格计算技术为基础交叉学科的研究提供一个多学科共享资源平台。2002年以来，美国、英国、日本、澳大利亚和欧盟都启动“e-Research”或“e-Science”项目，投资额从1亿到10亿美元不等，其目的是利用网格技术和中间件技术把全国或区域范围的大学或研究室的超级计算机连接起来，形成一个虚拟的协同多学科资源共享平台。与此同时，先进发达国家正在建立以地球科学为核心的多学科资源共享平台。

2 超级计算机

正如Moore定律的解释，计算机的运行速度正快速增加（每18个月增加一倍），制造费用急剧下降，超级计算成本趋于合理，购买一个万亿次计算能力的超级计算机，目前我国大多数大学可以支付得起。根据超级计算机的性能最新统计TOP500 显示（截至2004年12月），其中358台是2004年最新安装的，2003年安装了95台。两者相加占世界最快500台计算机的90%以上，如表1所示。加快计算机的速度在技术上已不是难题，关键是软件系统的开发，而这正是我们的薄弱环节。

在基础学科研究领域，地球科学是应用超级计算机最多的领域。根据TOP500的最新统计（截至2004年12月），如表2所示，在最高性能的500台超级计算机中，地球物理占了51台，占总数的10%以上。如果加天气和气象研究、天气预报等，地球科学占用的超级计算机的比例还要大。

表1

表2

目前我国许多大学和研究机构也开展了超级计算体系结构的研究，例如，以Linux操作系统为主的集群式计算机结构体系。这种体系在大型计算机和超级计算机昂贵时，为超级计算任务提供了一个可行的解决方案。但是现在已不能满足更大规模计算的要求。其主要问题是性能比差，可靠性低，维护困难，扩展性差，安全性差，研究人员在系统的构造上花太多的精力，费用也不一定低。

2003年，美国两院院士、美国《时代》周刊封面人物陈世卿博士回到中国，在深圳蚬壳星盈公司发明了超级刀片计算机。陈世卿博士亦是世界着名CRAY超级计算机CRAY-MP和Y-MP开发的领导者。

超级刀片计算机的“刀片”设计理念类似于喷气发动机的涡轮“叶片”。这些“叶片”随时可以取下来更换，将它们绞合在一起便产生强大的动力。超级刀片计算机充分运用了这种设计理念，深入浅出，化繁为简，采用全新的技术，对计算节点的升级只需要增加“刀片”不需要重新布线和配置。这种计算机如同发动机上插满了一个个“刀片”，每个“刀片”就是一个运算单元，理论上可以无限扩充，而且可以在不停机的情况下随时增加和更换。超级刀片计算机采用了崭新的设计理念和系统架构，运算速度可超过每秒50万亿次浮点数，达到了美日等先进国家超级计算机的水平。超级刀片计算机具有持久的生命力，安全可靠，合理的价格性能比，实时协同模式等性能。

3 地球科学研究的超级计算问题

地球科学研究的超级计算问题包括：地震数据处理和解释、遥感信息处理和解释，大规模地理信息系统，地质空间数据处理和可视化，地球、大气和海洋等各种自然现象动态模拟，如地震，洪水，沙尘暴等，工程地质结构模拟，材料分子动力学模拟等等。另外，在地球科学的研究中，有许多超级计算涉及多学科，跨学科问题。有些问题是实时的，协同工作流模式。

4 基于高性能网络的超级计算

随着计算机和信息技术的发展和应用，特别是高速网和相关设备的建设和应用，已经深刻地影响到科学研究的方法，改变了研究的手段，同时，导致了e-Research和e-Science概念的出现。

e-Science是对一个超大规模的、需要全球科学家协同合作的、利用互联网及相关技术的科学研究基础设施的定义。这些协同科学研究的一个最典型的特征是，科学家需要存取海量级的数据集，利用独特的科学研究设施，消耗大量的科学计算资源，执行高性能的分析、建模和可视化显示。这种超大规模的研究的另一个重要方面是为科学家和跨学科之间的信息交流，新概念萌发提供了学科交叉的平台。

e-Research是e-Science更一般的定义和概括，它包含了非理科研究的行为和活动。例如e-Research包括人类学和社会学的研究，为了协同工作和知识共享，e-Research也有利用分布式计算资源的特征。

网格技术（Grid Technologies）在e-Research和e-Science的发展中扮演了一个重要角色。与顾客和企业可以获取电力供应一样，网格使研究员和研究机构以某种规定的方式，存取网络上分布的数据仓库，特殊的科学设备，获取知识服务，以及共享强大的计算功能。他们可以实现灵活多变的、安全的知识共享，并且在个体研究者、研究机构以及资源动态组合中，协调科学研究问题的求解。这种方式通常也称为虚拟组织（Virtual Organization）。

计算基础设施（Cyberinfrastructure）代表了一个由分布式计算机、信息和通信技术组建的、新型的、虚拟科学和工程知识环境。它实现了一个高效，多种形式进行科学研究的平台。

科学家通过对新知识的挖掘、交互式建模、利用仿真和模拟工具、共同协作解决复杂的科学和工程技术问题，这些导致了基础科学研究设施正在发生变化。复杂的科学和工程技术问题要求我们的新型基础科学研究设施必须是跨学科的、分布式的、集成共享平台。天文学（Astronomy）、生物学（Biology）、地球科学（Geosciences）、公共卫生（Public Health）和纳米材料（Nano-materials）通常都需要实现信息集成、数据分析和安全的知识共享。它们都需要安全地、可操作地、连续地存取物理设备（例如计算机、磁盘阵列、仪表仪器等）、数据和信息（大量的数据集、商业和科学数据库、信息和软件库，视频和图像库）以及特定的专家和学者。

e-Research中间件是具有特定功能的软件，该软件为整个计算基础设施上的应用系统、计算资源、研究机构和个人之间的知识管理、知识共享、任务合作提供标准的通用工具和服务，它是e-Research计算基础设施的重要组件。

美国、英国、欧洲共同体、日本等都实施了庞大的e-Research计算基础设施的研究计划，他们希望计划可以增加国家长期的经济繁荣以及发挥基础设施所提供的知识分布的功力。许多研究计划已经研发出了重要的中间件，一些项目是国家之间的合作计划，或交流项目，共同开发跨大洲的通用中间件。

通过国家自然科学基金（NSF）的资助，美国目前正在考虑每年增加投资10亿美金建造和开发一个高性能计算基础设施计划（Advanced Cyberinfrastructure Program），其中的三分之一（大约3.95亿美元）将投到中间件的技术研究以及相应的开发活动中。表3列举了一些重要的e-Research基础设施研发计划以及大约投入到中间件研发经费。

