了解一下“算法”，每个人都要掌握的编程知识

假设我们有一个难题需要解决，那怎么解决呢？解决的步骤怎样呢？如果有一样东西能把这个解决这个难题的步骤描述出来，那就叫做这个问题的算法。

你看，如果我们学习算法的话其实学习的是解决问题的步骤，无论我们从事哪个行业学一下算法都是很有帮助的。

01

算法概念的理解

算法可以很复杂也可以很简单

百度百科上对算法的定义：

算法（Algorithm）是指解题方案的准确而完整的描述，是一系列解决问题的清晰指令，算法代表着用系统的方法描述解决问题的策略机制。

为什么算法是解题方案的准确、完整的描述，而且还要清晰的指令呢？因为绝大多数算法最终需要转换成计算机程序给计算机执行的，而计算机是比较死板的。更直白地讲，算法呢大多数时候是充当了人和计算机之间的一种“翻译”的角色。

那么我们用什么方法或者是工具来准确、完整、清晰的描述解题方案呢？也就是说，我们用什么方法来描述算法呢？

给人看的算法呢，经常采用三种方式来描述它：

1. 自然语言。所谓自然语言就是人类的语言，我们人类语言最大的特点就是不严谨，同样一句话不同的语境、不同的人可能会有不同的理解，这和算法的定义是背道而驰的。所以又有了下面两种算法描述方法。
2. 流程图，N-S图。又称程序框图，用一组统一规定的标准符号描述程序运行具体步骤的图形表示。这是一种非常好的算法描述方法，一图胜千言。我们做02典型算法的例子里会介绍。
3. 伪代码。一种非正式的，类似于英语结构的，用于描述模块结构图的语言

流程图的基本符号

求三个数中最大值的伪代码

02

一个典型算法的例子

其实我们碰到的很多问题，在不同的时间、不同的地点可能已经有另外的一些人碰到过很多很多次了。所以呢，就有很多很经典的算法，我们如果认真的研究一下这些算法，你会觉得比打游戏打怪升级还更有意思。比如下面这张图里几种常见的排序算法，所谓排序算法就是给计算机一组杂乱无章的数，让它帮我们从小到大或者从大到小排列起来。

排序算法最常见的应用就是，期末考试的时候我们老师把每个同学的成绩都输入给计算机，计算机能帮我们把这些成绩排个序。想象一下，如果是全国统考的高考，全国那么多考生的成绩排序，如果是人工排的话那得多大的工作量？光中午管盒饭也不老少啊！

常见的几种经典排序算法

我们以上图中的第一种冒泡排序为例来说明一下算法，及其描述。

如果我们用自然语言来描述冒泡排序是这样的：

1. 比较相邻的元素。如果第一个比第二个大，就交换他们两个。
2. 对每一对相邻元素做同样的工作，从开始第一对到结尾的最后一对。在这之后，最后的元素应该会是最大的数。
3. 针对所有的元素重复以上的步骤，除了最后一个。
4. 持续每次对越来越少的元素重复上面的步骤，直到没有任何一对数字需要比较。

你如果看上面这段名字可能有点懵逼，如果带入一个问题场景来理解冒泡排序可能会容易的多。

比如说，我们有一组10个同学到操场集合站成一列，这个时候体育老师来了说：“大家按照身高从低到高排好！” 那怎么排列呢？那这个时候呢就可以这样来看：

1. 从第一个开始比较相邻的两个同学，如果第一个同学比第二个同学高，那么他们换一下位置。
2. 第一个和第二个比完（可能要交换位置）之后呢，那么第二个就肯定比第一个高了；这个时候再把第二个和第三个比较，如果还比第三个高，那么再和第三个也交换一下位置。这样一直比到第10个，那么经过这么一轮的比较之后，站在第10个的同学肯定就是所有同学里面最高的了。
3. 然后再用步骤1、2同样的方法来对前面的9个同学操作，那第9个同学又变成剩下的9个里面最高的了。
4. 然后再对剩下的8个同学进行类似操作，然后是剩下的7个。。。一直到最后一个，这样一轮又一轮地操作之后就把这10个同学从矮到高拍好了。

如果这样的冒泡算法用流程图来表示，是怎样的呢？

一个100个数的数组的冒泡排序

流程图呢，其实是计算机专业的或者相近专业的人才看的东东。普通人要想看明白它呢，也很简单。首先，找到“开始”，然后顺着箭头一路向下，如果碰到一个菱形就是一个分支，这个棱形里面呢是一个条件，所谓条件就是满足条件结果为真、不满足为假，然后从棱形出来就要根据这个条件的取值选择走哪条，如果是走回头路的话就变成了一个循环，所以那你就带着一个值慢慢跟着箭头走，很容易搞明白。

03

怎样评价算法的好坏？

俗话说“条条大路通罗马”，但是呢并不是每条路都那么好走的。有些路比较好找，但是需要走的时间长；有些路可以很快到达，但是很难走；有些路理论上能到达目的地，但是实际上几乎相当于死路走不通。这样的话呢，不同的衡量标准下呢这不同的路就有了好坏之分。

那么解题的算法也是一样，同一个问题可能有很多个算法，就像我们在02里看到的排序算法。那么，这么多算法，我们有没有什么标准可以评价他们的好坏呢？答案是肯定的。

主要从几个方面来衡量一个算法的优劣：

1. 时间复杂度，可以粗暴地理解为运行这个算法所需要的时间；
2. 空间复杂度，可以粗暴地理解为运行这个算法占用的计算机（或手机之类的）内存大小，就是手机发烫不发烫；
3. 正确性，这个就很好理解了；
4. 可读性，对于一些简单问题的算法别整的像相对论那么难理解；
5. 健壮性，就是说如果我们给这个算法的输入条件出错了，这个算法会不会出错，也叫容错率。就好比前面对学生按高矮排序的时候，突然插入一个其它班的同学、或者跑过来一条小狗狗，算法有没有考虑到这些情况。

好了，关于算法的理解入门，石头就说这么多了。