10 Algoritmer, der ændrer verden - dummier - Personlig finansiering 2024

Algoritmer vises i dag overalt, og du kan ikke engang indse, hvor meget effekt de har på dit liv. De fleste mennesker indser, at onlinebutikker og andre salgssteder er afhængige af algoritmer for at bestemme hvilke add-on-produkter, der foreslås baseret på tidligere køb. Imidlertid er de fleste mennesker uvidende om anvendelsen af algoritmer i medicin, hvoraf mange hjælper en læge med at bestemme hvilken diagnose der skal gives.

Brug af sorteringsrutiner

Uden bestilte data ville det meste af verden komme til et stop. For at bruge data skal du kunne finde det. Du kan finde hundredvis af sorteringsalgoritmer online.

Men de tre mest almindelige sorteringsrutiner er Mergesort, Quicksort og Heapsort på grund af den overordnede hastighed, de giver. Den sorteringsrutine, der passer bedst til din ansøgning, afhænger af følgende:

Hvad du forventer at programmet skal gøre < Den slags data, du arbejder med
De computervarer du har til rådighed

Pointen er, at muligheden for at sortere data i det, som en applikation har brug for til at udføre en opgave, får verden til at køre, og denne evne ændrer hvordan verden fungerer.

Leder du efter ting med søgerutiner

Som med sorteringsrutiner vises søgerutiner i næsten enhver applikation af enhver størrelse i dag. Applikationerne vises overalt, selv på steder, som du måske ikke tænker for meget om, f.eks. Din bil. At finde information hurtigt er en vigtig del af det daglige liv. Som med sorteringsrutiner findes søgerutiner i alle former og størrelser. Faktisk er der noget mere rutiner end sorteringsrutiner, fordi søgningskrav ofte er mere anstrengende og komplekse.

Rystende ting med tilfældige tal

Alle slags ting ville være meget mindre sjov uden tilfældighed. For eksempel forestil dig at starte Solitaire og se netop det samme spil hver gang du starter det. Ingen ville spille et sådant spil. Derfor er tilfældig talgenerering en væsentlig del af spiloplevelsen. Faktisk kræver nogle algoritmer faktisk en vis grad af tilfældighed for at fungere korrekt. Du finder også, at test fungerer bedre, når du bruger tilfældige værdier i nogle tilfælde.

De tal, du får fra en algoritme, er faktisk pseudo-tilfældige, hvilket betyder at du potentielt kan forudsige det næste tal i en serie ved at kende algoritmen og frøværdien, der bruges til at generere nummeret. Derfor er disse oplysninger så tæt bevogtet.

Udførelse af datakomprimering

Datakomprimering påvirker alle aspekter af computing i dag.For eksempel er de fleste grafik-, video- og lydfiler afhængige af datakomprimering. Uden datakomprimering kunne du muligvis ikke opnå det nødvendige niveau for gennemløb for at lave opgaver som f.eks. Streamet film.

Datakomprimering finder dog endnu flere anvendelser end man kunne forvente. Næsten hvert databasebehandlingssystem (DBMS) er afhængig af datakomprimering for at gøre data passer i en rimelig mængde plads på disken. Cloud computing ville ikke fungere uden datakomprimering, fordi det ville tage for lang tid at downloade elementer fra skyen til lokale maskiner. Selv websider er ofte afhængige af datakomprimering for at få information fra et sted til et andet.

Holde data hemmelig

Begrebet at holde data hemmeligt er ikke nyt. Faktisk er det en af de ældste grunde til at bruge en algoritme af en slags. Ordet kryptografi kommer faktisk fra to græske ord:

kryptós (skjult eller hemmeligt) og graphein (skrivning). Faktisk var grækerne sandsynligvis de første brugere af kryptografi, og gamle tekster rapporterer, at Julius Caesar brugte krypterede missiver til at kommunikere med sine generaler. Pointen er at holde data hemmelig er en af de længste løbende kampe i historien. I det øjeblik en part finder en måde at holde en hemmelighed på, finder en anden en måde at gøre den hemmelige offentlighed ved at bryde kryptografien. Generelle anvendelser til computerdrevet kryptografi omfatter i dag: Fortrolighed:

Sikring af, at ingen kan se oplysninger udvekslet mellem to parter. Dataintegritet:
Reducerer sandsynligheden for, at nogen eller noget kan ændre indholdet af data, der sendes mellem to parter. Godkendelse:
Bestemmelse af en eller flere parters identitet. Nonrepudiation:
Reducerer en parts evne til at sige, at han eller hun ikke begik en bestemt handling. Ændring af data domænet

Fourier Transform og Fast Fourier Transform (FFT) gør en enorm forskel i, hvordan applikationer opfatter data. Disse to algoritmer transformerer data fra frekvensdomænet (hvor hurtigt et signal oscillerer) til tidsdomænet (tidsforskellen mellem signalændringer). Faktisk er det umuligt at få nogen form for computer hardware grad uden at have brugt tid på at arbejde med disse to algoritmer udførligt. Timing er alt.

