一、哪些常见算法属于贪婪算法？

显然KMP和FLOYD算法不是贪心算法，FLOYD算法是使用了类似于动态规划的思想，而KMP算法则是对串的前缀进行去处理得到所有可能出现匹配的位置从而减少不必要的位移。

二、人工智能 筛选算法？

人工智能中的筛选算法是指用于从大量数据或信息中筛选出符合特定条件或标准的项或样本的算法。这些算法可以帮助人工智能系统自动地、高效地进行数据筛选和过滤，从而减少人工操作和提高工作效率。

以下是几种常见的人工智能筛选算法：

逻辑回归（Logistic Regression）：逻辑回归是一种用于分类问题的线性模型。它通过将输入数据映射到一个概率值来进行分类，然后根据设定的阈值进行筛选。

决策树（Decision Tree）：决策树是一种基于树状结构的分类算法。它通过一系列的判断条件对数据进行分割，最终将数据分为不同的类别或标签。

随机森林（Random Forest）：随机森林是一种集成学习算法，它由多个决策树组成。每个决策树都对数据进行独立的判断和分类，最后通过投票或取平均值的方式得出最终结果。

支持向量机（Support Vector Machine，SVM）：支持向量机是一种用于分类和回归问题的监督学习算法。它通过在特征空间中找到一个最优的超平面来进行分类，从而实现数据的筛选和分类。

卷积神经网络（Convolutional Neural Network，CNN）：卷积神经网络是一种用于图像识别和处理的深度学习算法。它通过多层卷积和池化操作来提取图像的特征，并通过全连接层进行分类和筛选。

这些筛选算法在不同的应用场景中具有各自的优势和适用性。根据具体的需求和数据特点，选择合适的筛选算法可以提高人工智能系统的准确性和效率。

三、人工智能调度算法？

调度算法是指：根据系统的资源分配策略所规定的资源分配算法，如任务A在执行完后，选择哪个任务来执行，使得某个因素（如进程总执行时间，或者磁盘寻道时间等）最小。对于不同的系统目标，通常采用不同的调度算法。

四、先进人工智能算法是什么算法？

在人工智能领域里，算法（Algorithm）是指如何解决一类问题的明确规范。算法可以执行计算，数据处理和自动推理任务，基本上就是可规量化的计算方式。算法主要作用是用于训练模型的。其中，算法具有下面4个特征：可行性、确定性、有穷性和拥有足够的情报。

然后算法的常有思路有一下几种：列举法、归纳法、递推法、递归法、减半递推技术和回溯法。

五、五种常见限流算法？

五种常见的限流算法包括：固定窗口限流算法、滑动窗口限流算法、令牌桶限流算法、漏桶限流算法和计数器限流算法。

其中，固定窗口限流算法和滑动窗口限流算法采取时间窗口的方式进行计数限流，令牌桶限流算法和漏桶限流算法则对请求进行限流处理，计数器限流算法则针对单一资源进行限流。这些算法的实现方式和具体应用场景略有差异，但共同点是都能实现有效的限流措施，保障系统高可用性和稳定性。

六、常见排序算法有哪些？

排序另一种分法

外排序：需要在内外存之间多次交换数据才能进行

内排序：

归并排序

冒泡排序

快速排序

简单选择排序

堆排序

直接插入排序

希尔排序

插入类排序

选择类排序

交换类排序

归并类排序

七、常见的几种排序算法？

一、冒泡排序

已知一组无序数据a[1]、a[2]、……a[n]，需将其按升序排列。首先比较a[1]与 a[2]的值，若a[1]大于a[2]则交换 两者的值，否则不变。再比较a[2]与a[3]的值，若a[2]大于a[3]则交换两者的值，否则不变。再比 较a[3]与a[4]，以此 类推，最后比较a[n-1]与a[n]的值。这样处理一轮后，a[n]的值一定是这组数据中最大的。再对a[1]~a[n- 1]以相同方法 处理一轮，则a[n-1]的值一定是a[1]~a[n-1]中最大的。再对a[1]~a[n-2]以相同方法处理一轮，以此类推。共处理 n-1 轮 后a[1]、a[2]、……a[n]就以升序排列了。

优点：稳定；

缺点：慢，每次只能移动相邻两个数据。

二、选择排序

每一趟从待排序的数据元素中选出最小（或最大）的一个元素，顺序放在已排好序的数列的最后，直到全部待排序的数 据元素排完。

选择排序是不稳定的排序方法。

n 个记录的文件的直接选择排序可经过n-1 趟直接选择排序得到有序结果：

①初始状态：无序区为R[1..n]，有序区为空。

②第1 趟排序 在无序区R[1..n]中选出关键字最小的记录R[k]，将它与无序区的第1 个记录R[1]交换，使R[1..1]和R[2..n]分别变 为记录个数增加1 个的新有序区和记录个数减少1 个的新无序区。

