作为程序员提高编程能力的几个基础算法

一：快速排序算法

快速排序是由东尼·霍尔所发展的一种排序算法。在平均状况下，排序n个项目要Ο(nlogn)次比较。在最坏状况下则需要Ο(n2)次比较，但这种状况并不常见。事实上，快速排序通常明显比其他Ο(nlogn)算法更快，因为它的内部循环（innerloop）可以在大部分的架构上很有效率地被实现出来。

快速排序使用分治法（Divideandconquer）策略来把一个串行（list）分为两个子串行（sub-lists）。

算法步骤：

1从数列中挑出一个元素，称为“基准”（pivot），

2重新排序数列，所有元素比基准值小的摆放在基准前面，所有元素比基准值大的摆在基准的后面（相同的数可以到任一边）。在这个分区退出之后，该基准就处于数列的中间位置。这个称为分区（partition） *** 作。

3递归地（recursive）把小于基准值元素的子数列和大于基准值元素的子数列排序。

递归的最底部情形，是数列的大小是零或一，也就是永远都已经被排序好了。虽然一直递归下去，但是这个算法总会退出，因为在每次的迭代（iteration）中，它至少会把一个元素摆到它最后的位置去。

二：堆排序算法

堆排序（Heapsort）是指利用堆这种数据结构所设计的一种排序算法。堆积是一个近似完全二叉树的结构，并同时满足堆积的性质：即子结点的键值或索引总是小于（或者大于）它的父节点。

堆排序的平均时间复杂度为Ο(nlogn) 。

创建一个堆H[0n-1]

把堆首（最大值）和堆尾互换

3把堆的尺寸缩小1，并调用shift_down(0),目的是把新的数组顶端数据调整到相应位置

4重复步骤2，直到堆的尺寸为1

三：归并排序

归并排序（Mergesort，台湾译作：合并排序）是建立在归并 *** 作上的一种有效的排序算法。该算法是采用分治法（DivideandConquer）的一个非常典型的应用。

1申请空间，使其大小为两个已经排序序列之和，该空间用来存放合并后的序列

2设定两个指针，最初位置分别为两个已经排序序列的起始位置

3比较两个指针所指向的元素，选择相对小的元素放入到合并空间，并移动指针到下一位置

4重复步骤3直到某一指针达到序列尾

5将另一序列剩下的所有元素直接复制到合并序列尾

四：二分查找算法

二分查找算法是一种在有序数组中查找某一特定元素的搜索算法。搜素过程从数组的中间元素开始，如果中间元素正好是要查找的元素，则搜素过程结束；如果某一特定元素大于或者小于中间元素，则在数组大于或小于中间元素的那一半中查找，而且跟开始一样从中间元素开始比较。如果在某一步骤数组为空，则代表找不到。这种搜索算法每一次比较都使搜索范围缩小一半。折半搜索每次把搜索区域减少一半，时间复杂度为Ο(logn) 。

五：BFPRT(线性查找算法)

BFPRT算法解决的问题十分经典，即从某n个元素的序列中选出第k大（第k小）的元素，通过巧妙的分析，BFPRT可以保证在最坏情况下仍为线性时间复杂度。该算法的思想与快速排序思想相似，当然，为使得算法在最坏情况下，依然能达到o(n)的时间复杂度，五位算法作者做了精妙的处理。

1将n个元素每5个一组，分成n/5(上界)组。

2取出每一组的中位数，任意排序方法，比如插入排序。

3递归的调用selection算法查找上一步中所有中位数的中位数，设为x，偶数个中位数的情况下设定为选取中间小的一个。

4用x来分割数组，设小于等于x的个数为k，大于x的个数即为n-k。

5若i==k，返回x；若i<k，在小于x的元素中递归查找第i小的元素；若i>k，在大于x的元素中递归查找第i-k小的元素。

终止条件：n=1时，返回的即是i小元素。

六：DFS（深度优先搜索）

深度优先搜索算法（Depth-First-Search），是搜索算法的一种。它沿着树的深度遍历树的节点，尽可能深的搜索树的分支。当节点v的所有边都己被探寻过，搜索将回溯到发现节点v的那条边的起始节点。这一过程一直进行到已发现从源节点可达的所有节点为止。如果还存在未被发现的节点，则选择其中一个作为源节点并重复以上过程，整个进程反复进行直到所有节点都被访问为止。DFS属于盲目搜索。

