什么程序需要算法

㈠ 什么是算法，它的五大特性是什么，算法和程序的关系是什么

算法（Algorithm）是指解题方案的准确而完整的描述，是一系列解决问题的清晰指令，算法代表着用系统的方法描述解决问题的策略机制。

一个算法应该具有以下五个重要的特征：

有穷性（Finiteness）
算法的有穷性是指算法必须能在执行有限个步骤之后终止；

确切性(Definiteness)
算法的每一步骤必须有确切的定义；

输入项(Input)
一个算法有0个或多个输入，以刻画运算对象的初始情况，所谓0个输入是指算法本身定出了初始条件；

输出项(Output)
一个算法有一个或多个输出，以反映对输入数据加工后的结果。没有输出的算法是毫无意义的；

可行性(Effectiveness)
算法中执行的任何计算步骤都是可以被分解为基本的可执行的操作步，即每个计算步都可以在有限时间内完成（也称之为有效性）。

算法和程序的关系是：

算法就是程序的灵魂，一个需要实现特定功能的程序，实现它的算法可以有很多种，所以算法的优劣决定着程序的好坏。

程序就是遵循一定规则的、为完成指定工作而编写的代码。有一个经典的等式阐明了什么叫程序：程序 = 算法 + 数据结构 + 程序设计方法 + 语言工具和环境 。

㈡ 程序员开发用到的十大基本算法

算法一：快速排序算法
快速排序是由东尼·霍尔所发展的一种排序算法。在平均状况下，排序 n 个项目要Ο(n log n)次比较。在最坏状况下则需要Ο(n2)次比较，但这种状况并不常见。事实上，快速排序通常明显比其他Ο(n log n) 算法更快，因为它的内部循环（inner loop）可以在大部分的架构上很有效率地被实现出来。

快速排序使用分治法（Divide and conquer）策略来把一个串行（list）分为两个子串行（sub-lists）。

算法步骤：
1 从数列中挑出一个元素，称为 “基准”（pivot），
2 重新排序数列，所有元素比基准值小的摆放在基准前面，所有元素比基准值大的摆在基准的后面（相同的数可以到任一边）。在这个分区退出之后，该基准就处于数列的中间位置。这个称为分区（partition）操作。
3 递归地（recursive）把小于基准值元素的子数列和大于基准值元素的子数列排序。

递归的最底部情形，是数列的大小是零或一，也就是永远都已经被排序好了。虽然一直递归下去，但是这个算法总会退出，因为在每次的迭代（iteration）中，它至少会把一个元素摆到它最后的位置去。

算法二：堆排序算法
堆排序（Heapsort）是指利用堆这种数据结构所设计的一种排序算法。堆积是一个近似完全二叉树的结构，并同时满足堆积的性质：即子结点的键值或索引总是小于（或者大于）它的父节点。堆排序的平均时间复杂度为Ο(nlogn) 。

算法步骤：
1.创建一个堆H[0..n-1]
2.把堆首（最大值）和堆尾互换
3.把堆的尺寸缩小1，并调用shift_down(0),目的是把新的数组顶端数据调整到相应位置
4.重复步骤2，直到堆的尺寸为1

算法三：归并排序
归并排序（Merge sort，台湾译作：合并排序）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。

算法步骤：

算法四：二分查找算法
二分查找算法是一种在有序数组中查找某一特定元素的搜索算法。搜素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 素过程结束；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。如果在某一步骤数组 为空，则代表找不到。这种搜索算法每一次比较都使搜索范围缩小一半。折半搜索每次把搜索区域减少一半，时间复杂度为Ο(logn) 。

算法五：BFPRT(线性查找算法)
BFPRT算法解决的问题十分经典，即从某n个元素的序列中选出第k大（第k小）的元素，通过巧妙的分 析，BFPRT可以保证在最坏情况下仍为线性时间复杂度。该算法的思想与快速排序思想相似，当然，为使得算法在最坏情况下，依然能达到o(n)的时间复杂 度，五位算法作者做了精妙的处理。

算法步骤：

终止条件：n=1时，返回的即是i小元素。

算法六：DFS（深度优先搜索）
深度优先搜索算法（Depth-First-Search），是搜索算法的一种。它沿着树的深度遍历树的节点，尽可能深的搜索树的分 支。当节点v的所有边都己被探寻过，搜索将回溯到发现节点v的那条边的起始节点。这一过程一直进行到已发现从源节点可达的所有节点为止。如果还存在未被发 现的节点，则选择其中一个作为源节点并重复以上过程，整个进程反复进行直到所有节点都被访问为止。DFS属于盲目搜索。

深度优先搜索是图论中的经典算法，利用深度优先搜索算法可以产生目标图的相应拓扑排序表，利用拓扑排序表可以方便的解决很多相关的图论问题，如最大路径问题等等。一般用堆数据结构来辅助实现DFS算法。

