大家好，今天和各位談談“吳軍硅谷來信”專欄裡的一篇文章心得。目前世界上已知最好的演算法是什麼呢？在判別“最好”之前，我們要先加入一些限制條件，例如：在一般情況下或是在惡劣情況下的“最好”。吳軍老師舉了北京交通的例子，來說明這兩種情況的差別。
吳軍老師每次到北京，大多住在東三環，因為交通相對其他地方便利。從東三環到機場，在一般情況下，最近的路線是，從三元橋到機場高速公路，約40分鐘。但是，如果東三環出現塞車，就會塞非常久的時間，可能就要變成2個小時。如果要避免遇到塞車這種狀況，另一個選擇方案是，走東四環上第二機場高速，因為比較偏僻，就算遇到事故，也不會完全塞住。正常情況下，東四環會比東三環的方案慢15分鐘；但是在極端情況下，反而會至少快半小時。這說明世界上沒有絕對的最好。
同樣地，電腦演算法也是如此。目前世界上正常情況下，最好的演算法是“快速排序（Quicksort）”演算法。由英國電腦科學家東尼·霍爾（Tony Hoare）在1961年所發表。這種演算法是目前全世界電腦產業界，使用最多的排序演算法。霍爾還因此成為第一位獲得爵士頭銜的科學家。
那麼，快速排序快在哪兒呢？道理很簡單，就是少做事情。其原理大致如下：先在一堆無序的數字中，隨機挑選一個數字做為樞值，假設是53。接下來，將所有的數字依據大於或小於53分成兩堆。這樣一來，這兩堆數字就變得稍微有序一些。
接著，再從兩堆數字中，再各找出一個樞值，假設是4和79。這樣一來，就會出現＜4、4-53、53-79、＞79，這4小堆。再依序重複做下去，所有數字很快就排序完成。
這種演算法在正常情況下的複雜度，也是N乘以log（N），和歸併排序是同一量級的。但是在工程上，一般情況下，快速排序比歸併排序快2倍左右。因此，在工程上，還是有意義的。
吳軍老師舉學生就學的例子做進一步說明：假設某個學區有2萬名高中生，如果讓他們都到同一所學校上課，再從中挑出優秀的學生排序，這樣的效率一定很低，這就是冒泡排序。如果把2萬人放到10所學校中，再從各學校挑出優秀學生，依序比較這樣會比較有效率許多，這是歸併排序。
如果我們先做出幾個分數界線，依2萬名學生的成續高低分到10所學校去，第1所學生成績最好，第10所最差，再找出優秀的學生，這樣的工作量最小，這就是快速排序的原理。這也是快速排序比歸併排序快的原因。
吳軍老師從快速排序演算法中，悟出生活思維方式的啟發。不管是電腦演算法，或是我們日常生活做事，想要提高效率，就是要少做事情。相對的，效率最低的辦法，通常都是刻意追求所有人的一律平等，不做區分。
這就好比學校裡，一個班級的學生水準相當時，老師教起來就相對容易。因此，依照學生成績分班是有道理的，特別是在資源不足的地方。相反的，如果一個班級裡的學生從0到100分的水準都有，那麼老師就很難教了，就必須投入更多的資源，才能達到全部提升的效果。
對比快速排序和歸併排序2倍的效率差，吳軍老師得到一個啟發。那就是為什麼美國的民營公司的效率，會比政府機關高非常多。美國政府機關和社會要講究民主和平等；但是，美國的民營公司從來不講這一套，公司裡的大事，從來不會和每一位員工商量。行政職務的層級就像是快速排序裡的樞值，有了三六九等，公司才有效率可言。
因此，當一名年輕員工進入公司，一開始從事最低層級工作時，不用指望公司的政策會照顧底層的員工，因為那樣的組織沒有效率。沒效率的組織在競爭中是會被淘汰的。當一家公司垮掉後，任何的理想都只是幻影。因此，每位底層員工所思考的事情，是如何進入更高的層級。
這也是吳軍老師從來不強調底層思維的原因，因為大家將來都是不斷向上提升的，必須要有高層思維。底層思維或是心靈雞湯，基本上和毒藥沒兩樣。如果你還在慶幸自己進了一家，最底層員工領的薪水和總經理差不多的公司，趁年輕趕快離開，因為這樣的公司早晚要垮掉的。
世界上沒有絕對的好，快速排序是在一般情況下最好的演算法。那麼，在極端的情況下，它的複雜度是N平方，和冒泡排序一樣的等級。而歸併排序就算在最差的情況下，也能保證N乘以log（N）的複雜度。當然，電腦工程師們都會先想出一些方法，防止極端的情況發生。
隨著科技進步，有沒有可能發明一種比快速排序更好的演算法呢？從科學上來說，答案是不可能。因為從數學上證明，N個任意亂數的排序，複雜度不可能比N乘以log（N）更低，這是數學給出的極限或者說是邊界。因此，有點數學概念的人就知道，不需要在這方面白費工夫。這就是吳軍老師之前常提到的，在邊界內做事情的原因。
吳軍老師舉以前在騰訊面試工程師的例子：吳軍老師曾經面試過一位電腦科學背景的學生。這位學生總是不相信排序演算法是有極限的，吳軍老師還用數學證明給他看，但是因為他的數學程度有限，所以看不懂。這種人和醉心於發明永動機的人沒什麼兩樣；如果花時間培訓這樣的人，只是在浪費時間和精力。最好的辦法就如同芒格所說的：將這種人排除在組織之外。
本日思考題：從快速排序對於效率的提高，對於你的生活或工作，有得到什麼啟發嗎？
歡迎你的留言，和我一起分享、一起討論，我們下次見。
請先 登入 以發表留言。