在計算機領域的演算法

① 什麼叫演算法什麼叫計算機演算法

演算法（Algorithm）是指解題方案的准確而完整的描述，是一系列解決問題的清晰指令，演算法代表著用系統的方法描述解決問題的策略機制。也就是說，能夠對一定規范的輸入，在有限時間內獲得所要求的輸出。如果一個演算法有缺陷，或不適合於某個問題，執行這個演算法將不會解決這個問題。不同的演算法可能用不同的時間、空間或效率來完成同樣的任務。一個演算法的優劣可以用空間復雜度與時間復雜度來衡量。
演算法中的指令描述的是一個計算，當其運行時能從一個初始狀態和（可能為空的）初始輸入開始，經過一系列有限而清晰定義的狀態，最終產生輸出並停止於一個終態。一個狀態到另一個狀態的轉移不一定是確定的。隨機化演算法在內的一些演算法，包含了一些隨機輸入。
特徵
一個演算法應該具有以下五個重要的特徵：
有窮性（Finiteness）演算法的有窮性是指演算法必須能在執行有限個步驟之後終止；
確切性(Definiteness)演算法的每一步驟必須有確切的定義；
輸入項(Input)一個演算法有0個或多個輸入，以刻畫運算對象的初始情況，所謂0個輸入是指演算法本身定出了初始條件；
輸出項(Output)一個演算法有一個或多個輸出，以反映對輸入數據加工後的結果。沒有輸出的演算法是毫無意義的；
可行性(Effectiveness)
演算法中執行的任何計算步驟都是可以被分解為基本的可執行的操作步，即每個計算步都可以在有限時間內完成（也稱之為有效性）。
例1：輸入矩形的邊長，計算並輸出矩形面積
輸入矩形的邊長a和b
面積s=a*b
輸出s的值，演算法結束
例2：交換兩個變數a和b的值
輸入兩個數a和b
t=a;
a=b;
b=t;
輸出變數a和b的值，演算法結束
例3：輸入3個任意的整數，按從小到大的順序輸出這三個整數
輸入三個數a、b和c
如果a>b，就交換a、b的值
如果a>c，就交換a、c的值
如果b>c，就交換b、c的值
輸出a、b、c的值，演算法結束
例4：輸入一個正整數n，輸出1+2+3+...+n的和
1)輸入n的值
2)s=0;
3)i=1;
4)s=s+i;
5)如果i<n，則i=i+1，轉步驟4)
6)輸出s的值，演算法結束
例5：輸入兩個正整數a和b，輸出它們的最大公約數
1)輸入兩個數a和b
2)r=a%b;
3)如果r=0，轉步驟7)
4)a=b;
5)b=r;
6)轉步驟2)
7)輸出b的值，演算法結束

② 求計算機專業中的十大演算法。。。qq827316329.。。。

不得不說，演算法沒有「十大」之類的東西的，不過的確有人對此進行過評選

《來自聖經的證明》收集了數十個簡潔而優雅的數學證明，迅速贏得了大批數學愛好者的追捧。如果還有一本《來自聖經的演算法》，哪些演算法會列入其中呢？最近，有人在 StackExchange 上發起了提問，向網友們徵集那些來自聖經的演算法。眾人在一大堆入圍演算法中進行投票，最終得出了呼聲最高的五個演算法：

第五名： BFPRT 演算法
1973 年， Blum 、 Floyd 、 Pratt 、 Rivest 、 Tarjan 集體出動，合寫了一篇題為 「Time bounds for selection」 的論文，給出了一種在數組中選出第 k 大元素的演算法，俗稱"中位數之中位數演算法"。依靠一種精心設計的 pivot 選取方法，該演算法從理論上保證了最壞情形下的線性時間復雜度，打敗了平均線性、最壞 O(n^2) 復雜度的傳統演算法。一群大牛把遞歸演算法的復雜度分析玩弄於骨掌股掌之間，構造出了一個當之無愧的來自聖經的演算法。

第四名：快速排序
快速排序演算法是 1960 年由英國計算機科學家 C.A.R. Hoare 發明的，是一種既高效又簡潔的排序方法，現在已是學習演算法的必修內容之一。快速排序的思想並不復雜，妙就妙在那個線性的數據分割過程，而真正最牛 B 的則是對整個演算法的時間復雜度分析。我曾寫過一個快速排序平均 O(n log n) 的證明，分析過程絕對值得欣賞。

