https://blog.leanku.com/categories/algorithm/ Recent content in Algorithm on Leanku https://blog.leanku.com/papermod-cover.png https://blog.leanku.com/papermod-cover.png Hugo -- gohugo.io Sun, 12 Mar 2023 22:46:01 +0800 https://blog.leanku.com/post/algorithm/%E5%B8%B8%E7%94%A8%E7%AE%97%E6%B3%95%E7%9A%84php%E5%AE%9E%E7%8E%B0/ Sun, 12 Mar 2023 22:46:01 +0800 https://blog.leanku.com/post/algorithm/%E5%B8%B8%E7%94%A8%E7%AE%97%E6%B3%95%E7%9A%84php%E5%AE%9E%E7%8E%B0/ 常用算法的PHP实现 1. 快速排序 (Quick Sort) <?php function quickSort($arr) { if (count($arr) <= 1) { return $arr; } $pivot = $arr[0]; $left = $right = []; for ($i = 1; $i < count($arr); $i++) { if ($arr[$i] < $pivot) { $left[] = $arr[$i]; } else { $right[] = $arr[$i]; } } return array_merge(quickSort($left), [$pivot], quickSort($right)); } // 测试 $numbers = [64, 34, 25, 12, 22, 11, 90]; echo "原始数组: " . implode(', ', $numbers) . https://blog.leanku.com/post/algorithm/%E7%AE%97%E6%B3%95/ Sun, 12 Mar 2023 22:46:01 +0800 https://blog.leanku.com/post/algorithm/%E7%AE%97%E6%B3%95/ 算法 算法是计算机科学的核心基础之一，简单来说它是解决特定问题的一系列清晰指令。无论是简单的计算还是复杂的人工智能任务，都离不开算法。 1. 算法是什么？ 你可以把算法想象成一个菜谱： 输入：食材（数据） 处理步骤：清晰的烹饪步骤（算法逻辑） 输出：一道菜肴（结果） 它的核心目标是用最优的方式（最快、最省资源）解决问题。 2. 算法的核心特性 一个“好”的算法通常具备以下特点： 正确性：必须能正确解决问题。 高效性：执行时间和占用空间要尽可能少。 明确性：每一步都必须清晰、无歧义。 有限性：必须在有限的步骤内结束。 3. 常见的算法类别与实例 算法种类繁多，以下是一些主要类别和经典例子： 排序算法 快速排序：采用“分治”思想，选择一个基准元素，将数组分成左右两部分，效率很高。 归并排序：也是“分治”思想，先将数组不断拆分，再合并排序，稳定且高效。 冒泡排序：反复交换相邻的逆序元素，简单但效率低。 搜索算法 二分查找：在已排序的数组中，每次比较都能排除一半的数据，效率极高（O(log n)）。 深度优先搜索和广度优先搜索：用于遍历或搜索树和图结构，是许多复杂算法的基础。 图算法 Dijkstra算法：用于寻找图中两点之间的最短路径。 A*搜索算法：在Dijkstra基础上加入了启发式函数，是路径规划和游戏AI的基石。 动态规划 用于解决具有重叠子问题和最优子结构的复杂问题（如斐波那契数列、背包问题），通过存储中间结果来避免重复计算。 机器学习算法（AI领域） 线性回归/逻辑回归：用于预测和分类。 决策树/随机森林：通过树形结构做决策。 支持向量机：寻找最佳分类边界。 神经网络：模仿人脑神经元，是深度学习的核心。 4. 如何衡量算法的好坏？—— “复杂度分析” 我们使用 “大O表示法” 来描述算法的效率，主要看： 时间复杂度：随着数据规模增大，算法运行时间的增长趋势。例如 O(1), O(log n), O(n), O(n²)。 空间复杂度：随着数据规模增大，算法占用内存空间的增长趋势。 5. 为什么算法如此重要？ 效率：好的算法能处理海量数据，差的算法在大数据面前寸步难行。 性能：直接影响软件和应用的反应速度与用户体验。 解决问题的基础：是开发任何软件系统、进行科学计算和实现人工智能的基石。 面试核心：是国内外大型科技公司技术面试的必考内容。