Зачем нужны алгоритмы в информатике

Что такое алгоритмы в программировании

Алгоритм — это упорядоченный набор действий, который необходимо выполнить для решения поставленной задачи.

Алгоритмы нужны для:

1. Получения результата более эффективным и быстрым путем
2. Уменьшения количества ошибок, которые возникают при решении задач вручную
3. Переиспользования, чтобы не «изобретать велосипед».

Алгоритмы окружают нас повсюду, в том числе и в быту:

1. Рецепт борща
2. Инструкция по сборке мебели
3. Набор действий для оплаты товаров на маркетплейсах
4. План обучения в колледже
5. Создание учетной записи.

В программировании алгоритмы используются для автоматизации процессов и упрощения решения задач, например в:

1. Сортировке и поиске данных в массивах и базах данных
2. Тестировании выпускаемого программного продукта
3. Разработке игр и приложений, чтобы определять поведение персонажей и реагировать на действия пользователя
4. Криптографии для защиты данных в системах безопасности и шифровании информации при передаче по сети
5. Системах рекомендаций для пользователей
6. Научных и медицинских исследованиях
7. Разработке искусственного интеллекта и в машинном обучении, чтобы обучать компьютеры распознавать образы и голосовые команды.

Свойства алгоритмов

1. Дискретность: алгоритм должен состоять из конечного набора последовательных шагов. Каждое новое действие начинается после того, как исполнилось предыдущее. Например:

function sumNumbers(numbers) < let sum = 0; for (let i = 0; i < numbers.length; i++) < sum += numbers[i]; >return sum; > 

Этот алгоритм принимает входной массив чисел и возвращает их сумму. Он состоит из последовательных шагов, таких как присвоение переменной sum значение равное 0, использование цикла for для прохода по элементам массива, и увеличение значения переменной sum на каждой итерации цикла.

Данный алгоритм демонстрирует дискретные свойства, потому что он может быть описан конечным набором дискретных шагов, и каждый шаг выполняется явно и последовательно. Это позволяет программистам легко понимать и анализировать алгоритмы и обеспечивает их эффективность и надежность.

2. Результативность: алгоритм всегда завершается и возвращает правильный результат.

function findMax(numbers) < let max = numbers[0]; for (let i = 1; i < numbers.length; i++) < if (numbers[i] >max) < max = numbers[i]; >> return max; > 

Алгоритм принимает входной массив чисел и возвращает максимальное число в массиве. Он начинается с инициализации переменной max первым элементом массива numbers. Затем он проходит циклом for по оставшимся элементам массива и сравнивает каждый элемент с текущим максимальным значением max. Если текущий элемент больше, то он становится новым максимальным значением.

После прохождения цикла алгоритм возвращает максимальное значение max. Таким образом, этот алгоритм всегда завершается и возвращает правильный результат, что демонстрирует его свойство результативности.

3. Детерминированность: для одного и того же входного значения алгоритм всегда должен давать одинаковый результат, примером может служить конечный автомат:

function isPalindrome(str) < const transitions = < 0: < '': 0, 'a': 1, 'b': 2 >, 1: < '': 3, 'a': 1, 'b': 4 >, 2: < '': 3, 'a': 4, 'b': 2 >, 3: < '': 5 >, 4: < '': 5 >, 5: <> >; let state = 0; for (let i = 0; i < str.length; i++) < const input = str[i]; if (!transitions[state][input]) < return false; >state = transitions[state][input]; > return state === 3 || state === 4; > console.log(isPalindrome('ababa')); // true console.log(isPalindrome('abab')); // false 

Код выше — реализация конечного автомата. Он проверяет, является ли заданная строка палиндромом (строка читается одинаково справа налево и слева направо).

Конечный автомат — это модель, которая может находиться в одном из конечного числа состояний, и изменять свое состояние в зависимости от входных данных. Если вы запустите конечный автомат с одним и тем же начальным состоянием и входными данными, то результат всегда будет одинаковым.

4. Массовость: алгоритм должен работать для любого количества входных данных, при этом больший объем данных не будет значительно увеличивать время обработки. Например:

function sumArray(arr) < let sum = 0; for (let i = 0; i < arr.length; i++) < sum += arr[i]; >return sum; > const array1 = [1, 2, 3, 4, 5]; const array2 = Array.from(, () => Math.floor(Math.random() * 100)); console.time('sumArray1'); console.log(sumArray(array1)); console.timeEnd('sumArray1'); console.time('sumArray2'); console.log(sumArray(array2)); console.timeEnd('sumArray2'); 

Алгоритм принимает массив чисел и возвращает их сумму. Он использует цикл for, чтобы перебрать все элементы массива и добавить их к переменной sum. Функция console.time используется для измерения времени выполнения алгоритма.

Для сравнения имеются два массива: array1, который содержит всего 5 элементов, и array2, который содержит 1 миллион элементов. Однако, благодаря использованию цикла for, время выполнения алгоритма остается примерно одинаковым в обоих случаях.

5. Понятность: алгоритм должен быть понятен для исполнителя и других программистов, которые могут его использовать. Вспомним пример, который уже приводился выше:

function findMax(numbers) < let max = numbers[0]; for (let i = 1; i < numbers.length; i++) < if (numbers[i] >max) < max = numbers[i]; >> return max; > 

А теперь сравним с другим примером:

function hrleh(oooo) < let m = oooo[0]; for (let g = 1; g < oooo.length; g++) < if (oooo[g] >m) < m = oooo[g]; >> return m; > 

Алгоритм первого кода прост в понимании даже для людей, которые не имеют большого опыта программирования. Он использует основные конструкции языка JavaScript и не содержит сложных операций или абстракций. Кроме того, он хорошо структурирован и имеет понятное название функции, которое описывает ее цель. Все это делает этот алгоритм понятным и легко читаемым.

