• <noscript id="eom2a"><optgroup id="eom2a"></optgroup></noscript>
    <tt id="eom2a"><small id="eom2a"></small></tt>
    <input id="eom2a"></input>
  • <div id="eom2a"><small id="eom2a"></small></div>
    <td id="eom2a"><small id="eom2a"></small></td>
  • 您的位置:知識庫 ? 互聯網

    我們為什么要思考算法

    作者: 數控小V  來源: 36大數據  發布時間: 2015-04-01 20:04  閱讀: 10883 次  推薦: 24   原文鏈接   [收藏]  

      源頭

      “算法”的中文最早出現在中國漢代的數學名著《周髀算經》中。《周髀算經》卷上有:“數之法出于圓方。圓出于方,方出于矩。矩出于九九八十一”。意思是: 算數的方法都出于對圓、對方的計算,其中圓出于方(圓形面積=外接正方形x圓周率/4),方出于矩(正方形源自兩邊相等的矩),矩的計算出于九九八十一 (長乘寬面積的計算依自九九乘法表)。追溯回去,在春秋戰國時代,《九九乘法歌訣》已經開始流行起來。話說,自從卡梅倫被8×9等于多少問呆以后,英國教育部就開始聘請上海的小學數學老師赴英訓練小九九了……

    Chinese teachers bring the art of maths to English schools

    大數據

      在西方,真正推動算法傳播的是一個居住在巴格達的阿拉伯人,Al Khwarizmi,他引進了印度更為先進的十進制數字系統。Al Khawarizmi展示了加、減、乘、除,乃至平方根和圓周率π的計算步驟。這些步驟的特點是:簡單、無歧義、有效、有窮步驟、正確。數百年后,當十進制阿拉伯數字系統在歐洲廣泛應用時,人們便創造出Al Khwarizmi 的拉丁化寫法“Algorithm”,來描述這種有規可循的數字計算行為。

      算法的定義

      究竟什么是算法呢,字面理解,就是計算的辦法或法則。這里的計算不單指加減乘除等算術運算,而是廣義的做任何事情的計算。辦法和法則,則意味著使用它可以解決眼前的問題。

      就拿我們喜聞樂見的世界杯比賽來說,每四年一屆比賽的目的就是選出此時世界上踢球最牛掰的那個國家。在200多個國家里頭,如果用單循環聯賽賽制,也就是每個隊都必須和另外所有隊踢一場,以此決定本隊成績,假設每隔三天踢一場,最快也要600來天。怎么樣,累覺不愛吧,還是廣場舞來的更收放自如些。對于比賽組織者來說,明智的策略當然是先在幾個大洲里選出幾個屈指可數的球隊,然后大家聚在一起,一個月內論出高下,這時甚至還要再分成幾個組,每組最強的幾個隊才能突出重圍,踏上冠軍之路。

      道理上來講,最好的球隊,無論哪種賽制,總是會脫穎而出的;而上述這種優中選優的方式,難度和開銷就降低許多了。上述過程有一個特定叫法:分治,也就是將一個大問題(尋找全世界的最佳球隊),分解成多個類型相同但規模更小的問題(尋找一個大洲的最佳球隊),如果小問題得以解決,那么大問題就更加容易解決了(各大洲最佳球隊PK一下,就知道世界冠軍的獎杯,花落誰家了)。這只是生活中眾多算法應用的一個例子,那么由事實到抽象拔高出來一個完備的字典式定義,對應用和分析者來說,其實無太多必要。事實上,算法的定義也因看待的角度不同而不同。

      如果你是個哲學家:算法是解決一個問題的抽象行為序列。

      如果你是個碼農:算法是一個計算過程,它接受一些輸入,并產生某些輸出。

      如果你喜歡高大上:算法是解決一個精確定義的計算問題的工具。

      但他們共同強調了一點:算法的不變式,即算法必須能夠讓人一步一步照著執行。

      算法的核心

      算法是解決問題的辦法或法則。但解決一個問題不一定只有一種辦法,不同的辦法之間便有了好壞之分。對于解決同一個問題的不同算法,我們如何比較它們的好壞呢?

