如何清晰的理解算法中的时间复杂度？

学过算法的朋友，对大 O（Big O）这个概念应该不陌生，它是用于计算算法复杂度的方法。

这个方法好像是伴随着算法而生的，在其他地方很少能够看到它。你有没有思考过大 O 的本质到底是什么意思？ 反正我自己从来都没有完全弄清楚过。

最近正好在看一些介绍算法的书籍，自然也是绕不过这个概念的。这次我抱着试试心态，想搞明白大 O 到底是什么，最终还真有一些收获，所以决定写下来，希望和我有同样困惑的朋友能少走点弯路。

大 O 其实是一个数学上的概念，是由数学家巴赫曼在 1892 年引入，并由另外一名数学家兰道推广的。

这篇文章我们就从数学上的大 O 开始，看看它是怎么成为算法复杂度分析方法的。

⛓️ 无穷大

这一切都要从"无穷大"这个概念说起。

关于无穷大的介绍，《从一到无穷大》这本书里的一个例子最为生动，我们不妨来看看：

设想有一家旅店，内设有限个房间，而且房间都已客满。这时候来了位新客，想订房间。店主说："对不起，所有客房都住满了。"

现在再设想另一家旅店，内设无限多个房间，所有房间也都客满。这时也来了为新客，想订房间。店主说："没有问题！" 接着，他就把 1 号房间里的旅客移到 2 号房间，2 号房间的旅客移到 3 号房间，3 号房间的旅客移到 4 号房间，以此类推，这一来，新客就可以住进了被腾空的 1 号房间。

这个例子是不是有些颠覆我们对无穷大的理解？

之前我们可能就觉得"无穷大"就是一个很大很大的数，没有哪个数比它更大了。从这个例子中我们能感受到无穷大不是一个静态的数，而是一个动态的趋势。

🎢 趋势的变化

既然无限大是一种无限增加的趋势，那么如何判断一个无穷大比另一个无穷大增长的更快呢？

我们用几个无穷大的数组做为示例。

自然数：

1，2，3，4，5，6，7，8，9，10...

偶数：

2，4，6，8，10，12，14，16，18，20...

自然数的平方：

1，4，9，16，25，36，49，64，81，100...

当这些数组趋于无穷大的时候，我们不太方便用平铺的方式列出数值，这时候函数可以很好的解决这个麻烦。

自然数：y1 = x （x为正整数）

偶数： y2 = 2x （x为正整数）

平方： y3 = x² （x为正整数）

我们将函数画成图像就可以清晰地看出它们增大的趋势，y1 < y2 < y3。

上面的函数，正好可以用对应初中物理中的速度和加速度的内容（x为时间，单位s，y为距离，单位m）。

y1 = x ，对应着初速度为 1(m/s) 的匀速运动。

y2 = 2x，对应着初速度为 2(m/s) 的匀速运动。

y3 = x²，对应着初速度为 0，加速度为 2(m/s²) 的加速运动。

三个函数都在增大，增大的趋势归根结底是速度变化的趋势 ，所以 y1 和 y2 可以是一类趋势（匀速运动），y3 是另一类趋势（加速运动）。

如何才能更好的区分这些趋势类型呢？

数学上有个方法：用函数相比之后的结果来区分。

比如 y1 和 y2，当 y1 / y2 时，不管 x 变成多大，结果都是 1/2。因此这种 y1 / y2 两个函数相比的结果是大于 0 的常数时，我们称这两个函数为同阶。

如果用 y3 和 y1 相比，y3 / y1 结果为 x，当 x 趋于无穷大的时候，结果就是无穷大。 因此这种 y3 / y1两个函数相比的结果是无穷大时，我们称 y3 是 y1 的高阶。

🚀 大 O 的数学意义

数学上，对于同阶的函数最好能用一个统一的符号表示，这样我们就可以快速地看出一个函数处于哪个阶，这时候大 O 这个符号就可以登场了。

假设函数 f(n) 和 g(n) 属于同阶，那么肯定存在一个大于 0 的常量 c，使得 f(n) / g(n) <= c。这时候我们称 f∈O（g） 也可以写成 f = O(g)。

