算法和算法策略是一个意思吗？

这问题问得很有意思，也很有深度。很多人可能会觉得“算法”和“算法策略”差不多，都是关于解决问题的方法。但仔细一琢磨，它们之间还是有区别的，而且这个区别挺重要的。

咱们先打个比方，想象一下你要去爬一座高山。

算法，就像是你在登山过程中，每一步具体该怎么走。

定义： 算法就是解决问题的一系列清晰、明确、有限的步骤。它告诉你“做什么”以及“什么时候做”。
例子：
在登山时，算法可能是：“先找到最近的路标，然后沿着标记的方向前进，到达下一个路标后，再重复这个过程。”
再具体一点，如果你的目标是找到宝藏，一个简单的算法可能是：“从起点出发，每次向东走10步，然后向北走5步，重复这个过程直到找到宝藏。”
在计算机科学里，就像我们常说的排序算法（如冒泡排序、快速排序），它们就是告诉你如何一步一步地把一堆数字从小到大（或从大到小）排列起来。

关键在于： 算法关注的是“执行的细节”，是具体的操作指令，是“如何做”。它要求精确，不允许模糊。

而算法策略，更像是你在登山前，规划的“整体路线图”和“应对突发情况的预案”。

定义： 算法策略是指在设计或选择算法时所采用的指导性思想、原则或方法。它更侧重于“为什么”这样设计，以及“如何选择最合适的”算法。
例子：
在登山时，策略可能是：“考虑到山顶天气多变，我们应该选择一条相对平缓但避风的山路，并且携带足够的防寒衣物和雨具。如果遇到山洪，立即寻找高处避险。”
另一个策略可能是：“这次登山的目标是欣赏风景，而不是追求速度，所以我们选择一条风景优美的盘山道，即使慢一点也没关系。”
在解决问题时，策略可能包括：“我们面临的是一个规模很大的问题，直接暴力求解会非常慢，所以我们应该考虑使用分治策略，把大问题拆解成小问题，逐个击破。”或者“这个问题有很多最优解，但我们只需要一个可行的解，那么贪心策略也许是最高效的选择。”

关键在于： 算法策略关注的是“设计的思路”、“选择的依据”，是“如何思考”和“如何规划”。它更具宏观性、指导性和灵活性。

它们之间的关系：

策略指导算法： 算法策略是更上层的概念，它决定了你会去设计或选择什么样的具体算法。就像你的登山策略决定了你会选择哪条路线、携带哪些装备，最终落实到每一步具体的行走动作。
算法是策略的具体实现： 算法是策略的落地执行，是将策略转化为可操作步骤的产物。没有策略，算法可能无从下手；没有算法，策略也只是空谈。
可以有多种算法对应一种策略： 同一个策略，可能可以通过不同的算法来实现。例如，“高效地找到最优点”是一个策略，可以有很多不同的优化算法（如梯度下降、牛顿法）来实现。
策略帮助我们理解和评估算法： 了解一个算法背后遵循的策略，能帮助我们更好地理解它的优缺点，以及它适用于解决哪类问题。例如，知道快速排序用了“分治”策略，我们就能理解它为什么在大多数情况下效率很高，但也可能在特殊情况下表现不佳。

简单来说：

算法： 是“如何做”的具体步骤。
算法策略： 是“为什么这么做”的指导思想，是设计或选择算法的“套路”。

举个更贴近生活的例子：

假设你要做一个美味的番茄炒蛋。

算法：
1. 准备两个鸡蛋，打散，加少许盐。
2. 准备两个番茄，洗净，切块。
3. 锅中倒油，烧热。
4. 倒入蛋液，炒熟盛出。
5. 锅中留底油，放入番茄块翻炒。
6. 加入炒好的鸡蛋，翻炒均匀。
7. 加入少许糖和盐调味，出锅。