第三名：並查集
嚴格地說，並查集是一種數據結構，它專門用來處理集合的合並操作和查詢操作。並查集巧妙地借用了樹結構，使得編程復雜度降低到了令人難以置信的地步；用上一些遞歸技巧後，各種操作幾乎都能用兩行代碼搞定。而路徑壓縮的好主意，更是整個數據結構的畫龍點睛之筆。並查集的效率極高，單次操作的時間復雜度幾乎可以看作是常數級別；但由於數據結構的實際行為難以預測，精確的時間復雜度分析需要用到不少高深的技巧。

第二名： KMP 演算法
KMP 演算法是一種非常有效的字元串匹配演算法，它告訴了人們一個有些反直覺的事實：字元串匹配竟然能在線性時間里完成！整個演算法寫成代碼不足 10 行，但其中蘊含的天才般的奇妙思想讓演算法初學者們望而卻步，而它的復雜度分析則更是堪稱經典。

第一名：輾轉相除法
輾轉相除法是 Euclid 的《幾何原本》中提到的一種尋找兩個數的最大公因數的演算法。無論是簡潔的演算法過程，還是深刻的演算法原理，抑或是巧妙的復雜度分析，都稱得上是來自聖經的演算法。而擴展的輾轉相除法則構造性地證明了，對任意整數 a 和 b ，存在一對 x 、 y 使得 ax + by = gcd(a, b) 。這一結論的普遍性和實用性讓它成為了數論中的基本定理之一，在很多數學問題中都能看到它的身影。

③ 在計算機中，演算法是指什麼

演算法（Algorithm）是對問題求解方法的精確描述
，也就是說，能夠對一定規范的輸入，在有限時間內獲得所要求的輸出。如果一個演算法有缺陷，或不適合於某個問題，執行這個演算法將不會解決這個問題。不同的演算法可能用不同的時間、空間或效率來完成同樣的任務。一個演算法的優劣可以用
空間復雜度
與
時間復雜度
來衡量。
演算法可以理解為有基本運算及規定的運算順序所構成的完整的解題步驟。或者看成按照要求設計好的有限的確切的計算序列，並且這樣的步驟和序列可以解決一類問題。
一個演算法應該具有以下五個重要的特徵：
1、
有窮性
：
一個演算法必須保證執行有限步之後結束；
2、
明確性
：
演算法的每一步驟必須意義明確；
3、
輸入
：一個演算法有0個或多個輸入，以刻畫運算對象的初始情況，所謂0個輸入是指演算法本身定除了初始條件；
4、
輸出
：一個演算法有一個或多個輸出，以反映對輸入數據加工後的結果。沒有輸出的演算法是毫無意義的；
5、
可執行性
：
所採用的演算法必須能夠在計算機上執行。
計算機科學家尼克勞斯-沃思曾著過一本著名的書《數據結構十演算法=
程序》，可見演算法在計算機科學界與計算機應用界的地位。

④ 計算機中演算法的基本概念有哪些

計算機演算法是以一步接一步的方式來詳細描述計算機如何將輸入轉化為所要求的輸出的過程，或者說，演算法是對計算機上執行的計算過程的具體描述。一個演算法必須具備以下性質：
（１）演算法首先必須是正確的，即對於任意的一組輸入，包括合理的輸入與不合理的輸入，總能得到預期的輸出。如果一個演算法只是對合理的輸入才能得到預期的輸出，而在異常情況下卻無法預料輸出的結果，那麼它就不是正確的。
（２）演算法必須是由一系列具體步驟組成的，並且每一步都能夠被計算機所理解和執行，而不是抽象和模糊的概念。
（３）每個步驟都有確定的執行順序，即上一步在哪裡，下一步是什麼，都必須明確，無二義性。
（４）無論演算法有多麼復雜，都必須在有限步之後結束並終止運行，即演算法的步驟必須是有限的。在任何情況下，演算法都不能陷入無限循環中。
一個問題的解決方案可以有多種表達方式，但只有滿足以上４個條件的解才能稱之為演算法。