这有意义吗？表面上看这满足了 f(n) <= c * g(n) 这个公式的成立。

同时，这也意味着当 n 趋于无穷大时，对于函数 f(n)，任意的同阶函数 g(n) 乘以一个常量 c 都会满足 f(n) <= c * g(n)。此时函数 c * g(n) 就是 f(n) 的上界（也称渐进上界，因为 n 是逐渐地趋于无穷大的）。

通常情况下，我们在写 O(g)时，g 函数会选择同阶函数中最简单的那个。

比如，之前介绍的 y1=x 和 y2=2x，它们的大 O 写成 O(x) 或者 O(2x) 都是正确，但是通常会选择最简单的那个 O(x)，所以这个阶中所有函数的大 O 都可以表示成 O(x)。

结合上面所说，大 O 意义，就是用最简单的方式，快速标记一个函数的同阶上界。

你看，大 O 的数学概念是不是特别简单，简单到你翻开《高等数学》都看不到它的踪影。

🔬 函数的阶

之前例子中函数比较简单，我们来看一个复杂一点的函数:

y = 3x³ - 1000x² + 5x - 7

我们先来确认一下这个函数的阶，用这个函数除以 x³。

<math xmlns="http://www.w3.org/1998/Math/MathML"> 3 x 3 − 1000 x 2 + 5 x − 7 x 3 = 3 − 1000 x + 5 x 2 − 7 x 3 \frac{3x^3 - 1000x^2 + 5x - 7}{x^3} = 3 - \frac{1000}{x} + \frac{5}{x^2} - \frac{7}{x^3} </math>x33x3−1000x2+5x−7=3−x1000+x25−x37

当 x 趋于无穷大时，所有分母中包含 x 的数都趋于 0 ，因此计算结果为 3，所以函数 y = 3x³ - 1000x² + 5x - 7 的大 O 为 O(x³)。

来看看随着 x 的增大，y 的变化趋势。

x	3x³	1000x²	5x	7	y
100	三百万	一千万	500	7	≈ 负700万
1百万	三百万万亿	一千万亿	五百万	7	≈ 三百万万亿

可以看到，当 x 等于 100 的时候，对 y 结果影响最大的还是 1000x²。

当 x 等于 1百万 时，3x³ 以外的其他结果都可以忽略了。

从这个变化趋势我们可以看出，当 x 趋于无穷大时，函数的结果只跟 x 最大次方的元素有关。

知道了这层关系，不需要通过计算，也可以直接写出函数 y = 3x³ - 1000x² + 5x - 7 的大 O ------ O(x³)。

这也进一步验证了之前的结论，大 O 可以快速地找到同阶函数，并以此找出增长趋势的渐近上界。

🎉 高德纳算法复杂度分析

我们暂时把目光转回到编程，思考一个问题：有没有一种公平的、一致的评判方法来对比不同算法的性能？

这个问题在计算机科学发展的早期，一直没有答案。

你想想在下面这两个场景下，你如何判断算法的好坏？

场景一：使用 1 万条数据进行测试，算法 A 运行 1 毫秒，算法 B 运行 10 毫秒。

场景二：使用 100 万条数据进行测试，算法 A 运行 10000 毫秒，算法 B 运行 6000 毫秒。

数据量少的时候，算法 A 表现好；数据量大的时候，算法 B 表现好。算法 A 和算法 B 到底哪个更好？这个问题换一种问法就是：如何制定一个标准来判断算法的好坏？

1965 年 Juris Hartmanis 和 Richard Stearns 首先提出了算法复杂的的概念，科学家们开始思考这个问题。最终，高德纳找到了方法将算法复杂度严格量化衡量，他也因此被称为"算法分析之父"。

