1.4 程序=数据结构+算法

程序员首先要有自己的想法，而写程序只是为了实现自己的想法而已。

而程序员的想法就是用数据结构+算法来描述的。如果程序是一个人，正确的数据结构就像是强壮的体格，高效的算法就像是高尚的性格，而语言，只是一件外衣而已。不同的场景，你会穿不同的外衣，而且外衣可能还有一定的流行趋势，但这些真的不重要。

纠结于语言的程序员，就像是只关注外衣是否漂亮的小姑娘。凡是能够流传千古的作品，你会发现都是不穿衣服的，如图1-10 所示的罗丹的思想者；更有甚者，不仅衣服没有了，就连两个胳膊都是多余的，如维纳斯。

1.4.1 数据结构

数据结构是任何计算机专业的必修课，但是目前有些程序员越来越不重视它。不重视它并不是因为它不重要，而是目前市面上两种主流的面向对象高级语言C++和Java 中，都包含比较完整的基本数据结构的库实现，它们分别是C++中的Standard Template Library(STL)库和Java中的Container类。对用户来说，只要直接拿来使用就可以了。

为了使某种特定的数据结构能够支持所有的数据类型，C++和Java 分别使用了两种泛型技术，分别是C++的模板技术和Java 中面向对象的继承技术，如程序1-1所示。

在Java中，所有的数据类型都继承于Object，同时ArrayList 支持装入任何继承于Object 的数据类型，用一句俗话讲就是：“ArrayList 是一个筐，乱七八糟都可以装。”不过需要注意，从ArrayList 中取出数据的时候需要转换回正确的原始类型，如果没有转换回原始的类型，运行时就会出错，同时转换也有一定的效率损失。

程序1-1 C++和Java 的两种泛型技术

1 /*java实现*/

2 ArrayList List = new ArrayList();

3 List.Add(1);

4 List.Add("string"); /*正确*/

5 /*C++实现*/

6 vector＜int＞ v1;

7 v1.push_back(1);

8 v1.push_back("string"); /*错误*/

C++的模板技术就没有类似的问题。你在声明一个vector对象的时候，必须如程序1-1 中第6行所示，指定它要保存的数据类型为int，以后这个v1只能存入你指定的数据类型int了。对于模板技术，C++的STL无疑是模板技术的杰出代表，目前它已经成为C++语言标准的一部分，可见确实不同凡响。对于STL 有三层境界，第一层为会用STL，大家可以参考《Effective STL》 [6] 。第二层为明白其中的原理，对应的参考书为《STL 源码剖析》 [7] 。借用书中的一段话为：“源码之前，了无秘密”，确实如此。第三层为能扩充STL，这个层次就需要你自己来写本参考书了。

关于泛型技术的模板实现和继承实现，也有很多优劣的争论。吵架这种事通常我都会躲得很远，这次我依然不例外。值得注意的是，新版的Java 也支持模板技术。你需要根据特定的场合来决定使用哪种方法。

有趣的是，当有人在热烈争论模板好还是继承好的时候，还有些工程师却在认真地思考，最终他们写出了这样的C++语句：class String: public Array＜char,String＞。这种混合使用继承和模板的技术详细的讨论可以参考《ATL Internals》 [8] 的Appendix A。利用模板可以避免继承中动态绑定的效率代价。利用继承可以提供模板技术不能提供的多态行为，这种思想可谓鱼和熊掌兼得。基于这种思想，微软建立了一套用于快速开发组件（COM）的Active Template Library(ATL)。可见，少批评、多借鉴、多思考才是我们对待不同技术的正途。

虽然有了很多优秀的数据结构库实现，但是我们还需要认真学习数据结构的基本知识和思想。现实世界中的问题往往比较复杂，很难用一两种基本的数据结构来模拟和解决，往往需要你综合利用各种基础的数据结构。同时，用户的需求千变万化，千差万别，有的时候需要你构造一个全新的数据结构才行。这些都要求你有扎实的数据结构基础知识。