⑤ 計算機視覺領域主流的演算法和方向有哪些

人工智慧是當下很火熱的話題，其與大數據的完美結合應用於多個場景，極大的方便了人類的生活。而人工智慧又包含深度學習和機器學習兩方面的內容。深度學習又以計算機視覺和自然語言處理兩個方向發展的最好，最火熱。大家對於自然語言處理的接觸可能不是很多，但是說起計算機視覺，一定能夠馬上明白，因為我們每天接觸的刷臉支付等手段就會和計算機視覺掛鉤。可以說計算機視覺的應用最為廣泛。

目標跟蹤，就是在某種場景下跟蹤特定對象的過程，在無人駕駛領域中有很重要的應用。目前較為流行的目標跟蹤演算法是基於堆疊自動編碼器的DLT。語義分割，則是將圖像分為像素組，再進行標記和分類。目前的主流演算法都使用完全卷積網路的框架。實例分割，是指將不同類型的實例分類，比如用4種不同顏色來標記4隻貓。目前用於實例分割的主流演算法是Mask R-CNN。

⑥ 計算機的演算法具有哪些特性

計算機的演算法具有可行性，有窮性、輸入輸出、確定性。

計算機演算法特點

1.有窮性。一個演算法應包含有限的操作步驟，而不能是無限的。事實上「有窮性」往往指「在合理的范圍之內」。如果讓計算機執行一個歷時1000年才結束的演算法，這雖然是有窮的，但超過了合理的限度，人們不把他視為有效演算法。

2. 確定性。演算法中的每一個步驟都應當是確定的，而不應當是含糊的、模稜兩可的。演算法中的每一個步驟應當不致被解釋成不同的含義，而應是十分明確的。也就是說，演算法的含義應當是唯一的，而不應當產生「歧義性」。

3. 有零個或多個輸入、所謂輸入是指在執行演算法是需要從外界取得必要的信息。

4. 有一個或多個輸出。演算法的目的是為了求解，沒有輸出的演算法是沒有意義的。

5.有效性。 演算法中的每一個 步驟都應當能有效的執行。並得到確定的結果。

拓展資料：

重要演算法

A*搜尋演算法

俗稱A星演算法。這是一種在圖形平面上，有多個節點的路徑，求出最低通過成本的演算法。常用於游戲中的NPC的移動計算，或線上游戲的BOT的移動計算上。該演算法像Dijkstra演算法一樣，可以找到一條最短路徑；也像BFS一樣，進行啟發式的搜索。

Beam Search

束搜索(beam search)方法是解決優化問題的一種啟發式方法，它是在分枝定界方法基礎上發展起來的，它使用啟發式方法估計k個最好的路徑，僅從這k個路徑出發向下搜索，即每一層只有滿意的結點會被保留，其它的結點則被永久拋棄，從而比分枝定界法能大大節省運行時間。束搜索於20 世紀70年代中期首先被應用於人工智慧領域,1976 年Lowerre在其稱為HARPY的語音識別系統中第一次使用了束搜索方法。他的目標是並行地搜索幾個潛在的最優決策路徑以減少回溯，並快速地獲得一個解。

二分取中查找演算法

一種在有序數組中查找某一特定元素的搜索演算法。搜索過程從數組的中間元素開始，如果中間元素正好是要查找的元素，則搜索過程結束；如果某一特定元素大於或者小於中間元素，則在數組大於或小於中間元素的那一半中查找，而且跟開始一樣從中間元素開始比較。這種搜索演算法每一次比較都使搜索范圍縮小一半。

Branch and bound

分支定界(branch and bound)演算法是一種在問題的解空間樹上搜索問題的解的方法。但與回溯演算法不同，分支定界演算法採用廣度優先或最小耗費優先的方法搜索解空間樹，並且，在分支定界演算法中，每一個活結點只有一次機會成為擴展結點。

數據壓縮

數據壓縮是通過減少計算機中所存儲數據或者通信傳播中數據的冗餘度，達到增大數據密度，最終使數據的存儲空間減少的技術。數據壓縮在文件存儲和分布式系統領域有著十分廣泛的應用。數據壓縮也代表著尺寸媒介容量的增大和網路帶寬的擴展。

