演算法的度量尺：Big O 是什麼？學會分析程式碼的效率

當你的程式碼在生產環境「卡死」時，你才發現演算法的重要性

不知道大家有沒有這樣的經驗：你寫了一個「看起來沒問題」的搜尋功能，在測試環境用 100 筆資料跑得很順，結果上線後面對 10 萬筆資料時，整個系統直接卡死。

老闆問：「為什麼這麼慢？」
你回答：「呃...可能是資料量太大？」
老闆再問：「那要怎麼解決？」
你：「...重啟伺服器？」

這就是不懂演算法複雜度的常見問題。

《鍛鍊問題解決力！演算法與資料結構應用全圖解 | 天瓏網路書店》這本書，正是為了解決這個問題。
它用最直觀、最有趣的方式，教你如何分析程式碼的效率，並選擇正確的演算法來解決問題。

痛點一：面對問題沒有思路，只能暴力破解

描述：遇到一個新的、沒見過的程式問題，腦袋一片空白

場景： 老闆要求你來寫一個「找出陣列中重複元素」的功能。

初學者的直覺反應：
就像在人群中找雙胞胎，你會怎麼做？最直覺的方法就是：「每個人跟其他所有人都比對一次」——這就是暴力破解法。

問題： 這個解法能跑，但效率極差。當資料量變成 1000 筆時，你可能要等很久。

書中解方：學習常見的「演算法思維模式」

1. 空間換時間思維
想像你在圖書館找書。暴力法就像一本一本翻閱所有書籍。但聰明的方法是什麼？
建立一個「書名索引卡」！這樣你就能快速找到任何一本書。

2. 排序思維
就像整理撲克牌一樣，先把牌按照花色和數字排序，然後重複的牌就會排在一起，一眼就能看出來。

關鍵洞察： 不同的思維模式，會帶來完全不同的效率。關鍵是要學會「分析問題的本質」，而不是急著寫程式碼。

痛點二：演算法學習枯燥難懂，無法理解實際應用

描述：看演算法書就像看天書，一堆數學公式和抽象概念

傳統演算法教學的問題：

• 直接給你公式：O(n²) vs O(n log n)
• 抽象的數學證明
• 沒有實際應用場景
• 不知道什麼時候用哪種演算法

書中解方：圖解式學習 + 生活化應用

1. Big O 的生活化理解

想像你要在電話簿中找人：

O(1) - 常數時間： 你知道那個人住在第 100 頁，直接翻到那一頁
就像你知道朋友住在幾樓幾號，直接搭電梯上去一樣。

O(log n) - 對數時間： 你不知道確切位置，但知道電話簿是按字母排序的
就像玩「猜數字」遊戲，每次都猜中間值，很快就會找到答案。

O(n) - 線性時間： 你不知道排序規則，只能從頭開始一頁一頁翻
就像在沒有索引的書中找某個詞，只能逐頁搜尋。

O(n²) - 平方時間： 你要比較每個人和其他所有人
就像辦同學會，每個人要跟其他所有人握手，如果有 100 個人，就要握 4950 次手！

2. 實際應用場景分析

場景一：電商平台的商品搜尋

• 錯誤做法： 在 100 萬筆商品中逐一搜尋關鍵字（O(n)）
• 正確做法： 建立搜尋索引，快速定位商品（O(log n)）

場景二：社交媒體的好友推薦

• 錯誤做法： 雙重迴圈比較所有好友（O(n²)）
• 正確做法： 使用集合運算快速找出共同好友（O(n)）

痛點三：不知道如何選擇合適的資料結構

描述：面對不同問題時，總是使用最熟悉的 Array，導致效率低下

書中解方：理解資料結構的「權衡取捨」

1. 資料結構就像不同的收納方式

Array（陣列）- 像書架

• 優點：知道位置就能直接拿到書（隨機存取）
• 缺點：要插入新書時，後面的書都要往後移

Linked List（鏈結串列）- 像藏寶圖

• 優點：插入新線索很容易
• 缺點：要找特定線索時，必須一個一個追蹤

Hash Table（雜湊表）- 像電話簿

• 優點：知道名字就能快速找到電話
• 缺點：沒有順序，而且會佔用較多空間

2. 實際選擇策略

選擇 Array 的時機：

• 需要隨機存取（像電商購物車，要快速找到特定商品）
• 資料量固定或變化不大
• 需要保持順序

選擇 Hash Table 的時機：

• 需要快速查找（像用戶快取系統）
• 不需要保持順序
• 資料量變化很大

我的實踐：將演算法思維應用到生活決策

生活決策中的「演算法思維」

1. 購物決策：貪心法 vs 動態規劃

貪心法： 每次都選擇當前最優解
就像買東西時，每次都選最便宜的，但可能不是整體最划算的組合。

動態規劃： 考慮整體最優解
就像考慮物品的價值密度（價值/價格），找出整體最划算的組合。

2. 時間管理：優先佇列思維

就像使用優先佇列管理任務：

• 開會（優先級 9）
• 寫技術文章（優先級 8）
• 回覆郵件（優先級 5）

總是先處理優先級最高的任務。

總結：演算法思維是解決問題的框架

演算法不是炫技，而是解決問題的思維框架。

有重要三個原則：

1. 先分析問題的本質，再選擇解決方案
2. 理解時間與空間的權衡取捨
3. 將演算法思維應用到生活決策中

實務建議：

• 遇到效能問題時，先分析複雜度
• 選擇資料結構時，考慮操作頻率
• 將演算法思維應用到日常決策

延伸閱讀推薦：
如果你喜歡這本書的圖解方式，我更強烈推薦你試試簡體版的《演算法, 4/e (Algorithms, 4/e) | 天瓏網路書店》這本大橘色書籍。
裡面所有的精華都在這裡，讓你會有更深的體悟。

演算法學習其實可以很有趣！
重點是要用對方法，讓抽象的知識變得具體可見。

#演算法 #BigO #程式設計 #效率優化 #吳桑泥的升級書單