6. Конечность: алгоритм должен иметь определенное количество шагов, которые он выполняет, и в конце концов завершаться.

Приведенный выше алгоритм складывает все числа в массиве numbers. Он имеет конечное количество шагов: он просто проходит по каждому элементу массива и складывает его с общей суммой. Как только он проходит все элементы массивы, он возвращает общую сумму.

Конечность алгоритмы закоючается в том, что он всегда останавливается после того, как пройдет все элементы массива.

Виды алгоритмов

1. Линейные: действия выполняются по порядку, друг за другом. Например:

function sum(numbers) < let total = 0; for (let i = 0; i < numbers.length; i++) < total += numbers[i]; >return total; > 

Алгоритм начинается с первого элемента массива и последовательно выводит каждый элемент в консоль. Он выполняет действия по порядку без пропусков или повторений. Как только последний элемент массива будет выведен, алгоритм завершится.

2. Ветвящиеся: выполнение различных операций в зависимости от входящих условий. Например:

if (number > 0) < console.log("Число больше нуля"); >else if (number === 0) < console.log("Число равно нулю"); >else

Этот алгоритм проверяет значение переменной number и выводит различный текст в зависимости от того, какое значение имеет переменная. Если number больше нуля, то выводится сообщение «Число больше нуля». Если number равно нулю, то выводится сообщение «Число равно нулю». Если number меньше нуля, то выводится сообщение «Число меньше нуля». Это пример ветвящегося алгоритма, потому что он делает различные ветвления в зависимости от значения переменной number.

3. Циклические: повторение операций несколько раз. Изучим цикл, который повторяется, пока переменная i меньше пяти:

let i = 0; while (i

Каждый раз, когда цикл выполняется, он выводит значение переменной i на консоль и увеличивает ее на единицу. Как только переменная i достигает значения 5, цикл завершается. Это пример циклического алгоритма, потому что он выполняет повторяющиеся действия в цикле, пока не будет выполнено определенное условие.

4. Рекурсивные: вызов алгоритма из самого себя. Рассмотрим рекурсию для вычисления факториала числа n:

function factorial(n) < if (n === 1) < return 1; >else < return n * factorial(n - 1); >> console.log(factorial(5)); // 120 

Если n равно 1, то функция возвращает 1. В противном случае функция вызывает саму себя с аргументом n — 1 и умножает результат на n. Как только n достигает значения 1, рекурсия заканчивается, и функция начинает возвращать значения из рекурсивных вызовов. Это пример рекурсивного алгоритма, потому что он использует вызов функции из самой себя.

5. Вероятностные: использование случайных чисел для решения задач, например с помощью Math.random():

function randomBoolean()

В этом примере функция randomBoolean() генерирует случайное число с помощью метода Math.random(), который возвращает псевдослучайное число между 0 и 1. Затем функция сравнивает это число с 0,5 и возвращает true, если оно меньше 0,5, и false, если оно больше или равно 0,5. Таким образом, функция будет возвращать true и false с равной вероятностью.

Сортировки

Сортировки — это один из наиболее распространенных видов алгоритмов. Существует несколько видов сортировок, таких как пузырьковая сортировка, сортировка вставками, быстрая сортировка. Каждый вид сортировки имеет свою сложность и подходит для решения определенных задач.

От чего зависит сложность алгоритма?

Сложность алгоритма — это количество операций, которые необходимо выполнить для решения задачи. Она зависит от:

1. Размера входных данных: сложность алгоритма возрастает с увеличением размера входных данных
2. Времени выполнения: хорошо написанные алгоритмы работают быстрее, чем другие, что влияет на время выполнения
3. Ограничений ресурсов: размер доступной памяти, мощность процессора или место на сервере влияют на результат
4. Наличия вложенных циклов или рекурсивных вызовов: вложенные циклы или рекурсивные вызовы увеличивают количество операций, необходимых для выполнения алгоритма.

Сложность алгоритма измеряется в большой О-нотации (Big-O notation), которая показывает, как быстро растет время выполнения алгоритма при увеличении размера входных данных.

Катрин Алимова

Вам может также понравиться.

Мы меняем цены на курсы

24 окт. 2023 г.

Рейтинг языков программирования 2023

24 окт. 2023 г.

Зачем программисту знать алгоритмы

Часто появляются статьи вида «нужны ли программисту алгоритмы», и все они имеют примерно одинаковый шаблон. Автор статьи как правило пишет: «Я N лет пишу сайты/скрипты в 1С, и никогда не пользовался алгоритмами или структурами данных. Тут же приводятся в пример красно-чёрные деревья или какие-нибудь другие экзотические структуры, которые в области, в которой работает автор не часто увидишь, если увидишь вообще. Такие статьи сводятся к тому, что в конкретной области программисты не используют сложные структуры данных и не решают NP задач.

Сама постановка такого вопроса в корне не верна. Количество специальностей в индустрии растёт постоянно, и человек, который пишет сайты на .net будет заниматься совсем другими вещами, нежели человек, пишущий драйвера для сенсоров на ARM архитектуре под экзотической ОС. Давайте прежде всего определим, что же такое алгоритм. Неформально Кормен определяет алгоритм как строго определённую процедуру, которая принимает одно или несколько значений как ввод, и возвращает одно или несколько значений как результат. Формально алгоритм определяется в разных моделях вычислений: операции, которые можно выполнить на машине Тьюринга или с помощью лямбда-исчислений. Таким образом фактически любой код, который что-то делает, является алгоритмом. Получается, что вопрос «нужны ли программисту алгоритмы» можно перевести как «нужно ли программисту уметь писать код». Правильно такой вопрос должен звучать что-то вроде: «нужно ли программисту в отрасли Х знать продвинутые алгоритмы и детали теории вычислений».