表3

虽然我国在计算基础设施（Cyberinfrastructure）建设中投入了一定的研究经费，但是报告显示有效地利用它获取研究资源的效率是较低的、耗时的，需要较多的人力。用户迫使使用不可靠的、手工的方法去发现合适的资源；有时需要与资源的拥有者协商；有时需要通过低效、耗时、昂贵的手段利用这些资源；有时甚至需要跨洲飞行。对存取高速网上资源、设备、服务和数据缺乏足够的认识，导致了我们失去了很多机会。另外，用户也给系统的安全带来了许多不确定因数，需要防止非授权人员对资源的入侵。由于标准化、系统支持和维护以及用户界面的不完善，在支持和维护软件过程中研究人员需要投入更多的时间和精力。

地球科学需要有一个互信的、协同的、交互的、基于高速网的资源环境，为软件服务提供支持的中间件可以达到该目的。虽然我国ICT（Information and Computer Technology）研究人员对许多中间件的关键技术和服务做了大量的调查研究，但他们大多是学科单一的研究小组和企业，缺乏中心协调和一个特殊应用的驱动。因此，在我国中间件研究项目内部以及与国际中间件研究项目之间，都应该建立更多的协调机制。当前，我国对中间件基础设施研究的资助基金是有限的、支离破碎的，从而导致了一些项目的重复和低效。

我国需要一个公开中间件研究计划（Open middleware program），它可以保证这些研究活动的集成和整体协调，可以把现有的传统中间件扩展和改造成符合国际标准的OMP（Open middleware program）体系结构，并提供特殊应用领域的服务。该中间件研究计划还将识别和填补我们与国际中间件研究技术的差异，把目前研究项目的软件更新到可以被e-Research研究机构应用的软件。

目前的网格服务中间件（身份管理，存取控制，供货管理，预订服务，通知服务），当运行在现有的计算基础设施的时候，是很脆弱的，不可靠的。网格服务组件需要工程化，使组件更鲁棒，更可靠。用户可以完全透明地存取网格共享的设备、计算和数据资源。我们需要扩大网格服务中间件的研究和投资力度，提高它的标准化、鲁棒性和可用性。

实施公开中间件计划重要目的之一是解决和完善OGSA网格服务之间的界面、基于因特网的应用层中间件、数字图书馆和信息管理服务、知识服务管理等。在过去的几年里，全球网格联盟GGF（Global Grid Forum）开发了网格基础设施技术要求（Grid infrastructure specifications），例如Globus Toolkit和Open Grid Services Architecture（OGSA）。全球网格联盟（包括Globus联盟，HP和IBM）集聚在一起开发符合WSRF（WS-Resource Frame-work）形式的网络服务。这也将使得网格研究机构牵动W3C和OASIS开发的技术和工具，现已吸引到大量的工业界投资。WSRF和相关的技术要求目前还不是一个工业标准，OMP的作用之一跟踪这些发展，确保它们反映和了解我国e-Research和网格技术的现状。

现有的中间件的工具和服务应该重新认识，并使它们更加可靠、实用。

现有的中间件的工具和服务应该更具有可操作性、共享性、客户化，并且能够与更大的框架集成、与网格环境集成。

为此，需要开发新的中间件工具和服务。在缺乏以下功能的情况更应该考虑开发新的中间件：网格安全，网格管理和组装，服务适应的质量，工作流引擎，协同工具，多媒体语义索引，智能服务发现，决策支持和假设测定软件，数据和知识的验证和校订，自动表示机制，协同可视化，模拟和仿真以及为应用系统科学家设计的高端网格用户界面。

在领域特殊的科学数据仓库中存在大量的异构数据集，例如空间数据、时间数据、图像、视频、音频、3D、光谱、图形和多媒体等，这些数据应该能存取、共享以及与其他领域的信息资源、数字图书馆（发表的文章和论文）和网站集成。

知识网格层需要加入到现有的计算和数据网格中，这将涉及定义知识管理服务和网格管理之间的界面以及实现知识网格服务和网格环境的集成。

加大研究工作的协调和增加资金的投入可以防止工作的重复，缩小与国际的差距。

5 协同计算中间件

理论上讲，中间件处在用户之间、应用系统之间，或用来解决复杂科学和工程问题的资源之间（见下图）。中间件提供了一组通用的服务和工具，容许研究人员和应用系统在处理计算、数据仓库、其他分布资源时，就好像它们是一个超大型的虚拟设施。中间件把一组应用系统需要的核心服务放在一个标准的、无所不在的容器中。这种通用的服务品简化了应用系统的开发，提供了系统的鲁棒性和交互操作性，减少了许多重复的工作，并在各方面提高效率。

计算基础设施的关键组件图

虽然这里把中间件分为三个服务和工具类型，但是还有一些其他传统的方法划分中间件的空间。另外，有些组件（例如，安全、语义、来源等）实际上横跨在所有三个分类。

网格服务和资源管理中间件：该中间件包括一个公开网格服务设施OGS（Open Grid Services Infrastructure），提供网格数据和计算资源之间的以及使用这些资源高端应用服务之间的存取、通信、安全、认证、记账和协调服务。计算和数据网格依赖网格服务中间件，因而又称该层为资源管理中间件（Resource Management Middleware）。

知识管理中间件：该中间件提供了大量的服务和工具，以实现对各种类型的大型数据仓库和视频信息存储仓库的索引、归档、查询、分析、集成、管理和表示等。这些工具可以实现对多学科的数据集的整合和自动索引，并且实现交互式分析、建模和可视化。工具还可以挖掘、获取和发布新层次的知识，共享新的注释。

协同中间件：该中间件提供服务和工具以支持形式和非形式化的，实时和非实时的协同活动，这些活动可能出现在远程科学家之间、研究机构之间或资源（动态，可扩展的虚拟组织）之间。表4列出了这些中间件的基本功能，它们是该研究项目典型需要集成和需要研发的。