算法步骤：

上述描述可能比较抽象，举个实例：
DFS 在访问图中某一起始顶点 v 后，由 v 出发，访问它的任一邻接顶点 w1；再从 w1 出发，访问与 w1邻 接但还没有访问过的顶点 w2；然后再从 w2 出发，进行类似的访问，… 如此进行下去，直至到达所有的邻接顶点都被访问过的顶点 u 为止。

接着，退回一步，退到前一次刚访问过的顶点，看是否还有其它没有被访问的邻接顶点。如果有，则访问此顶点，之后再从此顶点出发，进行与前述类似的访问；如果没有，就再退回一步进行搜索。重复上述过程，直到连通图中所有顶点都被访问过为止。

算法七：BFS(广度优先搜索)
广度优先搜索算法（Breadth-First-Search），是一种图形搜索算法。简单的说，BFS是从根节点开始，沿着树(图)的宽度遍历树(图)的节点。如果所有节点均被访问，则算法中止。BFS同样属于盲目搜索。一般用队列数据结构来辅助实现BFS算法。

算法步骤：

算法八：Dijkstra算法
戴克斯特拉算法（Dijkstra’s algorithm）是由荷兰计算机科学家艾兹赫尔·戴克斯特拉提出。迪科斯彻算法使用了广度优先搜索解决非负权有向图的单源最短路径问题，算法最终得到一个最短路径树。该算法常用于路由算法或者作为其他图算法的一个子模块。

该算法的输入包含了一个有权重的有向图 G，以及G中的一个来源顶点 S。我们以 V 表示 G 中所有顶点的集合。每一个图中的边，都是两个顶点所形成的有序元素对。(u, v) 表示从顶点 u 到 v 有路径相连。我们以 E 表示G中所有边的集合，而边的权重则由权重函数 w: E → [0, ∞] 定义。因此，w(u, v) 就是从顶点 u 到顶点 v 的非负权重（weight）。边的权重可以想象成两个顶点之间的距离。任两点间路径的权重，就是该路径上所有边的权重总和。已知有 V 中有顶点 s 及 t，Dijkstra 算法可以找到 s 到 t的最低权重路径(例如，最短路径)。这个算法也可以在一个图中，找到从一个顶点 s 到任何其他顶点的最短路径。对于不含负权的有向图，Dijkstra算法是目前已知的最快的单源最短路径算法。

算法步骤：

重复上述步骤2、3，直到S中包含所有顶点，即W=Vi为止

算法九：动态规划算法
动态规划（Dynamic programming）是一种在数学、计算机科学和经济学中使用的，通过把原问题分解为相对简单的子问题的方式求解复杂问题的方法。 动态规划常常适用于有重叠子问题和最优子结构性质的问题，动态规划方法所耗时间往往远少于朴素解法。

动态规划背后的基本思想非常简单。大致上，若要解一个给定问题，我们需要解其不同部分（即子问题），再合并子问题的解以得出原问题的解。 通常许多 子问题非常相似，为此动态规划法试图仅仅解决每个子问题一次，从而减少计算量： 一旦某个给定子问题的解已经算出，则将其记忆化存储，以便下次需要同一个 子问题解之时直接查表。 这种做法在重复子问题的数目关于输入的规模呈指数增长时特别有用。

关于动态规划最经典的问题当属背包问题。

算法步骤：

算法十：朴素贝叶斯分类算法
朴素贝叶斯分类算法是一种基于贝叶斯定理的简单概率分类算法。贝叶斯分类的基础是概率推理，就是在各种条件的存在不确定，仅知其出现概率的情况下， 如何完成推理和决策任务。概率推理是与确定性推理相对应的。而朴素贝叶斯分类器是基于独立假设的，即假设样本每个特征与其他特征都不相关。

朴素贝叶斯分类器依靠精确的自然概率模型，在有监督学习的样本集中能获取得非常好的分类效果。在许多实际应用中，朴素贝叶斯模型参数估计使用最大似然估计方法，换言之朴素贝叶斯模型能工作并没有用到贝叶斯概率或者任何贝叶斯模型。

尽管是带着这些朴素思想和过于简单化的假设，但朴素贝叶斯分类器在很多复杂的现实情形中仍能够取得相当好的效果。

㈢ 算法与程序有什么异同

用一句说话答你的话, 那就是 : 算法只是程序中可以处理的其中一件事.
算法, 基本上就是以数学的形式去对一个 "模式" 的模术, 例如最简单的毕氏定理 a^2 + b^2 = c^2 . 当然还有更多更复杂的算法, 例如 OpenCV 对面容辨识的各种算法, 从距离, 比例, 颜色深浅来定位那里是双眼, 嘴巴, 人面... 但总言之, 算法离不开 f(x) = ..... 这个框架. 你可以从算法中求 x 等于甚么, 又或者从已知的 x 去找出算法中其他的未知数.. 算法, 就是数学

程序, 基本有: 输入 -> 处理 -> 输出 -> 存取档案这几个部份, 当中便有豪多样的可能性, 光是输入, 就已可分由用者输入, 从档案输入, 甚至... 从算法中输入!! 又来到处理, 算法所不能做到的的一件事, 就是程序可以做出逻辑的分支, if ... elseif... else... 整个流程可以随意跳跃...

