編程算法比我們想象中還要重要很多

.Net編程自動調(diào)試監(jiān)視工具(Auto Debug For .Net)v1.5 注冊專業(yè)版

• 類型：編程輔助大�。�1.8M語言：英文 評分：6.0
• 標(biāo)簽：

立即下載

算法的確很重要，就跟電腦一樣。沒電腦怎么編程，但貌似不是80%的程序員該考慮的。

人們之所以說算法很重要，是因為任何的程序，任何的軟件，都是由很多的算法和數(shù)據(jù)結(jié)構(gòu)組成的。從這點上說算法很重要，但是這不意味著算法對于每個軟件設(shè)計人員的實際工作都是很重要的。其實，軟件行業(yè)是可以分為算法密集型，典型的比如一個搜索引擎。 業(yè)務(wù)邏輯密集型，典型的比如一個ERP。 使用體驗密集型，典型的比如一個全Flash站點。所以并不是每個軟件從業(yè)者都要求有很好的算法功底。關(guān)鍵是看你解決問題的能力，遇到自己不會的東西可以迅速掌握。

做游戲的開發(fā)要熟悉各種的算法flashlite也不例外，要找到適合這個游戲的算法就可以了，這需要時間去積累,平時要做到多思考、多看、多問（有時一個人想，不如2個或幾個人討論效果在好不過了）。
做flashlite手機(jī)開發(fā),要想到手機(jī)運(yùn)算的限制一定要做好優(yōu)化.
記得大學(xué)時上c語言的時侯，我問老師：“這個能做什么用？”老師讓我自己思考找答案 班里的同學(xué)也沒幾個用心學(xué)的因為當(dāng)時也有java很直接的可以做出相應(yīng)的軟件、網(wǎng)站等�，F(xiàn)在感覺c很有用！
開始接觸falshlite后慢慢的知道了算法的重要！不管是java、c、flashlite、php、......都離不開它，而且告訴你動點腦筋你會發(fā)在flashlite游戲里面的算法也可以在java使用。

比如做幾只螞蟻去拿食物，那么你會想到什么？“蟻群算法(ant colony optimization, ACO)，又稱螞蟻算法，是一種用來在圖中尋找優(yōu)化路徑的機(jī)率型技術(shù)。它由Marco Dorigo于1992年在他的博士論文中引入，其靈感來源于螞蟻在尋找食物過程中發(fā)現(xiàn)路徑的行為。”

有人也許會說：“今天計算機(jī)這么快，算法還重要嗎？”其實永遠(yuǎn)不會有太快的計算機(jī)，因為我們總會想出新的應(yīng)用。雖然在摩爾定律的作用下，計算機(jī)的計算能力每年都在飛快增長，價格也在不斷下降�？晌覀儾灰洠枰幚淼男畔⒘扛浅手笖�(shù)級的增長�，F(xiàn)在每人每天都會創(chuàng)造出大量數(shù)據(jù)（照片，視頻，語音，文本等等）。日益先進(jìn)的紀(jì)錄和存儲手段使我們每個人的信息量都在爆炸式的增長�；ヂ�(lián)網(wǎng)的信息流量和日志容量也在飛快增長。在科學(xué)研究方面，隨著研究手段的進(jìn)步，數(shù)據(jù)量更是達(dá)到了前所未有的程度。無論是三維圖形、海量數(shù)據(jù)處理、機(jī)器學(xué)習(xí)、語音識別，都需要極大的計算量。在網(wǎng)絡(luò)時代，越來越多的挑戰(zhàn)需要靠卓越的算法來解決。
再舉另一個網(wǎng)絡(luò)時代的例子。在互聯(lián)網(wǎng)和手機(jī)搜索，如果要找附近的咖啡店，那么搜索引擎該怎么處理這個請求呢？最簡單的辦法就是把整個城市的咖啡館都找出來，然后計算出它們的所在位置與你之間的距離，再進(jìn)行排序，然后返回最近的結(jié)果。但該如何計算距離呢？圖論里有不少算法可以解決這個問題。
這么做也許是最直觀的，但絕對不是最迅速的。如果一個城市只有為數(shù)不多的咖啡館，那么這么做應(yīng)該沒什么問題，反正計算量不大。但如果一個城市里有很多咖啡館，又有很多用戶都需要類似的搜索，那么服務(wù)器所承受的壓力就大多了。在這種情況下，我們該怎樣優(yōu)化算法呢？
首先，我們可以把整個城市的咖啡館做一次“預(yù)處理”。比如，把一個城市分成若干個“格子(grid)”，然后根據(jù)用戶所在的位置把他放到某一個格子里，只對格子里的咖啡館進(jìn)行距離排序。
問題又來了，如果格子大小一樣，那么絕大多數(shù)結(jié)果都可能出現(xiàn)在市中心的一個格子里，而郊區(qū)的格子里只有極少的結(jié)果。在這種情況下，我們應(yīng)該把市中心多分出幾個格子。更進(jìn)一步，格子應(yīng)該是一個“樹結(jié)構(gòu)”，最頂層是一個大格——整個城市，然后逐層下降，格子越來越小，這樣有利于用戶進(jìn)行精確搜索——如果在最底層的格子里搜索結(jié)果不多，用戶可以逐級上升，放大搜索范圍。
上述算法對咖啡館的例子很實用，但是它具有通用性嗎？答案是否定的。把咖啡館抽象一下，它是一個“點”，如果要搜索一個“面”該怎么辦呢？比如，用戶想去一個水庫玩，而一個水庫有好幾個入口，那么哪一個離用戶最近呢？這個時候，上述“樹結(jié)構(gòu)”就要改成“r-tree”，因為樹中間的每一個節(jié)點都是一個范圍，一個有邊界的范圍。
通過這個小例子，我們看到，應(yīng)用程序的要求千變?nèi)f化，很多時候需要把一個復(fù)雜的問題分解成若干簡單的小問題，然后再選用合適的算法和數(shù)據(jù)結(jié)構(gòu)。