表4

续表

6 结论

地球系统科学的发展在经济社会可持续发展中占有重要地位。

地球系统科学的研究需要应用大型科学仪器设备和超大规模计算设施，处理PB、TB级地质空间数据集。

现代地球系统科学研究涉及大量的多学科和交叉学科的问题求解，因此需要一个协同多学科资源共享平台和使用该平台的技术标准和规范。

地球系统科学的研究不应是一个孤立的行为，应与世界联合共同研究，该资源共享平台可以参与世界e-Research和Geo Grid网格建设中去。

我国地球系统科学基础研究的超级计算设施较差，特别是大学里，需要加大投入和整合我们的基础研究资源。

建立以地球科学超级计算和地质空间数据处理为目的的基础研究平台。

实现地球科学基础研究为目的的多学科资源共享环境和地学网格计算环境。

开展超级并行计算、分布式协同处理、多学科资源共享的中间件研发以及相关的应用基础研究。

为参加更大规模的国家乃至世界级科学研究网格计算（e-Research Grid R＆D）奠定基础。

参考文献

汪品先，赵鹏大，丑纪范，李德仁，殷鸿福.2003.从落实可持续发展战略看中国地球科学教育的未来.教育部科学技术委员会专家建议，第11期（总第25期）

龚建华，林珲.2001.虚拟地理环境——在线虚拟现实的地理学透视.当代科学前沿论丛.北京：高等教育出版社

江斌，黄波，陆锋.2002.GIS环境下的空间分析和地学视觉化.当代科学前沿论丛.北京：高等教育出版社

邬建国.2000.景观生态学——格局、过程、尺度与等级.当代科学前沿论丛.北京：高等教育出版社

浦端良，宫鹏.2000.高光谱遥感及其应用.当代科学前沿论丛.北京：高等教育出版社

张有学，尹安.2002.地球的结构、演化和动力学.当代科学前沿论丛.北京：高等教育出版社

陈长胜.2003.海洋生态系统动力学与模型.当代科学前沿论丛.北京：高等教育出版社

L.Foster，C.Kesselman.2005.网格计算（英文版）.北京：机械工业出版社

A.Grama，A.Gupta，G.Karypis and V.Kumar（张武等译）.2005.并行计算导论.北京：机械工业出版社

J.Duato，S.Yalamanchili and L.Ni（张民选等译）.2004.并行计算机互联网络技术——一种工程方法.北京：电子工业出版社

G.Tel（霍红卫译）.2004.分布式算法导论.北京：机械工业出版社

W.Stallings（齐望东等译）.2003.高速网络与互联网——性能与服务质量.北京：电子工业出版社

R.Buyya（郑纬民等译）.2001.高性能集群计算——结构与系统.北京：电子工业出版社

R.Buyya（郑纬民等译）.2001.高性能集群计算——编程与应用.北京：电子工业出版社

Ⅲ 胡凯教授的《分布式计算系统导论》怎么样

国家级“十一五”规划权威教材，获北航2016年教材一等奖，已被十余所重点大学教材采用

Ⅳ 大数据时代 无处不在的算法应用

大数据时代 无处不在的算法应用
能不能讲讲算法在工作中的运用?你个人学习算法的过程是怎样的?我对算法还是有点怕。除此之外，你认为大学是应该多花时间学应用技术还是理论知识呢?
今天就来聊聊我自己学习算法的过程，以及算法在实际工作中的应用。
以前，我们认为大数据总是优于好算法。也就是说，只要数据量足够大，即使算法没有那么好，也会产生好的结果。
前一阵子“极客时间” App 发布了一条极客新闻：“算法比数据更重要，AlphaGo Zero 完胜旧版。”新闻的内容是谷歌人工智能团队 DeepMind 发布了新版的 AlphaGo 计算机程序，名为 AlphaGo Zero。这款软件能够从空白状态开始，不需要人类输入任何命令，便可以迅速自学围棋，并以 100 比 0 的战绩击败了上一代 AlphaGo。
AlphaGo Zero 最大的突破在于实现了“白板理论”。白板理论认为：婴儿是一块白板，可以通过后天学习和训练来提高智力。AI 的先驱图灵认为，只要能用机器制造一个类似于小孩的 AI，然后加以训练，就能得到一个近似成人智力，甚至超越人类智力的 AI。
自学成才的 AlphaGo Zero 正是实现了这一理论。AlphaGo 的首席研究员大卫·席尔瓦(David Silver)认为，从 AlphaGo Zero 中可以发现，算法比所谓的计算或数据量更为重要。事实上，AlphaGo Zero 使用的计算要比过去的版本少一个数量级，但是因为使用了更多原理和算法，它的性能反而更加强大。
由此可见，在大数据时代，算法的重要性日渐明晰。一个合格的程序员，必须掌握算法。
我不知道大家是怎样一步步开始精通算法和数据结构的。大二时，我第一次接触到了《数据结构》，因为从来没有过这方面的思维训练，当时的我学习这门课比较费力。那时候接触到的编程比较少，所以并没有很多实际经验让我欣赏和体味：一个好的数据结构和算法设计到底 “美” 在哪里。
开始学习的时候，我甚至有点死记硬背的感觉，我并不知道 “如果不这样设计”，实际上会出现哪些问题。各种时间和空间复杂度对我而言，也仅仅是一些不能融入到实际问题的数学游戏。至于“每种最坏情况、平均情况的时间空间复杂度与各种排序”，这些内容为什么那么重要，当时我想，可能因为考试会考吧。
没想到后来的时日，我又与算法重新结缘。可能是因为莱斯大学给的奖学金太高了，所以每个研究生需要无偿当五个学期的助教 。好巧不巧，我又被算法老师两次挑中当助教。所以，在命运强制下，一本《算法导论》就这样被我前前后后仔细学习了不下四遍。这样的结果是，我基本做过整本书的习题，有些还不止做了一遍。我学习算法的过程，就是反复阅读《算法导论》的过程。
那么，学习算法到底有什么用处呢?
首先，算法是面试的敲门砖国内的情况我不太清楚，但就硅谷的 IT 公司而言，不但电话面试偏算法，现场面试至少有两轮都是考算法和编程的。
大一些老一些的公司，像谷歌、Facebook、领英、Dropbox 等，都是直接在白板上写程序。小一些新一些的公司，如 Square、Airbnb 等，都是需要现场上机写出可运行的程序。Twitter、Uber 等公司则是白板上机兼备，视情况而定。
虽说还有其它考系统设计等部分，但如果算法没有打好基础，第一关就很难过，而且算法要熟悉到能够现场短时间内写出正解，所以很多人准备面试前都需要刷题。
