企业官网建设流程全解析

Hello 算法「算法无处不在」导读：从查字典、理扑克到找零钱，认识生活中的算法雏形

【免费下载链接】hello-algo《Hello 算法》：动画图解、一键运行的数据结构与算法教程。支持简中、繁中、English、日本語，提供 Python, Java, C++, C, C#, JS, Go, Swift, Rust, Ruby, Kotlin, TS, Dart 等代码实现项目地址: https://gitcode.com/GitHub_Trending/he/hello-algo

《Hello 算法》(hello-algo) 是一本动画图解、支持一键运行的算法入门书。本文对应日文版序章 ja/docs/chapter_introduction/algorithms_are_everywhere.md，从三个最不起眼的生活习惯——查字典、整理扑克牌、超市找零——出发，揭示它们背后其实分别是二分查找、插入排序与贪心算法。读完全文，你将能完成"生活经验 → 抽象算法 → 仓库源码实现"的第一次思维切换，为后续正式学习数据结构与算法建立直觉基础。

一提到"算法"，很多人本能地联想到复杂的数学公式。但本书开篇给出了一个反转认知的事实：许多算法并不依赖高深的数学，只依赖基础逻辑；而这种逻辑早已遍布你的日常生活——你其实已经在不知不觉中"运行"过很多算法了。下面就是正文给出的三个经典例证。

例一：查字典 = 二分查找（binary search）

字典里每个汉字都对应一个拼音，整本字典按照拼音的字母顺序排列。假设要查找一个拼音首字母为 $r$ 的字，我们通常会这样做：

1. 把字典翻到大约一半的页数，先看该页汉字的首字母，例如翻到的是 $m$；
2. 由于在拼音字母表中 $r$ 位于 $m$ 之后，于是排除字典前半部分，把查找范围缩小到后半部分；
3. 不断重复步骤 1 与步骤 2，每次都将搜索区间减半，直到翻到首字母为 $r$ 的那一页。

这个"小学生必备技能"，本质上就是著名的二分查找（二分探索）算法。从数据结构视角看，字典是一份按拼音排好序的"数组"；从算法视角看，上述一连串"翻中页、比字母、砍一半"的操作就是二分查找——它的核心特征是在有序数据上每次排除约一半的候选区间，从而把查找规模以对数级速度收缩。

这一抽象结论在仓库里被落实成了可运行的代码。以 Python 实现为例，ja/codes/python/chapter_searching/binary_search.py 给出了双闭区间版本：

def binary_search(nums: list[int], target: int) -> int: """二分查找（双闭区间）""" i, j = 0, len(nums) - 1 # 初始化双闭区间 [0, n-1] while i <= j: # 区间为空（i > j）时退出 m = (i + j) // 2 # 计算中点索引 m if nums[m] < target: i = m + 1 # target 在区间 [m+1, j] 中 elif nums[m] > target: j = m - 1 # target 在区间 [i, m-1] 中 else: return m # 找到目标元素，返回索引 return -1 # 未找到目标元素，返回 -1

对照阅读不难发现：代码里的i = m + 1/j = m - 1，正是查字典时"丢弃含 $m$ 的那一半"的动作；而while i <= j的退出条件，则对应着"整个字典范围都已翻完、目标字不在其中"的情形。仓库中该章节还提供了二分查找的左闭右开区间变体binary_search_lcro（见同一文件），方便后续在 二分查找插入点、二分查找边界 等主题中切换区间定义。同样的实现还存在于根目录与各语言分目录的codes下（如 C、C++、Java、Go、Rust 等），它们共享同一套算法骨架。

例二：整理扑克 = 插入排序（insertion sort）

打牌时，每局开始前我们都会把手中的牌按从小到大重新排一遍，这个过程是：

1. 把牌堆划分为"已排序"与"未排序"两部分，初始时假设最左边的 1 张牌已有序；
2. 从未排序部分抽出 1 张牌，插入到已排序部分的正确位置，完成后最左 2 张牌有序；
3. 循环执行第 2 步，每轮从无序区取 1 张牌插入有序区，直到整副牌全部有序。

这种整理方法就是插入排序。正文特别指出：插入排序在处理小型数据集时非常高效，因此许多编程语言标准库的排序函数在小规模场景下都会选用它（例如与快速排序等混合使用的内省式排序）。它的关键优势在于：对于基本有序的小数组，元素移动次数少、常数开销低。

仓库对应的 Python 实现位于 ja/codes/python/chapter_sorting/insertion_sort.py：

def insertion_sort(nums: list[int]): """插入排序""" for i in range(1, len(nums)): # 外循环：已排序区间为 [0, i-1] base = nums[i] j = i - 1 while j >= 0 and nums[j] > base: # 内循环：将 base 插入已排序区间的正确位置 nums[j + 1] = nums[j] # 将 nums[j] 向右移动一位 j -= 1 nums[j + 1] = base # 将 base 放到正确位置

