- 博客(24)
- 资源 (20)
- 收藏
- 关注
RSS订阅原创 MIT算法导论公开课之课程笔记
MIT算法导论公开课之第1课 课程简介及算法分析MIT算法导论公开课之第2课 渐进符号、递归及解法MIT算法导论公开课之第3课 分治法MIT算法导论公开课之第4课 快排及随机化算法MIT算法导论公开课之第5课 线性时间排序MIT算法导论公开课之第6课 顺序统计、中值MIT算法导论公开课之第7课 哈希表MIT算法导论公开课之第8课 全域哈希和完全哈希MIT算法导论公开...
2018-08-30 10:40:26
11297
8
原创 MIT算法导论公开课之第23课 高级课题、缓存参数无关算法（二）
静态搜索树将N个元素有序的存储在一个完全二叉树的N个结点中。数据存储方式： 在树位于中间层的边的位置将其分割为两部分。 递归的分割上一步骤分割后产生的所有子树，将所有子树线性的存储在内存之中。 Ex： 存储传输量： 缓存相关的算法考虑缓存相关的算法一般是用来确定优化的上界。B-搜索树排序用N个元素构建搜索树，然后中序遍历这棵树。存储...
2018-08-30 09:33:29
519
原创 MIT算法导论公开课之第22课 高级课题、缓存参数无关算法（一）
现代计算机存储层次模型 - 现代计算机有多级缓存的机制，越靠近CPU的缓存容量越小，速度越快。 这样设计的原因，一方面是靠近CPU的缓存制作成本高，价格昂贵，另一方面是极限速度受电荷传导速度限制，存储容量做大必定会降低存取速度。 - Cost to access=latency+amount/bandwidth 可知在存储层次上越远离CPU延迟（latency）越长，计...
2018-08-30 08:48:12
1138
1
原创 MIT算法导论公开课之第21课 高级课题、并行算法（二）
矩阵乘法A、B为n x n的矩阵，计算矩阵C=A·B，使用分治法（使用将矩阵分块的策略）。算法伪码：Mult(C,A,B,n)//C=A·B Temp matrix T[1~n,1~n] if n=1 C[1,1] ← A[1,1]·B[1,1] else <partition matrices>//O(1)...
2018-08-30 08:24:10
574
原创 MIT算法导论公开课之第20课 高级课题、并行算法（一）
并行算法对于串行算法，一般只有一种基础模型（随机存取机器模型），而在并行领域，有许多种不同的并行算法模型和并行化模型，没有一种最佳模型的共识。本节课讨论的模型基于动态多线程的多核机器，它是为共享内存的编程而设计的。Ex：Fib(n) if n<2 return n x ← spawn Fib(n-1) y ← spawn Fib(n...
2018-08-29 19:31:30
956
原创 MIT算法导论公开课之第19课 最短路径算法、点的最短路径
单源点最短路径问题回顾1.未加权（或所有权值都相等）的图，使用BFS算法，时间为O(V+E)。2.无负权值边的图，使用Dijkstra算法，时间为O(E+V·lgV)。3.一般情况的图，使用Bellman-Ford算法，时间为O(V·E)。4.DAG（有向无环图），使用拓扑排序来得到顶点的顺序，运行一次Bellman-Ford算法，时间为O(V+E)。全对（All-pairs）...
2018-08-29 19:16:47
722
原创 MIT算法导论公开课之第18课 最短路径算法、Bellman和差分约束系统
Bellman-Ford 算法图G=(V,E)，选取s∈V作为图的原点，此算法可计算最短路径δ(s,v)（v∈V）或报告出图中存在负权值的环路。Exercise在路径中存在负权值的环路时，将δ(s,v)设置为-∞。Bellman-Ford 算法伪码d[s] ← 0for each v∈V-{s} d[v] ← ∞for i ← 1 to |V|-1 ...
2018-08-29 19:00:11
1100
原创 MIT算法导论公开课之第17课 最短路径算法、Dijkstra算法、广度优先搜索
图的路径给定一个图G=(V,E)且每条边都通过函数w被赋予一个实数的权值。最短路径问题找到图中从顶点u到顶点v的最小权值的路径。最短路径权值问题：计算图中从顶点u到顶点v的路径的最小权值。δ(u,v)=min{w(P),P为从顶点u到顶点v的路径}（存在路径）δ(u,v)=∞（不存在路径）无最短路径的情况：1.图中存在权值和为负数的环形路径。...