有一次我当面试官，电话面试另外一个人，当时是用 Codepad 共享的方式，让对方写一个可运行的正则表达式解析器。45 分钟过去了，对方并没有写出来。我就例行公事地问：“你还有什么问题想问或者想了解么?” 对方估计因为写不出程序很有挫败感，就反问：“你们平时工作难道就是天天写正则表达式的解析器么?”
一瞬间，我竟无言以对。想了想，我回复说：“不用天天写。那我再给你 15 分钟，你证明给我看你还会什么，或者有什么理由让我给你进一步面试的机会?” 对方想了一会，默默挂掉了电话。
老实说，我对目前面试中偏重算法的程度是持保留意见的。算法题答得好，并不能说明你有多牛。牛人也有因为不愿刷题而马失前蹄的时候。但是除了算法测试，显然也没有更好的方法佐证候选人的实力;然而怎样才能最优化面试流程，这也是个讨论起来没完的话题，并且每次讨论必定无果而终。
其次，编程时用到的更多是算法思想，而不是写具体的算法说到实际工作中真正需要使用算法的机会，让我想一想 —— 这个范围应该在 10% 的附近游走。
有些朋友在工作中遇到算法场景多些，有的少些。更多的时候，是对业务逻辑的理解，对程序语言各种特性的熟练使用，对代码风格和模式的把握，各种同步异步的处理，包括代码测试、系统部署是否正规化等等。需要设计甚至实现一个算法的机会确实很少，即使用到，现学可能都来得及。
但是熟悉基本算法的好处在于：如果工作需要读的一段代码中包含一些基本算法思想，你会比不懂算法的人理解代码含义更快。读到一段烂代码，你知道为什么烂，烂在哪，怎么去优化。
当真的需要在程序中设计算法的时候，熟悉算法的你会给出一个更为完备的方案，对程序中出现的算法或比较复杂的时间复杂度问题你会更有敏感性。熟悉算法你还可以成为一个更优秀的面试官，可以和别的工程师聊天时候不被鄙视。
最后，不精通算法的工程师永远不是好工程师当然，除了算法导论中那些已成为经典的基本算法以及算法思想(Divide-and-conquer，Dynamic programming)等，其实我们每天接触到的各种技术中，算法无处不在。
就拿人人都会接触的存储为例吧，各种不同的数据库或者键值存储的实现，就会涉及各种分片(Sharding)算法、缓存失败(Cache Invalidation)算法、 锁定(Locking)算法，包括各种容错算法(多复制的同步算法)。 虽然说平时不太会去写这些算法 —— 除非你恰恰是做数据库实现的 —— 但是真正做到了解这项技术的算法细节和实现细节，无论对于技术选型还是对自己程序的整体性能评估都是至关重要的。
举个例子，当你在系统里需要一个键值存储方案的时候，面对可供选择的各种备选方案，到底应该选择哪一种呢?
永远没有一种方案在所有方面都是最佳的。就拿 Facebook 开源的 RocksDB 来说吧。了解它历史的人都知道，RocksDB 是构建在 LevelDB 之上的，可以在多 CPU 服务器上高效运行的一种键值存储。而 LevelDB 又是基于谷歌的 BigTable 数据库系统概念设计的。
早在 2004 年，谷歌开始开发 BigTable，其代码大量的依赖谷歌内部的代码库，虽然 BigTable 很牛，却因此无法开源。2011 年，谷歌的杰夫·迪恩和桑杰·格玛沃尔特开始基于 BigTable 的思想，重新开发一个开源的类似系统，并保证做到不用任何谷歌的代码库，于是就有了 LevelDB。这样一个键值存储的实现也用在了谷歌浏览器的 IndexedDB 中，对于谷歌浏览器的开源也提供了一定的支持。
我曾经在文章中提到过 CockroachDB，其实又可以看作是基于 RocksDB 之上的一个分布式实现。从另一个层面上讲，CockroachDB 又可以说是 Spanner 的一个开源实现。知道这些，就知道这些数据库或键值存储其实都同出一系。再来看看 LevelDB 底层的 SSTable 算法，就知道他们都是针对高吞吐量(high throughput)，顺序读 / 写工作负载(sequential read/write workloads)有效的存储系统。
当然，一个系统里除了最基本的算法，很多的实现细节和系统架构都会对性能及应用有很大的影响。然而，对算法本身的理解和把握，永远是深入了解系统不可或缺的一环。
类似的例子还有很多，比如日志分析、打车软件的调度算法。
拿我比较熟悉的支付领域来说吧，比如信用卡 BIN 参数的压缩，从服务端到移动 App 的数据传输，为了让传输数据足够小，需要对数据进行压缩编码。
每个国家，比如中国、韩国、墨西哥信用卡前缀格式都不一样，如何尽量压缩同时又不会太复杂，以至于影响移动 App 端的代码复杂度，甚至形成 Bug 等，也需要对各种相关算法有详尽地了解，才有可能做出最优的方案。
关于算法我们来总结一下：
在大数据时代，数据和算法都同等重要，甚至算法比计算能力或数据量更为重要。
如何学习算法呢?读经典着作、做题，然后在实践中阅读和使用算法。
算法是面试的敲门砖，可以帮助你得到一份自己喜欢的工作。
写程序中用到的更多是算法思想，不是写具体的算法。
不精通算法的工程师永远不会是一个优秀的工程师，只有对各种相关算法有详尽理解，才有可能做出最优的方案。

Ⅳ 大学本科计算机专业课程有哪些(软件开发)

1. 计算机底层
这实际上就是兵哥哥说的《计算机组成原理》，我推荐的书是《深入理解计算机系统》，1000%的会比你的课本给你更多的东西。不管是写程序做软件还是搞科研发论文，不对底层有一个清晰的认识，你的整个前进道路都是模糊不清的。而只对体系结构的了解是远远不够的，深挖才是归途，为什么现在很多解析内存CPU技术的博文博客火呢？因为大家都忽略啊！又因为大家都知道这是多么有用啊！不做底层的分析，你怎么去精准的定位问题呢？怎么去写出切合真实计算逻辑的简单而又高效的优秀代码呢？别闹了。我同意一个观点——读优秀的代码，从OS开始。读这些就是你学习认知底层的过程，就是在站在巨人肩膀上远眺的历程。

2. 数学
过硬的数学功底使得你能看到一些新技术的出现而不茫然，看到的旧的技术能快速的跟进上手。这就是所谓“知识”和“技能”的关系，将工具运用到纯熟的地步，你会发现别人遇到的很多问题在你这里都不是问题了，看起论文来也得心应手啦，这就是潜移默化和下意识的作用。

3. C/C++
排在第三位是因为我觉得不是极其重要了。当然，c语言是基本功我就不在赘述。
一门语言对你的作用是认识到计算机的“思考方式”与人类的不同，想要更加精确简单（KISS原则）的实现自己的想法，就要按照这个逻辑思路去执行。而选择C语言是因为它是成熟的，是最为值得探究的语言，也是你今后可能进入Unix，Linux，嵌入式，甚至于IOS方向的基石。

