¿Cuáles son algunos algoritmos muy inteligentes en informática?
Algoritmo de rama y límite (Branch and Bound): un algoritmo para encontrar soluciones óptimas específicas en una variedad de problemas de optimización, especialmente para optimización discreta y combinatoria. Algoritmo de Buchberger: un algoritmo matemático que puede considerarse como una generalización del algoritmo euclidiano para soluciones del máximo común divisor de una sola variable y eliminación gaussiana en sistemas lineales.
Compresión de datos: el proceso de utilizar un esquema de codificación específico para codificar información utilizando menos bytes (u otras unidades que contienen información), también llamado codificación de origen.
Algoritmo de intercambio de claves Diffie-Hellman: un protocolo de cifrado que permite a dos partes establecer conjuntamente un secreto compartido en un canal de comunicación no seguro sin conocer la clave de la otra parte de antemano. Esta clave se puede utilizar posteriormente junto con un cifrado simétrico para cifrar comunicaciones posteriores.
Algoritmo de Dijkstra: para gráficos dirigidos sin bordes de peso negativos, calcula el algoritmo más corto desde un único punto de partida.
Algoritmo de diferenciación discreta (Diferenciación discreta)
Algoritmo de programación dinámica (Programación dinámica): muestra subproblemas que se cubren mutuamente y algoritmos de subarquitectura óptimos
Europa euclidiana algoritmo: calcula el máximo común divisor de dos números enteros. Uno de los algoritmos más antiguos apareció en los "Elementos de geometría" de Euclides antes del año 300 a.C.
Algoritmo de maximización de expectativas (también conocido como entrenamiento EM): en informática estadística, el algoritmo de maximización de expectativas busca las estimaciones de parámetros más probables en un modelo probabilístico, donde el modelo depende debido a variables latentes no descubiertas. . EM se calcula alternativamente en dos pasos. El primer paso es calcular la expectativa, utilizando las estimaciones existentes de las variables ocultas para calcular su estimación máxima posible; el segundo paso es maximizar, maximizando el valor obtenido en el primer paso. valor posible para calcular el valor del parámetro