Если посмотреть на все эти статьи, то можно заметить, что люди, которые их пишут, фактически обижены на университеты за то, что их заставили учить много сложного материала — в виде алгоритмического анализа, сложных алгоритмов и структур данных — который им вроде бы не пригодился. По сути, авторы статей обижены на университеты из-за того, что там не смогли предсказать будущую область работы авторов и дать им только минимально нужный набор навыков. Ведь действительно, чтобы писать простенькие сайты и скрипты, не нужно особого знания алгоритмов и структур данных. Или всё-таки нужно?

Давайте подумаем, что же нужно учить программисту в университете, для того чтобы приобрести необходимые навыки для успешной карьеры. Библиотеки? Фреймворки? Они устаревают, интерфейсы к ним меняются, все они написаны чаще всего под один язык, который студенты могут и не использовать никогда в индустрии. Всех учить писать сайты? Или всех учить писать ОС? Образование должно охватывать как можно большую аудиторию и давать максимально возможный набор навыков. Программист в первую очередь должен уметь анализировать и решать проблемы – это основной навык, которым должны обзавестись выпускники факультетов информатики. Написание кода – это просто необходимый инструмент, который используется для решения задач. Кто может знать какие навыки вам понадобятся в будущем? Таким образом учить теорию – это наиболее оптимально с точки зрения образования. Полученные навыки можно применить в любой области, а выучить библиотеку или фреймворк имея хорошую базу знаний не составит большого труда. Парадоксально то, что люди задающие вопросы про нужность алгоритмов, как правило имеют какие-то знания в этой области. Я не помню ни одного человека, который не имел знаний в области теории вычислений, и с гордостью кричал об этом, утверждая, что ему они не нужны.

Итак, вы абстрактный программист в вакууме, работаете десять с лишним лет клепая сайты и решая простые однотипные задачи клиентов/компании. Вам хорошо и уютно в вашей нише, и только мучительно больно за бесцельно потраченное время в классе по теории вычислений и алгоритмическому анализу, который вам ничего не дал. По утрам закуривая сигарету за чашкой кофе, в глубине философских размышлений о бренности бытия вы задумываетесь: зачем же программистам, не решающим сложных задач, знать алгоритмы и основы анализа. Короткий ответ: чтобы быть квалифицированным специалистом и эффективно использовать доступные инструменты, включая язык, на котором вы пишите. Теория алгоритмов и анализа учит не только экзотические алгоритмы и структуры данных в виде АВЛ и красно-чёрных деревьев. Она также даёт представления о том, как эффективно организовать данные, как писать код с максимальной производительностью, где в системе возможно бутылочное горлышко и как с ним бороться. Вас ознакамливают с готовыми решениями, чтобы вы не писали велосипедов, и не бежали в гугл каждый раз, когда нужно сделать что-то нетривиальное.

Знания теории анализа и алгоритмов применяются всеми программистами на самом деле каждый день, просто мы привыкли к этим вещам настолько, что даже не задумываемся над этим. Какую бы задачу вы не решали – будь то простой сайт с выборкой данных из БД, или баш скрипт на сервере, вы будете использовать какие-то структуры данных. Как минимум примитивный массив, а скорее всего и что-то посложнее. Языки дают нам множество различных структур, многие из которых взаимозаменяемы. Часто мы имеем несколько вариаций одного абстрактного типа с разными реализациями. Например, в С++ есть структуры данных vector и list. Чем они отличаются, и какие будут преимущества и недостатки использования одного или другого? Как в С++ реализована map, и чем она отличается от multimap? Как реализован list в Python – через массив или связным списком и как лучше всего с ним работать? Почему в C# нежелательно использовать ArrayList, а вместо него использовать List? Как реализован SortedDictionary и как он повлияет на исполнение программы если будет использован вместо Dictionary? Как работает continuation, когда её нужно использовать, и будут ли какие-то побочные эффекты при её использовании? Когда вы в последний раз использовали каррированные функции, которые есть почти в каждом языке? Если вы думаете, что map в С++ реализована как хэш-таблица, вы ошибаетесь. Она реализована на красно-чёрных деревьях, а хэш-таблицей реализована unordered_map. Отдельно стоит упомянуть динамическое программирование. Понимание что это такое, как можно оптимально переписать рекурсивные функции и что такое мемоизация, часто поможет избежать выстрела себе в ногу. Таким образом просто чтобы полноценно и эффективно использовать язык, на котором вы пишите, уже нужно иметь хотя бы поверхностные знания о структурах данных, что они из себя представляют, и как могут повлиять на исполнение вашей программы.

А как же библиотеки? Ведь они решают столько задач! Чтобы рационально использовать библиотеки, их тоже нужно понимать. Во-первых, функции в библиотеки могут иметь побочные эффекты или поведение, которые вы не будете знать без понимания алгоритмов. Получив баг в таком случае можно долго и упорно пытаться его поймать и решить, когда можно было избежать. Во-вторых, различные инструменты и библиотеки часто нужно «настраивать» — говорить им какие алгоритмы, структуры данных и технологии использовать внутри. Без элементарных знаний вам придётся либо идти читать маны, либо выбирать наугад. В-третьих – есть множество задач, которые нельзя решить простым вызовом API библиотеки или фреймворка. Что вы будете делать в таком случае? Тратить часы на поиски возможных решений и просить помощи у друга? В-четвёртых – множество задач решается очень просто несколькими строчками кода или встроенными средствами языка. Если для решения каждого чиха вы будете тянуть библиотеку, то ваши программы будут гигантскими монстрами, занимая по сотни мегабайт и больше на диске, отжирая всю память на сервере, и при том имея довольно скудный функционал. Кроме того, наличие кучи подключенных библиотек влечёт за собой проблемы совместимости, и программа может падать случайным образом из-за странного поведения нескольких библиотек в одном проекте. Бездумное использование библиотек может привести к довольно плачевным последствиям, и разработчики, которые умеют только использовать библиотеки, но не способны решить даже простую проблему самостоятельно, никогда не будут ценится, потому что их решения будут неконкурентоспособны.