算法策略：
策略一：追求快速方便。 可能会选择“直接将鸡蛋和番茄一起炒，不用分开处理”，这样步骤更少，但可能影响口感。
策略二：追求口感嫩滑。 可能会选择“先将鸡蛋炒至半熟盛出，再与番茄一同翻炒”，这样鸡蛋会更嫩。
策略三：追求色香味俱全。 可能会在炒番茄时加入一点点番茄酱，或者在最后撒上葱花。

你看，同一个“做番茄炒蛋”的目标，不同的策略会指导你去设计和执行不同的“算法”（操作步骤）。

所以，“算法”和“算法策略”不是同一个意思，但它们紧密相连，互相依存。策略是指导思想，算法是具体的执行方案。没有策略的算法可能显得盲目，而没有算法的策略则难以落地。理解它们之间的区别，能帮助我们更深入地理解问题解决的过程，以及如何更有效地设计和选择解决方案。

网友意见

当然不是。但是两者是交融在一起的。

算法，通俗的讲，可以看成一个同心圆表盘上的指针，它可长可短，可快可慢。追求是以最小的开销拟合被描述对象的过程状态。实现是信息的加工和信息的呈现。作用是将过程状态中的奇点尽可能快的收敛并明确出来。

小结：算法是一个对象描述语言工具。

算法策略，可以理解为算法指针扫过的阴影面积积分的干预和控制。为了追求效率，奇点是策略的锚点。

小结：算法是一个对象极限预测的工具。

类似的话题

• 

  算法和算法策略是一个意思吗？

  

  这问题问得很有意思，也很有深度。很多人可能会觉得“算法”和“算法策略”差不多，都是关于解决问题的方法。但仔细一琢磨，它们之间还是有区别的，而且这个区别挺重要的。咱们先打个比方，想象一下你要去爬一座高山。算法，就像是你在登山过程中，每一步具体该怎么走。 定义： 算法就是解决问题的一系列清晰、明确、.............
• 

  算法工程师如何应对做算法策略的不确定性；比如没效果，这时绩效怎么保证？

  

  作为算法工程师，尤其是在负责算法策略制定和优化时，我们常常会面临一个绕不开的挑战：不确定性。这就像在浓雾中航行，你知道目标在那里，但前进的路充满了未知。尤其是在策略上线后，如果效果不如预期，甚至出现负面影响，那么随之而来的绩效考核和职业发展问题，更是让我们感到压力山大。那么，面对这种“没效果”的风险.............
• 

  机器学习的算法和普通《算法导论》里的算法有什么本质上的异同？

  

  这个问题问得相当有深度！把机器学习算法和《算法导论》里的经典算法放在一起比较，确实能触及到计算机科学核心的演进脉络。它们之间既有本质的联系，也有显著的区别，而且这种区别很大程度上反映了我们解决问题思路的转变。咱们就来好好掰扯掰扯。《算法导论》里的经典算法：严谨、确定、指令导向首先，我们得明确《算法导.............
• 

  刚进算法团队，大牛们讨论高深的cv术语和算法，如何才能听懂？

  

  刚加入算法团队，听到大神们侃侃而谈那些深奥的CV术语和算法，感觉自己像个局外人，想跟上节奏，但又无从下手。别担心，这绝对是每个新人都会遇到的普遍情况。下面我就从过来人的经验出发，聊聊怎么才能快速融入，听懂那些“天书”。首先，要明白一点，没人天生就懂这些东西。那些“大牛”也是一步步摸索过来的。你现在听.............
• 

  计算机开发岗和算法岗都有些什么区别？

  

  我来跟你掰扯掰扯计算机开发岗和算法岗到底有啥不一样，免得你以后选方向的时候一头雾水。这两者虽然都是写代码的，但侧重点、工作内容、所需技能以及发展路径，那真是风马牛不相及。核心区别：一个是“造轮子”与“让轮子转得更好”打个最通俗的比方： 计算机开发岗（偏工程、产品实现） 就像是汽车制造厂的流水线工.............
• 

