کنکور کامپیوتر

الگوریتم چیست به زبان ساده؟ با 17 فیلم رایگان از الگوریتم

براستی الگوریتم چیست؟ به زبان ساده الگوریتم بیان‌گر نحوه حل گام به گام یک مسئله است. این مقاله به بررسی 0 تا 100 الگوریتم و فلوچارت با حل 10 مثال پرداخته

سلام به همه شما دانش آموزان و دانشجویان عزیز، به کامل‌ترین صفحه‌ای که تا حالا برای معرفی و بررسی الگوریتم در وب فارسی وجود داشته خوش اومدید 😉 . اگر فکر می‌کنید موضوعی هست که توی این صفحه وجود نداره حتما پایین همین صفحه و توی قسمت نظرات به ما اعلام کنید که اضافه کنیم.

برای راحتی شما عزیزان برخی از قسمت‌های مهم رو در زیر براتون لیست کردیم، روی هر کدوم از لینک‌های زیر کلیک کنید صفحه میره روی اون مورد، اما محتوای این صفحه فقط به همین موارد محدود نمیشه، و مواردی نظیر بررسی کاربرد الگوریتم در برنامه نویسی، پیچیدگی الگوریتم چیست، معرفی 26 الگوریتمی که هر برنامه نویسی باید از آن آگاه باشد، مزایا و معایب الگوریتم، بررسی تفاوت میان برنامه و انواع روش‌های حل مسائل و ... در این صفحه وجود دارد. پس با ما همراه باشید.

  1. فیلم معرفی الگوریتم
  2. فیلم بررسی ویژگی هایی که یک الگوریتم باید داشته باشد
  3. فیلم تاریخچه الگوریتم
  4. فیلم کاربردهای الگوریتم در زندگی روزمره
  5. فیلم حل تشریحی تمرین‌ها و مثال‌های کتاب کار و فناوری دانش آموزان
  6. فلوچارت چیست و دانلود رایگان نرم افزار کشیدن فلوچارت

دانش الگوریتم از جمله علومی است که ایده ابداع آن از زندگی انسان‌ها الگوبرداری شده است. اما چطور؟ مغز انسان برای انجام بسیاری از کارهای شخصی روزانه دارای الگوریتم مشخص و از پیش تعیین شده است و گاهی اوقات هم، ما بصورت کاملاً ناآگاهانه الگوریتم مشخصی را انتخاب و استفاده می‌کنیم. اما زمانی‌که فعالیت و مسئله‌ها پیچیده‌تر می‌شوند، بیش از هر زمان دیگری نیازمند یک برنامه‌ای دقیق هستیم که بهترین عملکرد را داشته باشیم. در ادامه مقاله با ما همراه باشید تا شما را با شرح کامل و جامعی از علم الگوریتم آشنا کنیم و همچنین تعریف الگوریتم به زبان ساده را بیان کنیم.

الگوریتم چیست به زبان ساده

برنامه‌ریزی جهت اجرای صفر تا صد یک کار را الگوریتم می‌گویند. یک الگوریتم شامل n ورودی و در نهایت یک خروجی است. شرط برقرار بودن یک الگوریتم این است که حتما زمان اجرای محدود داشته باشد و به اتمام برسد. هرکاری که در دنیای واقعی انجام می‌شود شامل یک الگوریتم است.

به‌عنوان مثال الگوریتم زندگی روزانه یک انسان به این صورت است که صبح از خواب بیدار می‌شود، مسواک می‌زند، به محل کار می‌رود، به خانه بازمی‌گردد و در انتهای شب الگوریتم آن انسان پایان یافته و به خواب می‌رود. این موضوع در دنیای ماشین‌ها بسیار حائز اهمیت است. تمام پردازنده‌ها، سیستم‌عامل‌ها، برنامه‌های کامپیوتری و ... براساس الگوریتم‌های خاصی کار می‌کنند و به کاربر سرویس ارائه می‌دهند، در ادامه الگوریتم با جزئیات بیش‌تری مورد بررسی قرار می‌دهیم.

تعریف الگوریتم به زبان ساده

الگوریتم چیست؟  در ریاضیات و علوم کامپیوتر به مجموعه‌ای از مراحل و فرآیندهای متوالی برای حل یک مسئله و یا انجام محاسبات الگوریتم (Algorithm) گفته می‌شود. الگوریتم‌ها فهرست دقیقی از دستورالعمل‌ها هستند که با ترتیب خاصی اجرا شده و خروجی مورد نظررا به‌دست می‌آورند. آن‌ها می‌توانند بسته به آنچه که شما می‌خواهید ساده و پیچیده باشند.

شاید دستورالعمل پخت غذا و یا کیک مثال خوبی برای درک بهتر معنای الگوریتم باشد. یک آشپز برای طبخ غذای جدید، دستورالعمل و مراحل پخت را به ترتیب خوانده و آن‌ها را یکی یکی و به ترتیب اجرا می‌کند. به‌علاوه اینکه در هر مرحله مواد مورد نیاز را تهیه و به غذا اضافه می‌کند (مواد را می‌توان بعنوان ورودی در نظر گرفت) و نتیجه به دست آمده این است که غذای جدید (خروجی) کاملاً پخته و آماده سرو است.

در واقع شما هر بار که از تلفن، رایانه، لپ تاپ یا ماشین حساب خود استفاده می‌کنید، در پشت صحنه آن یک الگوریتم در حال خواندن و اجرا شدن است. الگوریتم ها مستقل از زبان‌های برنامه‌نویسی هستند، یعنی می‌توانند در هر زبانی پیاده‌سازی و خروجی یکسانی داشته باشند و وظیفه یک فرد بعنوان برنامه‌نویس آن است که الگوریتم را به برنامه‌ای قابل اجرا در کامپیوتر تبدیل کند

الگوریتم‌ها دارای ورودی، خروجی و مجموعه‌ای از قوانین محدود هستند

یک الگوریتم چگونه کار می‌کند؟

دنیای کامپیوتر پر از کلمات کلیدی مانند هوش مصنوعی، ابررایانه، یادگیری ماشین، محاسبات کوانتومی و خیلی از لغات دیگر است اما شاید در این میان، کلمه الگوریتم جزو یکی از واژگان پرتکرار و معروف در علم کامپیوتر است.

در کلی‌ترین مفهوم، یک الگوریتم مجموعه‌ای از دستورالعمل‌ها است که به رایانه می‌گوید، چگونه مجموعه‌ای از حقایق جهان را به اطلاعات مفید تبدیل کند. مرتب‌سازی مجموعه اعداد گرفته شده، یافتن مسیرها از طریق نقشه و حتی نمایش اطلاعات بر روی صفحه نمایش نمونه‌هایی از اجرای یک الگوریتم خاص هستند.

پوشیدن لباس در هنگام صبح و آماده شدن برای رفتن به محل کار و یا دانشگاه یکی از مثال‌هایی است که از اجرای یک الگوریتم ساده در مغز انسان نشأت می‌گیرد. اما اگر قرار باشد این روند را یادداشت کنید و به یک کودک 5 ساله آموزش دهید، چگونه آن را انجام می‌دادید؟ پاسخ این سوال به روشی دقیق، ساختار الگوریتم را تشکیل می‌دهد.

در فیلم زیر الگوریتم بصورت ساده توضیح داده شده است، سپس در مورد ورودی و خروجی‌های الگوریتم و نحوه رسم فلوچارت یک الگوریتم صحبت شده است و در آخر مثال ساده ای از الگوریتم زده شده و همین طور فلوچارت الگوریتم رسم شده است

مراحل نوشتن یک الگوریتم را می‌توان به سه بخش تعریف ورودی، انجام محاسبات و نمایش خروجی تقسیم کرد.

تعریف ورودی الگوریتم (Input)

ورودی‌ها اطلاعاتی هستند که یک الگوریتم در هنگام تصمیم گیری به آنها نیاز دارد. وقتی صبح می‌خواهید لباس بپوشید به چه اطلاعاتی نیاز دارید؟ قبل از هر چیز باید بدانید چه لباس‌هایی در کمدتان در دسترس شماست و بعد از آن مواردی مانند دما، پیش‌بینی آب و هوا در طول روز و یا حتی برخی از ترجیحات شخصی را در انتخاب لباستان در نظر می‌گیرید.

همه این موارد بعنوان ورودی یک الگوریتم در نظر گرفته می‌شوند. در برنامه نویسیبرنامه نویسی کامپیوتر چیست و چطور می توانید یک برنامه نویس موفق شوید؟برنامه نویسی کامپیوتر چیست و چطور می توانید یک برنامه نویس موفق شوید؟در عصر فعلی برنامه‌نویسی یکی از پرطرفدارترین شغل‌های دنیاست، دغدغه‌‌ای افرادی که می‌خواهند در مسیر برنامه‌نویس شدن قدم بردارند این است که نمی‌دانند از کجا باید شروع کنند، در این صفحه هر آن چه برای تبدیل شدن به یک برنامه نویس حرفه ای نیاز دارید در اختیارتان قرار گرفته است، ورودی‌ها اغلب به صورت مجموعه‌های ساده‌ای از اعداد، کلمات (رشته) و یا انواع مختلف دیگری از داده‌ها تعریف می‌شوند. برای مثال، دما یک عدد است و پیش‌بینی آب و هوا ممکن است کلماتی مانند «بارانی» یا «آفتابی» باشد.

مرحله محاسبات در الگوریتم

در ساختار یک الگوریتم، واحد محاسبات قلب الگوریتم نامیده می‌شود. این بخش شامل سه بخش محاسبات ریاضی، تصمیم‌گیری (شرطی) و تکرار است. اما این بخش برای مثال لباس پوشیدن چگونه بیان می‌شود؟ اینکه کت بپوشید ممکن است به دما بستگی داشته باشد و اینکه کدام ژاکت را انتخاب کنید ممکن است به پیش بینی هوا در طول روز وابسته باشد (واحد محاسبات) . به زبان کامپیوتر، بخشی از الگوریتم لباس پوشیدن اینگونه بیان می‌شود "اگر هوا زیر 25 درجه است و باران می بارد، یک کت بارانی و پیراهنی آستین بلند برای پوشیدن زیر آن انتخاب کن. (واحد تصمیم‌گیری)

نمایش خروجی الگوریتم (Output)

در نهایت، آخرین مرحله یک الگوریتم بیان پاسخ یا خروجی است. خروجی‌ها نیز همانند ورودی به صورت انواع مختلفی از داده‌ها بیان می‌شوند و در مواردی ممکن است، خروجی یک الگوریتم بعنوان ورودی الگوریتم دیگری بکار رفته باشد و بدین ترتیب الگوریتم های بزرگ تر را سازماندهی کرد و برای مسائل پیچیده پاسخی مناسب یافت.

