从这个角度去理解数据结构与算法更容易

Posted 码农沉思录

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了从这个角度去理解数据结构与算法更容易相关的知识,希望对你有一定的参考价值。


原文:https://blog.csdn.net/jintianyishiyeai/article/details/88628442

引言


在互联网、大数据、人工智能火爆的今天,“算法”这个词几乎妇孺皆知,业已成为“高薪”“牛X”的代名词。


What is Algorithm?(算法是个什么鬼 )


为了不落入俗套,本文不会重复wiki上“算法”的官方定义,而采用启发式结构来阐述算法的本质,试想平时在遇到问题的时候,我们是如何解决的。

朴素而广泛的过程方法论如下:

       1. 重新定义问题,结构化描述

       2. 根据重定义,归类问题

       3. 根据问题类别,做经验匹配

       4. 根据匹配结果,分支处理:若匹配,采用经验方法;若匹配不上,设计开发新方法

       5. 迭代更新经验库,增强面向未来问题的能力


       与算法相关的就是上面的第3步~第5步。


简单来说,算法本质是:解决某类问题的方法。如果方法已经在经验库里了,直接拿来主义,也就是“既有算法”;如果不在,那么设计开发的新方法,新方法就是“新算法”。


当然还有一种情况:虽然经验库里有针对该类问题的方法了,但是设计开发了一个更有效的新方法,那么也称为“新算法”。下面来对几个关键点进行阐述!!!


什么是“更有效的算法”?


“更有效”的背后逻辑其实比较的就是“代价”,或者称为“开销”。经济上衡量就是成本,它分为两个维度:时间成本和资源成本。


资源成本在计算机上的体现就是硬盘、内存、CPU等一系列硬件资源开销。对这些硬件资源开销进一步抽象,就是空间成本。


算法其实从学科分类上讲,属于计算数学,计算数学属于应用数学。用学科术语来描述时间成本与空间成本,就是计算复杂度,很自然地,它也有两个维度:时间复杂度和空间复杂度。描述复杂度的数学符号是O()。后面我们会详细介绍O()的表达。


综上所述,所谓的“更有效”的算法,指的就是时间复杂度或者空间复杂度更优的算法。


 为什么要“重新定义问题,结构化描述”?


把人脑也看做一台机器的话,很显然这台机器的运行方式和效率与计算机有所不同(尽管现在的机器学习在尽可能地模拟人脑的机理,但是两者至少在现阶段还有本质不同)。


人脑在连续信号和非结构化场景下的处理能力是卓越的,但是计算机只能处理离散信号,并且必须最终转化成结构化数据才能进行处理(尽管现在的机器学习可以通过自我学习来将数据结构化)。


用一张图来描述这个过程就是:


Why to use Algorithm?(算法有什么鬼用)


从上面对解决现实问题的过程方法论的描述中,其实已经可以看出算法的价值就在于:经验的重用。


套用一句IT行话就是“不要重复制造轮子”。好了,既然现在你已经对算法有了大致的感性认识,那么接下来根据人类的学习习惯,就需要来看看抽象的算法概念,在现实里到底“长什么模样”。


很多人认为“算法=程序或者程序”,这其实是一个狭义的理解。如前面所说的,算法的本质是解决某类问题的方法,而程序或者代码只是方法的一种表达形式而已。你也可以用自然语言或者伪代码来进行表达算法。


算法的“模样”(应对电灯不工作的算法——代码方式):


public STATUS_CODE lamp_issue_handler() {
  STATUS_CODE ret_val = UNKNOWN_ISSUE;
 if (!isPowerOn(this)) {
   ret_val = powerOn(this) ? NOT_POWER_ON_ISSUE : POWER_ISSE;
  }
  else if(!isBulbCrash(this)) {
   ret_val = replaceBulb(this) ? BULB_CRASH_ISSUE : REPLACE_ISSUE;
  }
  else {
    ret_val = fixBulb(this) ? BULB_FIXABLE_ISSUE : FIX_FAILURE_ISSUE;
  }
  return ret_val;
}



  算法的“模样”(应对电灯不工作的算法——自然语言方式):


首先检查电源是否接好了:没有接好,接上。

如果接上了仍然不工作,看看灯泡是否烧坏了:如果是,换个新灯泡

如果灯泡没有烧坏,修理灯泡


算法的“模样”(应对电灯不工作的算法——流程图方式):



How to use Algorithm?(如何使用算法)


算法的本质就是方法,既然是方法,就是一系列的操作;既然是操作,就必然有作用对象。在软件程序设计中,这样的作用对象就是“数据结构”。


怎么来理解数据结构呢?


前面我们讲到了,解决问题的第一步就是要将问题结构化描述。结构化描述的本质就是利用一系列便于操作的“基础元素”来表达。


那么怎样的“基础元素”是便于操作的呢?


首先我们要清楚,操作的主体是谁。从上一段的阐述来看,这个主体貌似是算法,但是我们注意,算法不是凭空去运行的,是要在计算机上运行的。


所以归根结底,操作的主体是计算机。所以,这里所谓的“便于操作”指的是便于计算机运行。


计算机运行有两个维度:硬件维度和软件维度。


1.从硬件维度看:

学过计算机组成原理就知道,程序是在计算机的CPU高速缓存和内存中运行的。对应的存储结构,通常都是线性的。


为了充分提升线性结构的性能优势,硬件厂商(如CPU厂商)在设计硬件时,就抽象了针对一些结构(如堆栈)的操作(如压栈、出栈),所以很自然地,这样的结构就应该作为数据结构。


2.从软件维度看:

我们编写的应用程序一般不会直接运行在硬件之上,而是运行在操作系统、运行时或者虚拟机(如JVM)之上。

所以操作系统、运行时或者虚拟机已经抽象的结构(如数组、队列、树、图等),也应该作为数据结构。


上面赘述了这么多,其实就是要表达一个观点:算法是要配合数据结构的,抛开数据结构谈算法就是无源之水、无根之树。


看到这里,我想你一定彻底明白,为什么图灵奖得主尼古拉斯·沃斯会提出那个著名的等式了:程序 = 算法 +数据结构。


总结


看到这里,相信你已经对算法这个概念已经不再陌生,它对于你而言也不再高高在上。


无论在大学学习,还是在工作中,大家都几乎被一种说法反复洗脑:算法非常重要,它是计算机的灵魂。


在这里,我想纠正一下这个错误的观点。首先,广义的算法不仅仅只是软件算法;再次,计算机系统不仅仅只是由软件构成,还有硬件。


硬件涉及到材料科学、制造工艺等一系列技术,这些是不能简单被算法替代的。所以,脱离上下文、一味强调算法的重要性是耍流氓。

以上是关于从这个角度去理解数据结构与算法更容易的主要内容,如果未能解决你的问题,请参考以下文章

机器学习---算法---Adaboost

开发内容分解的9个角度

从封装变化的角度看设计模式——组件协作

深入理解面向对象与反射

golang-raft算法理论与实践

从高处理解android与服务器交互(看懂了做开发就会非常的容易)