Со мной работал один программист со стажем больше десяти лет. Однажды нам понадобилась функция, которую использованная нами библиотека на тот момент не поддерживала: примитивный text-wrap в одном из визуальных компонентов. Этот «программист» посмотрел, что стандартными средствами это сделать нельзя, и сразу заявил, что реализация такой функции невозможна. Задачу решил интерн-третьекурсник с аналитическим мозгом, который за два часа написал простой алгоритм и внедрил его в нужный компонент. Другой проект в виде сайта на .net мне достался по наследству. Главная страничка представляла собой несколько маленьких графиков, и загружалась почти 10 секунд. Оказалось, что человек, который изначально делал этот проект, нагородил кучу ужасных конструкций из тройных вложенных циклов, которые долго и печально забирали данные из БД, и потом привязывали их к графикам. После небольшого рефакторинга страница стала грузится почти мгновенно.

Может ли программист обойтись без знаний алгоритмов и теории анализа? Может, и таких «программистов» очень много. Только назвать их программистами можно разве что с большой натяжкой. Ко мне на собеседование приходит очень много программистов, со стажем десять-пятнадцать лет, и толком не понимающих что же они делают и почему. У них своя ниша, они ходят от компании к компании, не задерживаясь в них больше года. Как правило, у них есть небольшой набор задач, которые они могут решать, и если сделать шаг в сторону, то человек теряется и ему нужно обучить себя новым навыкам. Таких людей приглашают на проект, и от них избавляются как можно быстрее, потому что они теряют кучу времени, изобретая велосипеды и читая маны чтобы узнать то, что уже должны были знать из университета. У них как правило нет особо никакой карьеры и нестабильный заработок.

В итоге, для чего нужно знать алгоритмы и теорию анализа, если можно выполнять работу и без этих знаний? Чтобы быть квалифицированным специалистом в своей профессии, иметь карьерный рост и уважение коллег. Чтобы эффективно решать поставленные задачи и не изобретать велосипедов. Чтобы не писать монстров с огромным количеством сторонних библиотек, которые занимают сотни мегабайт на диске от отжирают кучу памяти на сервере и регулярно падают по случайной причине в зависимости от фазы луны. Чтобы эффективно и с максимальными возможностями использовать язык, на которым вы пишете. Чтобы принимать информированные и осмысленные решения по выбору библиотеки и технологии для решения проблемы. Если же ваша работа заключается в написание SQL запроса и вбивание команды в консоль, то хочу вас огорчить: вы не программист, вы – пользователь, вам действительно не нужны алгоритмы и иже с ним, и вы зря потратили время в университете потому что для такой работы достаточно закончить курсы или прочитать пару вводных книжек самостоятельно.

• программирование
• алгоритмы
• размышления вслух

• Программирование
• Алгоритмы

Алгоритм

Алгоритм — это четкая последовательность действий, выполнение которой дает какой-то заранее известный результат. Простыми словами, это набор инструкций для конкретной задачи. Известнее всего этот термин в информатике и компьютерных науках, где под ним понимают инструкции для решения задачи эффективным способом.

Освойте профессию «Data Scientist»

Сейчас под этим словом понимают любые последовательности действий, которые можно четко описать и разделить на простые шаги и которые приводят к достижению какой-то цели. Например, пойти на кухню, налить воду и положить в нее пакетик чая — это алгоритм для выполнения задачи «Заварить чай».

Алгоритмы в информатике — инструкции для компьютеров, набор шагов, который описывается программным кодом. Существуют конкретные алгоритмы для тех или иных действий, причем некоторые из них довольно сложные. Одна из целей использования алгоритмов — делать код эффективнее и оптимизировать его.

Науки о данных

Онлайн-магистратура совместно с МФТИ. Погрузитесь в мир Data Science и постройте карьеру в Big Data, Artificial Intelligence или Machine Learning. Получите опыт на реальных проектах и выйдите на новый уровень в профессии и карьере.

Кто пользуется алгоритмами

В общем смысле — абсолютно все живые и некоторые неживые существа, потому что любую последовательность действий, ведущую к цели, можно считать алгоритмом. Поиск еды животным — алгоритм, движения робота тоже описываются алгоритмом.

В узком смысле, в котором понятие используется в компьютерных науках, алгоритмами пользуются разработчики, некоторые инженеры и аналитики, а также специалисты по машинному обучению, тестировщики и многие другие. Это одно из ключевых понятий в IT.

Читайте также Востребованные IT-профессии 2023 года: на кого учиться онлайн

Для чего нужны алгоритмы

Алгоритмы в информатике нужны для эффективного решения различных задач, в том числе тех, выполнение которых «в лоб» имеет высокую сложность или вовсе невозможно. На практике существуют алгоритмы практически для чего угодно: сортировки, прохождения по структурам данных, поиска элементов, фильтрации информации, математических операций и так далее.