حال اگر به مثال خودمان برگردیم، خروجی پوشیدن لباس را می‌توان در قالب نظر یک همکار در مورد زیبایی لباس‌تان و یا نگاه اطرافیان به شما بیان کرد. حتی اگر روز کاری بر وفق مرادتان پیش رود ممکن است یک عکس سلفی هم بگیرید و آن را بر روی شبکه‌های اجتماعی مانند اینستاگرام قرار دهید و بازخورد آن را  بعنوان خروجی در نظر بگیرید.

مثال الگوریتم

فهمیدن مفهوم الگوریتم بسیار مهم است، در خصوص اهمیت آن همین بس که اشاره کنیم که در کشور ما آموزش مفهوم الگوریتم از ششم دبستان و در درس کار و فناوری شروع می‌شود. بنابراین برای اینکه ساده‌تر و عمیق‌تر با مفهوم الگوریتم آشنا شوید، برای شما فیلم‌هایی آماده کردیم که در آنها مثال‌های ساده‌ای از الگوریتم‌ها و آورده‌ایم، همین طور فلوچارت این الگوریتم‌ها رسم شده است.

مثال 1: الگوریتمی و فلوچارتی که دو عدد را دریافت می‌کند و نشان می‌دهد کدام عدد بزرگتر است.

مثال 2: الگوریتم و فلوچارتی که یک عدد را دریافت کند و به ما بگوید که آن عدد زوج است یا فرد.

فلوچارت‌هایی که در فیلم‌های بالا رسم شده است با استفاده از نرم افزار EdrawMax رسم شده است، که می‎‌توانید این نرم افزار را در همین صفحه و در قسمت آموزش فلوچارت بصورت رایگان دانلود کنید و از آن استفاده کنید.

برای مشاهده مثال های بیشتری از الگوریتم و رسم فلوچارت روی لینک زیر کلیک کنید:

مثال های بیشتری از الگوریتم و رسم فلوچارت

تعریف پیشرفته تری از الگوریتم

‌در فیلم زیر تعریف علمی‌تر و دقیق‌تری از الگوریتم آورده شده است

ویژگی‌ های الگوریتم چیست؟

‌برای نوشتن یک الگوریتم لازم است استانداردهایی رعایت شود تا بهترین عملکرد و بهینه‌ترین پاسخ را داشته باشد. به طور مشخص برای هر الگوریتم، شش ویژگی در نظر گرفته شده که با جنبه‌های مختلفی از آن سروکار دارد. در ادامه هریک از ویژگی‌ های الگوریتم را بطور مجزا مورد بحث قرار داده‌ایم. همچنین فیلمی در زیر در اختیار شما عزیزان قرار داده‌ایم که به بررسی این موضوع می‌پردازد که یک الگوریتم چه ویژگی‌ها و خواصی باید داشته باشد.

  1. ورودی‌ها به خوبی تعریف شده باشند : ورودی داده‌ای است که در طول محاسبات برای تولید خروجی توسط کدهای دستوری مصرف می‌شود. یک الگوریتم باید دارای ورودی‌های کاملاً تعریف شده باشد که در آن نوع داده، میزان دریافتی و نحوه ورود آن‌ها توسط الگوریتم به طور واضح مشخص است.
  2. خروجی‌ها به خوبی تعریف شده باشند : خروجی داده‌های حاصل از محاسبه (نتیجه مورد نظر شما) است. یک الگوریتم باید یک یا چند خروجی کاملاً تعریف شده داشته باشد و با خروجی مورد نظر مطابقت داشته باشد. میزان سنجش دقت خروجی مستلزم داشتن اطلاعاتی نظیر نوع داده، مقدار و نحوه نمایش آن است. (اگر الگوریتم دارای چند خروجی باشد باید خصوصیات هریک از آن‌ها به طور کاملاُ مشخص تعیین شده باشد.)
  3. واضح و بدون ابهام : الگوریتم باید دارای قطعیت باشد و هر یک از مراحل آن از همه جهات روشن و جزئیات هر مرحله مشخص شود (از جمله نحوه رسیدگی به خطاها). قطعیت یعنی مشخص کردن توالی عملیات برای تبدیل ورودی به خروجی. این الگوریتم باید شامل همه چیزهای کمی باشد و نه کیفی. اگر خودتان در مورد آن ابهام دارید، نمی توانید انتظار داشته باشید که کامپیوتر چیزی را بفهمد!
  4. امکان‌پذیر : الگوریتم باید ساده، عمومی و کاربردی باشد تا بتوان با منابع موجود آن را اجرا کرد. اگر الگوریتم دارای مراحل زائد و غیرضروری باشد آن را عملاً بی‌اثر و ناکارآمد خواهد کرد. درحال پختن غذا هستید و سبزیجاتی را که در دستور غذا استفاده نشده‌اند، خرد می‌کنید و این کار عملاً اتلاف وقت است.

  5. متناهی بودن : هر الگوریتمی باید در نهایت متوقف شود و توقف به این معناست که یا الگوریتم خروجی مورد انتظار را تولید کرده و یا جوابی برای آن مسئله پیدا نکرده است. بهرحال الگوریتم ها بایستی پس از طی تعداد محدودی از مراحل خاتمه پیدا کنند و زمان اجرای آن‌ها محدود باشد و پس از گذشت زمانی معقول خاتمه یابد.

  6. مستقل از زبان : الگوریتم طراحی‌شده باید مستقل از زبان باشد، یعنی بصورت مجموعه‌ای از دستورالعمل‌های ساده‌ای باشد که قابلیت پیاده‌سازی در هر زبان برنامه‌نویسی را داشته باشد و در عین حال خروجی یکسانی را بدهد.

  7. پیچیدگی زمانی و مکانی

ویژگی هایی که یک الگوریتم باید داشته باشد در یک نگاه

Characteristics of an Algorithm

برای طراحی یک الگوریتم برای یک مسئله چه مراحلی را باید طی کنیم؟

در فیلم زیر به بررسی مراحلی که برای طراحی یک الگوریتم باید طی شود پرداخته‌ایم.

پیچیدگی الگوریتم چیست؟

اساسا هر الگوریتمی، برای اجرا نیاز به زمان دارد و همچنین علاوه برزمان، فضاهایی را در حافظه اشغال می‌کند. یکی از چالش‌های بزرگ در حوزه الگوریتم، نوشتن الگوریتم‌هایی با پیچیدگی زمانی پایین است. هرچه پیچیدگی زمانی الگوریتم را کاهش دهیم، سرعت اجرای الگوریتم ها بیشتر خواهد شد. پس دونوع پیچیدگی درالگوریتم داریم.

الگوریتم در کامپیوتر

همان‌طور که اشاره شد، الگوریتم ها در کامپیوتر نقش اساسی دراجرای یک برنامه را دارند. هنگامی که شما از کامپیوتر شخصی استفاده می‌کنید و یا همین الان که این مطالبو می‌خوانید، اجزای کامپیوتری شما براساس الگوریتم‌های سخت‌افزاری فعالیت می‌کنند و به شما سرویس‌هایی از قبیل، پردازش گرافیکی، پردازش نرم‌افزار و ... را ارائه می‌دهند. این اجزا براساس الگوریتم های خاصی فعالیت می‌کنند که از قبل برای آن‌ها تعریف شده است. بنابراین دلیل سرویس دادن و کار کردن کامپیوتر، الگوریتم‌هایی است که برای آن تعریف شده است.

کاربرد الگوریتم در برنامه نویسی

برنامه‌نویسی، درواقع واسطی بین انسان‌ها و ماشین‌هاست. انسان‌ها برای اینکه به ماشین‌ها وظایفی را واگذار کنند، نیاز دارند تا خواسته‌های خودرا برای ماشین بیان کنند. بیان این خواسته‌ها از طریق زبان‌های برنامه‌نویسی شدنی است.

الگوریتم در برنامه نویسی بسیار فراوان دیده می‌شود. یک برنامه‌نویس از هر زبانی که استفاده کند، براساس الگوریتم‌های خاصی برنامه‌ی خودرا می‌نویسد و آن الگوریتم، توسط آن زبان برنامه نویسی که الگوریتم‌ها با آن نوشته شده است برای ماشین ترجمه می‌شود و ماشین آن الگوریتم را اجرا می‌کند. بنابراین برنامه‌نویسی برپایه الگوریتم‌هاست و یک برنامه‌نویس باید در حوزه الگوریتم، دانش و تحلیل خوبی داشته باشد.

یک برنامه مانند اینستاگرام یا فتوشاپ یا ... از کنار هم قرارگیری الگوریتم‌های بسیاری ساخته شده است، این الگوریتم‌ها می‌توانند با هر زبان برنامه نویسی‌ای نوشته شود، بنابراین آنچه که قلب یک برنامه را تشکیل می‌دهد و آنچه که مهم است الگوریتم‌هاست نه زبان برنامه نویسی

الگوریتم در ریاضی

الگوریتم در ریاضی کاربرد بسیار فراوانی دارد و یا بهتر است بگوییم که ریاضیات در الگوریتم کاربرد فراوانی دارد. درواقع مسائل بسیار زیادی در زیادی را می‌توان توسط الگوریتم‌ها پیاده‌سازی و همچنین این الگوریتم‌ها برپایه‌ی ریاضیات ساخته شده‌اند. این ارتباط دو طرفه بین ریاضیات و الگوریتم دنیای جذابی در حوزه‌ی computation دارد. مسائل بسیار زیادی در ریاضی را توسط الگوریتم‌های ماشین پیاده‌سازی می‌کنند که نمونه‌هایی از آن به شرح زیر هستند : 

چرا یادگیری الگوریتم‌ ها و نحوه استفاده از آن‌ها مهم است؟

در طول تاریخ علم کامپیوتر، الگوریتم‌ها و ساختمان‌های داده همواره جزو اساسی‌ترین بخش‌های حوزه برنامه‌نویسی محسوب شده و هر توسعه‌دهنده‌ای برای حل مسائل ضرروری به آن‌ها نیازمند است.