4. 算法设计
依托数学的知识，在算法上的成绩应该不会太次。《算法导论》是要看的没错。如果时间少的话，《编程珠玑》《编程之美》《APUE》，这些书是要接触的。

5. 英语/(日语)
不得不承认美帝和倭寇就是比我们先进。
学习英语的好处不言而喻，打破这层壁垒就会让你感受到真正的世界的样子，去那些纯英文的编程网站，BBS，讨论组，个人博客，增长见识的同时是你在逐步的认清这个世界，知道外面的人在做什么在想什么，现如今的潮流是什么（为什么不提媒体我觉得你应该懂得），更进一步你未来的发展方向是什么，是否和大环境有冲突，这是你这一生究竟能达到多大成就的一个很重要的潜在因素，也是为你今后走出校园做一些非常必要的知识储备和心理预备役。
日语的问题，是在英语之后的一个可选项，IT方面的日企非常多，待遇也非常好，我们怀抱着“师夷长技”的心态去学习就好了。

Ⅵ 编程入门

想快速开发一些小软件.可以学vb.net
还有delphi
RAD开发的两种.
然后再是
c#.java.c++.
这几种是现在比较流行的!!
计算机语言的种类非常的多，总的来说可以分成机器语言，汇编语言，高级语言三大类。

学习编程，从何入手

如果您想学习编程，却又不知从何入手，那么您不妨看看下面的几种学习方案，可能会给您一些启示吧！
==============================================
方案一 Basic语言 & Visual Basic

优点
（1）Basic 简单易学，很容易上手。
（2）Visual Basic 提供了强大的可视化编程能力，可以让你轻松地做出漂亮的程序。
（3）众多的控件让编程变得象垒积木一样简单。
（4）Visual Basic 的全部汉化让我们这些见了English就头大的人喜不自禁。

缺点
（1）Visual Basic 不是真正的面向对象的开发文具。
（2）Visual Basic 的数据类型太少，而且不支持指针，这使得它的表达能力很有限。
（3）Visual Basic 不是真正的编译型语言，它产生的最终代码不是可执行的，是一种伪代码。它需要一个动态链接库去解释执行，这使得Visual Basic 的编译速度大大变慢。

综述：方案一适合初涉编程的朋友，它对学习者的要求不高，几乎每个人都可以在一个比较短的时间里学会vB编程，并用VB 做出自己的作品。对于那些把编程当做游戏的朋友来说，VB 是您最佳的选择。

Basic/Visual Basic简介
==============================================
方案二 Pascal语言 & Delphi

优点
（1）Pascal语言结构严谨，可以很好地培养一个人的编程思想。
（2）Delphi是一门真正的面向对象的开发工具，并且是完全的可视化。
（3）Delphi使用了真编译，可以让你的代码编译成为可执行的文件，而且编译速度非常快。
（4）Delphi具有强大的数据库开发能力，可以让你轻松地开发数据库。

缺点
Delphi几乎可以说是完美的，只是Pascal语言的过于严谨让人感觉有点烦。

综述: 方案二比较适合那些具有一定编程基础并且学过Pascal语言的朋友。

Pascal语言简介
Delphi简介
==============================================
方案三 C语言 & Visual C++

优点
（1）C语言灵活性好，效率高，可以接触到软件开发比较底层的东西。
（2）微软的MFC库博大精深，学会它可以让随心所欲地进行编程。
（3）VC是微软制作的产品，与操作系统的结合更加紧密。

缺点
对使用者的要求比较高，既要具备丰富的C语言编程经验，又要具有一定的WINDOWS编程基础，它的过于专业使得一般的编程爱好者学习起来会有不小的困难。

综述: VC是程序员用的东西。如果你是一个永不满足的人，而且可以在编程上投入很大的精力和时间，那么学习VC你一定不会后悔的。

==============================================
方案四 C++语言 & C++ Builder

优点
（1）C++语言的优点全部得以继承。
（2）完全的可是化。
（3）极强的兼容性，支持OWL、VCL和MFC三大类库。
（4）编译速度非常快。

缺点
由于推出的时间太短，关于它的各种资料还不太多。

综述：我认为C++ Builder 是最好的编程工具。它既保持了C++语言编程的优点，又做到了完全的可视化。

==============================================
方案五 SQL语言 & Power Builder

对于一些传统的数据开发人员来说，Foxpro系列也许让他们感到更加熟悉。但是对于初学者来说，PowerBuilder也许是最好的数据库开发工具。各种各样的控件，功能强大的PowerBuilder语言都会帮助你开发出自己的数据库应用程序。

[NextPage]
JSP简介

在Sun正式发布JSP(Java Server Pages)之后，这种新的Web应用开发技术很快引起了人们的关注。JSP为创建高度动态的Web应用提供了一个独特的开发环境。按照 Sun 的说法，JSP能够适应市场上包括Apache WebServer 、IIS4.0在内的85%的服务器产品。

JSP与ASP的简单比较

JSP与Microsoft的ASP技术非常相似。两者都提供在HTML代码中混合某种程序代码、由语言引擎解释执行程序代码的能力。在ASP或JSP环境下，HTML代码主要负责描述信息的显示样式，而程序代码则用来描述处理逻辑。普通的HTML页面只依赖于Web服务器，而ASP和JSP页面需要附加的语言引擎分析和执行程序代码。程序代码的执行结果被重新嵌入到HTML代码中，然后一起发送给浏览器。ASP和JSP都是面向Web服务器的技术，客户端浏览器不需要任何附加的软件支持。

ASP的编程语言是VBScript之类的脚本语言，JSP使用的是Java，这是两者最明显的区别。

此外，ASP与JSP还有一个更为本质的区别：两种语言引擎用完全不同的方式处理页面中嵌入的程序代码。在ASP下，VBScript代码被ASP引擎解释执行；在JSP下，代码被编译成Servlet并由Java虚拟机执行，这种编译操作仅在对JSP页面的第一次请求时发生。

运行环境

执行 JSP 代码需要在服务器上安装 JSP 引擎。此处我们使用的是 Sun 的 JavaServer Web Development Kit （ JSWDK ）。为便于学习，这个软件包提供了大量可供修改的示例。安装 JSWDK 之后，只需执行 startserver 命令即可启动服务器。在默认配置下服务器在端口 8080 监听，使用 http://localhost:8080 即可打开缺省页面。

