前言 昨天的 Merge Sort 用分而治之確保每次執行都是 O(N log N)，代價是每次合併都要一個新陣列來裝結果，額外空間是 O(N)。那如果新陣列...
前言 昨天的 Insertion Sort 是一個成本取決於輸入資料形狀的排序演算法，資料越接近已排序狀態，它花費的成本就越少。可是實務上不一定知道資料長什麼...
前言 昨天有用三種輸入去跑 Bubble Sort 和 Selection Sort，並整理出各自的執行次數，其中，在已排序那列可看到加了 early exi...
前言 大部分語言都有內建的排序方法，JavaScript 也不例外，呼叫 array.sort() 以後，就能把陣列排好，那為什麼還要了解排序演算法呢？ 其中...
前言 在昨天的文章中，我們舉例的訂單資料設定為「已經照建立時間排好」，但整篇文章卻沒有提到這個特性，談到 Search 時，我們說時間複雜度是 O(N)，原因...
前言 今天要介紹的是大家很常聽到也很常使用的 Array～ 先從一個很日常的問題開始，假設我們手上有一百萬筆訂單資料，想拿到 orders[999999] 也...
前言 前面兩篇用 Big O 和 Space Complexity 描述一個做法的時間與空間成本，不過一個做法即使又快又省，仍然可能算出錯誤答案。 那要怎麼知...
前言 上一篇文章介紹了 Big O，我們學會用「輸入規模增加時，操作次數會怎麼成長」來描述一個做法的成本，不過那篇從頭到尾數的都是「操作次數」，也就是 Tim...
前言 昨天簡單介紹了資料結構與演算法，提到同一份資料可用不同方式組織，而不同的資料結構與解決步驟也可能產生不同的運算成本，不過當我們說某個方法「比較有效率」時...
標題看起來不太像是工程問題? 其實本質上是工程問題: '數'其實就是一堆石子數量的符號,或代表石子本身. 電腦所處理的都是很實際的符號或'字串'. 沒有遐想空間...
嗨大家好！我是 Monica，第一天一樣來講講系列文動機與大綱，談談未來的內容規劃。 關於分享主題 再次嘗試鐵人賽，希望能藉此督促自己學習新東西～這次的主題很經...
這 30 天，我們談過很多看起來完全不同的問題。排隊時，我們用了 Queue。復原操作時，我們看到了 Stack。找資料時，我們談 Hash Map。捷運路線讓...
上一篇，我們看到一個很現實的問題： 理論上存在答案，不代表我們能在現實時間內找到答案 像 Knapsack、Scheduling、Routing 這些問題，...
前幾篇，我們遇到了很多看起來不太一樣的問題。 例如： Knapsack：行李只能帶 20 公斤，哪些東西最值得帶？ Scheduling：一天只有有限時間，工...
上一篇，我們談到實驗課排程時，先把注意力放在一件很重要的事情上： 先找到一個符合所有條件的可行解 例如實驗課表必須滿足： 同一間實驗室不能重複借用 實驗室...
上一篇，我們看了外送平台怎麼決定誰來送一張訂單。 乍看之下，好像只是 找距離最近的外送員，但真正的問題裡，可能同時存在： 路線距離 等待時間 外送員工作量 手...
上一篇，我們把「人與工作之間的分配」畫成了一張 Graph。例如： 問題變成： 哪一個人應該被分配到哪一件工作？ 這就是匹配想處理的問題。但如果真的打開一個...
上一篇，我們談的是排程 Scheduling。 當一天只有有限的時間，而每件工作都有自己的： 持續時間 開始 / 結束 期限 優先級 我們真正要解決的是：...
上一篇，我們談了 Bin Packing。假設每台貨車的容量有限： capacity = 10 而所有箱子都必須送走，我們要思考的是： 怎麼把這些箱子分配到...
上一篇，我們談了 Knapsack Problem。假設行李箱只能裝 20 公斤，而每件物品都有： 重量 價值 我們真正想解的是： 在有限容量裡，應該選哪...
上一篇，我們透過找零錢問題看到，Greedy 每一步都選擇眼前看起來最好的選項，最後卻不一定能得到整體最佳解。我們也利用動態規劃，從較小金額的答案逐步推導，找出...
上一篇，我們用找零錢的問題認識了 Greedy。假設要找 67 元，可以使用 50、10、5、1 的面額。當我們每一步都選擇： 不超過剩餘金額的最大面額 會...
前幾篇，我們一路從 dependency、propagation 談到 Graph 本身也可能隨著系統執行而改變。到這裡，我們已經不只是在描述資料結構，也開始面...
上一篇，我們把 npm 專案看成了一張 Dependency Graph。當一個 package 依賴另一個 package 時，我們可以把關係畫成 A → B...
上一篇我們看到，Dependency Graph 最麻煩的情況之一，就是出現循環。例如： A → B → C → A 如果箭頭代表： 前面的工作必須先完成，...
上一篇我們開始把「事情必須按照先後順序完成」畫成有向圖。例如： 買食材 → 備料 → 烹煮 → 上桌 箭頭代表 dependency： A → B 可以理解...
前幾天我們一直用 Graph 描述「東西之間怎麼連在一起」。例如捷運路網： 我們在意的是： 從 A 能不能走到 F？哪條路比較短？哪條路花的時間比較少？ 但...
上一篇我們討論 BFS 時，用了一個很適合它的問題： 從 A 到 F，最少要經過幾個站？ 只要每經過一個站，都把它看成相同的一步，BFS 就能一層一層往外搜...
上一篇談到 DFS 時，我們做了一個很明確的選擇： 先沿著一條路一路走到底 這是一種搜尋策略。但如果今天問題換方向了呢？ 假設我們面前不是迷宮，而是一張捷運...
昨天我們終於把 Graph 從紙上的線條，變成程式真的能保存的資料。例如一張簡化的路網： 我們可以用 Adjacency List 表示： const grap...
Monica
LucianoLee
iThome鐵人賽
看影片追技術