      能夠比較的東西當然很多,如模塊性、正確性、可維護性、健壯性、友好性、簡易性、可擴展性和可靠性等,但這些并不是算法設計與分析中最為關心的問題。但它們更加像是人類附加在算法上的外部屬性,因為它們通常依賴于使用或實現算法的人員的其他方面素質:理解力、表述力、編程水平、數據結構的運用與設計技巧等。

      那么算法的核心或靈魂是什么呢?也許您已經可以猜到:速度。也就是其解決問題的速度。因為速度往往是區分可行和不可行方案的分水嶺。例如,一個讓人等上很多年才能運行結束的算法,就是再正確,也不會令我們滿意。從實際意義上看,這種算法的正確和不正確并無太大的本質區別。

      如果一個算法在你的改進下,效率提高了成百上千倍,則當你坐在顯示屏前,所獲得的快感不會亞于很多其他的事情。

      堆機器還是拼算法

      說到提升速度,真壕們會不約而同的移步華強北,血拼內存處理器。然而,計算機速度的增長可以多大程度上解決一些簡單問題呢?我們來看一個經典的例子吧。

      我們有一個描述兔子增長數量的模型:

      原點:一對雌雄兔子

      規律:每對兔子每月產下一對兔子,且一生只能生產兩次,而且第二次生產后老死。(我們這里假設產下的每對兔子都繼續正常繁衍,方舟子及果殼知識帝請繞路……)大數據

      如果定義在第n個月的兔子數量為F(n),那么F(n)個兔子中包含這個月新生的兔子(也就是(第n-1月)兔子總數F(n-1)),和上個月的新生兔子數目(因為上個月的老兔子們這個月已經死掉了),即F(n-2)。所以F(n)=F(n-1)+F(n-2),F(n)的序列叫做斐波那契序列。

      那么我們就開始算F(n)吧,比如說你想知道第30個月時的兔子數量,那么F(30)=F(29)+F(28),那么F(29)=F(28)+F(27),我們一直分解下去,最后變成數數一共多少個F(0)了。我們寫段代碼,運行它,約朋友出去打個臺球,回來也許可以得到答案。若你眼光長遠,想知道第300個月時的兔子數量,那么你必須要尋找其它算法了。因為F(0)的數量太龐大了。這種天真遞歸解法,事實上要對F(0)進行指數級次的運算。聰明的你會進一步發現斐波那契數列是一個二階遞推數列,于是最后可以用對數級次運算搞定F(300),這里細節省略,感興趣的話我們會在后續詳細討論。

      問題是,在硬件性能愈加強悍的今天,大規模運算或者大數據的實踐者們,時常認為更快的算法也許沒有必要。那么我們來看斐波那契數的天真遞歸解法,它的時間復雜度為1.6的n次方,即計算F(n+1)的時間約是計算F(n)的1.6倍。按照摩爾定律計算性能每18個月翻倍的速度,每過一年,我們只能多計算一個未知的斐波那契數。

      我們說IBM的Roadrunner 超級計算機性能為NEC的Earth Simulator的30倍,但這也僅僅意味著Roadrunner比后者在同樣的時間下以指數級復雜度多算7個數。但如果使用log(n)復雜度的算法,那么Roadrunner可多算10的30次方個斐波那契數。

      所以,算法書其實不全是用來墊咖啡杯的……改進算法比起提升硬件速度的效果,還是很顯著的,不是嗎。

      結語

      對算法效率的追求,在任何場景中,都可以給你帶來意想不到的驚喜。對于產品的突破、開銷的降低、技術氣氛的凝聚,還有什么方式比思考與重視算法來的更加有效與唯美呢?

      作者:華傲數據算法部

      聲明:本文部分內容借鑒于T.H.Cormen等著《算法導論》與鄒恒明著《算法之道》,特此感謝與聲明。圖片源自網絡。

    24
    5
    標簽:算法

    互聯網熱門文章

      互聯網最新文章

        最新新聞

          熱門新聞

            黄色网_免费在线黄色电影_黄色成人快播电影_伦理电影_黄色片