是的，就是那个写出《计算机程序设计艺术》的大牛------高德纳。

高德纳算法复杂度分析的主要思想有两点：

在比较算法快慢的时候，只需要考虑数据量特别大，大到无穷大的情况。 为什么要考虑无穷大？因为计算机的发明就是为了处理大量数据的，而且数据会越来越多。
决定算法快慢的因素虽然有很多，但是所有的因素都可以被分为两类：第一类是不随数据变化的因素，第二类是随数据变化的因素。衡量算法好坏时，只需要考虑随数据变化到近乎无穷大的情况。

看到无穷大、变化趋势这些概念你会联想到什么？没错------大 O。这个在数学上不太起眼的概念，通过高德纳的搭线，从此在计算机科学领域大放异彩。

看一段函数复杂度的计算的例子：

java 复制代码

int cal (int n) {
    int sum = 0;    //1 Unit_Time
    int i = 1;      //1 Unit_Time

    for (i = 1; i <= n; i++){   //1 Unit_Time
        sum = sum + i;          //1 Unit_Time
    }

    return sum;     //1 Unit_Time
}

假设每条语句的运行时间都是相同的 1 个时间单位（Unit_Time），这时候就可以通过计算语句运行的次数来获取运行的时间：

for 循环之外有 3 条语句，时间是 3 * Unit_Time
for 循环本身算一条语句，运行 n 次，s时间是 n * Unit_time
for 循环内部有一条语句，运行 n 次，时间是 n * Unit_time

最终，总的时间为 (3 + 2n) * Unit_Time。

2n + 3 的大 O 是多少？通过之前数学概念的介绍，我们可以很快的得出 O(n)。

如果你熟悉大 O 的数学概念，就会知道它只记录 n 所在的最高阶，所以不需要向上面这样考虑每条语句，直接从 n 趋于无穷大的循环中就可以得出结果。

🎨 常见的算法复杂度

常见的算法复杂度有 O(n)、O(log(n))、O(n²)、O(nlog(n)) 等。

O(n)

java 复制代码

for (int i = 1; i <= n; i++)
{
    //some O(1) expressions
}

这跟之前的例子类似，循环会执行 n 次，算法的复杂度是 O(n)。

O(n²)

java 复制代码

for(int i = 0; i < n; i++)
{
    for(int j = 0; j < n; j++)
    {
        //some O(1) expressions
    }
}

循环有两层，外面一层循环 n 次，其中的每次又都会在内层中循环 n 次，所以最终的算法复杂度是 o(n²)。

O(log(n))

java 复制代码

for (int i = 1; i <= n; i = i*2)
{
    //some O(1) expressions
}

在上面的循环中，i 每次循环的值分别为：1, 2, 4, 8, 16,...., 2^k ，最终 n = 2^k 时停止，其中 k 就是循环的次数。这里使用对数 log 的概念，求得 k = log₂n。

无论 log 的底是多少，根据换底公式 log₃n = (log₃2 / log₂3) * log₂n，都可以转换成 c * log₂n, 所以算法复杂度去掉了底数，写出 O(logn)。

O(nlog(n))

java 复制代码

for(int i = 0; i < n; i++)
{
    for(int j = 0; j < n; j = j*2)
    {
        //some O(1) expressions
    }
}

这次是 O(n) 和 O(logn) 的结合，外层循环 n 次，其中每次又都会在内层中循环 logn 次，所以最终的算法复杂度是 O(nlog(n))。

✍️ 总结

著名数学家弗里曼.戴森曾经有一个形象的比喻：有些科学家像鸟，翱翔在高高的天空，俯瞰延伸至遥远地平线的广袤远景。他们喜欢那些统一我们思想、并将不同领域的诸多问题整合起来的概念。有些科学家像青蛙，生活在泥土里，只看到周围生长的花草。他们乐于探索特定问题的细节，一次只解决一个问题。

计算机科学的发展离不开这两类科学家的共同努力，而高德纳在这个领域就是那只鸟一样的科学家。他从算法复杂度的需求延伸出去，将数学领域的大 O 概念巧妙地整合到了算法领域。

