专栏首页ACM算法日常新手ACM算法学习建议

新手ACM算法学习建议

转自网络

一般要做到50行以内的程序不用调试、100行以内的二分钟内调试成功。ACM主要是考算法的,主要时间是花在思考算法上,不是花在写程序与debug上

下面给个计划:

第一阶段:

练经典常用算法,下面的每个算法给我打上十到二十遍,同时自己精简代码,因为太常用,所以要练到写时不用想,10-15分钟内打完,甚至关掉显示器都可以把程序打出来。

1.最短路(Floyd,Dijstra,BellmanFord)。

2.最小生成树(先写个Prim,Kruscal要用并查集,不好写)。

3.大数(高精度)加减乘除。

4.二分查找. (代码可在五行以内)。

5.叉乘、判线段相交、然后写个凸包。

6.BFS、DFS,同时熟练hash表(要熟,要灵活,代码要简)。

7.数学上的有:辗转相除(两行内),线段交点、多角形面积公式。

8.调用系统的qsort, 技巧很多,慢慢掌握。

9.任意进制间的转换。

10.初期是训练编码能力,以水题为主(就是没有任何算法,自己靠动脑筋能够实现的),这种题目特点是麻烦,但是不难,30-50道题目就可以了。

第二阶段:

练习复杂一点,但也较常用的算法。

1.二分图匹配(匈牙利),最小路径覆盖。

2.网络流,最小费用流。

3.线段树。

4.并查集。

5.熟悉动态规划的各个典型:LCS、最长递增子串、三角剖分、记忆化DP。

6.博弈类算法。博弈树,二进制法等。

7.最大团,最大独立集。

8.判断点在多边形内。

9.差分约束系统。

10.双向广度搜索、A*算法,最小耗散优先。

11.可以接触一下基础的算法,我感觉搜索方向的比较不错,可以解决很多问题,深搜,广搜,然后各种剪枝能力的锻炼。搜索感觉不错了就可以去看看贪心,图论,和动态规划方向的了。

12.图论有最短路径,最小生成树,网络流,拓扑排序等等很多,动态规划先去书上看经典例子,最长公共子序列等。各种变形的题目。

第三阶段:

前两个阶段是打基础,第三阶段是锻炼在比赛中可以快速建立模型、想新算法。这就要平时多做做综合的题型了。

1.数学是ACM中极具杀伤力的武器,这方面经典的数论,组合数学方面的比较多,计算几何是很重要的,经典模型要熟悉,最近点对,二维三维,凸包以及各种应用。

2.平时扫扫zoj上的难题啦,别老做那些不用想的题.(中大acm的版主经常说我挑简单的来做:-P )。

3.多参加网上的比赛,感受一下比赛的气氛,评估自己的实力。

4.一道题不要过了就算,问一下人,有更好的算法也打一下。

5.做过的题要记好:-)

PS:用C++参赛的话STL要熟悉,有时候很有帮助,里面的queue,list,map,stack等。ACM到后来算法就成了工具,不断的靠自己意淫一个新的解法来解决问题是最开心的事情了。

本文分享自微信公众号 - ACM算法日常(acm-clan),作者:dansen

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2018-01-07

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • Hello World!

    这里每天会定期更新一些ACM算法网站的题目,主要目的是为了能够将ACM里面涉及到的算法和技巧通过易于理解的方式进行讲解。

    ACM算法日常
  • 第十篇:《机器学习之神经网络(四)》

    j 代表下一层中误差单元的下标,是受到权重矩阵中第行影响的下一层中的误差单元的下标。

    ACM算法日常
  • DP专题 3 | LCS最长公共子序列 - POJ 1458

    A subsequence of a given sequence is the given sequence with some elements (poss...

    ACM算法日常
  • 【干货】追本溯源:5种受生物启发的人工智能方法

    【导读】1月15日,机器学习研究人员Luke James(简介见文末)发布一篇博文,介绍了5种受到生物启发的人工智能方法,包括人工神经网络(人脑神经元)、遗传算...

    WZEARW
  • BAT面试题37:当机器学习性能遭遇瓶颈时,你会如何优化?

    https://machinelearningmastery.com/machine-learning-performance-improvement-chea...

    double
  • 算法对建筑业的影响,不仅仅是画图

    场景描述:近年来,算法在各行各业发挥作用,它也正在悄然改变建筑业。人工智能算法为设计师们带来了更多可能,为我们带来更多更惊艳、更合理的设计。

    HyperAI超神经
  • 基于微软案例数据库数据挖掘知识点总结(Microsoft Naive Bayes 算法)

    本篇文章主要是继续上两篇Microsoft决策树分析算法和Microsoft聚类分析算法后,采用另外更为简单一种分析算法对目标顾客群体的挖掘,同样的利用微软案例...

    机器学习AI算法工程
  • 快速学习-系统算法详解(基于人口统计学的推荐算法)

    cwl_java
  • 如何选择Microsoft Azure机器学习算法

    编者按:机器学习的算法很多,如何选择一直是初学者的一个痛点。本文给出了机器学习算法选择的方法和实例,不仅适用于Microsoft Azure框架,同样可以应用于...

    小莹莹
  • 从算法到训练,综述强化学习实现技巧与调试经验

    选自GitHub 作者:WilliamFalcon 机器之心编译 参与:乾树、黄小天 本文整理自 John Schulman 题为「深度强化学习研究的具体内容...

    机器之心

扫码关注云+社区

领取腾讯云代金券