许多有抱负的开发人员似乎有一个很大的误解，即记住标准算法很重要。现在对于一些工作面试可能是这样，但对于真正成为一名成功的开发人员来说并不是特别重要。
那么你在算法课上学的东西就没有用了吗？绝对不。非常重要的是算法思考的能力。不仅是为了让您可以重现和祭坛标准算法，而且是为了让您能够轻松地使用代码来解决您作为开发人员遇到的任何问题。
这就是为什么我们汇总了 10 种算法列表，有抱负的开发人员应该通过这些算法来熟悉算法思维。
1.二分查找
二进制搜索是任何计算机科学课程中首先教授的内容之一。这可能是最简单的例子，说明一点点独创性如何使事情变得更加高效。
二进制搜索包括获取一个已排序的数组，并迭代地将数组分成两部分，然后将要查找的元素与每一半进行比较，直到找到该元素。
2. 选择、冒泡和插入排序
排序算法是开发人员应该拥有的最基本的工具之一。选择、冒泡和插入排序是新开发人员应该首先解决的一些问题。在速度很重要的任何情况下，您都不会使用这些算法，但使用它们是对数组遍历和操作的一个很好的介绍。
3. 快速排序和合并排序
与 #2 类似，排序算法非常适合熟悉数组，但 Quicksort 和 Mergesort 的效率足以在严肃的应用程序中使用。舒适地实现这些排序算法（注意“舒适”而不是“记忆”）这些算法对于成为一名认真的开发人员至关重要。
4. 霍夫曼编码
霍夫曼编码是现代文本压缩的基础。它通过考虑不同字符在文本中出现的频率来工作，并根据该频率将它们组织在树中。
5.广度优先搜索
再次证明，树是开发人员使用的许多算法和软件的核心。因此，了解基本的树遍历是有抱负的开发人员的首要任务。
广度优先搜索通过逐级探索树直到找到目标节点来工作。由于它确实经历了每个级别，因此可以保证找到解决方案
6. 深度优先搜索
继续树遍历，深度优先搜索是在树中查找元素的另一种主要方法。它不是逐层逐级向下工作，而是逐个分支探索树分支。
现在假设它没有无限扩展的分支，DFS 将同样始终有效。实现这两种搜索算法并不是特别复杂，但非常重要的是学习何时使用其中一种。许多软件设计能够理解您正在使用的信息的结构，并选择针对该结构进行优化的算法。
7.梯度下降
现在对于很多开发人员来说，梯度下降不一定有用。但是，如果您使用回归或机器学习来接触任何东西，那么梯度下降将成为您工作的核心。
梯度下降是一种使用微积分优化函数的方法。在回归和机器学习的背景下，这意味着找到能够最大限度地减少预测算法中的误差的特定值。虽然与许多其他算法相比，它在数学上肯定更多，但如果您正在大量处理数据和预测，那么了解梯度下降的工作原理非常重要。
8. Dijkstra 算法
开发人员处理的另一个非常重要的问题是寻路。图表被证明是一种非常通用的方式来描述涉及不同对象网络的各种问题。
Dijkstra 算法是一种在图中找到两个节点之间最快路径的方法。它是大多数寻路工作的基础，并发现自己用于从人工智能到游戏设计的任何领域。
9. Diffie-Hellman 密钥交换
Diffie-Hellman Key Exchange 很好地介绍了密码学的工作原理。更具体地说，Diffie-Hellman 密钥交换通过组合公钥和私钥（实际上是长数字）来加密在不同方之间传输的信息。
即使您不从事网络安全工作，对加密和安全通信的有效理解对于作为开发人员工作也非常重要。此外，尽管 Diffie-Hellman 远非最佳算法，但它非常容易实现，并且与大多数其他加密通信方法足够相似。
10.做练习题
前九种算法都为您提供了解决作为开发人员可能遇到的问题原型的方法。然而，现实情况是，作为开发人员，您经常会遇到全新的算法问题。这就是为什么比记住任何算法更重要的是培养用算法解决问题的能力。
到的问题原型的方法。然而，现实情况是，作为开发人员，您经常会遇到全新的算法问题。这就是为什么比记住任何算法更重要的是培养用算法解决问题的能力。
关于这些算法，你学废了么？