也许你会听到大 O 算法复杂度有些许不足的讨论，但这些声音无法改变大 O 在评估算法复杂度方面的统治地位。

最后再补充一点，文章中介绍的算法复杂度，叫做时间复杂度，还有一种复杂度叫做空间复杂度，用于统计 n 趋于无限大时，所需要的内存空间的大小。

关于算法复杂度具体的应用，我们会在之后介绍排序算法历史的文章中详细讲解，到时候我们一起来聊聊科学家们是如何探索特定问题的细节，并解决问题的。

参考资料：

1\] [home.csulb.edu/\~tebert/tea...](https://link.juejin.cn?target=https%3A%2F%2Fhome.csulb.edu%2F~tebert%2Fteaching%2Flectures%2F328%2FbigO%2FbigO.pdf "https://home.csulb.edu/~tebert/teaching/lectures/328/bigO/bigO.pdf") \[2\] [tandy.cs.illinois.edu/big-oh.pdf](https://link.juejin.cn?target=https%3A%2F%2Ftandy.cs.illinois.edu%2Fbig-oh.pdf "https://tandy.cs.illinois.edu/big-oh.pdf") *** ** * ** *** **更多内容请关注我的公众号：dingtingli** ![mpweixin.jpg](https://file.jishuzhan.net/article/1733030942752116737/3904da034c520161dd89ef2b6dba8f7e.webp) WWH 系列文章列表： \[1\] [Why - 为什么 JS 更像一门编译型语言？](https://link.juejin.cn?target=http%3A%2F%2Fmp.weixin.qq.com%2Fs%3F__biz%3DMzI5NjA1MDQ4NA%3D%3D%26mid%3D2454608234%26idx%3D1%26sn%3D5b2b7c62d18f01ce5dfa7607bc86a12b%26chksm%3Dfbf0b331cc873a275a5f3d42081549feb668e9d1beea7ce78125c0a547728a9cb262ff266194%26scene%3D21%23wechat_redirect "http://mp.weixin.qq.com/s?__biz=MzI5NjA1MDQ4NA==&mid=2454608234&idx=1&sn=5b2b7c62d18f01ce5dfa7607bc86a12b&chksm=fbf0b331cc873a275a5f3d42081549feb668e9d1beea7ce78125c0a547728a9cb262ff266194&scene=21#wechat_redirect") \[2\] [What - 什么是依赖注入？](https://link.juejin.cn?target=http%3A%2F%2Fmp.weixin.qq.com%2Fs%3F__biz%3DMzI5NjA1MDQ4NA%3D%3D%26mid%3D2454608405%26idx%3D1%26sn%3D5237d417b8a7d26ff11a7fea13c42f3d%26chksm%3Dfbf0b04ecc873958d4c0764d0bf2552da9ebd36cac39b4222af1c47fcca562b8a772561146fb%26scene%3D21%23wechat_redirect "http://mp.weixin.qq.com/s?__biz=MzI5NjA1MDQ4NA==&mid=2454608405&idx=1&sn=5237d417b8a7d26ff11a7fea13c42f3d&chksm=fbf0b04ecc873958d4c0764d0bf2552da9ebd36cac39b4222af1c47fcca562b8a772561146fb&scene=21#wechat_redirect") \[3\] [What - 什么是 Big O？](https://link.juejin.cn?target=http%3A%2F%2Fmp.weixin.qq.com%2Fs%3F__biz%3DMzI5NjA1MDQ4NA%3D%3D%26mid%3D2454608780%26idx%3D1%26sn%3Dcc5a66e5653f05834a987deb805a0a01%26chksm%3Dfbf0b1d7cc8738c1b31566dcbb3daf5de950da27df4258cac0b800081b0748f6ae0f90b945b1%26scene%3D21%23wechat_redirect "http://mp.weixin.qq.com/s?