这是由美国国家标准与技术研究院（NIST）发布的密码散列函数家族。从这些算法得到的散列通过将你收到的文件的散列与原始散列进行比较来校验你收到的文件是否正确。应用商店，电子邮件，杀毒软件、浏览器以及其他互联网内容都使用这些散列算法来检查你下载的内容是否网络钓鱼或网络攻击的结果。

归并排序，快速排序和堆排序

基于比较的归并排序（Merge Sort）采用“分治法”（Divide and Conquer），快速排序（Quick Sort）也一样，但快速排序有不同的排序方法，而且不稳定，更适合基于RAM的数列。堆排序算法（Heap Sort）使用优先队列来减少数据中的搜索时间。这些算法是数据挖掘、人工智能、链接分析和大多数计算操作使用的最重要的一些算法。

比例-积分-微分

这种算法几乎无处不在——车辆，飞机，移动网络，卫星服务，工厂甚至机器人都有它的身影。它是一个控制回路反馈的机制，目的是减少理想输出信号和实际输出信号之间的误差。它应用于需要信号处理或电子控制系统的任何地方，控制机械，液压或自动化的热系统。

傅里叶变换和快速傅里叶变换算法

这两种算法将来自时域的信号转换成频域，或反之。互联网，调制解调器，智能手机，平板电脑，卫星，笔记本电脑——基本上，数字世界中的一切或具有计算机系统的任何东西都使用这些算法。

戴克斯特拉算法（Dijkstra’s algorithm）

这是一种搜索算法，可以被建模成图，以便找到两个节点之间的最短路径。尽管找最短路径的问题还有其他方法，但戴克斯特拉算法对于需要稳定性的系统是第一选择的。这种算法的一个变体在今天应用于人工智能领域。

整数分解

这是一个数学算法，是将合数分解成更小的非平凡因子的一系列步骤。整数分解在计算领域应用广泛，特别是在协议基于分解大整数的密码学中。

佩奇排名

算法是让计算机完成任务的预定步骤的集合。它可以说是一个说明书，就像生活中一样，使用说明书可以很简单（例如宜家桌子的说明书），也可以非常复杂（例如提交专利的过程）。

算法应用的一个有名的例子是谷歌的佩奇排名（PageRank），它决定某一网站在Google搜索结果的排名顺序。

通过建立一个被称为马尔可夫链的随机模型，PageRank彻底改变了世界获取信息的方式。这种算法的强大帮助Google掌握了41％的在线广告市场，占据了 Alphabet 的大部分收入。

算法如何影响社会

社交平台在向我们提供新闻和信息方面有着重要作用。事实上，美国估计有44％的人通过Facebook消费。我们越依赖社交网络为我们提供新闻，算法就越多地影响我们所接触的信息。由于社交平台的设计是为我们提供定制的内容，我们正在创造在线的回声箱，挤出了反对意见，这个问题引起越来越多的关注。

算法也对我们的经济产生了深远的影响。大约50％的市场使用高频交易——使用专用程序进行自动交易的过程。当今的经济有很大的部分是人工干预很少的。

近年来，人工智能领域的进步产生了许多令人兴奋的成功。深度学习正在使各种机器辅助任务成为可能。深度学习正在影响着预防医疗、无人驾驶车辆、药物发现、生物信息学，以及购物网站的超定制化推荐。

深度学习