称心常识网程序员必背十大算法
一.Floyd Warshall算法
Floyd-Warshall算法，中文称弗洛伊德算法或佛洛伊德算法，是解决任意两点间的最短路径的一种算法，可以正确处理有向图或负权（但不可存在负权回路）的最短路径问题，同时也被用于计算有向图的传递闭包。
二.二分查找
也称折半查找算法、对数查找算法，是一种在有序数组中查找某一特定元素的搜索算法。
搜索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，则搜索过程结束；如果某一特定元素大于或小于中间元素，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。
三.贝尔曼福特算法
贝尔曼福特算法是求解单元最短路径问题的一种算法，由理查德贝尔曼和莱斯特福特创立的。有时候这种算法也被称为Moore-Bellman-ford算法，因为Edward F . Moore也为这个算法的发展做出了贡献。
它的原理是对图进行|V|-1次松弛操作，得到所有可能的最短路径。其优于迪克斯彻算法的方面是边的权值可以为负数、实现简单，缺点是时间复杂度过高，高达O(|V||E|）。但算法可以进行若干种优化，提高了效率。
四.快速排序
快速排序是一种交换类排序，可以理解成对冒泡排序的一种改进排序，但快速排序的复杂度相对于冒泡排序的提升相当大。
他的思路是，选取一个关键字K，将所有比K小的记录放在K前面，比K大的数放在K后面，一趟快速排序完成，完整的快速排序就是对分出的每个新数组再进行一次快速排序，也就是一趟排序的递归操作。
五.贪心算法
顾名思义，贪心法，贪心算法总是做出在当前看来是最好的选择。虽然贪心算法不是对所有问题都能得到整体最优解，但对范围相当广的许多问题都能产生整体最优解或是问题的次优解。因此有很好使用它的必要性。贪心算法既是一种解题策略，也是一种解题思路。
六.拓扑排序
拓扑排序是一种把有向无环图转换成线性序列的排序算法，算法的输入是一个有向无环图，经过算法分析吧图中的所有节点按照先后顺序进行拆解，最后得到一个有顺序的队列，在前的节点靠前，越靠后的节点或有多个节点指向该节点，那这个节点再队列中的位置就越靠后。
七.动态规划
很多人都会觉得动态规划很难，动态规划的核心思想有以下两点：
第一，任何看似很复杂很难解决的问题，其实都可以归结为一系列子问题，无论一个问题有多复杂，只要他有解决方案，就可以归结为N个子问题，某种意义上，我们可以认为动态规划是对递归的一种优化；
第二，我们在解决N个子问题的时候，要留心整体上有没有做无用功，通过备忘录的方式保存中间状态，使得不反复去计算已经求得的中间解。
八.最小生成树
最小生成树问题，简称MST，指给定一个带权的无向连通图，如果选取一棵生成树，使树上所有边上权的总和为最小，这叫最小生成树。
图有N个顶点，就一定有N-1条边，且必须包含所有顶点，所有边都在图中。解决最小生成树问题的算法主要有普利姆算法和克鲁斯卡尔算法。
九.深度搜索和广度搜索算法
又称DFS和BFS。深度优先搜索的原理是：首先选择一个顶点作为起始点，接着从他各个相邻点出发进行依次访问，直到所有与起始点有路径相通的顶点都被访问到。若此时有没被访问到的节点，则选择一个其他顶点进行再次访问。
广度优先搜索的原理是：选择一个顶点作为起始点，依次访问该起始点的所有邻接点，再根据邻接点访问他们各自的邻接点，并保证先访问节点的邻接点先与后访问节点的邻接点被访问。
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。
延伸阅读
迪杰斯特拉和弗洛伊德的区别
最大的区别是算法的时间复杂度
弗洛伊德算法的复杂度最低也是N的三次方 如果是竞赛的话你用弗洛伊德很不幸 你会超时
但是地杰斯特拉算法的复杂度就很低了可以达到期望logn级别 比N的三次方的算法就快了很多
还有一个区别就是在做最短路问题的时候迪杰斯特拉算法不适用于边有负权值的图
当碰到边有负权时 你可以选择SPFA算法 这是迪杰斯特拉算法的优化版 对稀疏图有不错的效果
求最短路径算法
四种最短路径算法：
1、单源点最短路，此算法是贪心的思想；
2、弗洛伊德算法，此算法本质是个动态规划；
3、贝尔曼-福特，每一次循环都会至少更新一个点，一次更新是用所有节点进行一次松弛操作；
4、SPFA算法采取的方法是动态逼近法。
floyd算法步骤详解
Floyd算法是一个经典的动态规划算法，它又被称为插点法。该算法名称以创始人之一、1978年图灵奖获得者、斯坦福大学计算机科学系教授罗伯特·弗洛伊德命名。
Floyd算法是一种利用动态规划的思想寻找给定的加权图中多源点之间最短路径的算法,算法目标是寻找从点i到点j的最短路径。
从任意节点i到任意节点j的最短路径不外乎2种可能，1是直接从i到j，2是从i经过若干个节点k到j。
所以，算法假设Dis(i,j)为节点u到节点v的最短路径的距离，对于每一个节点k，算法检查Dis(i,k) + Dis(k,j) < Dis(i,j)是否成立，如果成立，证明从i到k再到j的路径比i直接到j的路径短，便设置Dis(i,j) = Dis(i,k) + Dis(k,j)，这样一来，当遍历完所有节点k，Dis(i,j)中记录的便是i到j的最短路径的距离。
