我非常喜欢研究算法和优化代码(我尽量不要过早地这样做)因为当一个需要 5 分钟运行的东西现在可以在 2 分钟内运行时，感觉真的很酷。我对搜索算法特别感兴趣，因为当您必须在表中搜索匹配的子字符串或条目时，它非常频繁。
我在考虑比较排序的下限，并且在考虑如果比较排序可以通过猜测答案是什么来跳过一些比较，那么对于巨大的数据集，整行比较就可以消失，并且高度减 1。(例如，如果算法可以猜测 bcd 在一起，则对 a、b、c、d、e、f 进行排序，那么您实际上只是在对 a、bcd、e、f 进行排序)猜测必须是一个聪明、有效的猜测才能让它物有所值，而且它需要有一个相当好的击球率。
与搜索相同，如果智能搜索可以先猜测该项目可能位于何处，并且只取前 5 个猜测的区域进行搜索。如果所有 5 次猜测都是错误的，那么它可能会返回一个错误的答案并且永远找不到该项目，但如果它的速度大大加快且正确率足够高，那么它可能会随之而来。它可能比创建二叉搜索树然后进行 log(n) 搜索更快。
无论如何，我相信任何了解该主题的人现在都会意识到，这主要是没有实质内容的猜测/幻想，所以我正在寻求帮助，朝着学习算法的方向采取步骤，而不是“没有 100% 正确的返回，特别是在搜索/排序领域，但速度更快，并且应用了这些算法。
我用谷歌搜索，点击维基百科上的随机链接试图找到它，但没有令人满意的结果。我应该读什么/我应该去哪里开始学习这方面的内容？
我想我应该提一下，我对大多数“标准”算法和数据结构都很熟悉，例如快速排序、归并排序、冒泡、基数、计数等，以及散列、自平衡树等。
最佳答案
我认为要完成很多工作，您必须为“几乎排序”定义一些标准。例如，如果在正确位置的 N 个点内有一个元素就足够了，您可以执行类似 Quicksort 的操作，但是当分区减少到 N 个元素时停止。请注意，这样做已经很常见了，并使用插入排序来完成这项工作。但是，除非 N 非常大，否则您可能不会从中获益太多。
就搜索而言，您可能正在寻找通常称为插值搜索的内容。您不必总是在范围的中间猜测，而是使用插值来猜测您正在寻找的项目的可能位置(例如，如果您正在寻找以 'b' 开头的字符串，您开始大约 1/13th 通过集合而不是一半。
如果集合中的项目分布极不均匀，后者可能不会特别好，但假设均匀分布合理，它往往会给出非常好的结果(大约 O(log log N) 而不是二分搜索得到的 O(log N))。然而，它确实依赖于均匀分布，并且有一个 key 类型，您可以为其计算至少与“距离”相当相似的东西，而不是只是“小于”或“大于”比较)。但在实践中，它通常工作得很好(而且它不会的情况通常在前期非常明显)。
关于algorithm - 为速度牺牲准确性的搜索/排序算法，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/6337005/