前言
羅列了一些以後可能會用到的算法，并簡單介紹了一下，以後具體用到的時候再詳細學習。
1. 樹
二叉查找樹（binary search tree），一種資料結構。
對于其中的每個節點，左子節點的值都比它小，而右子節點的值都比它大。
假設你要查找Maggie。為此，你首先檢查根節點。
Maggie排在David的後面，是以你往右邊找。
查找過程跟二分查找一樣。在二叉查找樹中查找節點時，平均運作時間為O( l o g n log n logn)，但在最糟的情況下所需時間為O( n n n)；而在有序數組中查找時，即便是在最糟情況下所需的時間也隻有O( l o g n log n logn)，是以你可能認為有序數組比二叉查找樹更佳。然而，二叉查找樹的插入和删除操作的速度要快得多。
二叉查找樹也存在一些缺點，例如，不能随機通路某個元素。有處于平衡狀态和不平衡狀态的二叉查找樹。
可以研究一下其他樹相關的資料結構：B樹，紅黑樹，堆，伸展樹。
2. 反向索引
反向索引（inverted index) 也是一種資料結構，常用于建立搜尋引擎。
搜尋包含指定單詞的頁面，利用一個散清單，将單詞映射到包含它的頁面，這種資料結構被稱為反向索引。
3. 傅裡葉變換
傅裡葉變換（Fourier transform）是一種線性的積分變換。傅裡葉就是一種變換，從時間到頻率的變化或其互相轉化。
4. 并行算法
為提高算法的速度，你需要讓它們能夠在多個核心中并行地執行！
在最佳情況下，排序算法的速度大緻為O( n l o g n n log n nlogn)。衆所周知，對數組進行排序時，除非使用并行算法，否則運作時間不可能為O( n n n)！對數組進行排序時，快速排序的并行版本所需的時間為O( n n n)。
并行算法設計起來很難，要確定它們能夠正确地工作并實作期望的速度提升也很難。有一點是确定的，那就是速度的提升并非線性的，是以即便你的筆記本電腦裝備了兩個而不是一個核心，算法的速度也不可能提高一倍，其中的原因有兩個:
- 并行性管理開銷。假設你要對一個包含1000個元素的數組進行排序，如何在兩個核心之間配置設定這項任務呢？如果讓每個核心對其中500個元素進行排序，再将兩個排好序的數組合并成一個有序數組，那麼合并也是需要時間的。
- 負載均衡。假設你需要完成10個任務，是以你給每個核心都配置設定5個任務。但配置設定給核心A的任務都很容易，10秒鐘就完成了，而配置設定給核心B的任務都很難，1分鐘才完成。這意味着有那麼50秒，核心B在忙死忙活，而核心A卻閑得很！你如何均勻地配置設定工作，讓兩個核心都一樣忙呢？
要改善性能和可擴充性，并行算法可能是不錯的選擇！
5. MapReduce
有一種特殊的并行算法正越來越流行，它就是分布式算法。在并行算法隻需兩到四個核心時，完全可以在筆記本電腦上運作它，但如果需要數百個核心呢？在這種情況下，可讓算法在多台計算機上運作。MapReduce是一種流行的分布式算法，可通過流行的開源工具Apache Hadoop來使用它。
分布式算法非常适合用于在短時間内完成海量工作，其中的MapReduce基于兩個簡單的理念：映射（map）函數和歸并（reduce）函數。
映射是将一個數組轉換為另一個數組。
歸并函數是将很多項歸并為一項。
6. 布隆過濾器和HyperLogLog
沒看懂，名字太長，到時候需要再學習，哈哈哈哈哈
7. SHA 算法
安全雜湊演算法（secure hash algorithm，SHA) 。給定一個字元串，SHA傳回其散列值。
SHA是一個散列函數，它生成一個散列值——一個較短的字元串。用于建立散清單的散列函數根據字元串生成數組索引，而SHA根據字元串生成另一個字元串。
比較檔案
可使用SHA來判斷兩個檔案是否相同，這在比較超大型檔案時很有用。假設你有一個4 GB的檔案，并要檢查朋友是否也有這個大型檔案。為此，你不用通過電子郵件将這個大型檔案發送給朋友，而可計算它們的SHA散列值，再對結果進行比較。
檢查密碼
假設Gmail遭到攻擊，攻擊者竊取了所有的密碼！你的密碼暴露了嗎？沒有，因為Google存儲的并非密碼，而是密碼的SHA散列值！你輸入密碼時，Google計算其散列值，并将結果同其資料庫中的散列值進行比較。
Google隻是比較散列值，是以不必存儲你的密碼！SHA被廣泛用于計算密碼的散列值。這種雜湊演算法是單向的。你可根據字元串計算出散列值。
但你無法根據散列值推斷出原始字元串。
SHA實際上是一系列算法：SHA-0、SHA-1、SHA-2和SHA-3。
8. 局部敏感的雜湊演算法
SHA還有一個重要特征，那就是局部不敏感的。假設你有一個字元串，并計算了其散列值。
如果你修改其中的一個字元，再計算其散列值，結果将截然不同！
這很好，讓攻擊者無法通過比較散列值是否類似來破解密碼。
有時候，你希望結果相反，即希望散列函數是局部敏感的。在這種情況下，可使用Simhash。如果你對字元串做細微的修改，Simhash生成的散列值也隻存在細微的差别。這讓你能夠通過比較散列值來判斷兩個字元串的相似程度。
9. Diffie-Hellman 密鑰交換
Diffie-Hellman算法解決了如下兩個問題：
- 雙方無需知道加密算法。他們不必會面協商要使用的加密算法。
- 要破解加密的消息比登天還難。
Diffie-Hellman使用兩個密鑰：公鑰和私鑰。顧名思義，公鑰就是公開的，可将其釋出到網站上，通過電子郵件發送給朋友，或使用其他任何方式來釋出。你不必将它藏着掖着。有人要向你發送消息時，他使用公鑰對其進行加密。加密後的消息隻有使用私鑰才能解密。隻要隻有你知道私鑰，就隻有你才能解密消息！
Diffie-Hellman算法及其替代者RSA依然被廣泛使用。
10. 線性規劃
線性規劃用于在給定限制條件下最大限度地改善指定的名額。
例如，假設你所在的公司生産兩種産品：襯衫和手提袋。襯衫每件利潤2美元，需要消耗1米布料和5粒扣子；手提袋每個利潤3美元，需要消耗2米布料和2粒扣子。你有11米布料和20粒扣子，為最大限度地提高利潤，該生産多少件襯衫、多少個手提袋呢？在這個例子中，目标是利潤最大化，而限制條件是擁有的原材料數量。
所有的圖算法都可使用線性規劃來實作。線性規劃是一個寬泛得多的架構，圖問題隻是其中的一個子集。線性規劃使用Simplex算法。