Ved at vide, hvor ofte der sker noget, kan du finde ud af tidsintervallet mellem ændringer og derfor ved, hvor længe du skal udføre en opgave, før en tilstandskifte kræver, at du gør noget andet. Disse algoritmer ser sædvanligvis brug i filtre af alle slags. Uden filtreringseffekterne af disse algoritmer ville reproduktion af video og lyd trofast gennem en strømforbindelse kunne være umulig.

Analyse af links

Evnen til at analysere relationer er noget, der har gjort moderne computing unik. Faktisk er evnen til først at skabe en repræsentation af disse relationer og derefter analysere dem, der er genstand for del III i denne bog. Hele ideen med internettet er faktisk at skabe forbindelser, og tilslutningsmuligheder var en overvejelse i begyndelsen af det, der er blevet et verdensomspændende fænomen.Uden evnen til at analysere og udnytte links, ville applikationer som databaser og e-mail ikke fungere. Du kunne ikke kommunikere godt med venner på Facebook.

Da nettet er modnet, og folk er blevet mere i overensstemmelse med enheder, der gør tilslutningsmuligheder både enklere og allestedsnærværende, har applikationer som Facebook og salgssteder som Amazon gjort større brug af linkanalyse til at gøre ting som at sælge flere produkter.

Spotting data patterns

Data eksisterer ikke i et vakuum. Alle mulige faktorer påvirker data, herunder fordomme, der farver, hvordan mennesker opfatter data.

Mønsteranalyse er i spidsen for nogle af de mere fantastiske anvendelser af computere i dag. For eksempel gør Viola-Jones objektdetektionsrammen mulighed for realtids ansigtsgenkendelse. Denne algoritme kan gøre det muligt for folk at skabe bedre sikkerhed på steder som lufthavne, hvor ufarlige personer i øjeblikket driver deres handel. Lignende algoritmer kan hjælpe din læge med at opdage kræftformer af forskellige sorter længe før kræften er faktisk synlig for det menneskelige øje. Tidligere afsløring gør en fuld tilbagesendelse en højere sandsynlighed. Det samme gælder for alle mulige andre medicinske problemer (som f.eks. At finde knoglebrud, som for øjeblikket er for små til at se men forårsager smerte alligevel).

Du finder også mønstergenkendelse brugt til mere almindelige formål. Mønsteranalyse giver fx mennesker mulighed for at registrere potentielle trafikproblemer, før de opstår. Det er også muligt at bruge mønsteranalyse til at hjælpe landmændene med at dyrke mere mad til en lavere pris ved kun at anvende vand og gødning, når det er nødvendigt. Brugen af mønstergenkendelse kan også hjælpe med at flytte droner omkring marker, så landbrugeren bliver mere tidseffektiv og kan arbejde mere land til en lavere pris. Uden algoritmer kan disse mønstre, som har så stor indflydelse på det daglige liv, ikke anerkendes.

Håndtering af automatisering og automatiske svar

Den proportionelle integralderivat algoritme er ret mundfuld. Bare prøv at sige det tre gange hurtigt! Det er dog en af de vigtigste hemmelige algoritmer, du aldrig har hørt om, men stole på hver dag. Denne særlige algoritme er afhængig af en kontrolsløjfe-feedbackmekanisme for at minimere fejlen mellem det ønskede udgangssignal og det reelle udgangssignal. Du ser det bruges overalt til at styre automatisering og automatiske svar. For eksempel hjælper denne algoritme med at sikre, at det automatiske brydesystem (ABS) fungerer som det er beregnet til, når din bil går i glide, fordi du bryder for hårdt. Ellers kan ABS overkompensere og gøre sager værre.

I næsten alle former for maskiner anvendes i dag den proportionelle integralderivat algoritme. Faktisk ville robotikken ikke være mulig uden det. Forestil dig, hvad der ville ske med en fabrik, hvis alle robotterne konstant overkompenseres for hver aktivitet, de involverede. Det resulterende kaos ville hurtigt overbevise ejerne om at stoppe med at bruge maskiner til ethvert formål.

Oprettelse af unikke identifikatorer