Например, отсортировать массив можно в ходе полного перебора — это самое очевидное решение. А можно воспользоваться алгоритмом быстрой сортировки: он сложнее и не так очевиден, зато намного быстрее работает и не так сильно нагружает мощности компьютера. Строго говоря, полный перебор — это тоже алгоритм, но очень простой.

Существуют алгоритмически неразрешимые задачи, для решения которых нет и не может существовать алгоритма. Но большинство задач в IT разрешимы алгоритмически, и алгоритмы активно используются в работе с ними.

Алгоритмы применяются во всех направлениях IT и во многих других отраслях. Инструкции для автоматизированного станка или линии производства — алгоритмы, рецепт блюда — тоже.

Алгоритмизация

Алгоритмизация — это процесс разработки и описания последовательности шагов, которые необходимо выполнить для решения определенной задачи или достижения конкретной цели. Алгоритмизация является ключевым этапом при программировании и разработке программного обеспечения.

При алгоритмизации задачи создаются четкие инструкции, которые компьютер может понять и выполнять. Алгоритмы могут быть записаны в виде текстового описания, блок-схемы, псевдокода или других формализованных представлений. Они служат основой для написания кода программы, который позволяет компьютеру автоматически решать задачи в соответствии с предварительно разработанными инструкциями.

Алгоритмизация играет важную роль в информатике и программировании, так как хорошо разработанные алгоритмы обеспечивают эффективное и корректное выполнение задач, а также упрощают процесс отладки и поддержки программного кода.

Основные свойства алгоритмов

Дискретность. Алгоритм — не единая неделимая структура, он состоит из отдельных маленьких шагов, или действий. Эти действия идут в определенном порядке, одно начинается после завершения другого.

Результативность. Выполнение алгоритма должно привести к какому-либо результату и не оставлять неопределенности. Результат может в том числе оказаться неудачным — например, алгоритм может сообщить, что решения нет, — но он должен быть.

Детерминированность. На каждом шаге не должно возникать разночтений и разногласий, инструкции должны быть четко определены.

Массовость. Алгоритм обычно можно экстраполировать на похожие задачи с другими исходными данными — достаточно поменять изначальные условия. Например, стандартный алгоритм по решению квадратного уравнения останется неизменным вне зависимости от того, какие числа будут использоваться в этом уравнении.

Понятность. Алгоритм должен включать только действия, известные и понятные исполнителю.

Конечность. Алгоритмы конечны, они должны завершаться и выдавать результат, в некоторых определениях — за заранее известное число шагов.

Какими бывают алгоритмы

Несмотря на слово «последовательность», алгоритм не всегда описывает действия в жестко заданном порядке. Особенно это актуально сейчас, с распространением асинхронности в программировании. В алгоритмах есть место для условий, циклов и других нелинейных конструкций.

Линейные. Это самый простой тип алгоритма: действия идут друг за другом, каждое начинается после того, как закончится предыдущее. Они не переставляются местами, не повторяются, выполняются при любых условиях.

Ветвящиеся. В этом типе алгоритма появляется ветвление: какие-то действия выполняются, только если верны некоторые условия. Например, если число меньше нуля, то его нужно удалить из структуры данных. Можно добавлять и вторую ветку: что делать, если условие неверно — например, число больше нуля или равно ему. Условий может быть несколько, они могут комбинироваться друг с другом.

Циклические. Такие алгоритмы выполняются в цикле. Когда какой-то блок действий заканчивается, эти действия начинаются снова и повторяются некоторое количество раз. Цикл может включать в себя одно действие или последовательность, а количество повторений может быть фиксированным или зависеть от условия: например, повторять этот блок кода, пока в структуре данных не останется пустых ячеек. В некоторых случаях цикл может быть бесконечным.

Рекурсивные. Рекурсия — это явление, когда какой-то алгоритм вызывает сам себя, но с другими входными данными. Это не цикл: данные другие, но «экземпляров» работающих программ несколько, а не одна. Известный пример рекурсивного алгоритма — расчет чисел Фибоначчи.

Рекурсия позволяет изящно решать некоторые задачи, но с ней надо быть осторожнее: такие алгоритмы могут сильно нагружать ресурсы системы и работать медленнее других.

Вероятностные. Такие алгоритмы упоминаются реже, но это довольно интересный тип: работа алгоритма зависит не только от входных данных, но и от случайных величин. К ним, например, относятся известные алгоритмы Лас-Вегас и Монте-Карло.

Основные и вспомогательные. Это еще один вид классификации. Основной алгоритм решает непосредственную задачу, вспомогательный решает подзадачу и может использоваться внутри основного — для этого там просто указываются его название и входные данные. Пример вспомогательного алгоритма — любая программная функция.

Станьте дата-сайентистом и решайте амбициозные задачи с помощью нейросетей

Графическое изображение алгоритмов

Алгоритмы могут записывать текстом, кодом, псевдокодом или графически — в виде блок-схем. Это специальные схемы, состоящие из геометрических фигур, которые описывают те или иные действия. Например, начальная и конечная точка на схеме — соответственно, начало и конец алгоритма, параллелограмм — ввод или вывод данных, ромб — условие. Простые действия обозначаются прямоугольниками, а соединяются фигуры с помощью стрелок — они показывают последовательности и циклы.

В схемах подписаны конкретные действия, условия, количество повторений циклов и другие детали. Это позволяет нагляднее воспринимать алгоритмы.

Сложность алгоритма

Понятие «сложность» — одно из ключевых в изучении алгоритмов. Оно означает не то, насколько трудно понять тот или иной метод, а ресурсы, затраченные на вычисление. Если сложность высокая, алгоритм будет выполняться медленнее и, возможно, тратить больше аппаратных ресурсов; такого желательно избегать.

