[心得]算法与数据结构学习笔记

引言

想来算法与数据结构方面的书我读了好几本了。是时候真正动手写功能了，因此关于算法和数据结构系列博客也算是收个尾巴。

干货

Kurt Mehlhorn和Peter Sanders这本书200来页，涵盖那么宏大的两个主题，因此必然是泛泛而谈的。我简单观其大略。

里面讨论了自适应和遗传算法，这个是当时我买这本书的唯一原因。因为其他的书对这个算法讨论较少。

自适应是指在通信信号处理中，根据处理数据的特征，自动调整处理方法，处理顺序，处理参数，边界条件或者约束条件，使其与所处理的数据的统计分布特征，结构特征相适应，从而取得最佳效果。

自适应是以数学模型不断逼近目标，这种模型称为自适应算法，通常基于梯度，其中最小均分差LMS最常用。自适应算法根据某个最优准则来设计。

LMS运算量小，但收敛慢
RLS递归最小二乘法运算量大，但收敛快
介于二者之间的，仿射投影AP，共轭梯度CG，快速牛顿FN

启发式算法（探索）是相对于最优化算法提出来的，它定义为一个直观或基于经验构造的算法，在可接受花费下，给出待解决组合优化问题的每一个实例的一个可行解。该可行解与最优解的偏离程度一般不能被预计。
有一类通用启发式策略称为元启发策略，通常用随机数搜寻。

LEDA： library of Efficient Data Types and Algoriths

断言和不变量描述程序状态的属性，即描述单个变量属性和一系列变量值之间的关系。

随机算法主要分为Las Vegas和Monte Carlo。前者计算正确结果，但运行时间随机，后者运行时间确定，但计算结果有一个低概率出错。

java中对象引用的本质就是指针。

最小生成树minial spanning tree，MST是一个网络连通问题。

遗传方法用期望解，可行解，目标函数来描述优化问题。

以下7种都是遗传方法：

线性规划
整数线性规划
贪心算法
动态规划
系统搜索
局部搜索（全局思考，局部行动：模拟退火，禁忌搜索避开局部最优解，在图着色问题应用）
进化算法

在商业环境中，开发算法有以下经验：

与解决过的问题联系，举一反三
找相近问题解决方法参考
系统或者动态规划求解
贪心或者启发式原型求解
局部搜索

下一步，泛读算法导论和计算机The Art Of Computer Programming！