__biz=MzI5NjA1MDQ4NA==&mid=2454608780&idx=1&sn=cc5a66e5653f05834a987deb805a0a01&chksm=fbf0b1d7cc8738c1b31566dcbb3daf5de950da27df4258cac0b800081b0748f6ae0f90b945b1&scene=21#wechat_redirect") \[4\] [How - 不同的语言都如何处理错误？](https://link.juejin.cn?target=http%3A%2F%2Fmp.weixin.qq.com%2Fs%3F__biz%3DMzI5NjA1MDQ4NA%3D%3D%26mid%3D2454609524%26idx%3D1%26sn%3D49a447dd1cef64fcd1f31878a954d216%26chksm%3Dfbf0b42fcc873d39c1b5734856980b9cb1dbccbdd0be93b65bce7c627454e3f464a6682241ff%26scene%3D21%23wechat_redirect "http://mp.weixin.qq.com/s?__biz=MzI5NjA1MDQ4NA==&mid=2454609524&idx=1&sn=49a447dd1cef64fcd1f31878a954d216&chksm=fbf0b42fcc873d39c1b5734856980b9cb1dbccbdd0be93b65bce7c627454e3f464a6682241ff&scene=21#wechat_redirect") \[5\] [How - 面向对象语言如何处理异常？](https://link.juejin.cn?target=http%3A%2F%2Fmp.weixin.qq.com%2Fs%3F__biz%3DMzI5NjA1MDQ4NA%3D%3D%26mid%3D2454609526%26idx%3D1%26sn%3Dfba1299fe5eb1263e7fffafe46efe747%26chksm%3Dfbf0b42dcc873d3b0e380429796733109f9b031e0e0bd566f7267746fa49091ba60b2b7ccbea%26scene%3D21%23wechat_redirect "http://mp.weixin.qq.com/s?__biz=MzI5NjA1MDQ4NA==&mid=2454609526&idx=1&sn=fba1299fe5eb1263e7fffafe46efe747&chksm=fbf0b42dcc873d3b0e380429796733109f9b031e0e0bd566f7267746fa49091ba60b2b7ccbea&scene=21#wechat_redirect") \[6\] [Why - 为什么排序算法复杂度上限是 O(NlogN)？](https://link.juejin.cn?target=http%3A%2F%2Fmp.weixin.qq.com%2Fs%3F__biz%3DMzI5NjA1MDQ4NA%3D%3D%26mid%3D2454609763%26idx%3D1%26sn%3D73eebf3a295e0d01ae75da17b5ec13b4%26chksm%3Dfbf0b538cc873c2e812fb71fb9316d9ec94d0e03c95847f36599cc0a16c4ccfc15b8ceda4d2a%26scene%3D21%23wechat_redirect "http://mp.weixin.qq.com/s?__biz=MzI5NjA1MDQ4NA==&mid=2454609763&idx=1&sn=73eebf3a295e0d01ae75da17b5ec13b4&chksm=fbf0b538cc873c2e812fb71fb9316d9ec94d0e03c95847f36599cc0a16c4ccfc15b8ceda4d2a&scene=21#wechat_redirect") 最近文章列表： \[1\] [需要多少内存来运行100万个并发任务？](https://link.juejin.cn?target=http%3A%2F%2Fmp.weixin.qq.com%2Fs%3F__biz%3DMzI5NjA1MDQ4NA%3D%3D%26mid%3D2454609478%26idx%3D1%26sn%3Dc81dccc2efe1b95cfdceaaac530cc68d%26chksm%3Dfbf0b41dcc873d0bf50accfda0575c2e119ef980e1c9c4d54f19e64ee11af83d08a4b7fa9207%26scene%3D21%23wechat_redirect "http://mp.weixin.qq.com/s?__biz=MzI5NjA1MDQ4NA==&mid=2454609478&idx=1&sn=c81dccc2efe1b95cfdceaaac530cc68d&chksm=fbf0b41dcc873d0bf50accfda0575c2e119ef980e1c9c4d54f19e64ee11af83d08a4b7fa9207&scene=21#wechat_redirect") \[2\] [在 C 语言中实现简单的哈希表](https://link.juejin.cn?target=http%3A%2F%2Fmp.weixin.qq.com%2Fs%3F__biz%3DMzI5NjA1MDQ4NA%3D%3D%26mid%3D2454609495%26idx%3D1%26sn%3D81c673d290296473614ec7692f771430%26chksm%3Dfbf0b40ccc873d1aebe70d42fadf30070f0e0b7ed411cfffcec35eb50755715d748d60db3a7b%26scene%3D21%23wechat_redirect "http://mp.weixin.qq.com/s?