前言

开始文章输出之前，我没有着急下笔，而是认真的问了自己几个问题。

• 我为什么要学算法？
• 如何保持学习的热情和积极性？
• 学到的算法是否可以应用到工作中？
• 学到的算法怎么应用到工作中？
• 如何实现从掌握到精通？

我想每个学习周期，总要收获自己想要得到的东西，到底什么才是自己想要的或者需求要的。

于是我面对比较新的技术，养成了提问自己->探索过程->找出答案的习惯。

我理解的算法之美

化繁为简

日常无论是工作还是生活，有些场景可以借助算法，将复杂问题简单化。

比如买东西时怎么挑性价比高的商品、怎么用优惠组合可以让价格更低、出行时哪条路线更便捷等。

复杂一些的比如估算某件事的成本、某个规律性事件的数量、还有一些事件发生的概率以及什么概率下做决定比较多。

这些事，单纯靠想象，是比较难处理的，如果代入一些公式进行计算得到结果，怎么做选择就一目了然了。

降本提效

我在探索算法的使用场景的时候，发现了很多有趣的例子。

37%法则

经过数学家欧拉的实验,以37%作为分界点,前面的时间用来观察,后面的时间用来作决策的一种方法。

卖房子的时机

只要你可以得到一系列报价，清楚报价金额的变化幅度，并且在这个变化范围内各种报价出现的可能性是相同的。只要报价不会中断（积蓄也不会花完），就可以单纯地考虑你对收获或损失的期望值，以决定是否继续等待更有利的交易。

最优停车位置

停车难题在于停车位占用率，即目前被占用的所有停车位占总停车位的比例。

如果占用率很低，很容易找到一个好的停车位；如果占用率很高，想为你的车找到一席之地就困难了。

上面这些被例子被涵盖进最优停止理论中，合理的选择停止观望的时机，可以帮助节省成本，提高效率。

有规划成方圆

• 在搜索省份和城市数据的时候，希望按照首字母进行分类展示。
• 打开外卖APP，查看美食商家，可以按照距离筛选，也可以按照好评筛选。
• 整理好装有100本书的书架和两个各有50本书的书架，哪个更费时？

这些问题，如果没有建立排序，想想数据量，就令人头皮发麻。

合理利用算法，可以为我们解决大数据量问题，也可以通过结果了解社会的本质。

初探算法之门

想要学好算法，一本专业的有趣的书籍，即可以帮助学习，又可以让人有读下去的欲望。

我选择的是《趣学算法》这本书。

下面通过阅读书籍，整理了算法的基础知识点。

算法描述方式

使用自然语言、程序设计语言描述算法，也可以使用流程图、框图等图形化的方式来描述算法。

伪代码

一般使用“伪代码”的方式来描述算法。

算法特性

书总结了算法有以下特性：

「好」算法的标准

书总结了算法有以下特性：

• 正确性：算法能够满足具体问题的需求，程序运行正常，无语法错误。
• 易读性：算法遵循标识符命名规则，注释语句恰当适量，简洁易懂，便于阅读。
• 健壮性：算法对非法数据及操作有较好的反应和处理。
• 高效性：算法运行消耗的时间短。（与时间复杂度有关）
• 低存储性：算法所需的存储空间低。（与空间复杂度有关）

时间复杂度

算法的时间复杂度是指运行需要的时间。一般会将算法运算的执行次数作为时间复杂度的衡量标准。

来看一个简单的求和的例子

let sum = 0; // 运行1次
let total = 0; // 运行1次
for (let i = 1; i < 10; i++) { // 运行10次
  sum = sum + i; // 运行10次
  for (let j = 1; j < 10; j++) { // 运行10*10次
    total = sum + i + j; // 运行10*10次
  }
}

这个例子中，所有的运行次数加起来是：1+1+10+10+10*10+10*10。

可以用一个函数表达：T(10) = 2*10²+2*10+2。

当运行次数是n的时候，表达为：T(n) = 2*n²+2*n+2。如果n足够大，那么算法运行时间主要取决于第一项，后面的可以忽略不计。

空间复杂度

空间复杂度是算法占用的空间大小。一般讲算法的辅助空间作为衡量空间复杂度的标准。

来看一个简单的数字交换的例子

function exchange(a, b) {
  let temp;
  temp = x;
  x = y;
  y = temp;
}

exchange(1, 2);

该算法使用了一个辅助控件temp,空间复杂度为O(1)。

自问自答

我为什么要学算法？

前面的算法之美就这个问题的答案。

如何保持学习的热情和积极性？

我一般会保持下面这张图中的良性循环

学习中分阶段取得收获，每个阶段的收获可以鼓舞自己继续学习下去。

未完待续

上面问题列表中，后面三个问题，我会完成一系列的算法学习之后，将经验进行总结，再发出来。

这个从无到有的过程，让改变了原本对算法爱恨交织的态度，这就是一个好的开始。