深度优先搜索是图论中的经典算法，利用深度优先搜索算法可以产生目标图的相应拓扑排序表，利用拓扑排序表可以方便的解决很多相关的图论问题，如最大路径问题等等。一般用堆数据结构来辅助实现DFS算法。

深度优先遍历图算法步骤：

1访问顶点v；

2依次从v的未被访问的邻接点出发，对图进行深度优先遍历；直至图中和v有路径相通的顶点都被访问；

3若此时图中尚有顶点未被访问，则从一个未被访问的顶点出发，重新进行深度优先遍历，直到图中所有顶点均被访问过为止。

上述描述可能比较抽象，举个实例：

DFS在访问图中某一起始顶点v后，由v出发，访问它的任一邻接顶点w1；再从w1出发，访问与w1邻接但还没有访问过的顶点w2；然后再从w2出发，进行类似的访问，…如此进行下去，直至到达所有的邻接顶点都被访问过的顶点u为止。

接着，退回一步，退到前一次刚访问过的顶点，看是否还有其它没有被访问的邻接顶点。如果有，则访问此顶点，之后再从此顶点出发，进行与前述类似的访问；如果没有，就再退回一步进行搜索。重复上述过程，直到连通图中所有顶点都被访问过为止。

七：BFS(广度优先搜索)

广度优先搜索算法（Breadth-First-Search），是一种图形搜索算法。简单的说，BFS是从根节点开始，沿着树(图)的宽度遍历树(图)的节点。如果所有节点均被访问，则算法中止。

BFS同样属于盲目搜索。一般用队列数据结构来辅助实现BFS算法。

1首先将根节点放入队列中。

2从队列中取出第一个节点，并检验它是否为目标。

如果找到目标，则结束搜寻并回传结果。

否则将它所有尚未检验过的直接子节点加入队列中。

3若队列为空，表示整张图都检查过了——亦即图中没有欲搜寻的目标。结束搜寻并回传“找不到目标”。

4重复步骤2。

八：Dijkstra算法

戴克斯特拉算法（Dijkstra’salgorithm）是由荷兰计算机科学家艾兹赫尔·戴克斯特拉提出。迪科斯彻算法使用了广度优先搜索解决非负权有向图的单源最短路径问题，算法最终得到一个最短路径树。该算法常用于路由算法或者作为其他图算法的一个子模块。

该算法的输入包含了一个有权重的有向图G，以及G中的一个来源顶点S。我们以V表示G中所有顶点的集合。每一个图中的边，都是两个顶点所形成的有序元素对。(u,v)表示从顶点u到v有路径相连。我们以E表示G中所有边的集合，而边的权重则由权重函数w:E→[0,∞]定义。因此，w(u,v)就是从顶点u到顶点v的非负权重（weight）。边的权重可以想像成两个顶点之间的距离。任两点间路径的权重，就是该路径上所有边的权重总和。已知有V中有顶点s及t，Dijkstra算法可以找到s到t的最低权重路径(例如，最短路径)。这个算法也可以在一个图中，找到从一个顶点s到任何其他顶点的最短路径。对于不含负权的有向图，Dijkstra算法是目前已知的最快的单源最短路径算法。

1初始时令S=,T=，T中顶点对应的距离值

若存在<V0,Vi>，d(V0,Vi)为<V0,Vi>弧上的权值

若不存在<V0,Vi>，d(V0,Vi)为∞

2从T中选取一个其距离值为最小的顶点W且不在S中，加入S

3对其余T中顶点的距离值进行修改：若加进W作中间顶点，从V0到Vi的距离值缩短，则修改此距离值

重复上述步骤2、3，直到S中包含所有顶点，即W=Vi为止

九：动态规划算法

动态规划（Dynamicprogramming）是一种在数学、计算机科学和经济学中使用的，通过把原问题分解为相对简单的子问题的方式求解复杂问题的方法。动态规划常常适用于有重叠子问题和最优子结构性质的问题，动态规划方法所耗时间往往远少于朴素解法。

