沒有算法功力，是不可能成為高手的

算法是計算機科學領域最重要的基石之一，但卻受到了國內一些程序員的冷落。許多學生看到一些公司在招聘時要求的編程語言五花八門就產(chǎn)生了一種誤解，認為學計算機就是學各種編程語言，或者認為，學習最新的語言、技術、標準就是最好的鋪路方法。其實大家都被這些公司誤導了。編程語言雖然該學，但是學習計算機算法和理論更重要，因為計算機算法和理論更重要，因為計算機語言和開發(fā)平臺日新月異，但萬變不離其宗的是那些算法和理論，例如數(shù)據(jù)結構、算法、編譯原理、計算機體系結構、關系型數(shù)據(jù)庫原理等等。在“開復學生網(wǎng)”上，有位同學生動地把這些基礎課程比擬為“內功”，把新的語言、技術、標準比擬為“外功”。整天趕時髦的人最后只懂得招式，沒有功力，是不可能成為高手的。

算法與我

當我在1980年轉入計算機科學系時，還沒有多少人的專業(yè)方向是計算機科學。有許多其他系的人嘲笑我們說：“知道為什么只有你們系要加一個‘科學’，而沒有‘物理科學系’或‘化學科學系’嗎？因為人家是真的科學，不需要畫蛇添足，而你們自己心虛，生怕不‘科學’，才這樣欲蓋彌彰?！逼鋵?，這點他們徹底弄錯了。真正學懂計算機的人（不只是“編程匠”）都對數(shù)學有相當?shù)脑煸?，既能用科學家的嚴謹思維來求證，也能用工程師的務實手段來解決問題——而這種思維和手段的最佳演繹就是“算法”。

記得我讀博時寫的Othello對弈軟件獲得了世界冠軍。當時，得第二名的人認為我是靠僥幸才打贏他，不服氣地問我的程序平均每秒能搜索多少步棋，當他發(fā)現(xiàn)我的軟件在搜索效率上比他快60多倍時，才徹底服輸。為什么在同樣的機器上，我可以多做60倍的工作呢？這是因為我用了一個最新的算法，能夠把一個指數(shù)函數(shù)轉換成四個近似的表，只要用常數(shù)時間就可得到近似的答案。在這個例子中，是否用對算法才是能否贏得世界冠軍的關鍵。

還記得1988年貝爾實驗室副總裁親自來訪問我的學校，目的就是為了想了解為什么他們的語音識別系統(tǒng)比我開發(fā)的慢幾十倍，而且，在擴大至大詞匯系統(tǒng)后，速度差異更有幾百倍之多。他們雖然買了幾臺超級計算機，勉強讓系統(tǒng)跑了起來，但這么貴的計算資源讓他們的產(chǎn)品部門很反感，因為“昂貴”的技術是沒有應用前景的。在與他們探討的過程中，我驚訝地發(fā)現(xiàn)一個O(n*m)的動態(tài)規(guī)劃(dynamic programming)居然被他們做成了O(n*n*m)。更驚訝的是，他們還為此發(fā)表了不少文章，甚至為自己的算法起了一個很特別的名字，并將算法提名到一個科學會議里，希望能得到大獎。當時，貝爾實驗室的研究員當然絕頂聰明，但他們全都是學數(shù)學、物理或電機出身，從未學過計算機科學或算法，才犯了這么基本的錯誤。我想那些人以后再也不會嘲笑學計算機科學的人了吧！

網(wǎng)絡時代的算法

有人也許會說：“今天計算機這么快，算法還重要嗎？”其實永遠不會有太快的計算機，因為我們總會想出新的應用。雖然在摩爾定律的作用下，計算機的計算能力每年都在飛快增長，價格也在不斷下降。可我們不要忘記，需要處理的信息量更是呈指數(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）。日益先進的紀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。在科學研究方面，隨著研究手段的進步，數(shù)據(jù)量更是達到了前所未有的程度。無論是三維圖形、海量數(shù)據(jù)處理、機器學習、語音識別，都需要極大的計算量。在網(wǎng)絡時代，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)絡時代的例子。在互聯(lián)網(wǎng)和手機搜索，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，再進行排序，然后返回最近的結果。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行距離排序。