常用的各种算法有哪些

来源：成都中公优就业IT培训机构时间：2020/7/8 14:36:18

　　以下是小编为大家整理IT培训知识点常用的各种算法有哪些的内容。

      1、A* 搜索算法——图形搜索算法，从给定起点到给定终点计算出路径。

       其中使用了一种启发式的估算，为每个节点估算通过该节点的较佳路径

      并以之为各个地点排定次序。算法以得到的次序访问这些节点。

      因此，A*搜索算法是较佳搜索的范例。

　　2、集束搜索(又名定向搜索，Beam Search)——较佳搜索算法的优化。

        使用启发式函数评估它检查的每个节点的能力。

       不过，集束搜索只能在每个深度中发现

      前面的m个符合条件的节点，m是固定数字——集束的宽度。

　　3、二分查找(Binary Search)——在线性数组中找特定值的算法

       每个步骤去掉一半不符合要求的数据。

　　4、分支界定算法(Branch and Bound)——在多种优化问题中

      寻找特定优化解决方案的算法，特别是针对离散、组合的优化。

　　5、Buchberger算法——一种数学算法，可将其视为针对单变量较大公约数

      求解的欧几里得算法和线性系统中高斯消元法的泛化。

　　6、数据压缩——采取特定编码方案，使用更少的字节数

      (或是其他信息承载单元)对信息编码的过程，又叫来源编码。

　　7、Diffie-Hellman密钥交换算法——一种加密协议，允许双方在事先不了解对方的情况下

       在不安全的通信信道中，共同建立共享密钥。

       该密钥以后可与一个对称密码一起，加密后续通讯。

　　8、Dijkstra算法——针对没有负值权重边的有向图，计算其中的单一起点短算法。

　　9、离散微分算法(Discrete differentiation)。

　　10、动态规划算法(Dynamic Programming)——展示互相覆盖的子问题和优子架构算法

　　11、欧几里得算法(Euclidean algorithm)——计算两个整数的较大公约数。

       古老的算法之一，出现在公元00前欧几里得的《几何原本》。

　　12、期望-较大算法(Expectation-maximization algorithm，又名EM-Training)——在统计计算中

       期望-较大算法在概率模型中寻找可能性较大的参数估算值，其中模型依赖于未发现的潜在变量。

       EM在两个步骤中交替计算，步是计算期望，利用对隐藏变量的现有估计值

       计算其较大可能估计值;第二步是较大化，较大化在步上求得的较大可能值来计算参数的值。

　　13、傅里叶变换(Fast Fourier transform，FFT)——计算离散的傅里叶变换(DFT)及其反转。

       该算法应用范围很广，从数字信号处理到解决偏微分方程，到计算大整数乘积。

　　14、梯度下降(Gradient descent)——一种数学上的优化算法。

　　15、哈希算法(Hashing)。

　　16、堆排序(Heaps)。

　　17、Karatsuba乘法——需要完成上千位整数的乘法的系统中使用

       比如计算机代数系统和大数程序库

       如果使用长乘法，速度太慢。该算法发现于1962年。

　　18、LLL算法(Lenstra-Lenstra-Lovasz lattice reduction)

      以格规约(lattice)基数为输入，输出短正交向量基数。

       LLL算法在以下公共密钥加密方法中有大量使用

      背包加密系统(knapsack)、有特定设置的RSA加密等等。

　　19、较大流量算法(Maximum flow)——该算法试图从一个流量网络中找到较大的流。

       它优势被定义为找到这样一个流的值。较大流问题可以看作更复杂的网络流问题的特定情况。

      较大流与网络中的界面有关，这就是较大流-小截定理(Max-flow min-cut theorem)。

      Ford-Fulkerson 能找到一个流网络中的较大流。

　　20、合并排序(Merge Sort)。

　　21、牛顿法(Newton's method)——求非线性方程(组)零点的一种重要的迭代法。

　　22、Q-learning学习算法

       这是一种通过学习动作值函数(action-value function)完成的强化学习算法

       函数采取在给定状态的给定动作，并计算出期望的效用价值，在此后遵循固定的策略。

      Q-leanring的优势是，在不需要环境模型的情况下，可以对比可采纳行动的期望效用。

　　23、两次筛法(Quadratic Sieve)——现代整数因子分解算法

      在实践中，是目前已知第二快的此类算法(仅次于数域筛法Number Field Sieve)。

      对于110位以下的十位整数，它仍是快的，而且都认为它比数域筛法更简单。

　　24、RANSAC——是“RANdom SAmple Consensus”的缩写。

      该算法根据一系列观察得到的数据，数据中包含异常值，估算一个数学模型的参数值。

      其基本假设是：数据包含非异化值，也就是能够通过某些模型参数解释的值

      异化值就是那些不符合模型的数据点。

　　25、RSA——公钥加密算法。较早的适用于以签名作为加密的算法。

      RSA在电商行业中仍大规模使用，大家也相信它有足够安全长度的公钥。

　　26、Schönhage-Strassen算法——在数学中

       Schönhage-Strassen算法是用来完成大整数的乘法的渐近算法。

       其算法复杂度为：O(N log(N) log(log(N)))，该算法使用了傅里叶变换。

　　27、单纯型算法(Simplex Algorithm)——在数学的优化理论中，单纯型算法是常用的技术

        用来找到线性规划问题的数值解。线性规划问题包括

       在一组实变量上的一系列线性不等式组，以及一个等待较大化(或小化)的固定线性函数。

　　28、奇异值分解(Singular value decomposition，简称SVD)——在线性代数中

      SVD是重要的实数或复数矩阵的分解方法，在信号处理和统计中有多种应用

     比如计算矩阵的伪逆矩阵(以求解小二乘法问题)

      解决超定线性系统(overdetermined linear systems)、矩阵逼近、数值天气预报等等。

　　29、求解线性方程组(Solving a system of linear equations)——线性方程组是数学中古老的问题

      它们有很多应用，比如在数字信号处理、线性规划中的估算和预测、数值分析中的非线性问题逼近等等。

      求解线性方程组，可以使用高斯—约当消去法(Gauss-Jordan elimination)

      或是柯列斯基分解( Cholesky decomposition)。

　　30、Strukturtensor算法——应用于模式识别领域，为所有像素找出一种计算方法

      看看该像素是否处于同质区域( homogenous region)，看看它是否属于边缘，还是是一个顶点。

　　31、合并查找算法(Union-find)——给定一组元素，该算法常常用来把这些元素分为多个分离的

      彼此不重合的组。不相交集(disjoint-set)的数据结构可以跟踪这样的切分方法。

      合并查找算法可以在此种数据结构上完成两个有用的操作：

　　查找：判断某特定元素属于哪个组。

　　合并：联合或合并两个组为一个组。

　　32、维特比算法(Viterbi algorithm)——寻找隐藏状态有可能序列的动态规划算法

     这种序列被称为维特比路径，其结果是一系列可以观察到的事件

     特别是在隐藏的Markov模型中。

尊重原创文章，转载请注明出处与链接：http://www.peixun360.com/3178/news/214060/违者必究！ 以上就是成都中公优就业IT培训机构 小编为您整理 常用的各种算法有哪些的全部内容。