动态规划背后的基本思想非常简单。大致上，若要解一个给定问题，我们需要解其不同部分（即子问题），再合并子问题的解以得出原问题的解。通常许多子问题非常相似，为此动态规划法试图仅仅解决每个子问题一次，从而减少计算量：一旦某个给定子问题的解已经算出，则将其记忆化存储，以便下次需要同一个子问题解之时直接查表。这种做法在重复子问题的数目关于输入的规模呈指数增长时特别有用。

关于动态规划最经典的问题当属背包问题。

1最优子结构性质。如果问题的最优解所包含的子问题的解也是最优的，我们就称该问题具有最优子结构性质（即满足最优化原理）。最优子结构性质为动态规划算法解决问题提供了重要线索。

2子问题重叠性质。子问题重叠性质是指在用递归算法自顶向下对问题进行求解时，每次产生的子问题并不总是新问题，有些子问题会被重复计算多次。动态规划算法正是利用了这种子问题的重叠性质，对每一个子问题只计算一次，然后将其计算结果保存在一个表格中，当再次需要计算已经计算过的子问题时，只是在表格中简单地查看一下结果，从而获得较高的效率。

十：朴素贝叶斯分类算法

朴素贝叶斯分类算法是一种基于贝叶斯定理的简单概率分类算法。贝叶斯分类的基础是概率推理，就是在各种条件的存在不确定，仅知其出现概率的情况下，如何完成推理和决策任务。概率推理是与确定性推理相对应的。而朴素贝叶斯分类器是基于独立假设的，即假设样本每个特征与其他特征都不相关。

朴素贝叶斯分类器依靠精确的自然概率模型，在有监督学习的样本集中能获取得非常好的分类效果。在许多实际应用中，朴素贝叶斯模型参数估计使用最大似然估计方法，换言朴素贝叶斯模型能工作并没有用到贝叶斯概率或者任何贝叶斯模型。

尽管是带着这些朴素思想和过于简单化的假设，但朴素贝叶斯分类器在很多复杂的现实情形中仍能够取得相当好的效果。

通过掌握以上算法，能够帮你迅速提高编程能力，成为一名优秀的程序员。

零基础学习java可按照这份大纲来进行学习

第一阶段：Java专业基础课程

阶段目标：

1 熟练掌握Java的开发环境与编程核心知识

2 熟练运用Java面向对象知识进行程序开发

3 对Java的核心对象和组件有深入理解

4 熟练应用JavaAPI相关知识

5 熟练应用JAVA多线程技术

6 能综合运用所学知识完成一个项目

知识点：

1、基本数据类型，运算符，数组，掌握基本数据类型转换，运算符，流程控制。

2、数组，排序算法，Java常用API，类和对象，了解类与对象，熟悉常用API。

3、面向对象特性，集合框架，熟悉面向对象三大特性，熟练使用集合框架。

4、IO流，多线程。

5、网络协议，线程运用。

第二阶段：JavaWEB核心课程

阶段目标:

1 熟练掌握数据库和MySQL核心技术

2 深入理解JDBC与DAO数据库 *** 作

3 熟练运用JSP及Servlet技术完成网站后台开发

4 深入理解缓存，连接池，注解，反射，泛型等知识

5 能够运用所学知识完成自定义框架

知识点：

1、数据库知识，范式，MySQL配置，命令，建库建表，数据的增删改查，约束，视图，存储过程，函数，触发器，事务，游标，建模工具。

2、深入理解数据库管理系统通用知识及MySQL数据库的使用与管理。为Java后台开发打下坚实基础。Web页面元素，布局，CSS样式，盒模型，JavaScript，jQuery。