2018-08-28 19:35:56
1075
1
原创 MIT算法导论公开课之第16课 贪婪算法、最小生成树
关于图的知识回顾（附录B）有向图（Digraph，Direct graph）G=(V,E)，V为图的顶点集，E为边集，E∈V x V。无向图（Undirected graph）G=(V,E)，E为无向的边集。|E|=O(V^2)连通图，对于图中的任意顶点，总有路径可以到达其他顶点，|E|>=|V|-1。对于连通图，则有lg|E|= O(lg(V^2))=O(lgV)=Ω(lg(|...
2018-08-28 18:10:58
1156
原创 MIT算法导论公开课之第15课 动态规划、最长公共子序列
动态规划（Dynamic programming）： 动态规划是一种设计技巧，而不是一种特定的算法，就像分治法一样。最长公共子序列（Longest common subsequence）问题： 有两个序列，序列x[1~m]，序列y[1~n]，找到它们的最长公共子序列，子序列不需要在原序列中占用连续的位置（最长公共子串要求连续），子序列可能不唯一。Ex： x：A...
2018-08-28 17:49:37
1832
原创 MIT算法导论公开课之第14课 竞争性分析、自组织表
自组织表定义一个有n个元素的链表L。用户操作： 访问其中的元素Access(x)。 查找元素的位置Rank(x)（从表头到x的距离）。算法操作： 链表L可以通过交换相邻元素调整元素顺序，且置换代价为1。Ex： 在线算法 一个操作序列S每次只发送一步的操作请求，在线算法必须马上完成这步操作，不考虑后面的操作情况。离线算法： 离线算法可以预先看过操作序...
2018-08-24 19:21:09
650
原创 MIT算法导论公开课之第13课 平摊分析、表的扩增、势能方法
平摊分析（Amortized analysis）问题引入一个哈希表应该多大？ 越大越好（哈希表越大搜索时间消耗越短）。 越小越好（哈希表越小占用存储空间越小）。 对于要存储n个元素的哈希表的大小最好为Θ(n)。当不知道要存储的元素数量时，如何设定哈希表的大小？ 使用动态表的策略，当哈希表已满，再加入元素时（溢出），将哈希表扩大： 1.分配一个更大的...
2018-08-24 19:04:57
1727
原创 MIT算法导论公开课之第12课 跳跃表
动态搜索结构跳跃表（skip list）树堆（treap）红黑树（red black tree）B树（B tree）跳跃表一种简单、高效的动态搜索结构，使用了随机化算法。 插入删除操作的期望的运行时间为O(lgn)，并且这种情况有很高的概率（≈1-1/n^α）。有序的链表 搜索一个排好序的链表所用时间为O(n)，因为链表不支持随机访问。改...
2018-08-24 18:52:26
867
原创 MIT算法导论公开课之第11课 扩充的数据结构、动态有序统计和区间树
动态有序统计主要操作： OS-Select(i)//返回动态集中第i小的元素。 OS-Rank(x) //返回动态集排序序列中元素x的位置。新增数据： 在每个结点中保存其子树的结点个数。 size[x]=size[left[x]]+size[right[x]]+1 size[nil]=0 处理nil的通用技巧： 标记法，给空结...
2018-08-24 18:34:03
794
3
原创 MIT算法导论公开课之第10课 平衡搜索树
平衡搜索树一种搜索树结构，其维护一个n个元素的动态集，树高为O(lgn)。不同的平衡搜索树数据结构AVL trees2-3 trees2-3-4 treesB treesRed-black treesSkip listsTreaps红黑树红黑树是二叉搜索树，其每个结点都会附带一些额外的信息，被称为色域，红黑树的特性1.每个结点的色域值为黑色或红色，因此...
2018-08-23 19:46:10
703
2
原创 MIT算法导论公开课之第9课 二叉搜索树
二叉搜索树二叉搜索树（Binary Search Tree），它或者是一棵空树，或者是具有下列性质的二叉树： 若它的左子树不空，则左子树上所有结点的值均小于它的根结点的值； 若它的右子树不空，则右子树上所有结点的值均大于它的根结点的值； 它的左、右子树也分别为二叉排序树。Ex： 二叉搜索树排序（BST sort）：将数组A排序T ← ∅for i ← 1 t...
2018-08-23 19:22:10
811
1
原创 MIT算法导论公开课之第8课 全域哈希和完全哈希
哈希的缺陷对于任意的哈希函数而言，都存在一个不好的键集，使得所有键值都会哈希映射到同一个槽中。解决方案： 随机选择哈希函数，使其与输入哈希运算的键值情况相独立。全域哈希（universal hashing）定义：设U为键值的全域，H为哈希函数的一个有限集，H的哈希函数将U的键映射到哈希表的槽{0,1,2,…,m-1}里，并且满足： 对任意的x、y∈U，且x≠y，|...