代码中"外循环维护已排序区间边界、内循环从右向左腾挪空位"的结构，与理牌时"左手持已有序牌、右手抽新牌向前比大小再插入"完全同构。插入排序的更完整理论（最好/最坏/平均时间复杂度分析、与选择排序的对比）见 插入排序章节，完整排序算法家族则收录在 排序章节索引。

例三：超市找零 = 贪心算法（greedy algorithm）

假设在超市购买 $69$ 元的商品，付给收银员 $100$ 元，需要找零 $31$ 元。在币值包含 $1$、$5$、$10$、$20$ 元的前提下，收银员的自然思路是：

1. 列出所有小于 $31$ 元的可选币值：$1$、$5$、$10$、$20$ 元；
2. 从可选项中取出面额最大的 $20$ 元，剩余 $31 - 20 = 11$ 元；
3. 再从剩余选项中取出最大的 $10$ 元，剩余 $11 - 10 = 1$ 元；
4. 取出最大的 $1$ 元，剩余 $1 - 1 = 0$ 元；
5. 找零完成，方案为 $20 + 10 + 1 = 31$ 元。

每一步都"在当前状态取看起来最好的选择"（尽量用大面额），最终得到一个可行方案——这就是贪心算法最朴素的原型：局部最优选择的累积，期望逼近全局最优解。

仓库将上述思想实现为通用函数 ja/codes/python/chapter_greedy/coin_change_greedy.py：

def coin_change_greedy(coins: list[int], amt: int) -> int: """零钱兑换：贪心""" i = len(coins) - 1 # 假设 coins 已按面额升序排列 count = 0 while amt > 0: # 找到面额不超过剩余金额的最大硬币 while i > 0 and coins[i] > amt: i -= 1 amt -= coins[i] # 选择 coins[i] count += 1 return count if amt == 0 else -1 # 若金额无法凑出则返回 -1

这个文件很值得细读：它的driver代码在同一函数下做了三组对照实验——在币值 $[1,5,10,20,50,100]$ 下，贪心能找到全局最优；而当币值改为 $[1,20,50]$、金额 $60$ 时，贪心会得到 $50+1\times10$ 共 $11$ 枚的错误结果，真正的最优解却是 $20+20+20$ 共 $3$ 枚；币值 $[1,49,50]$、金额 $98$ 时同理（贪心给出 $50+1\times48=49$ 枚，最优为 $49+49=2$ 枚）。这组实验直接揭示了贪心算法的重要局限：贪心只保证每步局部最优，不保证整体最优，能否得到最优解取决于问题与币值结构。对应理论详见 贪心算法章节 与 零钱兑换问题的精确解（动态规划）。

三个例子的共性：算法是"生活问题"的抽象

把三个例子并排看，一条清晰的脉络浮现出来：

从中可以提炼出本小节最重要的两个认知：

1. 数据结构的眼光：字典是一份有序"数组"，扑克牌堆是一份待维护的序列，币值是一组可枚举的"候选集合"——生活对象都可以用数据结构的抽象去审视；
2. 算法的眼光：砍半查找、原地插入、局部最优递推——这些操作模式一旦被命名、被抽象，就能脱离具体生活场景，迁移到海量的计算机问题中。

正文用一句话收束了这个递进关系：小到烹饪一道菜、大到星际航行，几乎所有问题的解决都离不开算法。而计算机的出现，让"通过编程把数据结构存入内存、再编写代码驱动 CPU/GPU 执行算法"成为可能——于是原本靠人力完成的生活问题得以转移到计算机上，以远高于人力的效率求解。

阅读提示与下一步

如果你对"数据结构、算法、数组、二分查找"这些词仍感到一知半解，请不要担心——这正是本节的预期效果。本节的目标不是让你立刻掌握定义，而是让你先感知到自己早已具备算法直觉，从而以更从容的心态进入后续章节。

在仓库中按阅读顺序推进，你的下一站是 what_is_dsa.md（数据结构和算法是什么），它会把本节的经验直觉上升为学科定义；随后进入 计算复杂度章节，学习如何量化"砍半查找到底有多快"这类问题。全文的动画图解与可交互演示可在本地构建后查看，运行方式参见仓库根目录 README.md；各算法示例文件（如上述 Python 文件）多为自包含脚本，在安装对应语言环境后可直接运行查看输出，例如：

# 以 Python 为例，运行二分查找示例（其余语言位于对应 codes 子目录） python3 codes/python/chapter_searching/binary_search.py

从"你早就会的算法"出发，这本《Hello 算法》将一步步带你把这些生活经验翻译成系统的数据结构与算法知识。

【免费下载链接】hello-algo《Hello 算法》：动画图解、一键运行的数据结构与算法教程。支持简中、繁中、English、日本語，提供 Python, Java, C++, C, C#, JS, Go, Swift, Rust, Ruby, Kotlin, TS, Dart 等代码实现项目地址: https://gitcode.com/GitHub_Trending/he/hello-algo