结语：算法的那些事儿

终于，在 2019 年的第一天下午，《算法应该怎么玩》的最后一篇完成了，时间比我预想的要长（很多）。因为写一个精品课和写书是两个完全不同的体验，写精品课可以边根据读者的反馈边调整、完善内容，能和读者有一个直接的接触，了解他们的想法或遇到的问题；而写书就不同了，必须全部完稿后，经过三审三校才能出版，而这期间，万一遇到技术升级等，那么图书出版后还要考虑后面的修订版……

学习算法要达到的目的

当大家看到这篇结语时，相信已经看完了前面的内容了，希望再次回顾一下这门课所要传达的理念，那就是学习算法的目的（或意义）：

• 遇到未知的问题能设计出解决问题的算法
• 对已知的算法原理能够设计相应的数据模型解决具体的问题

其实这里面隐含着第三个目的，就是开阔思路，在跟着我的思路解决各种类型的问题过程中，了解到设计数据模型的各种典型手法（或者说就是我本人惯用的方法和经验），以形成大家自己的方法集。之前和读者的交流中也提到过我的观点，包括我对团队内的实习生和新入职员工的观察，发现那些让人觉得“聪明伶俐”的人，都有一个共同点，那就是解决问题的方法多。

方法多的人若遇到一个问题，会用自己惯用的各种方法去尝试解决问题，一种不行就换另一种，在不断尝试的过程中加深对问题的认识，最终找到适合这个问题的解决方法，甚至创造出新的方法；而那些让人感觉有点“笨”的人，往往是方法不多，几种方法试过不行之后就手足无措了。其实这和智商没有太大关系，方法集的形成主要是经验积累，自己多学、多做、多思考，举一反三，或者是从其他人那里学到经验，加入到自己的方法集中。

再来解释一下为什么没有讲基本的数据结构，尽管有很多读者抱怨：算法的课程居然不讲数据结构，不太像话，但是那些内容真不是这门课所关心的。讲讲数组、讲讲链表、讲讲各种排序算法总是轻松的，很容易学会，让人很有掌握这些方法后的成就感，但是，除了面试的时候满足一下懒惰的面试官，对于之后的工作没啥用。

甚至包括我在内的很多人在面试别人的时候，都不会问这种学院派问题的，我们通常会找一个工作中遇到的问题问面试者，并不期望他（她）解决，只是观察面试者在分析问题的过程中，对问题建立了什么样的数据模型，从侧面了解他（她）们对问题的抽象思维能力和各种数据结构掌握的程度。我并不是说排序这类基本的算法不重要，相反，这些基础很重要，但不是我的课程关注的内容。

因此，这个课程对读者是有要求的，那就是要了解这些基本的数据结构的特点和使用原则，当然，还要能熟练地使用一种编程语言。

各种算法的总结

这个课程在介绍算法的时候，都会结合具体的例子来分析。比如“Dijkstra 算法”，大多数数据结构的书或课程都会讲，但基本上都是用几个数字表示的节点图，讲讲算法原理，很容易让读者产生学会了这种算法的成就感。本课程在介绍这个算法的时候，结合了两个实际的比赛题目，重点讲的是如何对问题建模，将问题转化成可以用“Dijkstra 算法”解决的图论模型，最后的算法实现是用 C++ 语言还是用 Java 语言已经不重要了。

讲解“A * 算法”的时候也是一样的，我们用了一个带障碍物的 16 × 16 地图来介绍这个算法，这也是一些老的 RPG 游戏惯用的组织地图的方法，通过这个算法实例，大家可以直观地知道这些著名的算法是怎样与应用相结合的。

为准备这个课程的内容，我找了很多经典的（或著名的）算法。我记得关于一些看起来像是二维矩阵问题建模的时候，大家在群里对一维模型还是二维模型有过讨论，相信看过第 6 部分介绍的 Warren Smith 棋盘模型之后，孰优孰劣大家心里应该都有数了，思路开阔了，遇到问题的时候就多了一种应对的方法。

“Zobrist 哈希算法”是如此的简单，即便无法直接使用这个算法的场合，这种在随机数的基础上异或再异或的方法，也可以用在其他需要哈希计算的场合。

介绍“RLE 压缩算法”的时候，介绍了 PCX 文件的格式以及对这种格式化文件的处理方法。对有格式文件的处理，大家工作中都经常用到，介绍这些惯用思想，反而让“RLE 压缩算法”成了配角。

讲“余弦算法”的时候，介绍了文字处理常用的向量化思想，在介绍“贝叶斯分类算法”识别垃圾邮件的时候，用的还是这种将文本分词，然后再向量化的处理思想。这种思想也是信息数字化的一种思路，掌握这种处理思想，对今后解决文字处理问题，会有很大的帮助。

另外，在课程内容准备的过程中，根据读者的反馈，还补充了“如何理解动态规划法”、“如何设计递归函数”、“状态压缩与动态规划”等相关知识，同时讲解了解决某种类型问题的惯用方法。在介绍中文分词算法的时候，我还补充了汉字编码的一些知识，这些都是我之前在做文字处理相关的软件的时候解决过的问题，相信大家今后也会遇到此类问题。

最后，希望每个读者都能看到这里，希望这个课程真的对你有用。