تصور کنید برای اینکه به رستوان مورد علاقه‌تان بروید و غذا سفارش دهید سه مسیر مختلف وجود دارد: عبور از پیاده‌رویی که در امتداد بزرگراه است (راه طولانی و خطرناکی دارد)، عبور از کوچه پس کوچه‌ها (مسیر سریع اما همچنان خطرناک) و یا استفاده از تاکسی (سریع و ایمن اما باید هزینه بپردازید). باز حتی ممکن است راه‌حل‌های متفاوت دیگری نیز برای این مسئله وجود داشته باشد، مثلاً  از خودروی شخصیتان استفاده کنید و به رستوران بروید و یا حتی بصورت تلفنی سفارش بدهید و منتظر پیک رستوران بمانید. در نهایت نکته حائز اهمیت این است که شما موثرترین راه را برای دریافت غذای خود پیدا کنید.

یک برنامه نویسبرنامه نویسی کامپیوتر چیست و چطور می توانید یک برنامه نویس موفق شوید؟برنامه نویسی کامپیوتر چیست و چطور می توانید یک برنامه نویس موفق شوید؟در عصر فعلی برنامه‌نویسی یکی از پرطرفدارترین شغل‌های دنیاست، دغدغه‌‌ای افرادی که می‌خواهند در مسیر برنامه‌نویس شدن قدم بردارند این است که نمی‌دانند از کجا باید شروع کنند، در این صفحه هر آن چه برای تبدیل شدن به یک برنامه نویس حرفه ای نیاز دارید در اختیارتان قرار گرفته است موفق همواره به‌دنبال مؤثرترین و سریع‌ترین راه‌حل ممکن است یعنی امکان اجرای سریع و بدون وقفه برنامه، میزان حافظه موردنیاز، سهولت در پیاده‌سازی و اجرای طرح و حتی برآورد و تخمین هزینه‌های انجام شده برای دریافت نسخه نهایی از مواردی است که یک برنامه‌ نویس باید به آن‌ها آگاه باشد.

به عنوان مثال، شما می‌خواهید یک آرایه از n عدد را به ترتیب صعودی مرتب کنید.

آرایه اولی یک آرایه نامرتب است که قرار است مرتب شود

این خیلی ساده به نظر می رسد!

ابتدا کل آرایه را نگاه می‌کنید، کوچک‌ترین عدد را پیدا کرده و آن را با اولین عنصر آرایه عوض می‌کنید. اگر با آرایه آشنایی ندارید برای آشنایی بیشتر می‌توانید به صفحه آموزش آرایه در ساختمان داده مراجعه کنید.

درمرحله بعد، اعداد را از عنصر دوم بررسی کرده و  کوچک‌ترین عدد را انتخاب می‌کنید و آن را با عنصر دوم آرایه عوض می‌کنید، و به همین ترتیب این فرآیند را n بار تکرار خواهید کرد. به این روش، مرتب‌سازی انتخابی می‌گویند و قطعاً خروجی این الگوریتم شامل اعداد مرتب‌شده خواهد بود اما زمان زیادی را صرف مرتب‌سازی می‌کند و اگر آرایه حاوی چند میلیارد عدد باشد، مدت زمان اجرای برنامه بطور قابل توجهی طولانی خواهد بود. اما برای اینکه بفهمیم کدام الگوریتم مناسب‌تر و کارآمدتر عمل خواهد کرد، باید به نحوه عملکرد سایر الگوریتم‌های مرتب‌سازی آگاه باشیم.

بنابراین دانستن و درک کامل مسئله و قدرت تجزیه و تحیل به شما کمک می‌کند تا بفهمید که چرا راه حل ‌X بهتر از راه حل Y است و هنگامی که متناسب با ساختار مسئله مناسب‌ترین و کارآمدترین الگوریتم‌ها را انتخاب کردید، می‌توانید الگوریتم های خود را نوشته و یا برای حل مسائل پیچیده‌تر آن‌ها را با یکدیگر ترکیب کنید.

الگوریتم ها به شما کمک می کنند تا شغلی پیدا کنید

بزرگ‌ترین شرکت‌های فناوری مانند گوگل، فیس‌بوک و آمازون برای استخدام افراد متخصص و ماهر، مصاحبه‌های جداگانه‌ای انجام می‌دهند که به طور خاص بر ساختار داده‌ها و الگوریتم‌ها متمرکز است. این شرکت‌ها برای تامین نیروی انسانی خود به دنبال اشخاصی هستند که با بکارگیری موثرترین الگوریتم‌ها، برنامه‌ها و نرم‌افزارها را به گونه‌ای طراحی و پیاده‌سازی کنند که علاوه بر صرفه‌جویی در منابع شرکت (قدرت محاسباتی، سرورها، پول و غیره) بشود آن‌ها را به سرعت ارائه و یا روانه بازار کرد. یکی از نمونه سوال‌هایی که انتظار می‌رود در هنگام مصاحبه با این شرکت‌ها بشنوید، ممکن است چیزی شبیه به این باشد:

الگوریتم‌های زیادی برای یک مسئله وجود دارد که همیشه بهینه‌ترین آن می‌تواند مفید باشد

فرد مصاحبه‌کننده از شما انتظار دارد که علاوه بر ارائه راه‌حل برای مسئله، در خصوص اینکه چرا الگوریتم A را به الگوریتم B ترجیح داده‌اید نیز توضیحاتی بیان کنید.

وظیفه اصلی یک توسعه دهنده، تجزیه و تحلیل و حل مسائل گوناگون است چرا که مهم‌ترین و اصلی‌ترین ابزار برای رسیدن به یک هدف نهایی است. موتور جستجوی گوگل (Google) اگر به خاطر استفاده منحصر به فرد و پیشگامانه‌اش از الگوریتم ها نبود، به این میزان کاربردی و پرطرفدار و البته پول‌ساز نبود. گوگل در حال حاضر بیش از 91 درصد از بازار جهانی موتورهای جستجو را در اختیار دارد و این بیش از دو تریلیون جستجو در هر سال است! در روزهایی که سایر موتورهای جستجو  صرفاً به دنبال کلمات کلیدی بودند، گوگل متوجه شد که آنچه واقعاً اهمیت دارد ارتباط میان کلمات و افراد است. یافتن این ارتباطات و بروزرسانی آن‌ها، اساس کار الگوریتم‌های Google است و با استفاده از نتایج بدست آمده؛ تایپ یک کاربر در موتور جستجو را پیش بینی کرده و هزاران موضوع مرتبط دیگر را به او پیشنهاد می‌دهد.

الگوریتم ها به آموزش مغز شما کمک می کنند

زمانی که شروع به درک ساختار الگوریتم ها کنید، احتمالاً متوجه خواهید شد که فقط از آنها در محل کار استفاده نمی‌کنید بلکه آنها به یک جفت کفش ورزشی خوب برای دویدن و تمرین دادن مغزتان تبدیل شده‌اند.

استیو جابز : "همه باید برنامه نویسی کامپیوتر را یاد بگیرند، زیرا به شما یاد خواهد داد که چگونه فکر کنید."

تقریباً در هر بخش از زندگی روزمره‌تان می‌توانید با ایجاد یک ساختار منطقی در وقتتان صرفه‌جویی کنید و عملکردتان را بهبود ببخشید تا نتایج بهینه‌تری را کسب کنید. الگوریتم‌ها ابزار قدرتمندی هستند که به شما یاد می‌دهند که چگونه افکار خود را بیان کنید و برای مسائلی که غیرقابل حل بنظر میرسند بهترین پاسخ را بیابید.

وب‌سایت های بسیار خوبی در زمینه تمرین و افزایش مهارت های حل الگوریتم  وجود دارد که بازدید و بررسی آن‌ها را به شما پیشنهاد می‌کنیم:            

Codewars، LeetCode، Project Euler، HackerRank

الگوریتم در برنامه‌ نویسی چیست؟

در واقعیت، پردازنده یک کامپیوتر به طور مداوم در حال انجام محاسبات ریاضی است و مسائل زیادی برای حل کردن دارد. دقیقاْ به همین دلیل است که الگوریتم ها را قلب علم کامپیوتر می‌دانند. الگوریتم کامپیوتری یک روش محاسباتی است که مجموعه‌ای محدود از ورودی‌ها را دریافت کرده و با انجام اندکی محاسبات ریاضی و منطق، خروجی مورد نظر را تولید می‌کند. یک الگوریتم در برنامه نویسی چندین مرحله به شرح زیر دارد:

به طور کلی، یک الگوریتم با توجه به مقدار ورودی X، آن را به مقدار خروجی Y تبدیل می‌کند. اگر آن را به صورت ریاضی بخواهیم بیان کنیم، یک الگوریتم دقیقا تابعی مانند f در نظر گرفته می شود که Y‌ خروجی مورد نظر آن است: y = f(x)

نکته: الگوریتم ها راه‌حل های عمومی هستند که به هیچ زبان برنامه نویسی محدود نمی‌شوند.

26 الگوریتمی که هر برنامه‌نویسی باید از آن‌ها آگاه باشد

داشتن دانش خوب و کافی از الگوریتم‌های استاندارد به اندازه انتخاب یک ساختمان داده مناسب قابل اهمیت است. لیستی از ۲۵ الگوریتم برتر که هر برنامه نویس و دانشجوی علوم کامپیوتر باید بداند در زیر آمده است.