2018-08-23 18:54:12
1425
1
原创 MIT算法导论公开课之第7课 哈希表
符号表问题表S中有n条记录，每条记录都有一个键值，并且有其他的一些数据（卫星数据）。允许的操作： 1.插入数据(S,x)：S ← S∪{x} 2.删除数据(S,x)：S ← S - {x} 3.查询数据(S,k)：存在键值k对应的数据x，则返回x，否则返回nil（空值）。插入删除操作将S变为一个动态集合。直接映射表假设键值来自一个有m个元素的集合U{0,1...
2018-08-23 18:37:06
978
原创 MIT算法导论公开课之第6课 顺序统计、中值
顺序统计问题： 有n个无序的数，找到第k小的数（所有元素的值不相等）。朴素算法： 先排序，第k号元素即为第k小的数。 k=1时，即为最小值。 k=n时，即为最大值。 k=(n+1)/2向上或向下取整时，即为中位数。随机选择算法（随机化的分治算法）： 定义函数Rand-Select(A,p,q,i)。 在数组A中获得第i小的数。 用分治...
2018-08-23 18:10:00
860
原创 MIT算法导论公开课之第5课 线性时间排序
排序算法的速度取决于所使用的计算机模型里允许的操作。常见排序快速排序（Θ(nlgn)）（不稳定排序）（交换过程会破坏稳定性）堆排序 （Θ(nlgn)）（不稳定排序）归并排序（Θ(nlgn)）（稳定性排序）插入排序（Θ(n^2)） （稳定性排序）比较排序模型允许比较数的大小的操作。最快的时间复杂度为Θ(nlgn)。决策树模型Ex：对&amp;lt;a1,a2,a...
2018-08-22 19:45:16
861
原创 MIT算法导论公开课之第4课 快排及随机化算法
快速排序分治算法、“原地“排序、非常高效（通过微调）。步骤 1.选取一个关键数据 再根据其大小把原数组分为两个子数组，第一个数组中的数比关键数据小，第二个数组中的数比关键数据大。 2.递归的处理两个子数组的排序。 3.无。函数伪码partiton(A,p,q) x ← A[p] i ← p for j ← p+1 to q do...
2018-08-22 19:31:42
1173
原创 MIT算法导论公开课之第3课 分治法
分治法1. 将一个问题划分为若干个子问题。2. 递归的解决每一个子问题。3. 将子问题的解合并成为整个大问题的解。归并排序1. 将一个数组分为两个子数组。2. 递归的对每一个子数组进行排序。3. 合并两个有序子数组。运行时间 递归函数为T(n)=2T(n/2)+Θ(n)。 使用主方法，为case2 ，所以T(n)= Θ(nlgn)。二分查找在...
2018-08-22 19:16:17
1834
原创 MIT算法导论公开课之第2课 渐进符号、递归及解法
O符号（上界）f(n)=O(g(n)) （&amp;amp;lt;=）存在c&amp;amp;gt;0 n0&amp;amp;gt;0 当n&amp;amp;gt;=n0时 使得0&amp;amp;lt;=f(n)&amp;amp;lt;=cg(n)。O(g(n))表示符合上述条件的函数集，公式中的等号的作用类似于属于，所以等号不可逆。Ex f(n)=n^3+O(n^2) 存在h(n)属于O(
2018-08-21 19:55:56
2742
4
原创 MIT算法导论公开课之第1课 课程简介及算法分析
先修课程：离散数学、概率论、编程课程算法分析：算法分析是理论研究，是关于计算机性能和资源利用的研究（尤其关注性能）。比性能更重要的考虑因素：正确性、简洁性、可维护性、编程成本、稳定性、功能性、模块化、安全性、可扩展性、用户友好度。算法的重要性：算法将不可行变为可行。算法是一种描述程序行为的语言。排序问题：将一组数（A[1~n]）按大小顺序（从小到大...
2018-08-21 18:42:17
3528
Xshell6 安装包
2019-01-03
《TensorFlow 实战Google深度学习框架》(第2版)
2018-11-09
《Python 学习手册》(第五版)（英文版）
2018-08-31
《Python机器学习及实践从零开始通往Kaggle竞赛之路》
2018-06-02
《简明Python教程》
2018-05-23
《挑战程序设计竞赛》(第2版)
2018-05-22
《深入理解OpenCV》
2018-04-20
《 Linux内核0.11完全注释》
2018-04-20
《 User Interface Design & Implementation》
2018-04-20
《ScipyLectureNotes》
2017-12-31
《An introduction to machine learning with scikit-learn》
2017-12-31
《Matplotlib-PyplotTutorial》
2017-12-31
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人