3、掌握前端开发技术，掌握jQuery。

4、Servlet，EL表达式，会话跟踪技术，过滤器，FreeMarker。

5、掌握Servlet相关技术，利用Servlet，JSP相关应用技术和DAO完成B/S架构下的应用开发。

6、泛型，反射，注解。

7、掌握JAVA高级应用，利用泛型，注解，枚举完成自己的CRUD框架开发为后续框架学习做铺垫。

8、单点登录，支付功能，项目整合，分页封装熟练运用JSP及Servlet核心知识完成项目实战。

第三阶段：JavaEE框架课程

阶段目标：

1 熟练运用Linux *** 作系统常见命令及完成环境部署和Nginx服务器的配置

2 熟练运用JavaEE三大核心框架：Spring,SpringMVC,MyBatis

3 熟练运用Maven,并使用SpringBoot进行快速框架搭建

4 深入理解框架的实现原理，Java底层技术，企业级应用等

5 使用Shiro,Ztree和Spring,SpringMVC,Mybaits完成企业项目

知识点：

1、Linux安装配置，文件目录 *** 作，VI命令，管理，用户与权限，环境部署，Struts2概述，hiberante概述。

2、Linux作为一个主流的服务器 *** 作系统，是每一个开发工程师必须掌握的重点技术，并且能够熟练运用。

3、SSH的整合,MyBatis,SpringMVC,Maven的使用。

4、了解AOP原理，了解中央控制器原理，掌握MyBatis框架，掌握SSM框架的整合。

5、Shiro,Ztree，项目文档，项目规范，需求分析，原型图设计，数据库设计，工程构建，需求评审，配置管理，BUG修复，项目管理等。

6、独立自主完成一个中小型的企业级综合项目的设计和整体架构的原型和建模。独立自主完成一个大型的企业级综合项目，并具备商业价值

根据摩尔定律，芯片上晶体管的数目每隔18～24个月就会翻一番。如同在过去40年里一样，这个定律现在还是正确的，但是在性能上却并不再呈现一个线性增强的现象。以前，芯片制造商通过提高处理器时钟速度使芯片性能翻番――从100MHz到200MHz，直至近来达到吉赫兹。

然而如今，因为能量消耗和热量发散的限制，通过增加时钟速度来提高性能已经不再可行。芯片制造商开始转向全新的芯片结构，即一个芯片上有多个处理器核。相对于单核，采用多核处理器的程序员们可以完成更多全局工作。然而，要充分利用多核处理器的优点，程序员们必须重新考虑他们该如何开发应用程序。有些程序员，希望在终端客户将他们的电脑简单升级到快速处理器的时候，就能立即获得软件应用程序性能的增强。按照微软的软件工程师HerbSutter的话来说，对这些程序员“已经没有免费的午餐”。简而言之，如今程序员们应当致力于可持续的性能改进。

提高处理器时钟速度，则顺序程序的性能改进；为电脑升级一个更快速的CPU，意味着每一条独立指令的运行速度都会加快。要想使用多核系统以继续提高性能，开发者需要设计应用程序，为每个核分配工作――本质上即是开发一个并行应用程序来取代顺序应用程序。

幸运的是，NI LabVIEW软件非常适合于工程师和科学家们充分利用多核芯片的处理能力，主要原因有下面三个。

1LabVIEW是一种图形化数据流编程语言

开发者可在LabVIEW中简便地实现并行任务，使得开发新的应用程序并更改现存的应用程序以利用多核处理器的优点成为可能。LabVIEW从50版本开始就是多线程的，而现在的85版本更引进了新的功能，以利用多核处理器的优点。

2LabVIEW将多核性能引进嵌入式实时硬件中

LabVIEW 85将桌面 *** 作系统(例如Windows和Linux)的自动多任务处理功能――也就是对称多处理技术(SMP)――引入确定性的实时系统。

3LabVIEW处于“Multicore―Ready”软件层次的顶层

LabVIEW应用程序的每一层(例如：LabVIEW应用程序代码、低层函数、I/O驱动)，都是线程安全的，它们可以利用多核处理器的优点。

LabVIEW是一种图形化数据流编程语言

使用LabVIEW开发应用程序的最主要好处就是其直观的、图形化的语言。在LabVIEW中，解决工程问题就如同在纸上画方块图一样简单。由于LabVIEW能够并行表达和执行任务，所以现代的多核处理器使得LabVIEW成为编程工具的一个更有利的选择。

LabVIEW的数据流特性意味着不论何时，只要代码在线上有个分支或在方块图上有个并行序列，潜在的LabVIEW编译器就会尝试并行执行代码。用计算机科学的专有名词来说，这就是“隐并行”，因为你并不需要为了并行执行程序而明确编写代码，LabVIEW的图形化语言将自行实现一定程度的并行性。

从单核到双核计算机，理论上的优势是性能的双倍改进。但是，如何逼近该极限，则与你能多大程度上并行执行程序有关。LabVIEW程序员自然是并行地编写其算法。在普通LabVIEW应用程序的初始基准下，若不考虑多核编程技术，不改变代码，则其性能能够提高15％～20％。

