算法帝国里的牛人们:欧拉

简介:

1791年,著名奥地利作曲家约瑟夫·海顿出席了乔治·弗里德里希·亨德尔在伦敦威斯敏斯特大教堂的盛大清唱剧《弥赛亚》的演出。演出快要结束时,海顿被上千名合唱队和管弦乐队成员感动得热泪盈眶,他在泪光中盛赞和他同时代的亨德尔“是我们所有人的大师”。

与此同时,促进统计学发展的思想巨人之一、法国数学家皮埃尔-西蒙·拉普拉斯也惊叹地说了同样的话,但他指的不是亨德尔,而是莱昂哈德·欧拉。


欧拉毕业于巴赛尔大学,这所大学曾经培养了很多改变世界的知识精英。巴赛尔大学是瑞士最古老的大学,由教皇庇护二世创办于1460年,几百年来吸引了很多优秀人才,如鹿特丹的伊拉斯谟、伯努利家族、欧拉家族、雅各·布克哈特、弗里德里希·尼采以及卡尔·荣格。欧拉生于1707年,曾经是雅各布·伯努利的弟弟约翰·伯努利的学生,他是那个时代最出众的数学家。


欧拉上大学时,经常在星期六下午和约翰讨论数学和哲学。“所有我不懂的东西,他都好心地跟我解释。”欧拉回忆道。所以等到欧拉完成学业时,他已经学有所成,知之甚广了。而后他发表了不计其数的数学作品,成为有史以来最多产的数学家之一。


欧拉当时是俄罗斯圣彼得堡科学院的新任教授,他着手解决困扰当地人的著名的哥尼斯堡七桥问题。哥尼斯堡现称加里宁格勒,位于夹在波兰和立陶宛之间的俄罗斯外飞地,在欧拉的时代属于普鲁士的领土。这座城被普雷格尔河分为几块陆地,包括两座岛,有七座桥将陆地与岛连接起来。当地散步的人希望找到一条路可以穿过这个城市:每座桥都能走到,但只走一次。


为了说明这个问题,欧拉在纸上画了一些点(也称叉点),用线(也称连线)连接起来,分别代表陆地和桥。他注意到线的长度和形状可以任意改变,叉点也可以移动,前提是所有的线(桥)都是完好无缺的。欧拉当时所画的在现代数学中被称为图形,这个图形最终证实了不存在一次走遍七座桥,而每座桥只许通过一次的走法。欧拉解决这个问题的同时也创造了图论。


欧拉创造的图论和我们经常看的图(如股票走势图或销售报告图)不是一个概念。欧拉的图是树形图,可以用来表示自然界的网络、微芯片的电路或同城不同人之间的关系。专门为图论编写的算法为现代计算机科学的发展翻开了令人振奋的崭新一页:生物学家可以通过它建立DNA链和生理特征之间的联系,教授们可以解码披头士的音乐,中央情报局可以掌控恐怖分子网络,华尔街观察员可以找出看似不相关的事物之间的关系。图论尤其对分析Facebook的人脉关系网很有用,通过分析图形中哪些叉点(人)的连线(关系)最多,以及哪些连线在吸引眼球和评论方面最活跃,就可以知道哪些人最有影响力了。工程师要应聘Facebook的工作,经常会被考到图论的题。


欧拉活到76岁,但他的著作在他死后将近一个世纪仍然在不停地出版。他的专著、论文、教科书和技术手册多达886种,产出量是他有生之年欧洲所有数学出版物的1/3。他在数学领域开辟了很多新的发展方向,为了避免太多发现用同一个人的名字命名,很多数学定理和公式都是以在欧拉之后第一个发现或使用它的人的名字命名的。


很多人可能还记得上学的时候学过著名的欧拉公式:V – E + F= 2。数不胜数的算法基于这个公式编写。它描述的是三维立体形状,V代表顶点(线相交的角)的个数,E代表线的条数,F代表立体对象面的个数。比如说,一个立方体有6个面,12条线,8个角:8 – 12 + 6 = 2。


这个公式并不仅仅局限于如立方体、角锥体、圆锥体和球体之类的基本的刚性图形。欧拉的这个公式后来在分析碳分子的几何图形、看似随机的天气系统、光学、磁学和流体力学时都被用到。通过他同名公式背后的理论,欧拉开始思考非刚性图形,也就是现在大家熟知的拓扑图形。拓扑学属于混沌理论的一个方面,在过去的20年里,很多数学家在华尔街用混沌理论算法可是赚了不少钱。


如果您希望参加“大数据文摘读书群”,请在公号后台给我们留言:

读书,您的微信号,喜欢什么类型的书,您推荐哪些书


摘自:《算法帝国》,人民邮电出版社

如果说《改变未来的九大算法》是为弥散程序员气质的业余技术控洗髓内修的白话算法书,《算法帝国》就是为抱负征服世界雄心的程序员易筋外修的演义励志书,一路读来心中满盈释然和暗合之悦。搞了小半辈子算法,一直到听过凯文—斯拉文(KevinSlavin)的TED演讲“算法如何塑造我们的世界”,才有意识地去感知周遭世界一行一止中算法的开合有度。本书大开大阖,从70年代华尔街的勃兴开始,以本世纪华尔街和硅谷的权力更替收尾,世界易帜,算法仍旧。书名直译为《算法如何控制我们的世界》,对于潜志算法的我们,是控制还是被控制?书尾赫然写道:“你很有可能统治世界,如果没有机器人抢在你前头的话。”


原文发布时间为:2014-08-11

本文来自云栖社区合作伙伴“大数据文摘”,了解相关信息可以关注“BigDataDigest”微信公众号

相关文章
算法基础系列第四章——数论之从欧拉卷到欧几里得(2)
算法基础系列第四章——数论之从欧拉卷到欧几里得(2)
114 0
算法基础系列第四章——数论之从欧拉卷到欧几里得(2)
算法基础系列第四章——数论之从欧拉卷到欧几里得(1)
算法基础系列第四章——数论之从欧拉卷到欧几里得(1)
250 0
算法基础系列第四章——数论之从欧拉卷到欧几里得(1)
基于和声搜索优化算法的机器工作调度matlab仿真,输出甘特图
本程序基于和声搜索优化算法(Harmony Search, HS),实现机器工作调度的MATLAB仿真,输出甘特图展示调度结果。算法通过模拟音乐家即兴演奏寻找最佳和声的过程,优化任务在不同机器上的执行顺序,以最小化完成时间和最大化资源利用率为目标。程序适用于MATLAB 2022A版本,运行后无水印。核心参数包括和声记忆大小(HMS)等,适应度函数用于建模优化目标。附带完整代码与运行结果展示。
基于AES的遥感图像加密算法matlab仿真
本程序基于MATLAB 2022a实现,采用AES算法对遥感图像进行加密与解密。主要步骤包括:将彩色图像灰度化并重置大小为256×256像素,通过AES的字节替换、行移位、列混合及轮密钥加等操作完成加密,随后进行解密并验证图像质量(如PSNR值)。实验结果展示了原图、加密图和解密图,分析了图像直方图、相关性及熵的变化,确保加密安全性与解密后图像质量。该方法适用于保护遥感图像中的敏感信息,在军事、环境监测等领域具有重要应用价值。
基于免疫算法的最优物流仓储点选址方案MATLAB仿真
本程序基于免疫算法实现物流仓储点选址优化,并通过MATLAB 2022A仿真展示结果。核心代码包括收敛曲线绘制、最优派送路线规划及可视化。算法模拟生物免疫系统,通过多样性生成、亲和力评价、选择、克隆、变异和抑制机制,高效搜索最优解。解决了物流仓储点选址这一复杂多目标优化问题,显著提升物流效率与服务质量。附完整无水印运行结果图示。
基于免疫算法的最优物流仓储点选址方案MATLAB仿真
基于GA遗传优化TCN-GRU时间卷积神经网络时间序列预测算法matlab仿真
本项目基于MATLAB2022a开发,提供无水印算法运行效果预览及核心程序(含详细中文注释与操作视频)。通过结合时间卷积神经网络(TCN)和遗传算法(GA),实现复杂非线性时间序列的高精度预测。TCN利用因果卷积层与残差连接提取时间特征,GA优化超参数(如卷积核大小、层数等),显著提升模型性能。项目涵盖理论概述、程序代码及完整实现流程,适用于金融、气象、工业等领域的时间序列预测任务。
基于遗传优化算法的多AGV栅格地图路径规划matlab仿真
本程序基于遗传优化算法实现多AGV栅格地图路径规划的MATLAB仿真(测试版本:MATLAB2022A)。支持单个及多个AGV路径规划,输出路径结果与收敛曲线。核心程序代码完整,无水印。算法适用于现代工业与物流场景,通过模拟自然进化机制(选择、交叉、变异)解决复杂环境下的路径优化问题,有效提升效率并避免碰撞。适合学习研究多AGV系统路径规划技术。
基于GA遗传算法的斜拉桥静载试验车辆最优布载matlab仿真
本程序基于遗传算法(GA)实现斜拉桥静载试验车辆最优布载的MATLAB仿真,旨在自动化确定车辆位置以满足加载效率ηq(0.95≤ηq≤1.05)的要求,目标是使ηq尽量接近1,同时减少加载车辆数量和布载耗时。程序通过迭代优化计算车辆位置、方向、类型及占用车道等参数,并展示适应度值收敛过程。测试版本为MATLAB2022A,包含核心代码与运行结果展示。优化模型综合考虑车辆总重量、间距及桥梁允许载荷密度等约束条件,确保布载方案科学合理。
下一篇
oss创建bucket
AI助理

你好,我是AI助理

可以解答问题、推荐解决方案等