Diffie–Hellman密鑰協商

Diffie–Hellman key exchange，簡稱「D–H」，是一種安全協議。它可以讓雙方在完全沒有對方任何預先信息的條件下通過不安全信道建立起一個密鑰。這個密鑰可以在後續的通訊中作為對稱密鑰來加密通訊內容。

Dijkstra』s 演算法

迪科斯徹演算法（Dijkstra）是由荷蘭計算機科學家艾茲格·迪科斯徹（Edsger Wybe Dijkstra）發明的。演算法解決的是有向圖中單個源點到其他頂點的最短路徑問題。舉例來說，如果圖中的頂點表示城市，而邊上的權重表示著城市間開車行經的距離，迪科斯徹演算法可以用來找到兩個城市之間的最短路徑。

動態規劃

動態規劃是一種在數學和計算機科學中使用的，用於求解包含重疊子問題的最優化問題的方法。其基本思想是，將原問題分解為相似的子問題，在求解的過程中通過子問題的解求出原問題的解。動態規劃的思想是多種演算法的基礎，被廣泛應用於計算機科學和工程領域。比較著名的應用實例有：求解最短路徑問題，背包問題，項目管理，網路流優化等。這里也有一篇文章說得比較詳細。

歐幾里得演算法

在數學中，輾轉相除法，又稱歐幾里得演算法，是求最大公約數的演算法。輾轉相除法首次出現於歐幾里得的《幾何原本》（第VII卷，命題i和ii）中，而在中國則可以追溯至東漢出現的《九章算術》。

最大期望（EM）演算法

在統計計算中，最大期望（EM）演算法是在概率（probabilistic）模型中尋找參數最大似然估計的演算法，其中概率模型依賴於無法觀測的隱藏變數（Latent Variable）。最大期望經常用在機器學習和計算機視覺的數據聚類（Data Clustering）領域。最大期望演算法經過兩個步驟交替進行計算，第一步是計算期望（E），利用對隱藏變數的現有估計值，計算其最大似然估計值；第二步是最大化（M），最大化在 E 步上求得的最大似然值來計算參數的值。M 步上找到的參數估計值被用於下一個 E 步計算中，這個過程不斷交替進行。

快速傅里葉變換(FFT)

快速傅里葉變換（Fast Fourier Transform，FFT），是離散傅里葉變換的快速演算法，也可用於計算離散傅里葉變換的逆變換。快速傅里葉變換有廣泛的應用，如數字信號處理、計算大整數乘法、求解偏微分方程等等。

哈希函數

HashFunction是一種從任何一種數據中創建小的數字「指紋」的方法。該函數將數據打亂混合，重新創建一個叫做散列值的指紋。散列值通常用來代表一個短的隨機字母和數字組成的字元串。好的散列函數在輸入域中很少出現散列沖突。在散列表和數據處理中，不抑制沖突來區別數據，會使得資料庫記錄更難找到。

堆排序

Heapsort是指利用堆積樹（堆）這種數據結構所設計的一種排序演算法。堆積樹是一個近似完全二叉樹的結構，並同時滿足堆積屬性：即子結點的鍵值或索引總是小於（或者大於）它的父結點。

歸並排序

Merge sort是建立在歸並操作上的一種有效的排序演算法。該演算法是採用分治法（Divide and Conquer）的一個非常典型的應用。

RANSAC 演算法

RANSAC 是」RANdom SAmpleConsensus」的縮寫。該演算法是用於從一組觀測數據中估計數學模型參數的迭代方法，由Fischler and Bolles在1981提出，它是一種非確定性演算法，因為它只能以一定的概率得到合理的結果，隨著迭代次數的增加，這種概率是增加的。該演算法的基本假設是觀測數據集中存在」inliers」（那些對模型參數估計起到支持作用的點）和」outliers」（不符合模型的點），並且這組觀測數據受到雜訊影響。RANSAC 假設給定一組」inliers」數據就能夠得到最優的符合這組點的模型。

RSA加密演演算法

這是一個公鑰加密演算法，也是世界上第一個適合用來做簽名的演算法。今天的RSA已經專利失效，其被廣泛地用於電子商務加密，大家都相信，只要密鑰足夠長，這個演算法就會是安全的。

