10 Algoritmer som förändrar världen - dummies

Algoritmer visas idag överallt, och du kanske inte ens inser hur mycket effekt de har på ditt liv. De flesta inser att nätbutiker och andra försäljningsställen är beroende av algoritmer för att bestämma vilka tilläggsprodukter som ska föreslås baserat på tidigare inköp. Men de flesta är inte medvetna om användningen av algoritmer i medicin, varav många hjälper en läkare att bestämma vilken diagnos som ska ges.

Använda sorteringsrutiner

Utan beställda data skulle det mesta av världen komma till ett stopp. För att kunna använda data måste du kunna hitta den. Du kan hitta hundratals sorteringsalgoritmer online.

De tre vanligaste sorteringsrutinerna är emellertid Mergesort, Quicksort och Heapsort på grund av den överlägsen hastighet som de tillhandahåller. Den sortrutinen som fungerar bäst för din ansökan beror på följande:

Vad du förväntar dig att programmet ska göra < Den typ av data du arbetar med
Beräkningsresurserna du har tillgänglig

Poängen är att möjligheten att sortera data i vad som helst som en applikation behöver för att utföra en uppgift gör världen igång, och denna förmåga förändrar hur världen fungerar.

Letar du efter saker med sökrutiner

Som med sorteringsrutiner visas sökrutiner i nästan alla applikationer av alla storlekar idag. Applikationerna visas överallt, även på platser som du kanske inte tänker för mycket om, till exempel din bil. Att hitta information snabbt är en viktig del av det dagliga livet. Som med sorteringsrutiner finns sökrutiner i alla former och storlekar. Faktum är att det finns fler sökrutiner än sorteringsrutiner eftersom sökkrav ofta är mer ansträngande och komplexa.

Skakar upp saker med slumpmässiga siffror

Alla sorters saker skulle vara mycket mindre roliga utan slumpmässighet. Tänk dig att börja Solitaire och se exakt samma spel varje gång du börjar. Ingen skulle spela ett sådant spel. Följaktligen är slumptalgenerering en viktig del av spelupplevelsen. Faktum är att vissa algoritmer faktiskt kräver en viss grad av slumpmässighet att fungera ordentligt. Du finner också att testningen fungerar bättre när du använder slumpmässiga värden i vissa fall.

De siffror du erhåller från en algoritm är faktiskt pseudo-slumpmässiga, vilket innebär att du potentiellt kan förutsäga nästa nummer i en serie genom att känna till algoritmen och frövärdet som används för att generera numret. Därför är denna information så noggrann bevakad.

Utför datakomprimering

Datakomprimering påverkar alla aspekter av datorer idag.Till exempel är de flesta grafik-, video- och ljudfiler beroende av datakomprimering. Utan datakomprimering kan du inte möjligen få den nödvändiga nivån för genomströmning för att göra uppgifter som strömmade filmer.

Datakomprimering finner dock ännu mer användningsområden än vad du kan förvänta dig. Nästan varje databasstyrningssystem (DBMS) bygger på datakomprimering för att göra data passande i en rimlig mängd utrymme på disken. Cloud computing skulle inte fungera utan datakomprimering eftersom det nedladdade objekt från molnet till lokala maskiner skulle ta för lång tid. Även webbsidor är ofta beroende av datakomprimering för att få information från en plats till en annan.

Håller data hemlig

Begreppet att hålla data hemligt är inte nytt. Det är faktiskt en av de äldsta skälen att använda en algoritm av något slag. Ordet kryptografi kommer faktiskt från två grekiska ord:

kryptós (dold eller hemlig) och graphein (skrivande). Faktum är att grekerna förmodligen var de första kryptografiska användarna, och gamla texter rapporterar att Julius Caesar använde krypterade missiver för att kommunicera med sina generaler. Poängen är att hålla datahemmelsen är en av de längsta löpande striderna i historien. Det ögonblick som en part finner ett sätt att hålla en hemlighet, någon annan finner en väg att göra den hemliga allmänheten genom att bryta kryptografi. Allmänna användningsområden för datorstyrd kryptografi omfattar idag: Sekretess:

Säkerställande att ingen kan se information som utbyts mellan två parter. Dataintegritet:
Minskar sannolikheten för att någon eller någonting kan ändra innehållet i data som passerat mellan två parter. Autentisering:
Fastställande av en eller flera partiers identitet. Nonrepudiation:
Minskar förmågan hos en part att säga att han eller hon inte begått en viss handling. Ändra datadomänen

Fourier Transform och Fast Fourier Transform (FFT) gör en stor skillnad i hur applikationer uppfattar data. Dessa två algoritmer omvandlar data från frekvensdomänen (hur snabbt en signal oscillerar) till tidsdomänen (tidsskillnaden mellan signaländringar). Faktum är att det är omöjligt att få någon form av maskinvaruexamen utan att ha spenderat tid på att arbeta med dessa två algoritmer i stor utsträckning. Timing är allting.