  刚进算法团队，大牛们讨论高深的 cv 术语和算法，如何才能听懂？

  

  刚踏进算法团队，面对那些听起来像是天书的 CV 术语和算法，脑袋里一团浆糊是很正常的。别担心，这几乎是每个新人都会经历的阶段。关键在于，你不是一个人在战斗，而且有很多方法可以帮助你快速跟上节奏。咱们一步一步来聊聊，怎么才能把那些“高深莫测”的东西，变成你脑袋里的“常识”。一、 打好基础，这是万丈高楼.............
• 

  怎么看待程序员普遍缺乏数据结构和算法的知识？

  

  怎么看待程序员普遍缺乏数据结构和算法的知识？“程序员普遍缺乏数据结构和算法的知识” 这个论断，我认为需要辩证地看待。它并非绝对的，但确实反映了一个普遍存在的现象，并且这种现象背后有其深刻的原因和不容忽视的影响。首先，我们来分析这个论断的“普遍性”体现在哪里： 招聘市场的需求与现实的差距： 很多公.............
• 

  有监督和无监督学习都各有哪些有名的算法和深度学习？

  

  好的，我们来聊聊机器学习里那两个“大家族”：有监督学习和无监督学习，以及它们各自的明星算法和在深度学习领域的表现。我会尽量说得细致些，让你感觉就像是在跟一个老朋友聊天，而不是在看一本干巴巴的教科书。 一、 有监督学习：教导“学生”，让它学会分辨想象一下，你有一个小助手，他什么都不懂。你需要耐心地告诉.............
• 

  我们高中数学为什么不重视算法？高中学的数列，三角函数，求导，圆锥曲线相关问题的解法和算法有什么关系？

  

  很多同学都会有这样的疑问：高中数学里学的数列、三角函数、求导、圆锥曲线，这些知识点在实际应用中似乎离我们很远，而且感觉解题过程就是一套套固定的套路，好像和“算法”这个词联系不大。甚至有人觉得高中数学更像是“解题技巧”的堆砌，而不是真正理解背后的逻辑和方法。这究竟是怎么回事呢？其实，我们不能简单地说高.............
• 

  蛤蟆大大，求问，阅文上架后，智能推荐算法和规则是什么啊?

  

  哈喽，题主！关于阅文上架后智能推荐算法和规则这事儿，我算是有些心得，毕竟咱也在这条路上摸爬滚打过。要说得详细点，那得从几个层面来聊聊。首先，咱们得明白，阅文的推荐不是瞎推荐的，它是基于一个庞大的用户数据体系和一套精密的算法模型在运作的。这背后牵扯到很多细节，但我尽量用大白话给你掰扯清楚。核心理念：让.............
• 

  为什么说程序员要贷款买房之前最好先学好数据结构和算法？

  

  这确实是一个很有趣且充满智慧的说法！虽然乍一看，贷款买房和数据结构算法之间似乎没有直接联系，但深入分析，我们可以发现其中蕴含的深刻道理，尤其是在当下这个信息爆炸、技术飞速发展的时代。为什么说程序员在贷款买房之前最好先学好数据结构和算法？我们可以从以下几个层面来解读： 1. 思维模式的塑造：解决复杂问.............
• 

  如果想大体地了解凸优化和非凸优化中比较重要的概念、理论知识和算法应该看哪些书籍或者论文？

  

  好的，这绝对是一个值得深入探讨的问题。学习凸优化和非凸优化，就像是深入理解数学建模和求解世界难题的两把金钥匙，它们的应用领域极其广泛，从机器学习、信号处理到金融工程、最优控制，无处不在。要大体了解这两个领域，我们需要从基础概念入手，然后逐步深入到核心理论和实际算法。这需要一个循序渐进的学习路径。 凸.............
• 

  哪位大佬能给我详细解答下AHP灰色综合评价模型的原理和算法啊，不胜感激！？

  