__biz=MzI5NjA1MDQ4NA==&mid=2454609495&idx=1&sn=81c673d290296473614ec7692f771430&chksm=fbf0b40ccc873d1aebe70d42fadf30070f0e0b7ed411cfffcec35eb50755715d748d60db3a7b&scene=21#wechat_redirect") \[3\] [成就卓越：事业成功的核心要素](https://link.juejin.cn?target=http%3A%2F%2Fmp.weixin.qq.com%2Fs%3F__biz%3DMzI5NjA1MDQ4NA%3D%3D%26mid%3D2454609503%26idx%3D1%26sn%3De81a7ba74839984e54cfe4f7486d18a7%26chksm%3Dfbf0b404cc873d12d47f3cae76755c0d43c3be53dd07bce4ccab7d52fd9d4aa93dc0b67b24fa%26scene%3D21%23wechat_redirect "http://mp.weixin.qq.com/s?__biz=MzI5NjA1MDQ4NA==&mid=2454609503&idx=1&sn=e81a7ba74839984e54cfe4f7486d18a7&chksm=fbf0b404cc873d12d47f3cae76755c0d43c3be53dd07bce4ccab7d52fd9d4aa93dc0b67b24fa&scene=21#wechat_redirect") \[4\] [C++异常处理的底层机制](https://link.juejin.cn?target=http%3A%2F%2Fmp.weixin.qq.com%2Fs%3F__biz%3DMzI5NjA1MDQ4NA%3D%3D%26mid%3D2454609673%26idx%3D1%26sn%3Df8d2de7717b42af2a8556b052579b90a%26chksm%3Dfbf0b552cc873c445fbf05973e0720000bf139710ec2fa65008c38c912439020effb3a3964c3%26scene%3D21%23wechat_redirect "http://mp.weixin.qq.com/s?__biz=MzI5NjA1MDQ4NA==&mid=2454609673&idx=1&sn=f8d2de7717b42af2a8556b052579b90a&chksm=fbf0b552cc873c445fbf05973e0720000bf139710ec2fa65008c38c912439020effb3a3964c3&scene=21#wechat_redirect") \[5\] [.git 目录里到底包含了什么？](https://link.juejin.cn?target=http%3A%2F%2Fmp.weixin.qq.com%2Fs%3F__biz%3DMzI5NjA1MDQ4NA%3D%3D%26mid%3D2454609762%26idx%3D1%26sn%3D2d3b08cfd88beec29f27bb501f115cc8%26chksm%3Dfbf0b539cc873c2f62df9f5ebf17568957187584ccf3d982958bd2ab87c624e2784e39223391%26scene%3D21%23wechat_redirect "http://mp.weixin.qq.com/s?__biz=MzI5NjA1MDQ4NA==&mid=2454609762&idx=1&sn=2d3b08cfd88beec29f27bb501f115cc8&chksm=fbf0b539cc873c2f62df9f5ebf17568957187584ccf3d982958bd2ab87c624e2784e39223391&scene=21#wechat_redirect") \[6\] [看图聊算法：一个游戏让你理解二分法的本质](https://link.juejin.cn?target=http%3A%2F%2Fmp.weixin.qq.com%2Fs%3F__biz%3DMzI5NjA1MDQ4NA%3D%3D%26mid%3D2454609685%26idx%3D1%26sn%3D789b352a289ee9a9a5a0395448fbc0b3%26chksm%3Dfbf0b54ecc873c580fdf833e4ba6aba29771c78bc26ecca5dee7245e819e49de962aee39c35a%26scene%3D21%23wechat_redirect "http://mp.weixin.qq.com/s?