如何将数据结构和算法应用到实际之中？

benLoveting

如何将数据结构和算法应用到实际之中？

韶华易逝去

一般来说，数据结构和算法这本书上提到的任何算法/数据结构，你都不会有机会重新实现一次。


因为，早有就各种各样的库，对外提供了工业级的、充分泛化的实现，只需拿来用就是了。

重写的话，一个代码质量/执行速度，显然都极难超过经过千锤百炼的、在无数项目中经过充分测试的库实现；另一个，书上都是为了教学而做的简化实现，实际使用中，需要对算法做一定的泛化。（比如，c的qsort库函数，只要保证数据是以指针数组索引的、对自定义数据须传入比较大小的功能函数，那么任何数据都可以用这个qsort算法排序；C++里面呢，则是和容器、迭代器之类东西结合通盘考虑的，可泛用于任何符合规范的容器和原生数据类型。而课本上的实现，仅能支持数组中的整数。想做到工业水平，没有足够的经验是不可能的。）



但，另一方面，所有这些算法/数据结构的设计思路，却会贯穿于绝大部分项目之中。

比如说，简单的冒泡算法，它是不是只是“多次扫描一个数组，交换遇到的每一对相邻的、顺序反了的数字；当不再发生交换时，数组已完成排序”甚至”好不容易才死记硬背下来的一段代码“？

如果你只学会了这个，那么，你真就完全白学了。

作为一个表现一般的排序算法，冒泡排序本身出场率就不高；何况还有各种提供了泛化的sort算法的库：如果仅仅记下了这个，那么你一辈子都不会遇到”必须重写冒泡算法“的场合。


但，如果你把冒泡算法记成：
就好象水中的气泡一样，每次只和相邻的元素比较密度（或其它特征），密度小的上浮，密度大的下沉；多次进行后，局部有序就会变成（相关特征上的）整体有序。
甚至：
模仿各种会导致整体有序现象的局部物理过程去处理数据，可以使得数据整体上满足类似的排布。
甚至：
考察任何自然规律，看它会产生什么有趣的后果；然后用程序模拟这个规律，就可以得到想要的效果。

那，你这一生，可就受用不尽了。



比如说，”高大上“的”神经网络“”遗传算法“”蚁群算法“等等等等，其实骨子里不都是这个”冒泡思路“吗？



类似的，各种树都是链表的”钩挂“思想+数组的”索引“思想的结合体；”模拟退火算法“又是冒泡思路结出来的另一颗果子；音频滤波算法就是简谐振动计算公式；面向对象的”继承“不过是常见的”归一化“手法的另一个表述方式……


可以说，如果能像对冒泡算法的真正理解一样，彻底弄明白各种算法的设计思路并加以借鉴，那么你对这个世界的各种规律了解的有多透彻，你的程序就可以写的有多灵动。


一旦掌握这个，从此，你再不必像那些菜鸟一样，绞尽脑汁敲出无数代码去”凑“需求；而是只需用代码编织出需要的规律，然后丢给CPU执行，你真正想要的东西就会自然”涌现“：现在，你只要找出”结果已经出现“的识别方法，用它来结束你的逻辑就行了。
（当然，达成一个目的往往可以有多个不同的途径，不同途径利用不同的规律；那么哪个途径最优呢？算法课教过你：这就是所谓的“算法复杂度”）

——冒泡算法可不就是用代码编织了一个”数值大者靠前（或靠后）“的规律，然后丢给CPU一跑，一大片数据就有序了？
——遗传算法呢，不正是”抄袭“了自然界的自然选择规律吗？把这个规律丢给CPU一跑，居然连AI都弄出来了！

这些只是一些特别经典、特别著名的案例而已。
实际工作中，也是时刻都可能遇到一些新鲜的需求/场景；要完成工作，除了出苦力一行行码代码外，一样可以通过观察找到其中的规律，然后用代码编织规律，再让这些规律去替你完成需求：后者往往会比前者简洁的多得多，执行速度一般也会快得多得多。
这类随时随地“发明”的算法实在不值一提，不能让你像那些著名案例一样一举成名；但它们却实实在在可以提高你的工作效率，让其他人望尘莫及。