  1. الگوریتم جستجو دودویی (Binary Search)
  2. الگوریتم جستجوی سطح اول (Breadth First Search (BFS))
  3. الگوریتم جستجوی عمق اول (Depth First Search (DFS))
  4. مرتب سازی ادغامیآموزش مرتب سازی ادغامی بصورت 0 تا 100آموزش مرتب سازی ادغامی بصورت 0 تا 100این صفحه مرتب سازی ادغامی را بصورت 0 تا 100 آموزش داده و مثال مرتب سازی ادغامی آورده شده است، همچنین بهترین، متوسط و بدترین حالت مرتب سازی ادغامی بررسی شده
  5. مرتب سازی سریعآموزش مرتب سازی سریع بصورت 0 تا 100آموزش مرتب سازی سریع بصورت 0 تا 100این صفحه مرتب سازی سریع را بصورت 0 تا 100 آموزش داده و مثال مرتب سازی سریع آورده شده است، همچنین بهترین، متوسط و بدترین حالت مرتب سازی سریع بررسی شده
  6. الگوریتم Kruskal
  7. الگوریتم فلوید وارشال (Floyd Warshall)
  8. الگوریتم دایجستراالگوریتم دایجسترا (Dijkstra) از 0 تا 100 - الگوریتم دایکستراالگوریتم دایجسترا (Dijkstra) از 0 تا 100 - الگوریتم دایکسترااین صفحه الگوریتم دایجسترا (Dijkstra) (یا همان الگوریتم دایکسترا) را از 0 تا 100 بررسی کرده، همین طور به پیاده سازی و آموزش الگوریتم دایجسترا پرداخته است. (Dijkstra)
  9. الگوریتم بلمن فورد (Bellman Ford)
  10. الگوریتم ژنتیکالگوریتم ژنتیک از 0 تا 100، آموزش الگوریتم ژنتیک در متلبالگوریتم ژنتیک از 0 تا 100، آموزش الگوریتم ژنتیک در متلباین صفحه الگوریتم ژنتیک (Genetic Algorithm) را از 0 تا 100 بررسی کرده، همین طور به پیاده سازی و آموزش الگوریتم ژنتیک در متلب (MATLAB) پرداخته است.
  11. الگوریتم Flood Fill
  12. الگوریتم تشخیص چرخه فلوید (Floyd’s Cycle Detection)
  13. الگوریتم Union Find
  14. الگوریتم مرتب سازی توپولوژیکی (Topological Sort)
  15. الگوریتم KMP
  16. الگوریتم مرتب سازی درجی (Insertion Sort)
  17. الگوریتم مرتب سازی انتخابی (Selection Sort)
  18. الگوریتم مرتب‌سازی شمارشی (Counting Sort)
  19. الگوریتم مرتب‌سازی هیپ (Heap Sort)
  20. الگوریتم مرتب سازی توپولوژیکی Kahn
  21. الگوریتم فشرده‌سازی کد هافمن (Huffman Coding Compression)
  22. الگوریتم انتخاب سریع (Quickselect)
  23. الگوریتم رأی اکثریت Boyer – Moore
  24. الگوریتم اویلر (Euclid)
  25. الگوریتم اقلیدسی
  26. مرتب سازی حبابیآموزش مرتب سازی حبابی (Bubble Sort) بصورت 0 تا 100آموزش مرتب سازی حبابی (Bubble Sort) بصورت 0 تا 100این صفحه مرتب سازی حبابی (Bubble Sort) را بصورت 0 تا 100 آموزش داده و کدهای مرتب سازی حبابی در C++، پایتون و جاوا آورده شده است شده

الگوریتم‌های معروفی در حوزه هوش مصنوعی مانند الگوریتم ژنتیکالگوریتم ژنتیک از 0 تا 100، آموزش الگوریتم ژنتیک در متلبالگوریتم ژنتیک از 0 تا 100، آموزش الگوریتم ژنتیک در متلباین صفحه الگوریتم ژنتیک (Genetic Algorithm) را از 0 تا 100 بررسی کرده، همین طور به پیاده سازی و آموزش الگوریتم ژنتیک در متلب (MATLAB) پرداخته است.، الگوریتم‌های یادگیری ماشین و ... هستند که می‌توانید درباره‌ی هرکدام از آن‌ها بطور جداگانه تحقیق کنید.

قبل از یادگیری الگوریتم چه چیزهایی را باید بدانیم؟

بهتر است قبل از یادگیری الگوریتم ها در علوم کامپیوتر، درک خوبی از مفاهیم برنامه نویسی مانند متغیرها، توابع، کلاس‌ها و به ویژه مفاهیم برنامه‌ نویسی شی‌گرا (OOP: Object Oriented Programming) داشته باشید. موارد بیان شده به عنوان مفاهیم پایه در نظر گرفته می‌شوند و در ادامه برای درک مطالب پیچیده و پیشرفته‌تر در علوم کامپیوتر به آن‌ها نیاز خواهید داشت.

ابزارهای نمایش الگوریتم به شرح زیر هستند : 

فلوچارت چیست؟ (Flowchart)

فلوچارت، نموداری است که  به‌وسیله آن می‌توان یک سیستم یا الگوریتم کامپیوتری را  بصورت بصری و قابل فهم به تصویر کشید. فلوچارت‌ها به طور گسترده در زمینه‌های مختلف برای مستندسازی، مطالعه، برنامه‌ریزی، بهبود و ارتباط فرآیندهای اغلب پیچیده در نمودارهای واضح و قابل فهم استفاده می‌شوند. از اشکال هندسی مانند مستطیل، بیضی، لوزی و شکل‌های متعدد دیگری برای تعیین نوع گام و فلش‌های متصل میان آن‌ها برای تعریف جریان و ترتیب استفاده می‌کنند. فلوچارت‌ها بر اساس کاربردشان گاه بصورت نمودارهایی ساده و دستی، و گاهی به شکل نمودارهای پیچیده با مراحل و مسیرهای متعددی نشان داده می‌شوند. این نمودارها یکی از رایج ترین نمودارها در جهان هستند که توسط افراد فنی و غیرفنی در زمینه‌های متعددی استفاده می‌شوند. فلوچارت‌ها گاهی اوقات با نام‌های تخصصی تری مانند نمودار جریان فرآیند (PFD)، نقشه فرآیند و یا نمودار جریان عملکرد نامیده می‌شوند.

به عنوان یک نمایش بصری جریان داده (DFD)، فلوچارت‌ها در نوشتن یک برنامه یا الگوریتم و توضیح آن برای دیگران و شکل گرفتن همکاری میان افراد مفید هستند. شما می‌توانید از فلوچارت الگوریتمی برای بیان منطق پشت برنامه قبل از شروع به کدنویسی استفاده کنید. این نمودار می‌تواند به سازماندهی ذهن کمک کرده و در زمان رسیدن به مرحله کدنویسی، راهنمای موثری باشد.به طور خاص‌تر، فلوچارت‌ها می‌توانند :

نماد‌های رایج فلوچارت

نقطه شروع و پایان

نقطه شروع و پایان

پردازش

واحد پردازش

واحد تصمیم

واحد تصمیم‌گیری

داده‌ای ورودی/خروجی

داده‌های ورودی/خروجی

جهت/جریان

جهت/جریان

مستندات

مستندات

دیتابیس

پایگاه‌داده

دانلود نرم افزار رسم فلوچارت‌ EdrawMax

در زیر می‌توانید بصورت رایگان و براحتی نرم افزار EdraMax که برای رسم فلوچارت استفاده می‌شود و ابزار بسیار ساده‌ای است را نصب و از کرک شده آن استفاده کنید. در فیلم‌هایی که در ابتدای این صفحه قرار گرفته و در آنها چندین مثال از بیان الگوریتم و رسم فلوچارت حل شده است از این اپلیکیشن استفاده شده است.

〈〈 دانلود نرم افزار رسم فلوچارت〉〉

آموزش نصب و فعال سازی نرم افزار رسم فلوچارت رایگان قرار گرفته

فلوچارت‌های معروف در حوزه نرم‌افزار کامپیوتر

فلوچارت های معروف به شرح زیر هستند : 

شکل زیر ساختار یک فلوچارت را نشان می‌دهد

شبه کد (Pseudocode)

در علوم کامپیوتر، شبه‌کدها توصیفی ساده از مراحل یک الگوریتم هستند. برخلاف زبان‌های برنامه‌نویسی از دستور خاصی تبعیت نمی‌کنند و بر روی کامپیوتر قابل اجرا نیستند. این شبه‌کدها برای درک راحت انسان از مراحل الگوریتم در نظر گرفته شده‌اند و جزئیاتی را که برای درک ماشینی ضروری هستند، مانند تعریف متغیر و توابع خاص حذف می‌کنند. شبه کدها توصیفی کارآمد و مستقل از محیط و اصول کلیدی یک الگوریتم هستند و درک آن برای یک آماتور و یا برنامه‌نویس ساده‌تر است. معمولاً از شبه‌کدها (کدهای کاذب) در کتاب‌های درسی و انتشارات علمی برای مستندسازی الگوریتم‌ها استفاده می‌شود. شبه‌کدها عموماً از قوانین نحوی هیچ زبان خاصی پیروی نمی‌کنند و هیچ فرم استاندارد سیستماتیکی برای آن‌هاوجود ندارد. برخی از نویسندگان شبه‌کدها در سبک و نحو نگارش خود از ساختارهای کنترلی (while, If then else, Repeat until, for) برخی زبان‌های برنامه‌نویسی مانند Java،Lisp وFortran، Pascal، BASIC، C، C++ وALGOL استفاده می‌کنند. فراخوانی توابع و بلوک‌ها مانند کدهای موجود در یک حلقه، اغلب با یک جمله به زبان طبیعی یک خطی جایگزین می شوند.

مقایسه کلی فلوچارت، شبه کد و الگوریتم

مزایا و معایب الگوریتم

مزایای الگوریتم به شرح زیر است : 

  1. نمایش گام به گام راه‌حل یک مسئله را بیان و درک آن را آسان می‌کند.
  2. از رویه و استاندارهای مشخصی پیروی می‌کند.
  3. به هیچ زبان برنامه نویسی وابسته نیست و برای همه افراد حتی آن‌هایی که دانش برنامه‌نویسی ندارند قابل فهم و آسان است.
  4. هر مرحله در یک الگوریتم، دنباله منطقی خاص خود را دارد و اشکال زدایی آن آسان است.
  5. با استفاده از الگوریتم، مسئله به قطعات یا مراحل کوچکتر تقسیم می‌شود و برای برنامه‌نویس آسان‌تر است که آن را به یک برنامه واقعی تبدیل کند.

معایب الگوریتم به شرح زیر است :

  1. الگوریتم‌ها زمان بر هستند.
  2. نشان دادن انشعاب و حلقه زدن در الگوریتم‌ها مشکل است.
  3. قرار دادن وظایف بزرگ در الگوریتم ها دشوار است.

