role-algorithms:algorithm-design
/role-algorithms:algorithm-design
Projektuje algorytmy z analizą złożoności, dowodami poprawności i doborem paradygmatu, np. zachłannego lub programowania dynamicznego.
- Autor
- rnavarych ↗
- Repozytorium
- alpha-engineer ↗
- Licencja
- MIT
- Ostatnia zmiana repozytorium
- 24.07.2026
Ocena i bezpieczeństwo
- Pliki w paczce
- 4
- Skrypty
- 0
- Komentarze HTML
- 0
- Adresy URL w SKILL.md
- 0
Brak sygnałów. Repozytorium zmienione 24.07.2026, bez odwołań do wycofanych modeli i API.
MIT, otwarta: można używać i zmieniać, z zachowaniem informacji o autorze.
Co robi i kiedy
Projektuje algorytmy z analizą złożoności, dowodami poprawności i doborem paradygmatu, np. zachłannego lub programowania dynamicznego.
Oryginalny opis (EN)
Designs algorithms with formal analysis — Big-O/Theta/Omega, amortized analysis, recurrence relations (Master theorem), correctness proofs (loop invariants, induction, reduction), and paradigm selection (greedy, divide-and-conquer, dynamic programming, backtracking). Use when analyzing efficiency, proving correctness, comparing approaches, or selecting optimal algorithms for given constraints.
Jak działa
- When to use
- Core principles
- Reference Files
Podgląd SKILL.md
--- name: role-algorithms:algorithm-design description: Designs algorithms with formal analysis — Big-O/Theta/Omega, amortized analysis, recurrence relations (Master theorem), correctness proofs (loop invariants, induction, reduction), and paradigm selection (greedy, divide-and-conquer, dynamic programming, backtracking). Use when analyzing efficiency, proving correctness, comparing approaches, or selecting optimal algorithms for given constraints. allowed-tools: Read, Grep, Glob, Bash --- # Algorithm Design ## When to use - Analyzing algorithm efficiency and comparing time/space bounds - Selecting the right paradigm: greedy, divide-and-conquer, DP, or backtracking - Proving algorithm correctness with loop invariants or induction - Solving recurrence relations and applying the Master theorem - Evaluating space-time trade-offs under memory or latency constraints - Explaining why a greedy choice is (or is not) valid ## Core principles 1. **Prove before you code** — choose a paradigm and establish correctness argument before implementation 2. **Tight bounds over loose bounds** — Big-Theta tells the truth; Big-O alone can mislead 3. **Constants matter at small n** — O(n log n) with large constants can lose to O(n²) for n < 10,000 4. **Amortized cost is not average cost** — a single expensive operation does not break O(1) amortized 5. **Greedy requires proof** — exchange argument or cut property; intuition is not a proof ## Reference Files - `references/asymptotic-analysis.md` — notation (O/Ω/Θ/o), practical interpretation, amortized methods (aggregate, accounting, potential), recurrence relations and Master theorem - `references/design-paradigms.md` — greedy (exchange argument, classic examples), divide-and-conquer (split/merge decisions), dynamic programming (when DP beats greedy), backtracking (pruning strategies) - `references/correctness-and-tradeoffs.md` — loop invariants, structural induction, reduction proofs, space-time trade-off decision matrix
Pliki w paczce (4)
- SKILL.md 2 KB
- references/asymptotic-analysis.md 2 KB
- references/correctness-and-tradeoffs.md 2 KB
- references/design-paradigms.md 2 KB
Wersje
W bazie nie ma innych skilli o nazwie role-algorithms:algorithm-design.
Migawka bazy z 13.11.2026 · wersja paczki 83cef907d9a7 (skrót SHA-256 całej paczki)
Pobrania w ostatnich 30 dniach: 0 · ranking
Zgłoś problem z tym skillem: szkodliwa treść, błędny opis albo prośba autora o usunięcie.
Podobne skille
- 100algorithms
Pomaga dobierać algorytmy i struktury danych, analizować złożoność Big-O oraz kompromisy czasu i pamięci, opierając się na podejściu Knutha. - 100apply-algorithms
Dopasowuje problem do klasycznej rodziny algorytmów (programowanie dynamiczne, zachłanne, dziel i zwyciężaj, przeszukiwanie grafów, sortowanie najpierw) i uzasadnia wybór. - 100computer-science-algorithms
Pomaga wybierać i implementować algorytmy i struktury danych: złożoność asymptotyczną, sortowanie, programowanie dynamiczne, grafy, algorytmy zachłanne oraz narzędzia na dużą skalę jak Bloom filter, HyperLogLog i consistent hashing. - 80role-algorithms:dynamic-programming
Rozwiązuje problemy optymalizacyjne programowaniem dynamicznym: memoizacją, tabelaryzacją i projektowaniem przestrzeni stanów. - 80role-algorithms:computational-complexity
Klasyfikuje trudność problemów obliczeniowych, dowodzi redukcji NP-zupełności i dobiera algorytmy przybliżone lub heurystyczne. - 100algorithm-selection-and-complexity
Pomaga wybierać, recenzować i wyjaśniać algorytmy przy jawnych ograniczeniach poprawności, czasu, pamięci, skali danych i łatwości utrzymania.