在运行 JSP 示例页面之前，请注意一下安装 JSWDK 的目录，特别是" work "子目录下的内容。执行示例页面时，可以在这里看到 JSP 页面如何被转换成 Java 源文件，然后又被编译成 class 文件（即 Servlet ）。 JSWDK 软件包中的示例页面分为两类，它们或者是 JSP 文件，或者是包含一个表单的 HTML 文件，这些表单均由 JSP 代码处理。与 ASP 一样， JSP 中的 Java 代码均在服务器端执行。因此，在浏览器中使用"查看源文件"菜单是无法看到 JSP 源代码的，只能看到结果 HTML 代码。所有示例的源代码均通过一个单独的" examples "页面提供。

Java Servlet是一种开发Web应用的理想构架。 JSP以Servlet技术为基础，又在许多方面作了改进。JSP页面看起来象普通HTML页面，但它允许嵌入执行代码，在这一点上，它和ASP技术非常相似。利用跨平台运行的JavaBean 组件，JSP为分离处理逻辑与显示样式提供了卓越的解决方案。JSP必将成为ASP技术的有力竞争者。

[NextPage]
SQL语言简介

SQL全称是“结构化查询语言(Structured Query Language)”，最早的是IBM的圣约瑟研究实验室为其关系数据库管理系统SYSTEM R开发的一种查询语言，它的前身是SQUARE语言。SQL语言结构简洁，功能强大，简单易学，所以自从IBM公司1981年推出以来，SQL语言，得到了广泛的应用。如今无论是像Oracle ,Sybase,Informix,SQL server这些大型的数据库管理系统，还是像Visual Foxporo,PowerBuilder这些微机上常用的数据库开发系统，都支持SQL语言作为查询语言。

Structured Query Language包含4个部分：

数据查询语言DQL-Data Query Language SELECT
数据操纵语言DQL-Data Manipulation Language INSERT, UPDATE, DELETE
数据定义语言DQL-Data Definition Language CREATE, ALTER, DROP
数据控制语言DQL-Data Control Language COMMIT WORK, ROLLBACK WORK

SQL的优点

SQL广泛地被采用正说明了它的优点。它使全部用户，包括应用程序员、DBA管理员和终端用户受益非浅。

(1) 非过程化语言

SQL是一个非过程化的语言，因为它一次处理一个记录，对数据提供自动导航。SQL允许用户在高层的数据结构上工作，而不对单个记录进行操作，可操作记录集。所有SQL 语句接受集合作为输入，返回集合作为输出。SQL的集合特性允许一条SQL语句的结果作为另一条SQL语句的输入。 SQL不要求用户指定对数据的存放方法。 这种特性使用户更易集中精力于要得到的结果。所有SQL语句使用查询优化器，它是RDBMS的一部分，由它决定对指定数据存取的最快速度的手段。查询优化器知道存在什么索引，哪儿使用合适，而用户从不需要知道表是否有索引，表有什么类型的索引。

(2) 统一的语言

SQL可用于所有用户的DB活动模型，包括系统管理员、数据库管理员、 应用程序员、决策支持系统人员及许多其它类型的终端用户。基本的SQL 命令只需很少时间就能学会，最高级的命令在几天内便可掌握。 SQL为许多任务提供了命令，包括：

● 查询数据
● 在表中插入、修改和删除记录
● 建立、修改和删除数据对象
● 控制对数据和数据对象的存取
● 保证数据库一致性和完整性

以前的数据库管理系统为上述各类操作提供单独的语言，而SQL 将全部任务统一在一种语言中。

(3) 是所有关系数据库的公共语言

由于所有主要的关系数据库管理系统都支持SQL语言，用户可将使用SQL的技能从一个RDBMS转到另一个。所有用SQL编写的程序都是可以移植的。

[NextPage]
Java语言简介

一. Java的由来

当1995年SUN推出Java语言之后，全世界的目光都被这个神奇的语言所吸引。那么Java到底有何神奇之处呢？

Java语言其实最是诞生于1991年，起初被称为OAK语言，是SUN公司为一些消费性电子产品而设计的一个通用环境。他们最初的目的只是为了开发一种独立于平台的软件技术，而且在网络出现之前，OAK可以说是默默无闻，甚至差点夭折。但是，网络的出现改变了OAK的命运。

在Java出现以前。Internet上的信息内容都是一些乏味死板的HTML文档。这对于那些迷恋于WEB浏览的人们来说简直不可容忍。他们迫切希望能在WEN中看到一些交互式的内容，开发人员也极希望能够在WEB上创建一类无需考虑软硬件平台就可以执行的应用程序，当然这些程序还要有极大的安全保障。对于用户的这种要求，传统的编程语言显得无能为力，面SUN的工程师敏锐地察觉到了这一点，从1994年起，他们开始将OAK技术应用于WEB上，并且开发出了HotJava的第一个版本。当SUN公司1995年正式以Java这个名字推出的时候，几乎所有的WEB开发人员都想到：噢，这正是我想要的。于是Java成了一颗耀眼的明星，丑小鸭一下了变成了白天鹅。

二. Java的定义

Java是一种简单的，面象对象的，分布式的，解释的，键壮的安全的，结构的中立的，可移植的，性能很优异的多线程的，动态的语言。

Java的开发环境有不同的版本，如sun公司的Java Developers Kit， 简称 JDK。后来微软公司推出了支持Java规范的Microsoft Visual J++ Java开发环境，简称 VJ++。

三. Java的特点

1. 平台无关性

平台无关性是指Java能运行于不同的平台。Java引进虚拟机 原理，并运行于虚拟机，实现不同平台的Java接口之间。使 用Java编写的程序能在世界范围内共享。Java的数据类型与 机器无关，Java虚拟机（Java Virtual Machine）是建立在 硬件和操作系统之上，实现Java二进制代码的解释执行功能， 提供于不同平台的接口的。

2. 安全性

Java的编程类似C++,学习过C++的读者将很快掌握Java的精 髓。Java舍弃了C++的指针对存储器地址的直接操作，程序 运行时，内存由操作系统分配，这样可以避免病毒通过指 针侵入系统。Java对程序提供了安全管理器，防止程序的 非法访问。

3. 面向对象

Java 吸取了C++面向对象的概念,将数据封装于类中,利用类 的优点,实现了程序的简洁性和便于维护性。类的封装性、 继承性等有关对象的特性，使程序代码只需一次编译，然后 通过上述特性反复利用。程序员只需把主要精力用在类和接 口的设计和应用上。Java 提供了众多的一般对象的类，通 过继承即可使用父类的方法。在 Java 中，类的继承关系是单一的非多重的，一个子类 只有一个父类，子类的父类又有一个父类。Java 提供的 Object 类及其子类的继承关系如同一棵倒立的树形，根类 为 Object 类， Object 类功能强大，经常会使用到它及其 它派生的子类。

