《算法图解》
总体观点
算法从来不是数学家的专属黑话，而是解决实际工程问题的直观工具。通过全书生动的图解与具象隐喻，任何初学者都能建立起坚实的算法直觉与时空复杂度心智。
掌握算法的核心不在于死记硬背硬核推导，而在于领悟分而治之、贪心策略、状态转移与图搜索等经典解题模式的思维底层。
从二分查找到动态规划，算法的本质是用计算模型优化现实世界的资源消耗：让查找更快、网络传输更省、路径更短、系统承载力更高。
核心观点
-
1. 大O表示法衡量的是操作数的增速，而不是物理运行时间
不同机器硬件速度各异，算法复杂度关注的是当数据规模N暴增时，操作步骤随之增长的函数趋势。
在10亿条有序数据中查名字，简单查找要查10亿次，二分查找只需约30次，复杂度从O(N)降至O(log N)。 -
2. 数组利于随机读取，链表利于快速插入与删除
数组需要连续内存块，支持O(1)通过索引直接寻址；链表离散存放，通过指针串联，在任意节点插入删除只需O(1)。
做排行榜展示经常需要查第100名用数组极快；但如果是实时流水日志流频繁插队，链表避免了全量数据后移。 -
3. 递归的核心是找到基线条件与递归条件
每个递归函数都必须包含终止递归的基线条件，以及缩小问题规模的递归条件，否则会导致调用栈溢出（Stack Overflow）。
在套娃盒子里找钥匙：基线条件是打开盒子看到钥匙即返回；递归条件是看到空小盒子则继续调用自己开小盒子。 -
4. 分而治之（D&C）是解决复杂算法的通用元思考模式
找出基线条件，并将原问题不断分解成规模更小但形式相同的子问题，直到子问题符合基线条件直接求解。
快速排序中随机选定一个基准值，把数组分成比它小的和比它大的两部分，递归对子数组排序后合并即完成全局排序。 -
5. 散列表用空间换时间，实现近似O(1)的极速检索
通过哈希函数将键映射到数组索引，设计良好的散列表能以均摊常数时间完成增删改查，是现代架构的基石。
DNS域名解析系统在内存中维护域名到IP的散列表，用户访问网站只需微秒级查找即可获得对应服务器IP。 -
6. 广度优先搜索（BFS）用于寻找非加权图的最短路径
按照度数从近及远层层向外扩展搜索，利用先进先出（FIFO）队列，保证最先到达目标节点的路径一定是步数最少的路径。
在社交网络中计算你和某位行业大佬之间隔了几层好友关系，一层好友先入队排查，找不到再排查二层好友。 -
7. 动态规划解决的是存在重叠子问题的加权最优化难题
通过构建网格表，将大问题拆为彼此相关的独立子问题，先算出小网格的最优解并持久化，以此推导出全局最优方案。
背包问题中背包限重4磅，网格横轴为1到4磅重量，纵轴为吉他、音响等物品，通过网格单元人格化迭代得出最高价值组合。
全书思维导图 · 知识脉络树
全书结构
-
第1章 算法简介
介绍二分查找的工作原理、运行时间对比，以及大O表示法衡量的操作增速本质。
在包含24万个单词的字典中找目标词，普通查找最坏翻24万次，二分查找最多只需折半翻18次。 -
第2章 选择排序
剖析计算机内存模型、数组与链表的底层优缺点，引出O(n^2)的选择排序算法实现。
在杂乱的播放列表里每次循环找出一首播放次数最多的歌曲放入新列表，演示选择排序的数据搬运过程。 -
第3章 递归
解析调用栈运行机制，阐明基线条件与递归条件的判定，揭示递归优雅背后的内存代价。
计算数字阶乘时栈帧逐层压入内存，触底返回后再逐层弹出乘算，演示调用栈的生长与释放。 -
第4章 快速排序
讲授分而治之（D&C）策略，以基准值为锚点将问题拆解，分析快排平均O(n log n)的性能表现。
农夫分地问题：将一块1680x640米的长方形土地均匀分成最大的正方块，通过欧几里得D&C法则轻松拆解。 -
第5章 散列表
阐明哈希函数、冲突处理、装填因子与扩容机制，讲解缓存设计与快速去重应用。
投票站利用散列表记录已投票人姓名，选民报出名字能在O(1)时间内判定是否已经投过票并拦截重复刷票。 -
第6章 广度优先搜索
引入图的数学概念，利用队列实现按层逐级向外辐射扫描，计算非加权图的最短路径。
在一度人脉、二度人脉网络中查找谁是芒果销售商，用队列先进先出保证找到的人是关系链最短的联系人。 -
第7章 狄克斯特拉算法
针对有向无环加权图，计算总权重最小的最短路径，明确其不能处理负权边的根本原因。
规划从家到单位的最快行车路线，各路段耗时不同，算法逐步更新各路口的最小开销并回溯出总耗时最短路线。 -
第8章 贪婪算法
讲解每步选择局部最优解的贪心策略，分析NP完全问题（如旅行商问题）的近似求解技巧。
电台覆盖问题：在数十个广播电台中选出最少组合覆盖全美50个州，每步挑选能覆盖最多未覆盖州的电台。 -
第9章 动态规划
建立网格填表法心智模型，处理离散背包容量与最长公共子序列（LCS）的最优化求解。
小偷在有限承重的背包里挑选高价值赃物，通过填网格记录每一磅容量的最优价值并逐行复用前一行最优状态。 -
第10章 K最近邻算法
介绍KNN分类与回归算法，通过特征距离度量相似度，用于推荐系统与垃圾邮件过滤。
根据用户的打分偏好将观众映射到高维坐标系，计算与目标观众距离最近的5个邻居，据此推荐他们喜欢的电影。 -
第11章 接下来如何做
全书视野拓展：概括二叉搜索树、B树、傅里叶变换、并行MapReduce、布隆过滤器与SHA安全算法。
海量搜索引擎爬虫用布隆过滤器快速判断网页URL是否已被抓取过，容忍极低误判率并节省海量内存。