Сложность обычно описывают большой буквой O. После нее в скобках указывается значение, от которого зависит время выполнения. Это обозначение из математики, которое описывает поведение разных функций.

Какой бывает сложность. Полностью разбирать математическую O-нотацию, как ее называют, мы не будем — просто перечислим основные обозначения сложности в теории алгоритмов.

• O(1) означает, что алгоритм выполняется за фиксированное константное время. Это самые эффективные алгоритмы.
• O(n) — это сложность линейных алгоритмов. n здесь и дальше обозначает размер входных данных: чем больше n, тем дольше выполняется алгоритм.
• O(n²) тоже означает, что чем больше n, тем выше сложность. Но зависимость тут не линейная, а квадратичная, то есть скорость возрастает намного быстрее. Это неэффективные алгоритмы, например с вложенными циклами.
• O(log n) — более эффективный алгоритм. Скорость его выполнения рассчитывается логарифмически, то есть зависит от логарифма n.
• O(√n) — алгоритм, скорость которого зависит от квадратного корня из n. Он менее эффективен, чем логарифмический, но эффективнее линейного.

Существуют также O(n³), O(nn) и другие малоэффективные алгоритмы с высокими степенями. Их сложность растет очень быстро, и их лучше не использовать.

Графическое описание сложности. Лучше разобраться в сложности в O-нотации поможет график. Он показывает, как изменяется время выполнения алгоритма в зависимости от размера входных данных. Чем более пологую линию дает график, тем эффективнее алгоритм.

O-нотацию используют, чтобы оценить, эффективно ли использовать ту или иную последовательность действий. Если данные большие или их много, стараются искать более эффективные алгоритмы, чтобы ускорить работу программы.

Использование алгоритмов в IT

Мы приведем несколько примеров использования разных алгоритмов в отраслях программирования. На самом деле их намного больше — мы взяли только часть, чтобы помочь вам понять практическую значимость алгоритмов.

Разработка ПО и сайтов. Алгоритмы используются для парсинга, то есть «разбора» структур с данными, таких как JSON. Парсинг — одна из базовых задач, например в вебе. Также алгоритмы нужны при отрисовке динамических структур, выводе оповещений, настройке поведения приложения и многом другом.

Работа с данными. Очень активно алгоритмы применяются при работе с базами данных, файлами, где хранится информация, структурами вроде массивов или списков. Данных может быть очень много, и выбор правильного алгоритма позволяет ускорить работу с ними. Алгоритмы решают задачи сортировки, изменения и удаления нужных элементов, добавления новых данных. С их помощью наполняют и проходят по таким структурам, как деревья и графы.

Отдельное значение алгоритмы имеют в Big Data и анализе данных: там они позволяют обработать огромное количество информации, в том числе сырой, и не потратить на это слишком много ресурсов.

Поисковые задачи. Алгоритмы поиска — отдельная сложная отрасль. Их выделяют в отдельную группу, в которой сейчас десятки разных алгоритмов. Поиск важен в науке о данных, в методах искусственного интеллекта, в аналитике и многом другом. Самый очевидный пример — поисковые системы вроде Google или Яндекса. Кстати, подробности об используемых алгоритмах поисковики обычно держат в секрете.

Машинное обучение. В машинном обучении и искусственном интеллекте подход к алгоритмам немного другой. Если обычная программа действует по заданному порядку действий, то «умная машина» — нейросеть или обученная модель — формирует алгоритм для себя сама в ходе обучения. Разработчик же описывает модель и обучает ее: задает ей начальные данные и показывает примеры того, как должен выглядеть конечный результат. В ходе обучения модель сама продумывает для себя алгоритм достижения этого результата.

Такие ИИ-алгоритмы могут быть еще мощнее обычных и используются для решения задач, которые разработчик не в силах разбить на простые действия сознательно. Например, для распознавания предметов нужно задействовать огромное количество процессов в нервной системе: человек просто физически не способен описать их все, чтобы повторить программно.

В ходе создания и обучения модели разработчик тоже может задействовать алгоритмы. Например, алгоритм распространения ошибки позволяет обучать нейросети.

Data Scientist

Дата-сайентисты решают поистине амбициозные задачи. Научитесь создавать искусственный интеллект, обучать нейронные сети, менять мир и при этом хорошо зарабатывать. Программа рассчитана на новичков и плавно введет вас в Data Science.

Что такое и зачем нужны алгоритмы

В начале карьеры разработчикам бывает трудно представить, зачем нужны алгоритмы во фронтенде, потому что большинство задач джунов можно решить и без них. Но когда дело доходит до серьёзных задач, грейдов и зарплат, знание алгоритмов выходит на первое место.

Что такое алгоритмы?

Алгоритм — это набор инструкций для решения какой-то задачи. Всё, что мы делаем: готовим утром кофе, идём на работу, пишем код — это исполнение определённых алгоритмов.

У каждого алгоритма есть исполнитель. Например, код, который мы пишем — это набор инструкций, а исполняет его компьютер. Быть исполнителем можете и вы сами, когда занимаетесь любыми повседневными задачами. Например, когда собираетесь на работу:

Знание алгоритмов помогает писать более эффективный код, правильно выстраивать архитектуру проекта и отдельных модулей, а также отсеивать операции, ненужные для решения задачи.

�� Изучите алгоритмы

Понимание алгоритмов и структур данных поможет писать более эффективный код, правильно выстраивать архитектуру проекта и отдельных модулей.

Востребованы ли алгоритмы на рынке фронтенд-разработки?