کدام را اول یاد بگیرید: ساختمان داده یا الگوریتم؟

ساختمان داده و الگوریتم به یک‌دیگر وابسته‌اند؛ ما از یک ساختمان داده مناسب برای اعمال الگوریتم‌ها و به طور مشابه، الگوریتم‌ها را در ساختمان داده‌ها اعمال می‌کنیم. از این تعریف مشخص است که ساختمان‌داده، داده‌های بدون ساختار را به شکل سازمان یافته ذخیره می‌کند در حالیکه الگوریتم‌ها مجموعه دستورالعمل‌هایی هستند که یک کامپیوتر برای حل یک مسئله خاص از آنها پیروی می‌کند. اما طبق نظر مدرسین و دانشمندان علوم کامپیوتر، بهتر است در ابتدا دانش‌آموزان مفاهیم مربوط به ساختمان داده‌ها را فرا گیرند و قبل از آنکه در یادگیری مطالب به صورت پیشرفته عمیق شوند، آموزش الگوریتم‌ها را شروع کرده و هردو را به صورت همزمان پیش ببرند. از اینرو یک مهندس و متخصص کامپیوتر برای داشتن یک عملکرد حرفه‌ای  و گرفتن بهترین نتایج، ضروری است که هم به دانش ساختمان داده و هم الگوریتم مسلط باشد. برای مطالعه بیشتر در مورد ساختمان داده می‌توانید به صفحه آموزش ساختمان دادهآموزش ساختمان داده و الگوریتمآموزش ساختمان داده و الگوریتمهر ساختمان داده یک نوع فرمت ذخیره‌سازی و مدیریت داده‌ها در کامپیوتر است، که امکان دسترسی و اصلاح کارآمد آن داده‌ها را برای یکسری از الگوریتم‌ها و کاربردها فراهم می‌کند، در این صفحه به بررسی و آموزش ساختمان داده و الگوریتم پرداخته شده است مراجعه کنید.

ساختمان‌های داده‌، بلوک‌های سازنده الگوریتم‌ها هستند و الگوریتم‌ها بسترهایی هستند که ساختمان داده‌ها بر روی آن ها اعمال و آزمایش می‌شوند.

تفاوت میان الگوریتم و برنامه‌

الگوریتم‌های کامپیوتری مسائل را حل می‌کنند در حالیکه برنامه‌ها، الگوریتم‌ها را به شکلی پیاده‌سازی می‌کنند که کامپیوتر بتواند آن‌ها را اجرا کند. در جدول زیر تفاوت‌های اصلی بین الگوریتم و برنامه بیان شده است:

برنامه (Program) الگوریتم (Algorithm)
به مجموعه‌ای از دستورالعمل‌ها اشاره دارد که یک کامپیوتر دنبال می‌کند. یک برنامه می‌تواند شامل پیاده‌سازی چندین الگوریتم و یا حتی فاقد الگوریتم باشد. یک روش کاملاً تعریف شده، گام به گام و منطقی برای حل یک مسئله معین است.
اجزای یک برنامه ممکن است از نظر مفهومی مرتبط نباشند. یک الگوریتم، مراحل انتزاعی و مفهومی را برای پردازش اطلاعات فراهم می‌کند.
بسته به وظیفه خاصی که برنامه برای آن طراحی شده، می‌تواند به هر زبان برنامه‌نویسی مانند پایتون، جاوا، C++، جاوا اسکریپت و یا هر زبان دیگری نوشته شود. الگوریتم‌ها با استفاده از یک زبان محاوره‌ای ساده نوشته می‌شوند و برای افرادی که دانش برنامه نویسی نیز ندارند، قابل درک هستند.
ما برنامه‌های کامپیوتری را به زبان کامپیوتر می‌نویسیم و سپس یک کامپایلر یا مترجم آن را به زبانی ترجمه می‌کند که برای هر سیستم کامپیوتری قابل درک باشد. الگوریتم‌ها را می‌توان به زبان طبیعی، فلوچارت ، شبه کد و در انواع زبان های برنامه نویسی بیان کرد.
یک برنامه همیشه توسط کامپیوتر اجرا می‌شود. الگوریتم می‌تواند توسط هر فردی طراحی  و اجرا  شود.

 

نمونه الگوریتم جمع دو عدد :

Step 1: Start

Step 2: Declare variables num1, num2 and sum.

Step 3: Read values num1 and num2.

Step 4: Add num1 and num2 and assign the result to sum. sum←num1+num2

Step 5: Display sum

Step 6: Stop

نمونه کد پایتون جمع دو عدد:

This program adds two numbers/

num1 = 1.5

num2 = 6.3

# Add two numbers

sum = num1 + num2

# Display the sum

print('The sum of {0} and {1} is {2}'.format(num1, num2, sum))

انواع الگوریتم‌ ها برای حل مسائل - انواع روش های حل مسائل

الگوریتم‌ها دارای انواع مختلفی هستند اما اصلی‌ترین به‌شرح زیر است.

الگوریتم Brute Force

ساده‌ترین الگوریتم ممکن که برای حل یک مسئله می‌توان ابداع کرد را الگوریتم brute force می‌نامند. این الگوریتم برای حل یک مسئله بر قدرت محاسباتی محض تکیه کرده و هر امکانی را به جای تکنیک‌های پیشرفته برای بهبود کارایی امتحان می کند. این الگوریتم در مرحله اول،  یک راه‌حل برای مسئله ارائه کرده و در مراحل بعدی تلاش می‌کند در کوتاه‌ترین زمان ممکن، خود را به یک هدف نهایی مشخص و بهینه برساند. هر مسئله‌ای را می‌توان با رویکرد brute force حل کرد، اگرچه معمولاً پیچیدگی مکانی و زمانی آن قابل توجیه نیست.

الگوریتم حریصانه (Greedy)

در این الگوریتم رسیدن به هدف در هر گام مستقل از گام قبلی و بعدی است. یعنی در هر مرحله برای رسیدن به هدف نهایی، مستقل از این که در مراحل قبلی چه انتخاب‌هایی صورت گرفته و انتخاب فعلی ممکن است چه انتخاب‌هایی در پی داشته باشد، پاسخی که در ظاهر بهترین است را انتخاب می‌کند. به همین دلیل به این روش، روش حریصانه گفته می‌شود.

در حالت کلی این روش سرعت و مرتبه زمانی بهتری نسبت به روش‌های مشابه خود دارد؛ اما متناسب با مسئله ممکن است به یک جواب بهینهٔ سراسری ختم نشود. این روش اغلب در حل مسائل بهینه‌سازی استفاده شده و در پاره‌ای مواقع جایگزین مناسبی برای روش‌هایی مانند برنامه‌ریزی پویا است.

برنامه های کاربردی :

الگوریتم بازگشتی (Recursive)

یکی از ساده‌ترین نوع الگوریتم‌ هاست زیرا نیازی به تفکر در مورد هر  زیرمسئله نیست. این بدان معنی است که ما اگر به حل ساده‌ترین زیرمسئله موجود فکر کنیم و راه حلی برای آن بیابیم بقیه مسئله را می‌توان به صورت بازگشتی طراحی و پیاده‌سازی کرد. هر تابع بازگشتی شامل سه بخش است : بخش اول حالت پایه است که در آن دیگر صدا زدن تابع به صورت بازگشتی رخ نمی‌دهد و مقدار تابع در این حالت را از ابتدا می‌دانیم.
بخش دوم شامل پیاده سازی اعمالی است که به کمک آن ها مسئله کوچکتر شده و تابع را با مقادیر جدید صدا می‌زنیم و بخش سوم بخشی است که در آن، خود تابع را با مقادیر جدید صدا می‌زنیم. خاصیت بازگشتی یک ابزار بسیار قدرتمند برای حل مسائل به شمار می‌رود اما بزرگ‌ترین و مهم‌ترین عیب این دسته از الگوریتم ها ایجاد سربار اضافه از نظر حافظه و زمان است که به‌دلیل فراخوانی تابع به تعداد دفعات زیاد ایجاد می‌گردد. در نتیجه مدیریت حافظه یکی از اصلی‌ترین وظایف برنامه‌نویس در هنگام استفاده از این الگوریتم‌هاست.

الگوریتم عقبگرد (Backtracking)

الگوریتم عقبگرد یک الگوریتم حل مسئله است که از رویکرد ‌Brute Force برای یافتن خروجی مورد نظر استفاده می‌کند. اصطلاح عقبگرد نشان می‌دهد که اگر راه حل فعلی مناسب نیست، پس به عقب بروید و راه حل‌های دیگر را امتحان کنید. بنابراین در عین حال یک رویکرد بازگشتی نیز هست و برای حل مسائلی استفاده می‌شود که راه‌حل‌های متعددی دارند.

برنامه های کاربردی آن به شرح زیر است : 

الگوریتم عقب‌گرد برای پیدا کردن راه بهینه، درصورت نیاز به عقب حرکت می‌کند

الگوریتم شاخه و کران (branch & bound)

روش حل مسئله شاخه و کران، یک الگوریتم کاربردی در مسائل بهینه‌سازی ترکیباتی محسوب می‌شود. مسائل بهینه‌سازی معمولا دارای پیچیدگی‌های زمانی در حدود نمایی هستند (a^n, a>1) و ممکن است در بدترین حالت نیاز به بررسی تمام جایگشت‌های مسئله داشته باشند.

اصولا مسائلی که فقط در زمان نمایی قابل حل هستند، مسائلی مهارنشدنی محسوب می‌شوند و درصورتی که اندازه مسئله بزرگ باشد، ممکن است با پردازنده‌های امروزی، قرن‌ها زمان ببرد تا آن مسئله حل شود. مسائلی مانند کوله پشتی 0 و 1، فروشنده دوره گرد، مسئله SAT، پیداکردن سیکل همیلتونی در یک گراف و ... از این دسته مسائل هستند.

حال در الگوریتم شاخه و کران، سعی براین است که حالات اضافی بررسی نشود و به نحوی بعضی از جایگشت‌های مسئله بررسی نشوند و هرس شوند. در این الگوریتم از روش backtracking برای بهینه‌سازی استفاده می‌شود و بعضی از شاخه‌های درخت که درحالت بدی هستند، بررسی نمی‌شود. با این ترفند می‌توان بسیاری از حالت‌هارا نادیده گرفت و مسئله را در زمان بهتری حل کرد.

