算法分享三个方面学习方法(做题经验,代码编写经验,比赛经验)

简介: 算法分享三个方面学习方法(做题经验,代码编写经验,比赛经验)

0 . 前言:(遇到OI不要慌)(只要道路对了,就不怕遥远)



从大学0基础小白,基于刷了不完全统计大约2500道不同难度的题,到全球最强算法平台codeforces ,账号评分2347,全球排名约前1000,中国排名前200左右。


分享一下我在学习算法这几年,总结的一点心得。


题是刷不完的,掌握学习方法,才是王道。


我分别从三个方面进行讲解:


做题经验谈,代码编写经验谈,比赛经验。


1. 做题经验谈



1.1 做题的目的


做题的目的是学到新的东西以及锻炼代码能力,而不是盲目刷 OJ 的 rank,那没有任何意义。

提高算法能力(想出做法的能力,分析问题的方法等等)

提高代码能力(写出正确的代码的能力)

提高调试能力(将错误的代码改对的能力)


1.2 我对于算法比赛的题目的看法


1.2.1 类似题


对于大部分算法竞赛题目来说

大部分由于做过类似的,不用想就能解决。

之后的大部分顺着题目进行一些简单的分析,就也能转化成做过的问题。


1.2.2 套模型:


学习更多的解题模型,可能具体也可能抽象,要多加思考。


1.3 在训练过程中如何做题


选择一个好的 OJ/CF <- 优秀的题目来源

适度而不过量的思考 <- 节约时间

如果做不出来,在看了题解之后,总结自己做不出来的原因是什么,以完善

自己今后的做题方法。

做题方法是一个很抽象的概念,需要经验的积累 ( 和一定的智商? )


1.4 一些建议:提高算法能力


CF2100分的左右题目经常会有令人耳目一新的算法思路。注重解题的过程而不是罗列解法,当然由于难度较大自己做可能比较累。

而且刚刚接触的时候基本上是做不出来的吧大概 <_< 。


所以推荐的方法是看看题目不要想太多不会做就看题解。


就算自己做出来了也可以看一下题解的分析,这对提高算法能力非常有好处。


1.5 一些建议:提高代码能力


代码能力很大程度上取决于经验,你可能觉得这种可能需要大量的练习,但是其实也是有捷径的,那就是参考别人的代码。



最佳的方法是找一些可能比较难写的题目,自己很可能写不出来,这时可以参考别人的代码,搞明白那些细节都是怎么处理的,优秀的代码风格能够极大的提高代码能力。



如果是在 CF 上刷题,可以经常参考每次比赛排行榜前10的前辈的代码学习一下,他们的代码风格都很好。


1.6 选一个好的 OJ

CF 的好处:有别人代码可以参考学习,有官方题解可以看。

同时可以参考很多前辈的代码和解题报告。


1.7 分析问题的方法:我的一些经验


1. 从简单的情况开始分析:经典方法,对原题没有思路,那么分析问题的简化版。

经典例子:找出字典序最小的解,那么我们先分析怎么找出一个解。

2. 人的思维很大程度上跟关键字有关系,比如一个题目怎么想都不会,有人跟你说“容斥”,你可能瞬间就会做了,不妨列出对于这类问题已知的一些解决方法关键字,思考思考能否做。


2. 代码编写经验谈



2.1 你 50% 的代码时间基本都浪费在调试上


90% 的错误都是傻逼错误。

正确的写代码方式。


2.2 模块化


功能直接使用各自的模块。


2.3 有意义的变量名


单词的 3 个缩写

Number->num amount ->amt ,count -> cnt


2.4常见的代码错误


2.4.1 变量名打错


写代码的时候集中注意力

变量名要有意义。


2.4. 2 不完全的修改


复制粘贴一段代码的时候,急于求成,没有根据上下文改对。

复制粘贴的时候尽量注意,或者不复制粘贴使用独立的函数。

发现一个地方要改一下,这个地方可能影响很多其它的地方,没有考虑全,导致错误。

突然发现要改一个地方的时候,好好想想这里会影响哪里。


3. 比赛经验谈



3.1  对签到题要格外小心


注意细节


3.2 考场策略问题


不够冷静


3.3 心态


正确的做题顺序

正确的比赛策略

最后是以上两点导致的优秀的心态。


3.4 实力


实力碾压


3.5 策略


正确的比赛策略,没有在坑爹题上浪费太多时间,并且 AC 了一道稍有难度

的题目,之后全力确保一道很容易错的题目,并成功 AC 。


3.6 对于比赛经验的一些总结


1. 良好的心态是必须的,不冷静只会让自己水平暴跌。

2. 首先把题目都认真的看一遍,绝对不要看错题目,保险起见可以使用看两

遍的方法,确保题意是对的,不要放过任何可能重要的条件,可能只写在数

据范围里!