Genom att veta hur ofta något ändras kan du räkna ut tidsintervallet mellan förändringar och därför vet hur länge du måste utföra en uppgift innan en förändring av tillståndet kräver att du gör något annat. Dessa algoritmer brukar se användning i filter av alla slag. Utan filtreringseffekterna av dessa algoritmer skulle reproduktion av video och ljud troget genom en strömad anslutning vara omöjlig.

Analysera länkar

Möjligheten att analysera relationer är något som har gjort modern dator unik. Faktum är att förmågan att först skapa en representation av dessa relationer och sedan analysera dem är föremål för del III i denna bok. Hela idén med webben är i själva verket att skapa förbindelser, och anslutning var ett övervägande i början av det som har blivit ett världsomspännande fenomen.Utan förmåga att analysera och använda länkar, skulle applikationer som databaser och e-post inte fungera. Du kunde inte kommunicera bra med vänner på Facebook.

Eftersom webben har mognat och människor har blivit mer anpassade till enheter som gör anslutning både enklare och allestädes närvarande har applikationer som Facebook och försäljningsställen som Amazon gjort större användning av länkanalys för att göra saker som att sälja mer produkter.

Spotting datamönster

Data finns inte i ett vakuum. Alla sorters faktorer påverkar data, inklusive förspänningar som färgar hur människor uppfattar data.

Mönsteranalys ligger i spetsen för några av de mer fantastiska användningarna av datorer idag. Till exempel, Viola-Jones-objektdetekteringsramen gör det möjligt att få ansiktsigenkänning i realtid. Denna algoritm skulle kunna göra det möjligt för människor att skapa bättre säkerhet på platser som flygplatser där dödliga individer för närvarande utövar sin handel. Liknande algoritmer kan hjälpa din läkare att upptäcka cancer av olika slag långt innan cancer är faktiskt synlig för det mänskliga ögat. Tidigare upptäckt ger en fullständig återhämtning en högre sannolikhet. Detsamma gäller för alla andra medicinska problem (som att hitta benfrakturer som för närvarande är för små för att se men orsaka smärta ändå).

Du hittar också mönsterigenkänning som används för mer vardagliga ändamål. Mönsteranalys kan till exempel upptäcka potentiella trafikproblem innan de inträffar. Det är också möjligt att använda mönsteranalys för att hjälpa bönderna att odla mer mat till lägre kostnad genom att bara applicera vatten och gödselmedel vid behov. Användningen av mönsterigenkänning kan också bidra till att flytta dronor runt fält så att bonden blir mer tidseffektiv och kan arbeta mer land till en lägre kostnad. Utan algoritmer kan dessa slags mönster, som har så stor inverkan på det dagliga livet, inte erkännas.

Hantering av automatisering och automatiska svar

Den proportionella integralderivat algoritmen är ganska munnen. Försök bara säga det tre gånger snabbt! Det är dock en av de viktigaste hemliga algoritmerna som du aldrig hört talas om, men är beroende av varje dag. Denna speciella algoritm är beroende av en kontrollslinga-återkopplingsmekanism för att minimera felet mellan den önskade utsignalen och den reala utsignalen. Du ser den användas överallt för att styra automatisering och automatiska svar. Till exempel, när din bil går in i skid eftersom du bryter för hårt, hjälper denna algoritm till att det automatiska brytsystemet (ABS) fungerar som det ska. Annars kan ABS överkompensera och göra saken värre.

Nästan alla former av maskiner använder idag proportional integralderivat algoritmen. Faktum är att robotik inte skulle vara möjligt utan det. Föreställ dig vad som skulle hända med en fabrik om alla robotar ständigt överkompenseras för varje aktivitet där de engagerade sig. Det resulterande kaoset skulle snabbt övertyga ägarna att sluta använda maskiner för något ändamål.

Skapa unika identifierare