الگوریتم تقسیم و غلبه (Divide and Conquer)

این روش یکی از پرکاربردترین الگوریتم ها در برنامه‌نویسی است. این الگوریتم مسائل را به زیرمسائل تقسیم می‌کند و سپس هر یک از آن‌ها را حل کرده و سپس با یک‌دیگر ترکیب و حل مسئله داده شده را بیان می‌کند. بنابراین الگوریتم تقسیم و غلبه دارای سه مرحله مجزا و بازگشتی است.

این الگوریتم به طور گسترده در مسائل مختلف مورد استفاده قرار می‌گیرد زیرا برای بسیاری از آن‌ها کاملاً پایدار و بهینه است.

برنامه های کاربردی آن به شرح زیر است

الگوریتم تقسیم و غلبه، مسائل را به زیرمسائل کوچک‌تر تقسیم می‌کند

الگوریتم برنامه نویسی پویا (Dynamic)

رویکرد الگوریتم پویا مشابه الگوریتم تقسیم و غلبه در شکستن مسئله به زیرمسئله‌های کوچکتر است. اما بر خلاف الگوریتم تقسیم و غلبه، این زیرمسائل به طور مستقل حل نمی‌شوند و در عوض، نتایج این زیرمسائل کوچکتر را به خاطر سپرده و برای زیرمسئله‌های مشابه (آن‌هایی که باهم هم‌پوشانی دارند) استفاده می‌کند. الگوریتم پویا در حل مسائلی کاربرد دارد که قابل تقسیم به زیرمسئله‌های مشابه هستند، تا اینکه بتوان نتایج آنها را مجدد مورد استفاده قرار داد. بیشتر از این الگوریتم ها برای مسائل بهینه‌سازی استفاده می‌شود.

برنامه های کاربردی آن به شرح زیر است : 

شکل زیر انواع الگوریتم ها را نشان می‌دهد.

انواع مختلف از الگوریتم‌هارا در این شکل مشاهده می‌کنید

الگوریتم نویسی

برای نوشتن یک الگوریتم راه های زیادی وجود دارد. الگوریتم‌ها می‌توانند دارای ساختار و کاربردهای متفاوتی باشند مثلاً یک الگوریتم می‌تواند خیلی ساده و یا پیچیده و پر از محاسبات ریاضی باشد و یا اینکه برای یک نمایش گرافیکی بکار رود. اما به طور کلی نکته مهم در نوشتن الگوریتم این است که الگوریتم کارآمد بوده و روش و منطق خوبی برای بررسی و حل مسئله ارائه دهد و در نظر گرفتن فرم الگوریتم اهمیت خاصی ندارد.

فرآیند توسعه الگوریتم (یک طرح) یک گام کلیدی در حل مسئله است و پنج مرحله اصلی دارد.

  1. تعریف مسئله

    این مرحله بسیار دشوارتر از آن چیزی است که به نظر می رسد. در این مرحله مشتری و یا کاربر به دنبال راه حلی برای یک مسئله و یا مشکل است و الگوریتم نویس باید مسئله را به خوبی درک کرده و راهی برای حل مشکل پیدا و الگوریتمی بنویسد که مسئله را حل نماید. بخشی از مسئولیت الگوریتم نویس شناسایی عیوب در شرح مسئله و همکاری با مشتری برای رفع آن نقص است.

  2. تجزیه و تحلیل مسئله

    هدف از این مرحله تعیین دو نقطه شروع و پایان برای حل مسئله است. این فرآیند شبیه به ریاضیدانی است که تعیین می کند چه داده‌ای دارد و چه چیزی را باید اثبات کند. یک تجزیه و تحلیل خوب و کارآمد انجام این مرحله را آسان تر می کند.

    الگوریتم نویس در هنگام تعیین نقطه شروع الگوریتم، با چنین سوالاتی روبروست:

    • چه داده هایی در دسترس است؟
    • چه قوانینی برای کار با داده ها وجود دارد؟
    • چه روابطی بین مقادیر داده وجود دارد؟

    در هنگام تعیین نقطه پایان الگوریتم نیز باید ویژگی های راه حل را توصیف کند. یا به عبارت دیگر، الگوریتم نویس چگونه متوجه می‌شود که کارش تمام شده؟ پرسیدن سوالات زیر اغلب به تعیین نقطه پایان کمک می کند.

    • چه حقایق جدیدی خواهیم داشت؟
    • چه مواردی تغییر خواهد کرد؟
    • چه مشکلاتی دیگر وجود نخواهند داشت؟
  3. یک الگوریتم سطح بالا ایجاد کنید

    الگوریتم طرحی برای حل یک مسئله است، اما طرح ها در سطوح مختلفی از جزئیات ارائه می شوند. معمولاً بهتر است با الگوریتمی شروع بکار کنید که بخش اصلی راه حل را شامل می‌شود و اضافه کردن جزئیات را به زمان‌های بعدی واگذار کنید. به این الگوریتم اصطلاحاً الگوریتم سطح بالا می‌گویند.

  4. با افزودن جزئیات بیشتر، الگوریتم را اصلاح کنید

    بعد از نوشتن الگوریتم سطح بالا نوبت به اضافه کردن جزئیات می‌رسد، اما چقدر جزئیات را باید اضافه کنیم؟ متأسفانه پاسخ به این سوال بستگی به شرایط دارد. ما باید در نظر بگیریم که چه کسی (یا چه چیزی) قرار است الگوریتم را پیاده‌سازی کند و آن شخص (یا چیز) به چه میزان در انجام کار مهارت دارد. مورد دیگر آنکه آن دسته از الگوریتم‌هایی که برای برنامه‌های کامپیوتری طراحی می‌شوند، باید قابلیت‌های کامپیوتر را نیز در نظر بگیرند و حتی جزئیات کافی را نیز ارائه کند.

  5. الگوریتم را مرور کنید

    مرحله آخر بررسی الگوریتم است. باید گام به گام الگوریتم را بررسی کرده و مشخص کنیم که آیا این الگوریتم مشکل اصلی را حل می‌کند یا خیر. و هنگامی که مطمئن شدیم الگوریتم راه حل مسئله را ارائه می دهد، شروع به جستجوی جزئیات دیگری کنیم. سوالات زیر نمونه سوالاتی هستند که در زمان بررسی الگوریتم باید پرسیده شوند:

    • آیا این الگوریتم یک مسئله بسیار خاص را حل می‌کند یا برای مسائل کلی تر نیز کارآمد است؟
    • اگر برای مسئله خاصی طراحی شده، آیا باید آن را تعمیم داد؟
    • آیا می توان این الگوریتم را ساده کرد؟
    • آیا این راه حل مشابه راه حل مسئله دیگری است؟ در چه مواردی شبیه هم هستند؟ چه تفاوت‌هایی دارند؟

کاربرد الگوریتم

هنگامی که کلمه الگوریتم را می‌شنویم، تصاویری از استارتاپ‌های فناوری و کدهای باینری برایمان تداعی می‌شود اما در واقعیت الگوریتم ها ساده تر از آن چیزی هستند که ما تصور می‌کنیم. به طور یقین امروزه جادوگران فناوری جهان از آن‌ها برای ساخت نرم‌افزار‌ها بهره می‌گیرند، اما در زندگی روزمره نیز بسیار پرمصرف هستند. در فیلم زیر به برخی از کاربردهای الگوریتم که در زندگی روزمره استفاده می‌شود اشاره کرده‌ایم.

از سنین پایین با روشی گام به گام به ما آموزش داده می‌شود که چگونه کارهای روزمره‌مان را انجام دهیم مانند اینکه چگونه بشماریم، اشیاء را مرتب کنیم، راه برویم، بند کفش‌هایمان را ببندیم و در تمامی این کارها اساساً ما در حال یادگیری تفکر الگوریتمی هستیم. در فیلم بالا چندین کاربر الگوریتم را بیان کردیم، حال در ادامه به معرفی و بررسی چند کاربرد دیگر الگوریتم در زندگی روزمره می‌پردازیم.

مرتب کردن برگه‌ها

معلمی را تصور کنید که برگه‌های امتحانی دانش‌آموزانش را بر اساس ترتیب حروف الفبای نام کوچک آنها مرتب می‌کند. این کار شبیه عملکرد یک الگوریتم مرتب‌سازی است و تنها با نگاه کردن به حرف اول نام آن‌ها، می‌تواند بسیاری از اطلاعات غیرضروری را حذف کند. این یک فرآیند خودکار است که مرتب‌سازی را کارآمدتر می‌کند.

تشخیص چهره

هر روز و هرلحظه، زمانی‌که چهره یکی از عزیزان، همکار و یا حتی یک همسایه عجیب و غریب را می‌بینیم، از داده‌هایی استفاده می‌کنیم که قبلاً در مورد ویژگی‌های ظاهری آن شخص جمع آوری کرده‌ایم. سپس این اطلاعات در داخل مغز تجزیه و تحلیل می‌شود تا به طور خودکار دیگران را شناسایی کند و این نوعی از یک فرآیند پردازش تصویرپردازش تصویر دیجیتال چیست؟ چه انواعی دارد؟ چه مراحلی را شامل می‌شود؟ پردازش تصویر دیجیتال چیست؟ چه انواعی دارد؟ چه مراحلی را شامل می‌شود؟ پردازش تصویر یکی از فیلدهای پرطرفدار مرتبط با گرافیک کامپیوتر، بینایی کامپیوتر، هوش مصنوعی، یادگیری ماشین، و الگوریتم‌ها و محاسبات است که ارتباط تنگاتنگی میان تمام آنهاست. در نتیجه در این صفحه علاوه بر معرفی این فیلد، نقشه راهی نیز برای علاقه‌مندان این حوزه ارائه کرده‌ایم. طبیعی در چشم و مغز انسان‌هاست. الگوریتم ها می‌توانند این فرآیند را برای کامپیوترها خودکار کنند ‌اما با این حال، برنامه‌های تشخیص چهره گاهاً درست عمل نمی‌کنند و چهره‌های تیره پوست را به دقت تشخیص نمی‌دهند. این مشکل حاکی از آن است که هنوز الگوریتم‌‌های تشخیص چهره به اندازه کافی کامل نیستند و نیاز به پیشرفت دارند.