1.4.2 算法

算法到底是什么？以下是Wikipedia 的定义：an effective method expressed as a finite list of well-defined instructions for calculating a function. In simple words an algorithm is a step-by-step procedure for calculations。如果你不明白也没关系，其实我也不明白。算法本身就没有一个准确的、排它性的定义，正可谓：“道可道，非常道！”

你可以不知道算法的准确定义，但是一定要知道算法很重要。算法是计算机科学的核心，如果没有算法，计算机几乎不配再称为科学。虽然计算机语言和开发平台日新月异，但万变不离其宗的还是那些算法和理论。是否精通算法是菜鸟和老手的区别，也是低薪和高薪的区别。IT领域500强公司面试基本上都是算法题。算法也是区分一般任务和艰巨任务的一个指标。一般任务就是指做一个网站，只会给你3千块钱，是产业链的低端；而艰巨任务就是指解决北京的交通问题，国家会给你10个亿的。但是这种问题，绝对是一个算法密集性问题。

描述算法有两种方法，一种是利用流程图方式，如图1-11所示。

这个算法是我最钟爱的一个算法，每当生活中出现一些烦心事，这个算法都能给我终极的答案。这就是一个好的算法的威力所在。

另外一种描述算法的方法是基于伪代码方式，如图1-12所示。比起流程图，它更加精练，也更贴近实现算法的代码，所以目前伪代码的表示方式应用得比较广。

你想知道Algorithm 1 是怎么生成的吗？其实我早就等你问这个问题了！首先它不是画出来的，而是自动生成的。它是用LaTeX 软件并利用了algorithm2e.sty 包编写完成的。生成Algorithm 1 的Latex 源码内容如图1-13 所示。有了LaTeX 下这些功能扩展包，撰写计算机语言的书籍变得如此便捷和充满乐趣。有关LaTeX 的一本经典参考书是《The Latex Companion》 [9] 。

LaTeX 与Word 是目前两种主流的文本编辑系统，在使用便捷性和学习难度上，Word 明显优于LaTeX，这点从Algorithm 1 的LaTex 源码上你就能有所体会。仅“所见即所得”一项，LaTeX 就弱爆了。但如果应用在学术报告、科技论文以及教材方面，Word 就有些力不从心了。至少如此美观、整齐的Algorithm 1，利用Word 是很难高质量、大批量地生成出来。关于LaTeX 与Word 的区别，大家可以参考本书网站上“扩展内容”网页中的“LaTex 和Word 的不同”。

LaTeX是基于TeX的一个排版系统，TeX是一个很好的排版工具，特别是在处理复杂的数学公式时。提起TeX，就必须提到它的开发者、大名鼎鼎的美国计算机教授高德纳（Donald E. Knuth）。高教授还撰写了《The Art of Computer Programming》一套书，计划写7卷，目前完成了前4卷。本套书在1999年底被美国国家期刊（American Scientist）列为20 世纪最佳12部学术专著之一，与狄拉克的量子力学、爱因斯坦的相对论齐名。

在中国，本书被称为算法领域的“葵花宝典”。光凭“葵花宝典”这个比喻，就已经吓得我直到现在都没有胆量去读。所以我选择了一本相对初级的“独孤九剑”来读，那就是《算法导论》 [10] 。等以后我的功力增长到一定程度，再和媳妇商量商量，然后再去读“葵花宝典”。

算法很有用，但是，算法真的很难学，需要一些抽象的思维和数学基础，不是一朝一夕就能搞定的。我的建议是，如果你立志当一名程序员，就要把学算法、用算法当成毕生的事情，所以我们的口号就是：“随时随地快乐学”。记住，任何一本算法书都应该随时、随地拿来读，不要指望着几天读完了事、收工。 j/3cegXvx6jM/oSKSvNbJkfRIqWiZu8ppbCFjSMBmDjSnNrY7flK9RzI8nagvgp4