③第i 趟排序

第i 趟排序开始时，当前有序区和无序区分别为R[1..i-1]和R(1≤i≤n-1)。该趟 排序从当前无序区中选出关键字最 小的记录 R[k]，将它与无序区的第1 个记录R 交换，使R[1..i]和R 分别变为记录个数增加1 个的新有序区和记录个数减少 1 个的新无序区。

这样，n 个记录的文件的直接选择排序可经过n-1 趟直接选择排序得到有序结果。

优点：移动数据的次数已知（n-1 次）；

缺点：比较次数多。

三、插入排序

已知一组升序排列数据a[1]、a[2]、……a[n]，一组无序数据b[1]、 b[2]、……b[m]，需将二者合并成一个升序数列。 首先比较b[1]与a[1]的值，若b[1]大于a[1]，则跳过，比较b[1]与a[2]的值， 若b[1]仍然大于a[2]，则继续跳过，直 到b[1]小于a 数组中某一数据a[x]，则将a[x]~a[n]分别向后移动一位，将b[1]插入到原来 a[x]的位置这就完成了b[1] 的插入。b[2]~b[m]用相同方法插入。（若无数组a，可将b[1]当作n=1 的数组a）

优点：稳定，快；

缺点：比较次数不一定，比较次数越少，插入点后的数据移动越多，特别是当数据总量庞大的时候，但用链表可以解决 这个问题。

四、缩小增量排序

由希尔在1959 年提出，又称希尔排序(shell 排序)。

已知一组无序数据a[1]、a[2]、……a[n]，需将其按升序排列。发现当n 不大时，插入 排序的效果很好。首先取一增 量d(d<n)，将a[1]、a[1+d]、a[1+2d]……列为第一组，a[2]、a[2+d]、 a[2+2d]……列为第二组……，a[d]、a[2d]、a[3d]……="" 列为最后一组以次类推，在各组内用插入排序，然后取d'<d，重复上述操="" 作，直到d="1。"

优点：快，数据移动少；=""

缺点：不稳定，d="" 的取值是多少，应取多少个不同的值，都无法确切知道，只能凭经验来取。=""

五、快速排序=""

快速排序是冒泡排序的改进版，是目前已知的最快的排序方法。

="" 已知一组无序数据a[1]、a[2]、……a[n]，需将其按升序排列。首先任取数据a[x]="" 作为基准。比较a[x]与其它数据并="" 排序，使a[x]排在数据的第k="" 位，并且使a[1]~a[k-1]中的每一个数="" 据a[x]，然后采 用分治的策略分别对a[1]~a[k-1]和a[k+1]~a[n] 两组数据进行快速排序。

优点：极快，数据移动少；

缺点：不稳定。

八、仿生算法的常见类型？

有三种人工神经网络，苍狼算法，鸽群优化算法

人工神经网络（Artificial Neural Network，ANN ）是由心理学家McCulloch和数理逻辑学家Pitts通过对人脑的神经元进行抽象而引出，而后被法国地质学家Morlet运用在小波分析即寻找地质数据上，近年在模式识别、信息处理、医学等领域应用广泛。

苍狼算法（Grey Wolf Algorithm，GWA）是一种群体智能优化算法，2007年Yang等 根据狼群在自然界中的生存行为提出了狼群搜索（Wolf Pack Search，WPS）。2014年，Seyedali Mirjalili等 依照苍狼群居时的领导等级和捕食机制正式提出了苍狼算法，该算法广泛使用在感应电机参数辨识、并行搜索策略优化等方面。

鸽群优化算法（Pigeon-Inspired Optimization，PIO）是一种新兴的群体智能优化算法，受到自然界中鸽子群体总是自行归巢的启示，2014年由段海滨等提出并成功运用于无人机编控等领域。该算法在飞行器路线规划和控制[7-8]、计算机图像处理、自适应控制等方面潜力巨大。 1 基本原理 1.1 人工神经网络 人脑具有极强的信息辨别能力，在认知外界到一定的阈值时可以将接触的部分信息由神经传输给大脑，也就是人的学习能力。为使机器等其它物质也具有该能力，对人脑神经系统进行精簡和模拟——由

九、slam算法是人工智能算法吗？

是的，slam算法是做无人驾驶的，属于人工智能算法范畴

十、人工智能a*算法是什么？

A*算法是一种有序搜索算法,其特点在于对估价函数的定义上。

这是一种在图形平面上，有多个节点的路径，求出最低通过成本的算法。常用于游戏中的NPC的移动计算，或线上游戏的BOT的移动计算上。