3. 对每一题,都使用自己平常的方法做一做,而不是看到会的就立刻去写。

这个时间每题不要过长。

4. 在此基础上决定一个良好的做题顺序。


3.7 注意事项


1. 绝对绝对绝对不要看错题目或者输入输出的格式。

2. 签到题你没 AC 别人满分你就完蛋了,绝对不要错签到题。

3. 对于可以对拍的题,一定一定一定要对拍。

4. 千万不要成为错误 ( 没删调试语句,文件名打错 )list 上的主人公。


3.8 比赛方法


3.8 .1 比赛方法 1 : 简单题


特点:题目简单,数据也弱。

面对简单题,我们需要的是稳定的 AC 。

不要求速度,先认真的看完题目,然后从容解决签到题。

然后一般来说会有一道不是那么简单的题目,先确保其它的简单题没有

问题,简单的题目往往可以简单的对拍,不需要花多少时间。

然后把时间都花在略难题上,争取得到自己能得的最高分。

注意使用特判法,不能确保做法正确性的时候最稳妥的做法是特判。

暴力的范围然后暴力范围用暴力。


3.8.2 比赛方法 2 :困难题


特点:题目有一定难度,无法全部做出。

易犯错误:考场看都没看,放过了本来应该是非常简单的题目。

在这种比赛中,正确的做题顺序非常重要,但是做题顺序来源于对题目的了解,

而对题目的了解又需要花费你的时间,这两个方面各自牵制,并非独立。

我个人的做法是首先要抽出半小时看完所有题目并且随便想一想,然后对每题都

可以标出使用你第一眼想到的做法。

然后再每题花 10 分钟略微细致的分析加想一下。


基本上不难的题目都可以做出,就算做不出也会有“这题不是很难”的感觉,并且标上目前这题你能得出来的概率。


那么根据之前对题目的了解,就可以决定做题的顺序了。


相关文章
|
2月前
|
存储 算法 调度
【复现】【遗传算法】考虑储能和可再生能源消纳责任制的售电公司购售电策略(Python代码实现)
【复现】【遗传算法】考虑储能和可再生能源消纳责任制的售电公司购售电策略(Python代码实现)
162 26
|
20天前
|
机器学习/深度学习 算法 机器人
【水下图像增强融合算法】基于融合的水下图像与视频增强研究(Matlab代码实现)
【水下图像增强融合算法】基于融合的水下图像与视频增强研究(Matlab代码实现)
111 0
|
2月前
|
存储 编解码 算法
【多光谱滤波器阵列设计的最优球体填充】使用MSFA设计方法进行各种重建算法时,图像质量可以提高至多2 dB,并在光谱相似性方面实现了显著提升(Matlab代码实现)
【多光谱滤波器阵列设计的最优球体填充】使用MSFA设计方法进行各种重建算法时,图像质量可以提高至多2 dB,并在光谱相似性方面实现了显著提升(Matlab代码实现)
|
2月前
|
传感器 机器学习/深度学习 算法
【UASNs、AUV】无人机自主水下传感网络中遗传算法的路径规划问题研究(Matlab代码实现)
【UASNs、AUV】无人机自主水下传感网络中遗传算法的路径规划问题研究(Matlab代码实现)
|
20天前
|
机器学习/深度学习 算法 机器人
使用哈里斯角Harris和SIFT算法来实现局部特征匹配(Matlab代码实现)
使用哈里斯角Harris和SIFT算法来实现局部特征匹配(Matlab代码实现)
105 8
|
20天前
|
机器学习/深度学习 算法 自动驾驶
基于导向滤波的暗通道去雾算法在灰度与彩色图像可见度复原中的研究(Matlab代码实现)
基于导向滤波的暗通道去雾算法在灰度与彩色图像可见度复原中的研究(Matlab代码实现)
|
2月前
|
机器学习/深度学习 人工智能 搜索推荐
从零构建短视频推荐系统:双塔算法架构解析与代码实现
短视频推荐看似“读心”,实则依赖双塔推荐系统:用户塔与物品塔分别将行为与内容编码为向量,通过相似度匹配实现精准推送。本文解析其架构原理、技术实现与工程挑战,揭秘抖音等平台如何用AI抓住你的注意力。
476 7
从零构建短视频推荐系统:双塔算法架构解析与代码实现
|
2月前
|
机器学习/深度学习 传感器 算法
【高创新】基于优化的自适应差分导纳算法的改进最大功率点跟踪研究(Matlab代码实现)
【高创新】基于优化的自适应差分导纳算法的改进最大功率点跟踪研究(Matlab代码实现)
191 14
|
20天前
|
机器学习/深度学习 数据采集 负载均衡
结合多种启发式解码方法的混合多目标进化算法,用于解决带工人约束的混合流水车间调度问题(Matlab代码实现)
结合多种启发式解码方法的混合多目标进化算法,用于解决带工人约束的混合流水车间调度问题(Matlab代码实现)
|
20天前
|
机器学习/深度学习 人工智能 算法
【基于TTNRBO优化DBN回归预测】基于瞬态三角牛顿-拉夫逊优化算法(TTNRBO)优化深度信念网络(DBN)数据回归预测研究(Matlab代码实现)
【基于TTNRBO优化DBN回归预测】基于瞬态三角牛顿-拉夫逊优化算法(TTNRBO)优化深度信念网络(DBN)数据回归预测研究(Matlab代码实现)

热门文章

最新文章