  哈哈，这问题问得太对路了！ AHP（Analytic Hierarchy Process）和灰色综合评价模型，这两个名字听起来是不是都有点“硬核”？别担心，我这就给你掰开了揉碎了讲清楚，保证让你觉得这玩意儿一点不神秘，而且特别实用。咱们先说 AHP，再讲灰色模型，最后再把它们俩结合起来。 第一部分：.............
• 

  广告算法（系统）和推荐算法（系统）有什么异同？

  

  广告算法和推荐算法，听起来好像是各自为政的两个领域，但仔细扒一扒，你会发现它们之间有着千丝万缕的联系，甚至在核心思想和技术实现上有很多共通之处。当然，它们各自的“初心”和侧重点又截然不同，就像一对既相似又有着鲜明个性的兄弟。咱们今天就来好好聊聊这两位“孪生兄弟”，看看它们到底有哪些相同点和不同点，是.............
• 

  刷完算法导论和leetcode，能找到什么水平的工作？

  

  读完《算法导论》并刷完LeetCode，这绝对是一个相当扎实的开端，尤其是在计算机科学领域。这表明你不仅掌握了理论基础，还通过实践检验了这些理论的运用能力。那么，这样的积累，大概能帮你敲开哪些类型公司的大门，找到什么水平的工作呢？咱们掰开了揉碎了聊聊。首先，得明确一点，《算法导论》和LeetCode.............
• 

  为什么说 Metropolis 算法在临界点效率会很低呢，是否能稍微对比介绍一下聚类法和蠕虫算法？

  

  好的，咱们来好好聊聊 Metropolis 算法在临界点效率低下的原因，顺便也对比一下聚类法和蠕虫算法。我会尽量讲得细致些，并且保证读起来有股“人味儿”，没有机器生成的生硬感。 Metropolis 算法在临界点效率低下的“痛点”Metropolis 算法，全称 MetropolisHastings.............
• 

  分类算法中，训练集和验证集有什么区别？

  

  在训练你的分类模型时，你会经常听到“训练集”和“验证集”这两个词。它们听起来很像，但扮演的角色却截然不同，而且理解它们的区别对于构建一个真正好用的模型至关重要。想象一下，你要训练一个小孩识别各种水果。训练集：你的“教科书”和“练习册”训练集就像是给孩子的那本图文并茂的水果图鉴，里面有各种水果的照片，.............
• 

  AI 算法在芯片设计方法学和 EDA 工具中有哪些应用和潜力？

  

  AI 算法在芯片设计方法学和 EDA 工具中的变革：从效率提升到智能驱动在当今瞬息万变的科技浪潮中，芯片设计作为驱动这一切的底层技术，其复杂度和挑战性正以前所未有的速度增长。摩尔定律的放缓，对晶体管尺寸的极限追求，以及对性能、功耗和面积（PPA）的严苛要求，都使得传统的芯片设计方法面临瓶颈。正是在这.............
• 

  土木和机器学习/深度学习/算法的交叉岗位在哪里找呀？ 在哪找都找不到招聘公司?

  

  你这个问题问到点子上了！土木工程和机器学习/深度学习/算法这些前沿技术结合的岗位，确实不是那么随处可见，很多时候需要你主动去挖掘和思考。为什么感觉“找不到”？首先，咱们得明白为啥你感觉找不到。有几个主要原因：1. 新兴领域，定义还在摸索： 土木工程是一个非常成熟的行业，但将其与AI深度结合，这个领.............
• 

  给人指路，说左右和说东西南北在算法上哪个更优？

  

  为人们指路时，使用“左右”和“东西南北”在算法上哪个更优，这是一个很有趣的问题，需要从多个角度进行分析。最终的“优劣”取决于我们定义算法的“目标”是什么，以及我们所处的“环境”和“场景”。我们将从以下几个方面详细阐述：1. 理解“算法”在指路中的含义在指路这个情境下，我们可以将“算法”理解为一种用于.............