从上周开始，《吴军的谷歌方法论》中的文章，和计算机知识相关性更强了。在阅读老师精彩文章之余，也需多做一些自己的反思和总结，希望能跟上老师的脚步，对计算机思维有较多的认识，让自己更好地适应智能时代。

一、计算机算法的比较

对于计算机的算法，吴军老师是这样定义的：

科学家们在翻译现实世界的需求和计算机虚拟过程时，就提炼出一些高效的、不断被验证过的标准流程，这些流程就是我们所说的计算机算法。

计算机算法构成了计算机科学的基础。在算法上一个很小的差别，会导致计算机执行效率上千万倍的差距。受此启发，吴军老师常说，人和人水平的差别是数量级的。因为不同的做事方法，产生的效果之间会存在非常巨大的差异。

这里老师提出了A、B两种算法的比较：

场景一：使用1万个数据进行测试，算法A的运行时间是1毫秒，算法B的运行时间是10毫秒。

场景二：使用100万个数据测试，算法A运行10000毫秒，算法B运行6000毫秒。

看似A在数据少时有优势，B在数据大时有优势，无法比较，但算法分析之父高德纳确定了算法比较的标准。

在比较算法快慢时，需要假定数据量会达到近乎无穷大。然后，将影响算法快慢的因素分为两类：一类不随数据变化，另一类是随着数据变化的。

在比较两种算法的时候，只关注第二类影响因素，也就是随着数据变化的影响因素。如果两种算法在量级上是相当，那么就认为两种算法是一样好的，不必计较三五倍的差别。

高德纳之所以能提出这样的理论，在于他能将问题理想化，提出次要因素，考虑最重要的因素。这样的思想对于我们很有启发意义。

记得在物理化学中，科学家为了简化问题，会将实际气体简化为理想气体。就是假定气体分子本身的体积，气体分子之间的受力和气体分子碰撞的能量损失，都可以忽略不计。基于理想气体的模型来研究问题，可以极大地简化计算，只考虑压强和温度对于空气系统的影响。这样简化的过程，是一个忽略次要因素，侧重研究重要因素的过程。当然，在一些特定的空气系统中，科学家会对理想气体方程进行修正，以便更好地模拟实际气体，以便降低误差，得到更准确的结果。

这样的思维对于我的启发是，面对生活中的问题，可以抽象出影响的因素，找到最主要的矛盾，用最主要的精力把主要矛盾解决了，再去逐个解决次要的矛盾。

二、从排序算法到提高效率的本质

在生活中，我们会面对很多具体的排序问题，比如一个年级的学生按照成绩排序，电商按照商品的交易量排序等。将这些现实世界的问题，变成计算机可运行的程序，中间的桥梁就是排序算法。

文中老师介绍了最基本的插入法和冒泡法，两种算法出于同一个量级，是一样好的。那么更好的算法是怎样的呢？

这就要提高计算机的效率，而提高计算机效率的方法，就是让计算机少做事情。这里老师介绍了一种叫作归并排序的方法。当处理的数据为1万时，冒泡法和插入法的复杂度是1亿，而归并算法的复杂度是13万，可见归并算法比前两者要好处很多。这也就是为什么，水平较差的程序员会无端浪费成千上万倍的计算资源了。

归并算法的效率之所以这么高，是因为它减去了很多不必要的比较。这里老师也再次说明了自己的做事方法，就是少做事情，把每一件经手的事情都做到很好。

效率=产出/所做的事情。人的产出是很难提高的，但是所做的事情是可以减少的。

三、快速排序：要想提高效率就要少做事情

在这里老师介绍了目前最好的排序算法：快速排序法。该方法的基本思路如下：

首先，对于一大堆无序的数字，从中随机挑选一个，比如是53，这个被随机选上的数字被称为枢值。这个枢值可以将所有数值分为两组，一组大于53，一组小于53。

然后，从上面得到的两堆数字，分别采用第一步的方法各自再找一个枢值。这样一层层找下去，很快就把所有的数字排好了。

快速排序在归并排序的基础上，进一步少做了事情。

那么是否有比快速排序更优的排序方法呢？答案是否定的，关于这一点已经在数学上证明过了。这就是我们做事情的边界。如果一个人不去认证读数学证明，而是一心要去研究更好的排序算法，就是浪费自己的时间。我们一定要在边界内做事。

关于快速排序，古小千同学的留言非常精彩。我们经常在做计划排优先顺序上花了大量的时间，小千同学给出了一个不错的方法：

首先找到一个显而易见的待办事项（枢值），接着综合考虑急迫性和重要性，分成两拨；再将两拨事情找到枢纽，就把所有的工作，依照平分分成四份了。

再接下来，我会快速检查后两部分的事情，将不必要的事情减法删除、将重要但不急迫的事先预定计划。然后专注完成前两部分的事，透过排序和减法，一天要完成的事就只剩约一半。枢纽这个节点，帮我们梳理参考点，而事情一件件单看，很难取舍；但有了参考，一比较就能掂量差别，勇敢做减法了！

对于快速排序的实际应用，我是这样理解的。我们要做的事情大体可以分为工作方面和生活方面。由于我们一段时间只能做一件事情，那就要从工作中找到最重要的事情，生活中找到最重要的事情，比较两件事情的优先级。

就工作方面而言，我们又有很多不同的选项，可以深入当前的工作，可以准备换工作，也可以思考创业。因为我现在的公司就是老师说的底层员工和总经理差不多的单位，所以最近在考虑换工作（其实考虑很久了…）。过年时候有朋友联系我，希望我和他一起做B2B平台方面的创业项目。如果平台发展顺利，那么后期的回报是非常大的。但我综合考虑了一下，目前自己的能力还不足以胜任。自己本身的基线还不够把这件事情做好。那么我现在的优先顺序就是：换工作>本职工作>创业。

然后在每个小的方面，再进行排序，优选出最重要的事情。老师说想要提高效率就要少做事，对于最终要选择哪些事情来做，快速排序法是一个不错的方法，帮助我们确定优先顺序。

四、计算机科学和计算机工程的差别

这里老师分析了计算机科学和计算机工程的三个差别：

1.方向和道路之分别

前者指明方向，后者铺就道路。

2.关注的事情不同

前者关注的是算法在量级上跨越式的提升，不会过分考虑处理器时间、计算机内存等限制；而后者则要考虑很多具体的问题，即便能节省20%的时间也是有意义的。

3.和钱的距离不同

前者离钱较远，更多纯粹研究，后者离钱较近，更加务实。

通过分析两者的区别和联系，我认识到，纯粹的研究有助于技术产生量级上的提升，如果喜欢做研究，就不要羡慕做工程的人离钱更近，专心做出一些让世界有所不同的东西。如果喜欢做工程，首先要仔细查阅资料，找到现有研究成果中最先进的方法，在此基础上做微调。