上面的例子在Google里就要算是小case了！每天Google的網(wǎng)站要處理十億個以上的搜索，GMail要儲存幾千萬用戶的2G郵箱，Google Earth要讓數(shù)十萬用戶同時在整個地球上遨游，并將合適的圖片經(jīng)過互聯(lián)網(wǎng)提交給每個用戶。如果沒有好的算法，這些應(yīng)用都無法成為現(xiàn)實。
在這些的應(yīng)用中，哪怕是最基本的問題都會給傳統(tǒng)的計算帶來很大的挑戰(zhàn)。例如，每天都有十億以上的用戶訪問Google的網(wǎng)站，使用Google的服務(wù)，也產(chǎn)生很多很多的日志(Log)。因為Log每份每秒都在飛速增加，我們必須有聰明的辦法來進(jìn)行處理。我曾經(jīng)在面試中問過關(guān)于如何對Log進(jìn)行一些分析處理的問題，有很多面試者的回答雖然在邏輯上正確，但是實際應(yīng)用中是幾乎不可行的。按照它們的算法，即便用上幾萬臺機(jī)器，我們的處理速度都根不上數(shù)據(jù)產(chǎn)生的速度。
那么Google是如何解決這些問題的？
首先，在網(wǎng)絡(luò)時代，就算有最好的算法，也要能在并行計算的環(huán)境下執(zhí)行。在Google的數(shù)據(jù)中心，我們使用的是超大的并行計算機(jī)。但傳統(tǒng)的并行算法運(yùn)行時，效率會在增加機(jī)器數(shù)量后迅速降低，也就是說，十臺機(jī)器如果有五倍的效果，增加到一千臺時也許就只有幾十倍的效果。這種事半功倍的代價是沒有哪家公司可以負(fù)擔(dān)得起的。而且，在許多并行算法中，只要一個結(jié)點犯錯誤，所有計算都會前功盡棄。
那么Google是如何開發(fā)出既有效率又能容錯的并行計算的呢？
Google最資深的計算機(jī)科學(xué)家Jeff Dean認(rèn)識到，Google所需的絕大部分?jǐn)?shù)據(jù)處理都可以歸結(jié)為一個簡單的并行算法：Map and Reduce。這個算法能夠在很多種計算中達(dá)到相當(dāng)高的效率，而且是可擴(kuò)展的（也就是說，一千臺機(jī)器就算不能達(dá)到一千倍的效果，至少也可以達(dá)到幾百倍的效果）。Map and Reduce的另外一大特色是它可以利用大批廉價的機(jī)器組成功能強(qiáng)大的server farm。最后，它的容錯性能異常出色，就算一個server farm宕掉一半，整個fram依然能夠運(yùn)行。正是因為這個天才的認(rèn)識，才有了Map and Reduce算法。借助該算法，Google幾乎能無限地增加計算量，與日新月異的互聯(lián)網(wǎng)應(yīng)用一同成長。

舉一個計算機(jī)領(lǐng)域外的例子：在高能物理研究方面，很多實驗每秒鐘都能幾個TB的數(shù)據(jù)量。但因為處理能力和存儲能力的不足，科學(xué)家不得不把絕大部分未經(jīng)處理的數(shù)據(jù)丟棄掉�？纱蠹乙�，新元素的信息很有可能就藏在我們來不及處理的數(shù)據(jù)里面。同樣的，在其他任何領(lǐng)域里，算法可以改變?nèi)祟惖纳�。例如人類基因的研究，就可能因為算法而發(fā)明新的醫(yī)療方式。在國家安全領(lǐng)域，有效的算法可能避免下一個911的發(fā)生。在氣象方面，算法可以更好地預(yù)測未來天災(zāi)的發(fā)生，以拯救生命。
所以，如果你把計算機(jī)的發(fā)展放到應(yīng)用和數(shù)據(jù)飛速增長的大環(huán)境下，你一定會發(fā)現(xiàn)；算法的重要性不是在日益減小，而是在日益加強(qiáng)。