要研究演算法，哪些指標可以用來衡量演算法的好壞呢？
1. 這個演算法要能正確解決問題。這個是前提，研究演算法的最終目的也是為了解決問題。如果乙個演算法，不能解決問題，那要它何用。
2. 這個演算法占用的資源應該盡可能小。計算機可以做得很快，但不能無限快。儲存器很便宜，但不會免費。計算時間是一種有限的資源，儲存空間也是一種有限的資源。這些資源必須被有效地使用，那些時間和空間上有效的演算法就有助於做到這一點。
效率指解決問題的有效比率。比如，完成一件事，a只用了10分鐘，而b用了15分鐘，那麼在時間這個角度來說，a的效率比b的效率高。
解決同一問題，各種演算法的效率通常相差很大。這種效率上的差距的影響往往比硬體和軟體方面的差距還要大得多。
書中舉出了乙個具體的例子。用來比較插入排序演算法和合併排序演算法的效率。這兩個排序演算法，都要對乙個大小為一百萬個數的陣列進行排序。
插入排序演算法，執行在一台執行較快的電腦a上，每秒執行10億條指令。
合併排序演算法，執行在一台執行較慢的電腦b上，每秒執行一千萬條指令。
在計算能力方面，計算機a比計算機b快100倍。
為了排序一百萬個數，計算機a花的時間為：
2 * (10^6)^2 條指令 / (10^9條指令/秒) = 2000秒
為了排序一百萬個數，計算機b花的時間為：
50*10^6 lg10^6 條指令 / (10^7條指令/秒) = 100秒
計算機a原來比計算機b快100倍，但是由於執行的演算法不同，最終對一百萬個數進行排序，計算機a反倒比b慢了20倍。 這就是計算機演算法的效率問題。
總體的系統效能不僅依賴於選擇快速的硬體，還依賴於選擇有效的演算法。
那現在計算機硬體已經很快了，是否意味著研究演算法已經沒有必要了呢？肯定不是。研究演算法有必要，主要體下面幾個方面。
1. 在一些資料量很大的領域。比如尋找路由。
2. 硬體的設計領域也需要演算法。
3. 任何一種計算機語言，它都需要編譯器、直譯器或彙編器中的一種，來讓計算機理解這種語言。這些軟體中，都包含了大量的演算法。
演算法很重要，是否擁有紮實的演算法知識和技術基礎，是區分真正熟練的程式設計師與新手的一項重要特徵，利用當代的計算技術，無需了解很多演算法方面的東西，也可以完成一些任務。但是，有了良好的演算法基礎的話，可以做的是就要多得多了。
而且，最重要的一點是，找工作的筆試面試題中，經常會出一些演算法題。要是演算法題，答得不好，就會找不到工作。或者只能找到工資低的工作。
python作為一種膠水和c c
如果需要用 python 呼叫 c c 編寫的第三方庫，只需要乙個指令碼語言來粘合它們。這個時候，用 python ctypes 可以很方便地實現呼叫。stackoverflow 上的 calling c c from python 這個主題介紹了 ctypes 最簡單的入門方法，概括如下 如果是 ...
一種濾波演算法
剛看到要寫濾波演算法的時候懵了，想著是不是要去掉最大值 最小值什麼的，感覺很高大上 於是開始查資料了解，發現濾波演算法其實有很多種方法，如下列舉了一些，當然能起到的濾波作用也是不同的 於是我看了下，選擇了一種最簡單實用的濾波演算法學習了一下，即下面的中位值濾波演算法 簡單來說就是多次取樣，排序，取中...
一種蜜網技術的介紹
一種蜜網技術的介紹 蜜罐是一種安全資源，其價值在於被掃瞄 和攻陷，它以犧牲真實的沒有打補丁的作業系統 一般以 linux 為平台 為代價欺騙 者以達到採集 方法和保護真實主機目標。傳統蜜罐有著不少的優點，比如收集資料的保真度，蜜罐不依賴於任何複雜的檢測技術等，因此減少了漏報率和誤報率。使用蜜罐技術能...