تشخیص چهره توسط الگوریتم‌هایی که توسط کامپیوترها ساخته می‌شوند، انجام می‌شوند

نتایج تکراری

دیوید چکوفسکی، معلم علوم و فناوری کامپیوتر در مدارس مرکزی هاید پارک، این مثال را توضیح می‌دهد. «اگر می‌خواهید یک وظیفه را به خوبی انجام دهید، نگاه کردن به نمونه‌های موفق قبلی افراد دیگر می‌تواند بسیار مفید باشد.» استفاده از دستورات پخت غذا در حین آشپزی نمونه خوبی برای درک این مطلب است. مطمئناً شما به تنهایی می‌توانید از عهده درست‌کردن یک پاستای خوشمزه به طریق آزمون و خطا بربیابید، اما پیروی از دستور العمل گام به گام یک سرآشپز معروف موفقیت شما را تضمین خواهد کرد.

چراغ راهنمایی و رانندگی

اکثر چراغ‌های راهنمایی به طور خودکار به هر یک از سه رنگ سبز، زرد و یا قرمز تغییر حالت نمی‌دهند و در عوض ورودی‌های حسی وجود دارند که زمان‌بندی سیگنال‌ها را بر اساس جریان ترافیک تعیین می‌کنند. این الگوریتم‌ها دارای یک ترتیب گام به گام و خوبی هستند و ترافیک را به درستی هدایت می‌کنند.

چراغ‌های راهنمایی و رانندگی نیز از یک الگوریتم خاص تبعیت می‌کنند

زمان بندی حرکت اتوبوس‌ها

هر روز صبح، هزاران اتوبوس از محله‌ها عبور می‌کنند و مسافران زیادی را سوار می‌کنند. برنامه‌ریزی و زمانبندی حرکت اتوبوس‌ها و تعیین مسیر آن‌ها و پیش‌بینی زمان دقیق رسیدن‌شان به ایستگاه‌ها، کاری است که بدون کمک الگوریتم ها امکان‌پذیر نخواهد بود. این مسئله مسیریابی به طور کلاسیک به عنوان "مسئله فروشنده دوره‌گرد" شناخته می‌شود و حتی به عنوان تمرینی برای علوم تئوری کامپیوتر در نظر گرفته شده است.

 الگوریتم‌ها در زندگی روزمره به ما بسیار نزدیک و پرکاربرد هستند ولی آنها را با عنوان الگوریتم نمی‌شناسیم. از آشپزی گرفته تا جستجوی مسیرها و انجام کارهای ساده مانند بستن بند کفش‌هایتان از نمونه‌های الگوریتم ها هستند و  آنقدرها هم که به نظر می‌آیند دشوار و سخت نیستند.

راننده اتوبوس هرروز یک برنامه خاص که شبیه به الگوریتم هست را اجرا می‌کند

کاربرد الگوریتم در اینترنت

اینترنت برای داشتن عملکردی صحیح به الگوریتم های بسیار زیادی متکی است. هنگامی که یک عبارت را در موتور جستجو گوگل تایپ می‌کنید، گوگل از یک الگوریتم بسیار پیچیده پیروی کرده تا نتایج را به شما نشان دهد. یا وقتی کالای مورد نظرتان را از طریق سایت‌های اینترنتی خریداری‌ می‌کنید، از یک الگوریتم برای انتقال ایمن اطلاعات کارت اعتباری شما استفاده می‌شود. حتی یک حرکت ساده در اینترنت و یا بارگذاری یک صفحه وب، نیاز به استفاده از یک الگوریتم دارد. در این بخش از کاربرد چند الگوریتم در کارکرد اینترنت نام برده شده است.

موتور جستجو Google

حتی یک عمل به ظاهر ساده مانند جستجو در گوگل بدون کمک الگوریتم‌ها امکان‌پذیر نیست. الگوریتم‌های گوگل طوری طراحی شده‌اند که به تایپ کامل کلمات سوال شما نیازی ندارند و در کسری از ثانیه بدون آنکه جمله کاملی را از جانب شما دریافت کنند، نتایج مورد انتظارتان را نشان می‌دهند. مثلاً  اگر سوال مدنظر شما این باشد که  «آیا یک فیل شنا می‌کند؟» اما کلمات "فیل شنا" را جستجو کنید فوراً، خروجی یا نتایج، فیلم‌هایی از شنای فیل‌ها خواهد بود و حتی به دنبال آن موارد بیشتری را ارائه می‌دهد.

گوگل قدرتمندترین هوش مصنوعی در دنیا را دارا می‌باشد

مسیریابی در شبکه

لایه شبکه برای انتقال بسته‌ها از مبدأ به مقصد، باید بهترین مسیر ممکن برای انتقال داده‌ها را تعیین و هدایت کند. پس وظیفه اصلی لایه شبکه ارائه بهترین مسیر است که به این منظور از الگوریتم‌های مسیریابی بهره برده و به هدایت ترافیک اینترنت به طور موثر کمک می‌کند. در لایه شبکه بهترین مسیر، مسیری است که از مبدا تا مقصد دارای «مسیر کم هزینه» باشد.

بدون الگوریتم های مسیریابی، اینترنت معنایی ندارد والگوریتم مسیریابی یکی از فناوری‌های اصلی در قلب اینترنت است.

الگوریتم های مسیریابی مانند فازی، اکتشافی و تطبیقی از مشهورترین الگوریتم‌ ها هستند که هرکدام به ایجاد ارتباطات موثر در شبکه کمک می‌کنند.

رمزنگاری

با رشد و گسترش همه‌جانبه اینترنت در زندگی افراد و فعالیت‌های روزمره و شغلی‌شان، حفظ و امنیت اطلاعات به یک مسئله مهم و ضروری در دنیای فناوری تبدیل شد. بنابراین عدم دسترسی افراد به اطلاعات شخصی و محرمانه یکدیگر از مهم‌ترین چالش‌های امنیتی در خصوص توزیع و مبادله اطلاعات در دنیای اینترنت به حساب می‌آید. به همین منظور راه‌حل های متفاوتی برای برقراری امنیت شبکه و حفاظت اطلاعات ارائه شد که رمزنگاری داده‌ها یکی از متداول ترین آنهاست.

در تکنیک رمزنگاری، اطلاعات توسط الگوریتم‌های پیشرفته‌ای به صورت بهم ریخته و غیرقابل خواندن تبدیل می‌شوند؛ به گونه‌ای که به غیر از مخاطب مورد نظر، برای هیچ فردی قابل فهم نباشد. هر الگوریتم رمزنگاری باید دارای سه ویژگی مهم امنیت (داده ارسالی نباید به دست فرد غیرمجاز برسد)، هویت (مشخصات افراد مجاز به درستی تشخیص داده شود) و غیرجعلی بودن اطلاعات باشد.

خدمات مالی، اولین خدماتی بودند که استفاده از شبکه‌های کامپیوتری در آن‌ها مرسوم شد و موضوع حفاظت اطلاعات و امنیت شبکه خیلی زود در اولویت توسعه‌دهندگان شبکه‌های کامپیوتری قرار گرفت.شاید ساده‌ترین مثال برای درک بهتر مطلب، انجام تراکنش‌های اینترنتی بانکی است که در آن الگوریتم‌های رمزنگاری وظیفه مخفی نگه‌داشتن اطلاعات کارت و حساب بانکی کاربر از دید سایرین و ایجاد امنیت لازم برای تبادل پول در فضای اینترنت را دارند.

کاربرد الگوریتم در ریاضی

الگوریتم در ریاضی، مجموعه ای از مراحل است که برای حل محاسبات ریاضی استفاده می‌شود. بطور کلی هدف از الگوریتم های ریاضی افزایش دقت در حل مسئله هاست. استفاده مکرر از یک الگوریتم می‌تواند احتمال اشتباه بودن پاسخ را کاهش داده و در هر تکرار، الگوریتم پاسخ‌ها را در حافظه نگه داشته و در تکرار بعدی سعی می‌کند مسائل را دقیق‌تر حل ‌کند.

امروزه الگوریتم‌های مشهور و پیشرفته زیادی وجود دارند که بر پایه محاسبات معادلات ریاضی پایه‌گذاری شده‌اند. الگوریتم دایجسترا یکی از معروف‌ترین الگوریتم‌های مسیریابی در جهان به حساب می‌آید که از قواعد و اصول ریاضی به منظور یافتن کوتاه‌ترین مسیر استفاده می‌کند. نقشه گوگل (Google Map) از این الگوریتم برای ارائه مسیری کوتاه و کم هزینه به کاربران خود بهره می‌گیرد.

امروزه نقش الگوریتم‌ها در ریاضیات و طراحی برنامه‌های کاربردی بیش از هر زمان دیگری مهم و موثر است و مثال‌های زیادی از این الگوریتم‌ها را در زندگی روزمره میتوان یافت. برای مطالعه در خصوص مهمترین الگوریتم‌های ریاضی و کاربرد‌های آن‌ها می‌توانید به صفحه کاربرد ریاضیات گسسته در زندگی روزمره مراجعه کنید.

نمونه دیگری از استفاده الگوریتم

یادگیری ماشین شاخه ای از دانش هوش مصنوعی است که نمونه خوبی از الگوریتم‌ها به شمار می‌آید. علم یادگیری ماشین از الگوریتم‌ های متعددی برای یادگیری و کار بر روی داده‌ها استفاده میکند تا بتواند نتایج دقیقی را پیش بینی کند.

علم یادگیری ماشین به دو روش یادگیری باناظر (Supervised) و یادگیری بدون ناظر (Unsupervised) دسته بندی می‌شود.

الگوریتم های یادگیری ماشین با ناظر (Supervised) از روی بخشی از داده‌ها که به داده‌های آموزشی (Train) معروفند، شروع به یادگیری می‌کنند. داده های آموزشی (Train) به ورودی‌هایی گفته می‌شود که دارای برچسب خروجی صحیح هستند. الگوریتم ناظر در حین آموزش، ارتباط میان داده‌های آموزشی و برچسب ‌های خروجی مرتبط با هر یک را یافته و به این ترتیب الگوی رفتاری میان آنها را یاد می‌گیرد.