最后一句就是, 算法是死的, 程序是活的.

㈣ 程序员为什么要学习算法以及应用领域

对于许多编程开发程序员来说，组织开发架构等技术应该都掌握了不少了，那么大家是否懂得算法相关的技术呢?今天，昆明电脑培训http://www.kmbdqn.com/就一起来了解一下，程序员为什么要学习算法以及应用领域的问题。

学习算法的重要性

在介绍具体算法之前，我先谈一下个人对学习算法的初心。我的初心无非有两点：一，BAT等互联网公司招聘面试时要问算法知识，如果想要进入互联网公司，我就必须学好算法;二，通过学习算法提升个人开发的基本功，这样一来，对于不同场景我就可以正确选择对应的数据结构和算法，使得程序更健壮，提高程序的运行效率。

应用领域

目前计算机各个细分领域涉及到不同的算法。比如说搜索引擎，平时我们使用google、网络等浏览器，只要我们输入一个关键字，浏览器就会快速地返回相关的集合，这个集合的背后就隐藏着许多算法。如果没有这些算法，我们是不可能这么快速地得到想要的结果。再比如说人工智能，通过计算模型算法实现人体识别、语音识别等各应用场景。

算法分析

上文我们已经介绍到算法就是解决问题的方法，而对于同一个问题，可能存在不同的解决方法。因此，为了衡量一个算法的优劣，提出了时间复杂度与空间复杂度这两个概念。

时间复杂度

一般情况下，算法中基本操作重复执行的次数是问题规模n的某个函数f(n)，算法的时间度量记为T(n)=O(f(n))，它表示随问题规模n的增大，算法执行时间的增长率和f(n)的增长率相同，称作算法的渐近时间复杂度，简称时间复杂度。

空间复杂度

空间复杂度是对一个算法在运行过程中临时占用存储空间大小的量度，记做S(n)=O(f(n))。一个算法的优劣主要从算法的执行时间和所需要占用的存储空间两个方面衡量。

㈤ 程序中一定会有算法么

不一定，算法和程序还是有区别的，算法一般是针对某个数学问题。简单的常见算法主要有查找、排序。复杂一些的算法比如有加密、搜索引擎、3D渲染等等。

程序和算法最显着的区别是，算法一定可以在有限的时间内结束，而程序则不必。比如QQ，你只要不关闭它，就可以让它一直运行下去，这就是程序。而搜索引擎，你点一下搜索，它会很快给出搜索的结果，这就是算法。

至于Hello World嘛……太简单了，无所谓算法……

补充回答：
算法存在的意义是解决某个特定问题的，否则就没有意义了。只要你的这种组合符合算法的定义和特征的，那么没有争议，就是算法。Google的搜索引擎算法不知道有多复杂，据说有上万个参数，但那也是算法。

其实楼主大可不必纠结于概念，大师们之所以把“算法”这个概念抽象出来，是为了更好的解决一些常见的计算问题，当然由此也衍生出了算法复杂度等一系列概念。只要能够更好的解决问题，概念是次要的，结果才是主要的。

㈥ 什么是算法和程序

一、算法和程序的区别是：

1、在语言描述上不同：程序必须是用规定的程序设计语言来写，而算法很随意。

2、在执行时间上不同：算法所描述的步骤一定是有限的，而程序可以无限地执行下去。

3、两者定义不同：算法是对特定问题求解步骤的描述，它是有限序列指令。程序是实现预期目的而进行操作的一系列语句和指令。

(6)什么程序需要算法扩展阅读：

一、程序的运行

使计算机程序得以运行，计算机需要加载代码，同时也要加载数据。从计算机的底层来说，这是由高级语言（例如Java，C／C＋＋，C＃等）代码转译成机器语言而被CPU所理解，进行加载。

如果您在一个符合大多数的计算机上，操作系统例如Windows、Linux等，加载并执行很多的程序，在这种情况下，每一个程序是一个单独的映射，并不是计算机上的所有可执行程序。

为了得到某种结果而可以由计算机等具有信息处理能力的装置执行的代码化指令序列，或者可以被自动转换成代码化指令序列的符号化指令序列或者符号化语句序列。同一计算机程序的源程序和目标程序为同一作品。

二、算法：包括递推法、递归法、穷举法、贪心算法、分治法、动态规划法、迭代法、分支界限法、回溯法等。

大致分为基本算法、数据结构的算法、数论与代数算法、计算几何的算法、图论的算法、动态规划以及数值分析、加密算法、排序算法、检索算法、随机化算法、并行算法，厄米变形模型，随机森林算法。

参考资料来源：网络-程序

参考资料来源：网络-算法