並查集Union-find

並查集是一種樹型的數據結構，用於處理一些不相交集合（Disjoint Sets）的合並及查詢問題。常常在使用中以森林來表示。

Viterbi algorithm

尋找最可能的隱藏狀態序列(Finding most probable sequence of hidden states)。

參考資料：計算機演算法

⑦ 計算機演算法指的是什麼

計算機演算法是以一步接一步的方式來詳細描述計算機如何將輸入轉化為所要求的輸出的過程，或者說，演算法是對計算機上執行的計算過程的具體描述。

無論演算法有多麼復雜，都必須在有限步之後結束並終止運行；即演算法的步驟必須是有限的。在任何情況下，演算法都不能陷入無限循環中。演算法必須是由一系列具體步驟組成的，並且每一步都能夠被計算機所理解和執行，而不是抽象和模糊的概念。

演算法首先必須是正確的，即對於任意的一組輸入，包括合理的輸入與不合理的輸入，總能得到預期的輸出。如果一個演算法只是對合理的輸入才能得到預期的輸出，而在異常情況下卻無法預料輸出的結果，那麼它就不是正確的。

(7)在計算機領域的演算法擴展閱讀

特點

1、有窮性。一個演算法應包含有限的操作步驟，而不能是無限的。事實上「有窮性」往往指「在合理的范圍之內」。如果讓計算機執行一個歷時1000年才結束的演算法，這雖然是有窮的，但超過了合理的限度，人們不把他視為有效演算法。

2、確定性。演算法中的每一個步驟都應當是確定的，而不應當是含糊的、模稜兩可的。演算法中的每一個步驟應當不致被解釋成不同的含義，而應是十分明確的。也就是說，演算法的含義應當是唯一的，而不應當產生「歧義性」。

3、有零個或多個輸入。所謂輸入是指在執行演算法是需要從外界取得必要的信息。

4、有一個或多個輸出。演算法的目的是為了求解，沒有輸出的演算法是沒有意義的。

5、有效性。 演算法中的每一個 步驟都應當能有效的執行。並得到確定的結果。

⑧ 在計算機科學中，有哪些非常巧妙的演算法

分支界定演算法（Branch and Bound）——在多種最優化問題中尋找特定最優化解決方案的演算法，特別是針對離散、組合的最優化。Buchberger演算法——一種數學演算法，可將其視為針對單變數最大公約數求解的歐幾里得演算法和線性系統中高斯消元法的泛化。

動態規劃演算法（Dynamic Programming）——展示互相覆蓋的子問題和最優子架構演算法

歐幾里得演算法（Euclidean algorithm）——計算兩個整數的最大公約數。最古老的演算法之一，出現在公元前300前歐幾里得的《幾何原本》。

期望-最大演算法（Expectation-maximization algorithm，又名EM-Training）——在統計計算中，期望-最大演算法在概率模型中尋找可能性最大的參數估算值，其中模型依賴於未發現的潛在變數。EM在兩個步驟中交替計算，第一步是計算期望，利用對隱藏變數的現有估計值，計算其最大可能估計值；第二步是最大化，最大化在第一步上求得的最大可能值來計算參數的值

⑨ 計算機編程的演算法是什麼意思

演算法，對應的英文單詞是algorithm，這是一個很古老的概念，最早來自數學領域，是用於解決某一類問題的公式和思想。

計算機科學領域的演算法，本質是一系列程序指令，用於解答特定的運算和邏輯問題。一般運用時間復雜度和空間復雜度來衡量演算法好壞。

學習演算法，不需要死記硬背那些冗長復雜的背景知識、底層原理、指令語法，需要做的事零五演算法思想、理解演算法對內存空間和性能的影響，以及開動腦筋去尋求解決問題的最佳方案。

數據結構是演算法的基石，是數據的組織、管理和存儲的格式，其目的是為了高效地訪問和修改數據。數據結構的組成方式有：線性結構、樹、圖等。有了數據結構這個舞台，演算法才可以盡情舞蹈，所以在學習演算法之前最好先系統學習數據結構。在解決問題時，不同的演算法會選用不同的數據結構。例如排序演算法中的堆排序，利用的就是二叉堆這樣一種數據結構。