图1是一个简单的应用例子：LabVIEW代码的一个分支用于两个分析任务――滤波 *** 作和快速傅里叶变换(FFT)――在双核机器上并行执行。因为两个任务计算量都很大，所以采用双核执行，相对于单核的效率改进是1省略/multicore上找到所有这些优化方案的例子。

LablVEW为实时嵌入式硬件引入多核性能

一直以来，工程师们使用的工具都不能利用嵌入式多核系统的特性进行最优化的并行式编程。LabVIEW 85软件为确定性实时系统引入了台式机的自动多线程调度器(也被称为SMP)。LabVIEW 85的实时模块加入了一流的多核系统支持，它有着如下特性：

在嵌入式实时系统中，在多个核上自动进行负载均衡。

对于时间关键(time-critical)的代码，可以将定时循环分配到指定的处理器上将定时循环结构中的关键代码与应用程序中的其他代码隔离开。

利用Real-Time ExecutionTrace Toolkit 20工具，用户可以方便地对VI程序运行过程中的线程和处理器核进行图形化的表示，以便更好地调整实时系统，进而获得最佳性能。

LabVIEW处于“Multicore-Ready”软件层次的顶层

Intel公司定义了用户需要评估的四层软件层次来确定多核系统的可用程度。这四层软件层次分别是 *** 作系统、设备驱动、应用程序库和开发工具。如果所用的应用程序库和设备驱动不是为多核而设计的，或者 *** 作系统不能够在多个核上进行负载均衡，那么并行化程序在多核系统上是不能够运行得更快的。

设备驱动软件层的一个例子就是NI-DAQmx驱动软件。传统的NI－DAQ是“线程安全”的，也就是说在一个NI-DAQ函数被调用时，整个程序库会阻塞其他调用的线程。从第一感觉看来，这是非常有逻辑性的，因为NI－DAQ是用来控制硬件的，而硬件通常被认为是单一的源。NI-DAQmx这款重新设计过的新型DAQ驱动程序是可重入的，这意味着多个DAQ任务可以以一种真正并行的方式运行而不再需要阻塞线程。利用这种方法，驱动程序可以使用户的应用程序在同一块电路板上并行地运行多个任务，诸如独立的模拟和数字输入/输出等。

LabVIEW――理想的并行化编程语言

大多数用户将会看到多核系统所带来的好处，它利用改进的性能同时运行多个应用程序(电子邮件、视频、文字处理等)，这也被称为多任务。但是，对于试图对单一应用程序进行优化的开发者而言，它所能提供的好处是有限的。

工程师和科学家们正在为测试需要或者在控制应用中改进的闭环速率而寻找更快的测量仪器。他们需要考虑如何实现并行的应用。LabVIEW软件就是这样一种用户可以借助于它所提供的软件环境来实现并行应用的有效工具。语言的数据流特性、LabVIEW Real－Time工具对嵌入式平台开发的多核支持，以及自上而下的为多核而设计的软件层，使得LabVIEW软件成为进行并行化编程的首选。

先说答案，打开vi的debug模式。

[bigdata@master bin]$ set -o #查看当前设置情况

allexport off

braceexpand on

emacs off

errexit off

errtrace off

functrace off

hashall on

histexpand on

history on

ignoreeof off

interactive-comments on

keyword off

monitor on

noclobber off

noexec off

noglob off

nolog off

notify off

nounset off

onecmd off

physical off

pipefail off

posix off

privileged off

verbose off

vi off #关闭中

xtrace off

PS3:

[bigdata@master bin]$ set -o vi #把vi选项打开

[bigdata@master bin]$ set -o #查看当前设置情况

allexport off

braceexpand on

emacs off

errexit off

errtrace off

functrace off

hashall on

histexpand on

history on

ignoreeof off

interactive-comments on

keyword off

monitor on

noclobber off

noexec off

noglob off

nolog off

notify off

nounset off

onecmd off

physical off

pipefail off

posix off

privileged off

verbose off

vi on #已经打开

xtrace off

以上就是关于作为程序员提高编程能力的几个基础算法全部的内容，包括:作为程序员提高编程能力的几个基础算法、设计师与程序员、多核处理器 LabVIEW　8．5为开发者带来多核处理器的强大功能等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！