大数据之核心算法的思想总结

版权声明:本博客都是作者10多年工作总结 https://blog.csdn.net/Peter_Changyb/article/details/81873066

大数据之基础核心算法总结

分而治之

  • 思想分析:将一个问题,分解为多个子问题,递归的去解决子问题,最终合并为问题的解
  • 应用场景
  1. 问题分解为小问题后容易解决
  2. 问题可以分解为小问题,即最优子结构
  3. 分解后的小问题解可以合并为原问题的解
  4. 小问题之间互相独立
  • 算法案例
  1. 二分查找
  2. 快速排序
  3. 合并排序
  4. 大整数乘法
  5. 循环赛日程表

动态划分算法

  • 思想分析:将问题分解为多个子问题(阶段),按顺序求解,前一个问题的解为后一个问题提供信息
  • 应用场景
  1. 最优化原理:问题的最优解所包含的子问题的解也是最优的,即最优子结构
  2. 无后效性:某个状态一旦确定,就不受以后决策的影响
  3. 有重叠子问题
  • 特别说明

递推关系是从次小的问题开始到较大问题的转化,往往可以用递归来实现,可以利用之前产生的子问题的解来减少重复的计算

回溯法

  • 思想分析

选优搜索法,走不通就退回重选,按照深度优先搜索的策略,从根节点出发,深度搜索解空间

  • 具体步骤
  1. 确定解空间
  2. 确定节点的扩展搜索规则
  3. 深度优先方式搜索解空间,用剪枝法避免无效搜索

分支界限法

  • 思想分析:与回溯法类似,也是在解空间里搜索解得算法,不同点是,回溯法寻找所有解,分支界限法搜索一个解或者最优解
  1. 分支:广度优先策略或者最小耗费(最大效益)优先
  2. 分支搜索方式:FIFO、LIFO、优先队列式、分支界限搜索算法

贪心算法

  • 思想分析:不从总体最优考虑,仅考虑局部最优解,问题必须具备后无效性
  • 具体步骤
  1. 将问题分解为多个子问题
  2. 得到问题的局部最优解
  3. 合并子问题的局部最优解
  • 应用场景
  1. 局部最优策略能导致全局最优解
  2. 子问题后无效性

猜你喜欢

转载自blog.csdn.net/Peter_Changyb/article/details/81873066