__biz=MzI5NjA1MDQ4NA==&mid=2454609685&idx=1&sn=789b352a289ee9a9a5a0395448fbc0b3&chksm=fbf0b54ecc873c580fdf833e4ba6aba29771c78bc26ecca5dee7245e819e49de962aee39c35a&scene=21#wechat_redirect") \[7\] [看图聊算法：超越二分法，探索大厂经典面试题](https://link.juejin.cn?target=http%3A%2F%2Fmp.weixin.qq.com%2Fs%3F__biz%3DMzI5NjA1MDQ4NA%3D%3D%26mid%3D2454609698%26idx%3D1%26sn%3D7a65dc149f2c1da8ebc15e91e7d17f43%26chksm%3Dfbf0b579cc873c6f6637ceb38c800865ca5f1e36f087940a629c104ef4fc272b79b5b3dd925e%26scene%3D21%23wechat_redirect "http://mp.weixin.qq.com/s?__biz=MzI5NjA1MDQ4NA==&mid=2454609698&idx=1&sn=7a65dc149f2c1da8ebc15e91e7d17f43&chksm=fbf0b579cc873c6f6637ceb38c800865ca5f1e36f087940a629c104ef4fc272b79b5b3dd925e&scene=21#wechat_redirect") \[8\] [看图聊算法：插入排序，使用频率最高的排序算法](https://link.juejin.cn?target=http%3A%2F%2Fmp.weixin.qq.com%2Fs%3F__biz%3DMzI5NjA1MDQ4NA%3D%3D%26mid%3D2454609789%26idx%3D1%26sn%3D4a3a2c271c6addb6cbbf92abbaed3893%26chksm%3Dfbf0b526cc873c309dc1384d09359032028bc176bc71166214a42103b3a526d601dd2849b46c%26scene%3D21%23wechat_redirect "http://mp.weixin.qq.com/s?__biz=MzI5NjA1MDQ4NA==&mid=2454609789&idx=1&sn=4a3a2c271c6addb6cbbf92abbaed3893&chksm=fbf0b526cc873c309dc1384d09359032028bc176bc71166214a42103b3a526d601dd2849b46c&scene=21#wechat_redirect") \[9\] [看图聊算法：归并排序的原理与优化](https://link.juejin.cn?target=http%3A%2F%2Fmp.weixin.qq.com%2Fs%3F__biz%3DMzI5NjA1MDQ4NA%3D%3D%26mid%3D2454609846%26idx%3D1%26sn%3D1e2ea7ab24c5de0e70fb4e474bf8b1dc%26chksm%3Dfbf0b5edcc873cfb2858ef544bc6cdb2eec5f1400b1355dfedd02aaae4cc586b399a45941bff%26scene%3D21%23wechat_redirect "http://mp.weixin.qq.com/s?__biz=MzI5NjA1MDQ4NA==&mid=2454609846&idx=1&sn=1e2ea7ab24c5de0e70fb4e474bf8b1dc&chksm=fbf0b5edcc873cfb2858ef544bc6cdb2eec5f1400b1355dfedd02aaae4cc586b399a45941bff&scene=21#wechat_redirect") \[10\] [看图聊算法：冯·诺依曼的第一个计算机程序](https://link.juejin.cn?target=http%3A%2F%2Fmp.weixin.qq.com%2Fs%3F__biz%3DMzI5NjA1MDQ4NA%3D%3D%26mid%3D2454609864%26idx%3D1%26sn%3Ddc220fb01afba6abba6940e87d75a4fc%26chksm%3Dfbf0b593cc873c85d2cfca6fb318b71a129f55e3a2ed3a67181dbeff062b7fe8e9d47418687c%26scene%3D21%23wechat_redirect "http://mp.weixin.qq.com/s?__biz=MzI5NjA1MDQ4NA==&mid=2454609864&idx=1&sn=dc220fb01afba6abba6940e87d75a4fc&chksm=fbf0b593cc873c85d2cfca6fb318b71a129f55e3a2ed3a67181dbeff062b7fe8e9d47418687c&scene=21#wechat_redirect")