当我 15 岁左右时，我
有一周的“工作体验”。美国人会称之为“实习”，但其实不然：工作体验是英国学校的一种活动，基本上就是让年龄较大的孩子离开学校几天，然后把他们交给当地的企业，这样老师们就可以休息一下了。
我现在记不起这家
公司的名字了，但无论如何，他们遇到了一个问题：他们最近扫描了大量照片，记录了这个地方的所有历史，但这些照片没有分类：他们只有几百张，也许几千张照片。都在一个文件夹中，文件名随意。工作经验的孩子被分配了一项工作，即浏览所有这些照片并撰写描述。“嗯，这很无聊”，我想，因为我当然是这么想的。这真的很无聊。这是你给工作经验的孩子的工作，因为他们对这个世界还没有足够失望。
因此，在输入描述
在尼泊尔，移动数据通过 4G 网络，尼泊尔提供价 荷兰移动数据 格低廉、覆盖范围不断扩大的移动数据服务。城市地区享有可靠的接入，但在农村和山区连接存在问题。尼泊尔的电信运营商提供灵活的数据选择，政府正在尝试升级其基础设施，以全面改善移动数据服务，包括推出 5G。
的同时，我想我应该炫耀一下，并编写一个系 您的营销策略适合当今的市场吗？ 统来搜索它们。它会像雅虎，或者那个开始流行的新谷歌。它看起来很棒。我看起来真的很聪明。我对如何构建它一无所知，但带着完全没有根据的自信，我认为这不会是一个大问题。事实并非如此。输入搜索词，循环遍历所有描述，计算匹配的单词数，然后返回所有匹配的结果，按匹配数排序。是的。它工作得很好。直到我得到了大约五十张照片。这时它开始变得有点慢。一百张之后，它开始变得非常慢。我开始花更多时间试图修复它，而实际做我工作的时间却更少了。实际上，我的意思是，我没有得到报酬，所以……无论如何，为了解释为什么我的代码很糟糕：让我们谈谈大 O 符号。
无论您编写什么代
码，几乎肯定有许多不同的方法来解决问题。但即使所有这些方法最终都能得到相同的结果，它们可能需要大量不同的时间或内存才能实现。最好的例子就是排序。所以我们有一堆不同大小的块，我们有一个列表。我们可以使用什么算法来对列表进行排序？
让我们从冒泡排序
开始。取出前两个块并进行比较。如果第一个比第二个长 bmb目录 ，就交换它们。如果不是，就把它们留在原处。现在比较接下来的两个块。同样。如果它们的顺序不对，就交换它们。如果顺序正确，就把它们留在原处。以此类推，直到我们到达列表的末尾。此时，我们已经将列表中最大的块移动到了最后。就这样。虽然效率不高，但现在已经完成了。所以现在我们可以从头开始：我们可以比较，如果需要就交换，比较，如果需要就交换，比较，如果需要就交换，等等，等等，如果我们从头到尾都没有移动任何东西，那么我们就知道一切都已排序，我们可以停下来。如果没有：我们回到起点。最终，经过许多、许多、许多次传递后，恭喜你，我们有一个排序列表！
冒泡排序的每个块都会
“冒泡”，这很糟糕。它必须在每次传递时检查列表中的每个块，并且在大多数情况下，它必须传递与列表中的块数相同的次数。十个块意味着十个操作，执行十次。一百个块意味着一百个操作，执行一百次。它必须执行的操作数与块数的平方成正比。这意味着它有一个O(n²)。
大 O 符号以及 O 符号的基础是由 19 世纪末研究解析数论的德国数学家奠定的。但它是由伟大的 Donald Knuth 在 20 世纪 70 年代在计算机科学领域推广的。“Ka-nooth”？我应该检查一下。无论如何。大 O 将算法提炼为一个表达式，该表达式表示在添加更多块、更多任何类型的输入时算法的性能。它可以让您从大局上大致比较算法在增加更多复杂性时会变得多慢。
n²意味着处理时间会随着输入数量的平方而增加：输入数量增加一倍，运行时间增加四倍。算法可以合理拥有的最低大 O 符号是“常数”。O(1)这意味着无论你向它投入多少东西，它都会在相同的时间内返回答案。并且O(1)通常是一些非常简单的东西，例如“返回列表中的第一个项目”。
一些常见算法具有O(n) 或“线性”。这意味着处理时间会随着项目数量的增加而稳步增加。因此，如果您的代码需要遍历列表并对其中的每个项目执行一项操作：那就是线性的。项目数量增加一倍，处理时间也会增加一倍。
那么让我们尝试一些其他
排序算法。’插入排序’：从第二个项目开始，将其与前一个项目进行比较。如果它们的方向错误，则交换它们。现在取第三个项目，并将其与前一个项目进行比较：如果它们的方向错误，则交换它们，然后再与前一个项目进行检查。基本上，你继续依次将每个项目移向起点，边走边检查，直到你找到更小的东西并且你知道它在正确的位置，或者你到达列表的开头并且你知道它是最小的。如果你有一手牌并且你按数字顺序排列它们，那么你可能不假思索地使用了这种算法。是的，这通常比冒泡排序更快。但至关重要的是，它的大 O 符号也是O(n²)。这是一个非常重要的区别：如果两种算法具有相同的大 O，并不意味着它们的性能相同。这只是意味着，如果你绘制它们随着输入的增加而变差的图表，这些图表具有相同的形状。对于冒泡排序和插入排序，如果将项目数量加倍，则运行时间将增加四倍：但对于插入排序，运行时间通常一开始就较短。
我不会详细介绍每种
排序算法，因为排序算法有很多，但我想提一下两种。第一种是快速排序。选择列表中的一项并将其称为“枢轴”。然后浏览列表，将任何小于枢轴的元素放在其左侧，将任何大于枢轴的元素放在其右侧。完成后，只查看枢轴左侧的元素并执行相同操作，选择一个枢轴并将它们拆分。一直向下重复该分治过程。然后对每个枢轴点的另一侧执行相同操作，然后向上返回。最坏情况下的 Big O 符号仍然是n²。但随机列表上的平均性能是O(n log n)。我不会深入研究数学，但可以说这要好得多。
而另一方面，还有 bogosort，它的设计初衷就是为了搞笑。Bogosort 非常简单：随机化列表。它排好序了吗？好！如果没有，再次随机化并继续，直到排好序。它的平均性能是O((n+1)!)。阶乘。您可以绘制所有常见大 O 符号的图表来比较它们。但重要的是：您编写的任何代码的大 O 都将主要受到其中最差的一个的影响。如果您的代码执行十个线性操作和一个大 O 为 的操作n²：那么，您的程序n²现在就是。请记住，这只是一个近似值，它是人类确定最佳使用算法的指南。尽管是关于计算机科学的，但它还是有点模糊。
那么，当我还是个孩子的时候，我应该对我的搜索系统做些什么呢？好吧，我可以使用已经存在的代码，意识到其他人已经为我完成了这项工作。这是真的。但最终我应该做的是客户要求的：将描述输入文字处理器并将其保存为文档。因为这是一个更好的解决方案：他们只需按 Control-F 即可搜索。当操作系统升级时，文本不会崩溃或需要更新。如果他们有新照片要添加，任何知道如何打字的人都可以更新它。他们今天仍然可以打开那个文档。最大的问题不是我使用了糟糕的算法：最大的问题是我忽略了用户真正需要什么，因为我想炫耀我自认为有多聪明。当然，考虑事情会以多快的速度运作很重要，但最好的解决方案并不总是最快的，也不是最聪明的。它是适合所有人的长期解决方案。