Согласно нашему исследованию, работодатели редко требуют понимания алгоритмов от джунов с опытом работы до года. По мере повышения грейда требования к соискателям растут. Так от будущих мидлов ожидают понимания алгоритмов и структур данных, а от сеньоров требуют их уверенного использования.

Кроме того, алгоритмы — частые гости на технических собеседованиях на мидловские и сеньорские позиции. Особенно любят добавлять в интервью алгоритмические секции крупные компании вроде Яндекса или Google.

В рамках исследования мы также проверили, как часто упоминаются алгоритмы в вакансиях. Результаты оказались любопытными:

• Лишь 2% вакансий с опытом до года требуют знания алгоритмов и структур данных.
• В вакансиях для разработчиков с опытом до шести лет этот навык упоминается в 10% случаев.
• Почти каждая третья вакансия для фронтендеров с опытом более 6 лет содержит этот навык в требованиях к соискателю.

Какие задачи решают с помощью алгоритмов?

Алгоритмы помогают решать большинство задач разработчика более оптимальным по времени и производительности способом. Они позволяют более эффективно взаимодействовать с данными: искать, фильтровать и хранить в верном формате. Их можно использовать для разных задач, например, для:

• парсинга данных,
• фильтрации дубликатов,
• отрисовки динамических списков,
• хранения и вывода оповещений для пользователя,
• и многих других задач.

С помощью алгоритмов можно делить сложные задачи на более простые и складывать из их решений итоговый ответ. Они позволяют эффективнее искать по отсортированным данным или делать сортировку.

Разберём подробнее некоторые типовые задачи, в которых используют алгоритмы.

Сортировка данных

Сортировка — базовая задача разработчика. Упорядочивать приходится совершенно любые данные, например, пользователей по именам, документы по годам или игроков по рейтингу.

Зная алгоритмы, можно выбрать наиболее оптимальный по времени и производительности метод сортировки. Например, если нам нужно вывести десять пользователей с наиболее высоким рейтингом, нет смысла упорядочивать всю многомиллионную базу: это загрузит сервер и займёт немало времени. Достаточно выбрать подходящий метод и, не прибегая к полной сортировке, получить нужные данные.

Сортировка вставкой помогает поддерживать отсортированность в уже существующем массиве при поступлении новых элементов.

При использовании этого метода мы сначала получаем новый элемент, который нужно вставить в массив. Затем проходим по массиву слева направо, пока не встретим элемент, который больше вставляемого. Как только это произойдёт — добавляем новый элемент на нужную позицию.

Посмотрим на самый простой случай вставки в маленький связный список из чисел. Сначала проходим по нему, пока не встретим элемент, который больше вставляемого:

А затем обновляем связи в списке:

Quicksort — одна из самых быстрых сортировок для использования на больших объёмах данных.

Как она работает: сначала мы выбираем в массиве любой «опорный» элемент. Затем сравниваем каждый из элементов с опорным. По результатам сравнений переставляем элементы в массиве так, чтобы слева от опорного были все элементы меньше него, а справа — больше или равны. После этого запускаем этот же алгоритм рекурсивно на левую и правую части массива, пока не придём к массиву из одного элемента.

Посмотрим на сортировку массива из девяти элементов. Сначала выбираем опорный элемент — 5. Затем перемещаем элементы меньше слева от него, а элементы больше — справа.

Теперь берём часть слева и выбираем новый опорный элемент — 3. Затем вновь перемещаем элементы меньше слева от него, а элементы больше — справа. Делаем так, пока полностью не отсортируем левую часть:

Когда закончим, повторим всё то же самое с правой частью:

function quickSort(array, left, right) < left = left ?? 0; right = right ?? array.length - 1; const pivotIndex = partition(array, left, right); logIteration(array, array[pivotIndex], left, right); if (left < pivotIndex - 1) < quickSort(array, left, pivotIndex - 1); >if (pivotIndex < right) < quickSort(array, pivotIndex, right); >return array; > function random(min, max) < const interval = max - min; const shift = min; return Math.round(Math.random() * interval + shift); >function partition(array, left, right) < const pivot = array[random(left, right)]; while (left < right) < while (array[left] < pivot) < left++; >while (array[right] > pivot) < right--; >if (left > return left; > 

Есть множество других видов сортировок. Какой из них использовать — зависит от конкретной задачи.

Поиск в массиве

Найти что-то в массиве — довольно распространённая задача. Это может быть поиск целого объекта по его признаку. Например, когда нам нужно найти объект банковской карточки по id. Или это может быть проверка на вхождение. К примеру, мы можем узнать, разрешено ли показывать определённый контент пользователю. Для этого достаточно проверить его права в массиве прав, разрешающих просмотр.

Линейный поиск — самый распространённый, хотя и медленный, способ поиска в массивах и других коллекциях. Это довольно простой алгоритм, он перебирает все элементы до тех пор, пока не встретит нужный или не дойдёт до конца массива.

Как он работает: к примеру, мы хотим проверить, есть ли слово ‘скрипт’ в массиве [‘веб’, ‘деплой’, ‘сервер’] . Сначала мы посмотрим на ‘веб’ и сравним его с искомым словом. Они не равны, поэтому двигаемся дальше — к слову ‘деплой’ . С ним и ‘сервер’ ситуация такая же: сравнение их со ‘скрипт’ -ом вернёт false . А затем мы придём в конец массива. Это значит, искомого элемента в нём нет.

