動態(tài)規(guī)劃算法的運用條件？使用動態(tài)規(guī)劃方法，原始問題必須分解成更小的子問題。子問題是重復的，然后用表格一步一步地推導出原問題的答案。為什么有人說弄懂了《算法導論》的90%，就超越了90%的程序員？實際上

動態(tài)規(guī)劃算法的運用條件？

使用動態(tài)規(guī)劃方法，原始問題必須分解成更小的子問題。子問題是重復的，然后用表格一步一步地推導出原問題的答案。

為什么有人說弄懂了《算法導論》的90%，就超越了90%的程序員？

實際上，計算機程序的底層核心是各種數學算法，其余的就是如何用代碼實現數學。世界上幾乎所有著名的計算機程序大師都與數學權威專家有關。

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。