4. 分布式

Java建立在扩展TCP/IP网络平台上。库函数提供了用HTTP和FTP协议传送和接受信息的方法。这使得程序员使用网络上的文件和使用本机文件一样容易。

5. 键壮性

Java致力于检查程序在编译和运行时的错误。类型检查帮助检查出许多开发早期出现的错误。Java自已操纵内存减少了内存出错的可能性。Java还实现了真数组，避免了覆盖数据的可能。这些功能特征大大提高了开发Java应用程序的周期。Java提供： Null指针检测、 数组边界检测、 异常出口、 Byte code校验。

[NextPage]
PowerBuilder简介

PowerBuilder的产生

PowerBuilder是美国着名的数据库应用开发工具生产厂商PowerSoft推出的成功产品，其第一版于1991年6月正式投入市场。它是完全按照客户/服务器体系结构研制设计的，采用面向对象技术，图形化的应用开发环境，是数据库的前端开发工具。

PowerBuilder的特点

它支持应用系统同时访问多种数据库，其中既包括Oracel,Sybase之类的大型数据库，又包括FOXPRO之类支持ODBC接口的小型数据库，PowerBuilder是完全可视化的数据库开发工具，它提供了大量的控件，大大加快了项目的开发速度，也使开发者更容易掌握数据库的开发。

它使用的编程语言叫做工PowerScripr，它也是一种高级的，结构化的编程语言。PowerScript提供了一套完整的嵌入式SQL语句，开发人员可以像使用其它语句一样自由地使用SQL语言，这样就大大增强了程序操纵和访问数据库的能力。可以说PowerBuilder既适合初学者快速学习数据库的开发，又可以让有经验的开发人员开发出功能强大的数据库，是一种适用面非常广的开发工具。

PowerBuilder是一个用来进行客户/服务器开发的完全的可视化开发环境。使用PowerBuilder,你可以用一种可视的直观的方式来创建应用程序的用户界面和数据库接口。这是一个总的概念，实际上是开发人员使用PowerBuilder去开发应用程序，由于所开发的各种应用程序充分利用了图形用户接口(GUI)的优点，所以PowerBuilder被认为是一个图形工具。

在客户／服务器结构的应用中，PowerBuilder具有描述多个数据库连接与检索的能力。特别是PowerBuilder能从大多数流行的RDBMS中存取数据，且不管数据存放在什麽地方；另外，各种应用程序又可以独立于RDBMS,因为PowerBuilder可以使用数据库的标准操作语言SQL(结构化查询语言）进行。

使用PowerBuilder，可以很容易地开发出功能强大的图形界面的访问服务器数据库的应用程序，PowerBuilder提供了建立符合工业标准的应用程序（例如订单登记、会计及制造系统）所需的所有工具。

PowerBuilder应用程序由窗口组成，这些窗口包含用户与之交互的控件。开发人员可以使用所有标准空间（如按钮、复选框、下拉式列表框或编辑框）以及PowerBuilder提供的特殊的使应用程序更易于开发和使用的控件。

通常人们把PowerBuilder看成是一种开发工具，实际上它比其他工具强得多，是一种强有力的开发环境。开发人员不仅能用它来开发用户容易使用的各种应用程序还可以通过PowerBuilder修改数据库，利用400多个内部定义函数，可以开发能和其他应用程序进行的各种应用程序。

PowerBuilder正在成为客户／服务器应用开发的标准。相对于其他任何客户／服务器开发环境，PowerBuilder使开发人员的工作更快、成本更低、质量更高、功能更强。