Проверка на вхождение слова с помощью include :

const words = ['веб', 'деплой', 'сервер']; function checkIfInclude(word) < return words.includes(word); >checkIfInclude('скрипт'); // false 

Если бы мы искали в массиве слово веб , то нашли бы его при сравнении с первым элементом массива и на этом закончили поиск:

Бинарный поиск — поиск, который можно вызывать только на отсортированных массивах данных. Он работает по методу indexOf : принимает элемент, который нужно найти в массиве, и возвращает либо его позицию, либо -1 , либо null .

Бинарный поиск быстрее линейного за счёт того, что он не перебирает каждый элемент. Вместо этого он делит массив пополам и проверяет, в какой части, справа или слева, должен находиться искомый элемент. После этого он делит остаток ещё раз пополам — и так далее, пока не найдёт этот элемент:

Бинарный поиск удобен для работы с большими отсортированными массивами. Представьте, что вам нужно найти пользователя в базе данных из миллиона человек. Если перебирать каждый элемент последовательно, вы потратите немало времени. Гораздо быстрее и проще сузить поиск, отбросив сразу половину элементов.

Простой пример бинарного поиска:

function binarySearch(numbers, target) < let left = 0; let right = numbers.length - 1; while (left if (numbers[center] > target) < right = center - 1; >else < left = center + 1; >> return null; > 

Есть и другие виды поиска: алгоритм поиска пути и интерполяционный — оба работают с отсортированными массивами. Первый перескакивает вперёд на фиксированные шаги или пропускает при поиске некоторые элементы. Второй очень похож на бинарный поиск, но вместо деления области поиска на две части он оценивает новую область поиска по расстоянию между ключом и текущим значением элемента.

Оптимизация кода

В своей работе мы так или иначе работаем с DOM-деревом. Подбор правильных алгоритмов для работы с деревьями помогает ускорить работу страницы при обработке больших фрагментов дерева.

Переобходить DOM-дерево можно разными способами. Самый простой — поиск в ширину. Он хорошо подходит для поиска, если искомый элемент лежит «сверху» и дерево довольно широкое.

Особенность поиска в ширину в том, что мы сначала просматриваем все элементы на одном уровне вложенности, затем переходим на следующий — и так далее, пока не обойдём всё:

const root = document.body; const resultElement = document.getElementById('result'); function traverse(node) < const result = []; const queue = []; queue.push(node); while(queue.length) < const currentNode = queue.shift(); result.push(currentNode.localName); queue.push(. currentNode.children); >resultElement.innerHTML = result.join(' -> '); > traverse(root); 

Если дерево узкое и элемент находится внизу, подойдёт поиск в глубину. Ниже показан его пример: мы сначала обрабатываем узел, на которой находимся, а затем рекурсивно вызываем операцию обхода на всех потомках.

const root = document.body; const resultElement = document.getElementById('result'); function traverse(node) < const result = []; function recursive(node) < result.push(node.localName); for (const child of node.children) < recursive(child); >> recursive(node); resultElement.innerHTML = result.join(' -> '); > traverse(root); 

Отрисовка динамических списков и парсинг

Порой разработчикам приходится отрисовывать динамические вложенные списки — чаще всего это подобие директорий, в которых хранятся другие директории или файлы. Обычно на решение такой задачи уходит немало времени. Но процесс можно ускорить с помощью такого алгоритмического концепта, как рекурсия — вызова функции внутри самой функции.

Рекурсия также позволяет справиться с другой распространённой задачей — распарсить текст из HTML-документа без использования регулярных выражений. Например, если у нас есть такой текст:

 
Рекурсия заключается в том, что благодаря ей мы от сложных задач переходим к всё более и более простым, пока не найдём решение каждой конкретной маленькой частицы задачи.
 

С помощью рекурсии можно быстро перевести его в такой:

Рекурсия заключается в том, что благодаря ей мы от сложных задач переходим к всё более и более простым, пока не найдём решение каждой конкретной маленькой частицы задачи. 

Всё, что для этого нужно сделать — переобойти DOM, рекурсивно вызывая парсинг.

Добавление данных в очередь

В вебе бывает нужно поставить несколько процессов в очередь на обработку. Взять, к примеру, запросы на бэкенд по клику на кнопку. Бывают случаи, когда перед следующим запросом нужно дождаться выполнения предыдущего. Или другой пример — удаление из списка взаимосвязанных элементов. То есть когда нам нужно дождаться удаления элемента и всех его зависимостей перед тем, как разрешить пользователю удалять другой элемент.

Такие задачи очень просто реализуется очередью — структурой данных, «мимикрирующей» под очередь из реальной жизни, когда элементы попадают в конец массива-очереди и достаются из её начала.

Мы перечислили лишь небольшую часть задач, которые можно решать с помощью алгоритмов. Но на самом деле их возможности гораздо шире.

Вывод

Алгоритмы — важный инструмент для повышения грейда фронтенд-разработчика. Умение применять их в работе не только помогает быстрее решать типовые задачи, но и открывает возможность трудоустройства на высокооплачиваемые позиции.

При этом по алгоритмам не существует отдельных документов и спецификаций. Разобраться с ними помогут обучающие статьи, видео или курсы.

Один из самых простых способов начать изучение алгоритмов — книги. Начать можно с «Грокаем алгоритмы», в ней Адитья Бхаргава простыми словами пишет о популярных концептах алгоритмостроения, хотя и не всегда применимых к фронтенду. А тем, кто не боится сложного академического языка, советуем прочитать книгу Дональда Кнута «Искусство программирования» о важнейших и базовых алгоритмах, которые мы используем. Можно сказать, что это своего рода «Библия» алгоритмов.

Больше материалов

• Почему разработчики выбирают Vue
• Паттерны проектирования
• Что такое CMS и как под них верстать

«Доктайп» — журнал о фронтенде. Читайте, слушайте и учитесь с нами.