算法问题是软件工程面试事实上的标准：谷歌、Facebook和许多其他公司都在使用它们。很难说这是否是进行技术面试的最佳方式，但算法思维对于软件工程师来说是一项宝贵的技能。这是众所周知的事实，但对事物有直觉总是好的，而不仅仅是事实的知识。在关于玩具金字塔的故事中，有一个有趣的时刻，主角被赋予了组装尽可能高的金字塔的任务。一个从小到大的项目的玩具故事主角很简单：从一个积木开始，然后在第一个积木之后再放置三个积木，在其上放置另一个积木，并继续以类似的时尚水平添加新积木。我们使用一个循环公式来计算达到一个新级别需要多少块/时间：N(level)=level*2+1+N(level-1)这个公式基本上遵循构建过程，执行这个的代码计算如下所示：funccountBlocks(levelint)int{if(level==0){return1;}returnlevel*2+1+countBlocks(level-1)}平凡的递归函数。然而，这段代码并不是最优的：每个新的方法调用都需要在调用堆栈中有一个新的条目，这会占用一些空间。在我们的例子中，我们有一个递归，但这是一种称为“尾递归”的特殊情况，可以用for循环代替。如果有人想计算1,000,000的值，基于循环的代码会执行（除非int可能溢出），而基于递归的版本可能会耗尽内存。重构后的代码如下所示：funccountBlocks(finalLevelint)int{seconds:=1//startingwithMVPforl:=0;l<最终等级；l++{seconds+=(finalLevel-l)*2+1}returnseconds}我们从第0层开始，计算该层所需的块数，然后进入下一层，直到到达最后一层。这是非常有道理的。然而，这个解决方案也不是最优的。如果我们重新审视我们的问题，我们可能会得出一个最优解。我们会做什么？我们需要计算需要多少块才能将金字塔添加一层。到目前为止，我们已经开发出一种方法来计算放置在金字塔顶部的块数，从而为金字塔添加一个级别。但是，如果我们不在金字塔顶部添加块，而是构建一个新的底层呢？那么要算出需要多少块就没那么容易了：底是一个正方形，正方形的面积就是正方形的边的平方！因此，最优解是：funccountBlocks(levelint)int{side:=level+1//Sincewestartwithlevel0returnside*side}这个解是帕累托最优的：它更简洁，更高效，更不容易发生错误。我们的第一个优化很好，但要获得最佳解决方案，我们必须评估如何获得答案，而不是如何最好地优化现有方法。为了获得最佳解决方案，我们首先提出问题并以某种方式获得EricEvans所说的突破-一种在解决方案是简单方法时查看所述问题的方式。是的，我们可以通过计算应该添加到现有级别的所有块来得到答案，但是当我们只计算构建下一个底层级别所需的块数时，这种解决方案不必要地复杂。达到突破的时刻更像是一门艺术，但了解计算机科学的发现可能会非常有帮助。幸运的是，最好的大学提供包括以下材料的在线课程：TimRoughgarden的（斯坦福大学）算法专业化——一门很好的深度课程，完全侧重于具有挑战性的作业的算法（使用任何编程语言来完成作业）·算法第1部分和RobertSedgwick（普林斯顿大学）的第2部分-也是一门具有困难任务的深入课程，但侧重于算法及其在Java中的实现。（本文翻译自YanBabitski的文章《The power of algorithms》，参考：https://medium.com/@yan.babit...