PowerBuilder为应用开发提供了全面综合性的支持，可以分别概括为如下几点：

事件驱动的应用程序
功能强大的编程语言与函数
面向对象的编程
跨平台开发
开放的数据库连结系统

PowerBuilder开发环境

PowerBuilder开发环境由一系列集成的图形画板(Painter)组成，应用开发人员通过简单的鼠标操作即可设计、建立、交互检验和测试客户／服务器应用程序。

Ⅶ 计算机专业学算法的都学些什么算法，有什么书可以看的学的话需要些什么基础的

计算机算法非常多的
A*搜寻算法
俗称A星算法。这是一种在图形平面上，有多个节点的路径，求出最低通过成本的算法。常用于游戏中的NPC的移动计算，或线上游戏的BOT的移动计算上。该算法像Dijkstra算法一样，可以找到一条最短路径；也像BFS一样，进行启发式的搜索。
Beam Search
束搜索(beam search)方法是解决优化问题的一种启发式方法，它是在分枝定界方法基础上发展起来的，它使用启发式方法估计k个最好的路径，仅从这k个路径出发向下搜索，即每一层只有满意的结点会被保留，其它的结点则被永久抛弃，从而比分枝定界法能大大节省运行时间。束搜索于20 世纪70年代中期首先被应用于人工智能领域,1976 年Lowerre在其称为HARPY的语音识别系统中第一次使用了束搜索方法。他的目标是并行地搜索几个潜在的最优决策路径以减少回溯，并快速地获得一个解。
二分取中查找算法
一种在有序数组中查找某一特定元素的搜索算法。搜索过程从数组的中间元素开始，如果中间元素正好是要查找的元素，则搜索过程结束；如果某一特定元素大于或者小于中间元素，则在数组大于或小于中间元素的那一半中查找，而且跟开始一样从中间元素开始比较。这种搜索算法每一次比较都使搜索范围缩小一半。
Branch and bound
分支定界(branch and bound)算法是一种在问题的解空间树上搜索问题的解的方法。但与回溯算法不同，分支定界算法采用广度优先或最小耗费优先的方法搜索解空间树，并且，在分支定界算法中，每一个活结点只有一次机会成为扩展结点。
数据压缩
数据压缩是通过减少计算机中所存储数据或者通信传播中数据的冗余度，达到增大数据密度，最终使数据的存储空间减少的技术。数据压缩在文件存储和分布式系统领域有着十分广泛的应用。数据压缩也代表着尺寸媒介容量的增大和网络带宽的扩展。
Diffie–Hellman密钥协商
Diffie–Hellman key exchange，简称“D–H”，是一种安全协议。它可以让双方在完全没有对方任何预先信息的条件下通过不安全信道建立起一个密钥。这个密钥可以在后续的通讯中作为对称密钥来加密通讯内容。
Dijkstra’s 算法
迪科斯彻算法（Dijkstra）是由荷兰计算机科学家艾兹格·迪科斯彻（Edsger Wybe Dijkstra）发明的。算法解决的是有向图中单个源点到其他顶点的最短路径问题。举例来说，如果图中的顶点表示城市，而边上的权重表示着城市间开车行经的距离，迪科斯彻算法可以用来找到两个城市之间的最短路径。
动态规划
动态规划是一种在数学和计算机科学中使用的，用于求解包含重叠子问题的最优化问题的方法。其基本思想是，将原问题分解为相似的子问题，在求解的过程中通过子问题的解求出原问题的解。动态规划的思想是多种算法的基础，被广泛应用于计算机科学和工程领域。比较着名的应用实例有：求解最短路径问题，背包问题，项目管理，网络流优化等。这里也有一篇文章说得比较详细。
欧几里得算法
在数学中，辗转相除法，又称欧几里得算法，是求最大公约数的算法。辗转相除法首次出现于欧几里得的《几何原本》（第VII卷，命题i和ii）中，而在中国则可以追溯至东汉出现的《九章算术》。
最大期望（EM）算法
在统计计算中，最大期望（EM）算法是在概率（probabilistic）模型中寻找参数最大似然估计的算法，其中概率模型依赖于无法观测的隐藏变量（Latent Variable）。最大期望经常用在机器学习和计算机视觉的数据聚类（Data Clustering）领域。最大期望算法经过两个步骤交替进行计算，第一步是计算期望（E），利用对隐藏变量的现有估计值，计算其最大似然估计值；第二步是最大化（M），最大化在 E 步上求得的最大似然值来计算参数的值。M 步上找到的参数估计值被用于下一个 E 步计算中，这个过程不断交替进行。
快速傅里叶变换(FFT)
快速傅里叶变换（Fast Fourier Transform，FFT），是离散傅里叶变换的快速算法，也可用于计算离散傅里叶变换的逆变换。快速傅里叶变换有广泛的应用，如数字信号处理、计算大整数乘法、求解偏微分方程等等。
哈希函数
HashFunction是一种从任何一种数据中创建小的数字“指纹”的方法。该函数将数据打乱混合，重新创建一个叫做散列值的指纹。散列值通常用来代表一个短的随机字母和数字组成的字符串。好的散列函数在输入域中很少出现散列冲突。在散列表和数据处理中，不抑制冲突来区别数据，会使得数据库记录更难找到。
堆排序
Heapsort是指利用堆积树（堆）这种数据结构所设计的一种排序算法。堆积树是一个近似完全二叉树的结构，并同时满足堆积属性：即子结点的键值或索引总是小于（或者大于）它的父结点。
归并排序
Merge sort是建立在归并操作上的一种有效的排序算法。该算法是采用分治法（Divide and Conquer）的一个非常典型的应用。
RANSAC 算法
RANSAC 是”RANdom SAmpleConsensus”的缩写。该算法是用于从一组观测数据中估计数学模型参数的迭代方法，由Fischler and Bolles在1981提出，它是一种非确定性算法，因为它只能以一定的概率得到合理的结果，随着迭代次数的增加，这种概率是增加的。该算法的基本假设是观测数据集中存在”inliers”（那些对模型参数估计起到支持作用的点）和”outliers”（不符合模型的点），并且这组观测数据受到噪声影响。RANSAC 假设给定一组”inliers”数据就能够得到最优的符合这组点的模型。
RSA加密算法
这是一个公钥加密算法，也是世界上第一个适合用来做签名的算法。今天的RSA已经专利失效，其被广泛地用于电子商务加密，大家都相信，只要密钥足够长，这个算法就会是安全的。
并查集Union-find
并查集是一种树型的数据结构，用于处理一些不相交集合（Disjoint Sets）的合并及查询问题。常常在使用中以森林来表示。
Viterbi algorithm
寻找最可能的隐藏状态序列(Finding most probable sequence of hidden states)。

Ⅷ 分布式算法导论的内容简介

本书详细介绍了分布式算法及其理论，结合大量定理、引理、命题等的证明，讨论了点到点消息传递模型上的算法、计算机通信网络中实现的算法，重点是分布式应用的控制算法(如波动算法、广播算法、选举算法、同步系统算法等)，还涉及了利用分布式算法实现容错计算、方向侦听和故障检测器等方面的内容。本书条理清晰、深入浅出，适合作为大学本科高年级和研究生的分布式算法课程的教材和参考书，对于具有实践经验的专业人员也大有帮助。

Ⅸ 大学软件工程专业教材都有哪些

1、《编译原理》

教材:《编译原理》, Alfred V. Aho, Jeffrey D.,ullman着,李建中,姜守旭 译.

2、《解释器构造》

教材:《编译原理》, Alfred V. Aho, Jeffrey D.,ullman着,李建中,姜守旭 译.

3、《计算机导论》

辅助教材：

《计算机文化》(New Perspective of Computer Science, 6th Edition)，电子工业出版社，(美)帕森斯(Parsons J.J)，2004

或《计算机文化》(New Perspective of Computer Science, 8th Edition), 电子工业出版社，(美)帕森斯(Parsons J.J)，2005

(9)分布式算法导论扩展阅读：

软件工程专业的主干课程：

1、主干学科：马克思主义理论、大学外语、高等数学、大学物理、物理实验、线性代数、概率论与数理统计、程序设计语言、数据结构、离散数学、操作系统、编译技术、软件工程概论、统一建模语言、软件体系结构、软件需求、软件项目管理

2、该专业除了学习公共基础课外，还将系统学习离散数学、数据结构、算法分析、面向对象程序设计、现代操作系统、数据库原理与实现技术、编译原理、软件工程、软件项目管理、计算机安全等课程，根据学生的兴趣还可以选修一些其它选修课。

3、实践环节：毕业实习、课程设计、计算机工程实践、生产实习、毕业设计。

参考资料来源：网络—软件工程专业

Ⅹ 分布式算法导论的目录

第1章 导论：分布式系统
1．1 分布式系统的定义
1．1．1 动机
1．2 计算机网络
1．1．3 广域网络
1．1．4 局域网
1．1．5 多处理器计算机
1．1．6 协同操作进程
1．2 体系结构和语言
1．2．1 结构
1．2．2 0si参考模型
1．2．3 局域网络osi模型：ieee标准
1．2．4 语言支持
1．3 分布式算法
1．3．1 分布式算法与集中式算法
1．3．2 一个例子：单消息通信
1．3．3 研究领域
1．4 本书概要
第一部分 协 议
第2章 模型