پس از آموزش، الگوریتم یادگیری Supervised ورودی‌های جدید (Test) که برچسب خروجی آن‌ها مشخص نیست را گرفته و مطابق با الگویی که براساس داده های آموزشی بدست آورده، برچسب خروجی هر داده را پیش بینی و طبقه بندی می‌کند.

یادگیری ماشین بدون ناظر (Unsupervised) شامل الگوریتم ‌هایی است که روی داده‌های بدون برچسب آموزش می‌بیند. این الگوریتم ها داده‌های بدون برچسب را تجزیه و تحلیل می‌کند و از روی این داده‌ها الگوهایی را پیدا می‌کند که مطابق با آن‌ها داده‌ها را به زیرمجموعه‌های متفاوتی گروه‌ بندی یا در اصطلاح یادگیری ماشین خوشه بندی می‌کند. الگوریتم های یادگیری عمیق (Deep Learning) از جمله شبکه های عصبی جزو الگوریتم‌های بدون ناظر به شمار می‌روند.

مشاغل مرتبط با الگوریتم

مهم‌ترین بخش از هر شاخه‌ای، مشاغل موجود درآن است. خوشبختانه رشته الگوریتم از رشته‌های بسیار عالی محسوب می‌شود که بازارهای مرتبطی باآن یافت می‌شود که به شرح زیر هستند : 

  1. مهندس الگوریتم با درآمدی حدود 121.500 دلار
  2. توسعه دهنده نرم‌افزار با درآمدی حدود 227.400 الی 168.100 دلار در سال
  3. مهندس علوم داده با درآمدی حدود 899 دلار در سال
  4. مهندس داده و هوش مصنوعی با درآمدی حدود 112 دلار در سال
  5. مهندس بیوانفورماتیک با درآمدی حدود 104.575 دلار در سال
  6. مهندس ارشد طراحی IC با درآمدی حدود 106.821 دلار در سال
  7. مهندس شبکه با درآمدی حدود 90.149 دلار در سال
  8. مهندس پردازش تصویر و بینایی ماشین با درآمدی حدود 122.464 دلار در سال

برای اطلاع از جزئیات مشاغل گفته شده می‌توانید به صفحه مشاغل کامپیوتر در سایت کنکور کامپیوتر مراجعه فرمائید.

تاریخچه الگوریتم

در آخر شاید جالب باشد بدانید که کلمه الگوریتم از نام محمدبن موسی الخوارزمی ریاضیدان ایرانی قرن نهم (780- 850 هجری قمری) گرفته شده است که برگردان آن به زبان لاتین به واژه الگوریتم تغییر یافته است. محمد بن موسی خوارزمی ریاضیدان، منجم، جغرافیدان و دانشمند بیت الحکمه در بغداد بود که نامش به معنای «بومی خوارزم» است، منطقه‌ای که بخشی از ایران بزرگ بوده و اکنون در ازبکستان است.

ویدیوی زیر در خصوص تاریخچه الگوریتم است که می‌توانید آن را تماشا کنید و از آن لذت ببرید.

مثال‌های ساده الگوریتمی

مثال 1: الگوریتمی و فلوچارتی که دو زاویه را دریافت می‌کند و بررسی کند که آیا آن دو زاویه متمم هستند یا خیر

مثال 2: الگوریتمی و فلوچارتی که سن افراد را دریافت کند و بررسی کند که آیا آن فرد واجد شرایط هست یا خیر

مثال 3: الگوریتمی و فلوچارتی که هزینه تولید یک دست لباس را دریافت کند و حداقل تعداد لباسی که باید در هفته تولید شود تا به سود 560 هزار تومنی در هفته برسد را بدست آورد

4.Find the largest number among three numbers

Step 1: Start
Step 2: Declare variables a, b and c.
Step 3: Read variables a, b and c.
Step 4: If a > b
If a > c
Display a is the largest number.
Else
Display c is the largest number.
Else
If b > c
Display b is the largest number.
Else
Display c is the greatest number.
Step 5: Stop

5. Find Roots of a Quadratic Equation ax2 + bx + c = 0

Step 1: Start
Step 2: Declare variables a, b, c, D, x1, x2, rp and ip;
Step 3: Calculate discriminant
D ← b2-4ac

Step 4: If D ≥ 0
r1 ← (-b+√D)/2a
r2 ← (-b-√D)/2a
Display r1 and r2 as roots.
Else
Calculate real part and imaginary part
rp ← -b/2a
ip ← √(-D)/2a
Display rp+j(ip) and rp-j(ip) as roots
Step 5: Stop

6. Find the factorial of a number

Step 1: Start
Step 2: Declare variables n, factorial and i.
Step 3: Initialize variables
factorial ← 1
i ← 1
Step 4: Read value of n
Step 5: Repeat the steps until i = n
5.1: factorial ← factorial*i
5.2: i ← i+1
Step 6: Display factorial
Step 7: Stop

7. Check whether a number is prime or not

Step 1: Start
Step 2: Declare variables n, i, flag.
Step 3: Initialize variables
flag ← 1
i ← 2
Step 4: Read n from the user.
Step 5: Repeat the steps until i=(n/2)
5.1 If remainder of n÷i equals 0
flag ← 0
Go to step 6
5.2 i ← i+1
Step 6: If flag = 0
Display n is not prime
else
Display n is prime
Step 7: Stop

جمع بندی:‌

امیدواریم که با نوشتن این مقاله توانسته باشیم، شما را با اهمیت و ضرورت علم الگوریتم در کامپیوتر به خوبی آشنا کنیم؛ چرا که یکی از عوامل موفقیت در یادگیری علم برنامه‌نویسی، درک کامل الگوریتم و نحوه بکارگیری آن‌ها در پروژه‌هایی است که به شما واگذار می‌شود. درس طراحی الگوریتم نه تنها در ایران بلکه در تمام دانشگاه‌های دنیا یکی از مهم‌ترین و زیربنایی‌ترین دروس کامپیوتر است که شما برای تبدیل شدن به یک مهندس کامپیوتر برتر به آن نیاز دارید، شما عزیزان می‌توانید برای آشنایی بیشتر با درس طراحی الگوریتمآموزش طراحی الگوریتم به زبان سادهآموزش طراحی الگوریتم به زبان سادهدرس طراحی الگوریتم‌ یکی از مهم‌ترین و بنیادیترین دروس‌ رشته کامپیوتر است. هدف از این درس، معرفی روش‌های مختلف طراحی الگوریتم‌ها برای حل مسائل گوناگون است، در این صفحه به معرفی و آموزش طراحی الگوریتم پرداخته شده است. به صفحه مذکور مراجعه کنید. درست است که تحصیلات آکادمیک بخش کوچکی از تجربیات و یادگیری شما را دربرمی‌گیرد اما دروسی مانند الگوریتم در ایجاد یک زیرساخت دانشی بسیار قوی، نقش مفید و موثری دارند.

یادگیری کامل الگوریتم چقدر زمان می‌برد؟

بطور کلی الگوریتم بعنوان یکی از سخت‌ترین موضوعات برای یادگیری در علوم کامپیوتر در نظر گرفته می‌شود و یادگیری آن برای هر برنامه نویسی ضروری است. قصد نداریم شما را بترسانیم، اما باید بدانید که تسلط بر این موضوع به زمان و تلاش زیادی نیاز دارد. اما برای همه دانشجویان این سوال مطرح است که برای یادگیری کامل الگوریتم چقدر زمان باید صرف کنند؟ پاسخ سوال این است که اگر شما در طول روز، حدود 3 تا 4 ساعت را صرف یادگیری و درک مطالب الگوریتم کنید، معمولاً حدود 6 تا 8 هفته طول می‌کشد تا آن را به طور کامل یاد بگیرید. با این حال، هیچ جدول زمانی مشخصی برای مدت زمان یادگیری الگوریتم‌ وجود ندارد و همه چیز به اراده و سرعت شما در مطالعه و درک عمیق مطالب بستگی دارد.

ویژگی‌های الگوریتم در برنامه‌نویسی چیست؟

همانطور که هر غذایی دستورالعمل پخت مخصوص به خود را دارد، برای ایجاد الگوریتم در برنامه‌نویسی نیز از یک الگوریتم برای همه برنامه‌ها استفاده نمی‌شود. اما تمام الگوریتم‌ها، اصول یکسان و استانداردی را برای ایجاد دستورالعمل‌ها بکار می‌گیرند.

چرا الگوریتم‌ها برای بچه‌ها مهم هستند؟

درک فرآیند ساخت یک الگوریتم به بچه‌ها کمک می‌کند تا پایه‌ای قوی در تفکر منطقی و حل مسئله داشته باشند. تفکر الگوریتمی در کودکان موجب توسعه مهارت‌های بین رشته‌ای برای ایجاد راه‌حل‌های خلاقانه و بدیع در خصوص طیف گسترده‌ای از مشکلات حوزه علوم ریاضیات و کامپیوتر و حتی فراتر از آن خواهد شد.

منظور از تجزیه و تحلیل الگوریتم چیست؟

تحلیل الگوریتمی بخش مهمی از نظریه پیچیدگی محاسباتی است که در آن منابع مورد نیاز الگوریتم برای حل یک مسئله محاسباتی را تخمین میزنند و هرچقدر میزان مصرف منابع معقولانه و کمتر باشد، آن الگوریتم بهتر و کارآمدتر خواهد بود. هنگامی که صحبت از تحلیل الگوریتم‌ها در میان می‌آید، چهار موضوع اهمیت ویژه‌ای پیدا می‌کنند : زمان، حافظه، مصرف داده و مصرف انرژی

22867 نفر تاکنون در دوره‌های آموزشی کنکور کامپیوتر شرکت کرده‌اند.

همچنین هر گونه سوالی در مورد کلاس‌های آنلاین کنکور کامپیوتر و یا تهیه فیلم‌ها و یا رزرو مشاوره تک جلسه‌ای تلفنی با استاد رضوی دارید می‌توانید به طرق زیر از تیم پشتیبانی بپرسید:

آی دی تلگرام تیم پشتیبانی:     konkurcomputer_admin@

شماره ثابت موسسه:   09378555200

امتیازدهی5 1 1 1 1 1 1 1 1 1 15.00 امتیاز (4 رای)
بارگذاری نظرات