——经常有高手骄傲的宣称，别人几万、几十万行代码都解决不了的问题，他数百行代码就清楚漂亮的解决了，执行效率还高出许多倍：他们就是这样做到的。

韶华易逝去

一般来说，数据结构和算法这本书上提到的任何算法/数据结构，你都不会有机会重新实现一次。


因为，早有就各种各样的库，对外提供了工业级的、充分泛化的实现，只需拿来用就是了。

重写的话，一个代码质量/执行速度，显然都极难超过经过千锤百炼的、在无数项目中经过充分测试的库实现；另一个，书上都是为了教学而做的简化实现，实际使用中，需要对算法做一定的泛化。（比如，c的qsort库函数，只要保证数据是以指针数组索引的、对自定义数据须传入比较大小的功能函数，那么任何数据都可以用这个qsort算法排序；C++里面呢，则是和容器、迭代器之类东西结合通盘考虑的，可泛用于任何符合规范的容器和原生数据类型。而课本上的实现，仅能支持数组中的整数。想做到工业水平，没有足够的经验是不可能的。）



但，另一方面，所有这些算法/数据结构的设计思路，却会贯穿于绝大部分项目之中。

比如说，简单的冒泡算法，它是不是只是“多次扫描一个数组，交换遇到的每一对相邻的、顺序反了的数字；当不再发生交换时，数组已完成排序”甚至”好不容易才死记硬背下来的一段代码“？

如果你只学会了这个，那么，你真就完全白学了。

作为一个表现一般的排序算法，冒泡排序本身出场率就不高；何况还有各种提供了泛化的sort算法的库：如果仅仅记下了这个，那么你一辈子都不会遇到”必须重写冒泡算法“的场合。


但，如果你把冒泡算法记成：
就好象水中的气泡一样，每次只和相邻的元素比较密度（或其它特征），密度小的上浮，密度大的下沉；多次进行后，局部有序就会变成（相关特征上的）整体有序。
甚至：
模仿各种会导致整体有序现象的局部物理过程去处理数据，可以使得数据整体上满足类似的排布。
甚至：
考察任何自然规律，看它会产生什么有趣的后果；然后用程序模拟这个规律，就可以得到想要的效果。

那，你这一生，可就受用不尽了。



比如说，”高大上“的”神经网络“”遗传算法“”蚁群算法“等等等等，其实骨子里不都是这个”冒泡思路“吗？



类似的，各种树都是链表的”钩挂“思想+数组的”索引“思想的结合体；”模拟退火算法“又是冒泡思路结出来的另一颗果子；音频滤波算法就是简谐振动计算公式；面向对象的”继承“不过是常见的”归一化“手法的另一个表述方式……


可以说，如果能像对冒泡算法的真正理解一样，彻底弄明白各种算法的设计思路并加以借鉴，那么你对这个世界的各种规律了解的有多透彻，你的程序就可以写的有多灵动。


一旦掌握这个，从此，你再不必像那些菜鸟一样，绞尽脑汁敲出无数代码去”凑“需求；而是只需用代码编织出需要的规律，然后丢给CPU执行，你真正想要的东西就会自然”涌现“：现在，你只要找出”结果已经出现“的识别方法，用它来结束你的逻辑就行了。
（当然，达成一个目的往往可以有多个不同的途径，不同途径利用不同的规律；那么哪个途径最优呢？算法课教过你：这就是所谓的“算法复杂度”）

——冒泡算法可不就是用代码编织了一个”数值大者靠前（或靠后）“的规律，然后丢给CPU一跑，一大片数据就有序了？
——遗传算法呢，不正是”抄袭“了自然界的自然选择规律吗？把这个规律丢给CPU一跑，居然连AI都弄出来了！

这些只是一些特别经典、特别著名的案例而已。
实际工作中，也是时刻都可能遇到一些新鲜的需求/场景；要完成工作，除了出苦力一行行码代码外，一样可以通过观察找到其中的规律，然后用代码编织规律，再让这些规律去替你完成需求：后者往往会比前者简洁的多得多，执行速度一般也会快得多得多。
这类随时随地“发明”的算法实在不值一提，不能让你像那些著名案例一样一举成名；但它们却实实在在可以提高你的工作效率，让其他人望尘莫及。

——经常有高手骄傲的宣称，别人几万、几十万行代码都解决不了的问题，他数百行代码就清楚漂亮的解决了，执行效率还高出许多倍：他们就是这样做到的。

benLoveting1314

水点体力。。。。。。。。。。。。。。。。。。。。。。。。。。。

benLoveting1314

水水水水水水水水水水水水水水水水水水水水水水水水水水水水水水水水水水水水水水水水水

流年暗偷换

算法 与科学这本书有吗？？？？？？？？？？？

darkerblue

恩恩，受教了