演算法是什麼？
演算法就是用在計算機中解決程式設計問題的方法，通俗點講演算法就是計算機解題的過程。
有一種廣為流傳的說法是：程式=演算法+資料結構。雖然這樣的說法過於籠統，但絕對沒有誇大其詞，因為事實上，演算法就是打好程式設計基礎的重要部分。沒有演算法，就沒有解決問題的程式設計。
舉個例子，你想要通過乙個程式達成某一執行命令，這一過程涉及兩個方面的內容：需要調取的資料、如何調取資料以及讓他們之間進行「運算」。前者需要資料結構，資料結構就是按一定規律排列放置資料的法則；後者需要演算法，演算法決定了你能如何設計命令，即編寫程式。
因此我們可以看到演算法的重要性和學習演算法的必要性。
演算法是計算機的精髓，學習計算機，必須要懂演算法，還應該要「精通」算法。
it行業技術千變萬化，程式設計師朋友們也處在不斷更新自身知識的潮流中。但演算法不一樣，演算法是永不過時的知識，學習演算法，終生受益。
學習演算法有益於程式設計思維。演算法培養的是思考問題解決問題的通性通法，而不是某一種具體的方法。
學習演算法之後，能在程式設計當中自己解決問題，或者自己造輪子，甚至在**優化中有所創新，而不是一味模仿框架工具。
你還認為演算法是程式設計中不會用到的知識，所以不用學習嗎？或許基礎程式設計工作無須涉及演算法及資料結構，然而一旦涉及高階程式設計工作，沒有演算法知識卻是萬萬不能的。
所以今天為大家簡單介紹5大演算法，助你在程式設計領域打牢地基，突破程式設計高階。
希爾排序（shell sort）
希爾排序是插入排序的一種。又叫縮小增量排序，是直接插入排序的優化方法，其核心在於間隔序列的設定。
程式設計原理為：選擇小於n的整數d1作為第乙個增量，所有距離為d1的倍數的記錄放在同乙個組中→組內進行直接插人排序→取第二個增量d2bfs(寬度優先搜尋)
bfs最簡便的圖的搜尋演算法之一
。簡單的說，bfs是從根節點開始，沿著樹(圖)的寬度遍歷樹(圖)的節點。
它並不考慮結果的可能位置，徹底地搜尋整張圖，直到找到結果為止。
程式設計原理為：
將根節點放入佇列中→檢驗
佇列中第乙個節點
是否為目標（是
則結束搜尋並回傳結果
，否則將
第一節點的
直接子節點加入佇列中
進行檢驗）→直到搜尋到目標，若隊列為空，則返回「找不到目標」。
dfs（深度優先搜尋）
dfs是搜尋演算法的一種。它的目的是要達到被搜尋結構的葉結點。
其特點是
每次深度優先搜尋
的結果必然是圖的乙個
連通分量。
程式設計原理為：選定圖的類別(有向圖、無向圖)→選定圖的儲存結構→根據輸入的頂點或者邊建立圖，並把相應的鄰接表或者鄰接矩陣輸出→
用遞迴方法編寫深度優先搜尋遍歷演算法，並輸出遍歷結果。
二分查詢演算法
二分查詢
又稱折半查詢
，折半查詢方法適用於不經常變動而查詢頻繁的有序列表。
程式設計原理為：
假設表中元素是按公升序排列
→將表中位置的關鍵字與查詢關鍵字比較
→如果兩者相等，則查詢成功;
如果兩者不相等，則
將表分成前、後兩個子表，如果中間位置記錄的關鍵字大於查詢關鍵字，則查詢前一子表，否則查詢後一子表
→重複以上過程，
直到查詢成功。
動態規劃演算法
動態規劃演算法是
五種常見的演算法之一，通常用於求解具有某種最優性質的問題
，其基本思想是將待求解問題分解成若干個子問題。
程式設計原理為
：分析最優解的性質
→以自底向上或自頂向下的記憶化方式（備忘錄法）計算出最優值
→根據計算最優值時得到的資訊，構造問題的最優解。
希望每乙個程式設計師朋友都能重視演算法和資料結構學習，想程式設計高階領域進發。
五大常用演算法之一 分治演算法
一 基本概念 在電腦科學中，分治法是一種很重要的演算法。字面上的解釋是 分而治之 就是把乙個複雜的問題分成兩個或更多的相同或相似的子問題，再把子問題分成更小的子問題 直到最後子問題可以簡單的直接求解，原問題的解即子問題的解的合併。這個技巧是很多高效演算法的基礎，如排序演算法 快速排序，歸併排序 傅利...
五大常用演算法之一 分治演算法
一 基本概念 在電腦科學中，分治法是一種很重要的演算法。字面上的解釋是 分而治之 就是把乙個複雜的問題分成兩個或更多的相同或相似的子問題，再把子問題分成更小的子問題 直到最後子問題可以簡單的直接求解，原問題的解即子問題的解的合併。這個技巧是很多高效演算法的基礎，如排序演算法 快速排序，歸併排序 傅利...
五大常用演算法之一 分治演算法
一 基本概念 在電腦科學中，分治法是一種很重要的演算法。字面上的解釋是 分而治之 就是把乙個複雜的問題分成兩個或更多的相同或相似的子問題，再把子問題分成更小的子問題 直到最後子問題可以簡單的直接求解，原問題的解即子問題的解的合併。這個技巧是很多高效演算法的基礎，如排序演算法 快速排序，歸併排序 傅利...