الگوریتم چیست به زبان ساده
جواب کوتاه
الگوریتم، یه دستورالعمل دقیق و قدمبهقدمه برای حل یه مسئله، که از یه ورودی شروع میکنه، به یه خروجی میرسه و حتما یه جا تموم میشه. پنج ویژگی داره: متناهیه، یعنی تموم میشه؛ قطعیه، یعنی هر قدمش یه معنی دقیق داره؛ ورودی داره؛ خروجی داره؛ و هر قدمش عملا انجامشدنیه. هر الگوریتمی، هر چقدر بزرگ، از سه آجر ساخته شده: قدمهای پشت سر هم، انتخاب با «اگه»، و تکرار. الگوریتم رو میشه با جملهی معمولی، فلوچارت، شبهکد یا کد نوشت؛ ولی خودش پیش از همهی اینهاست. دم کردن چای، گرفتن پول از خودپرداز و پیدا کردن راه توی نقشه، همه الگوریتم دارن.
دستگاه خوراکی
یه دستگاه فروش خوراکی رو تصور کنید که توی راهروی یه ادارهست. سکه رو میندازید، شمارهی خوراکی رو میزنید، و دستگاه اگه پول کافی بود، خوراکی رو میندازه و باقی پول رو برمیگردونه؛ اگه نه، پیام میده پول کمه. هر بار، دقیقا همین قدمها، به همین ترتیب، و همیشه یه جا تموم میشه.
پشت این دستگاه یه الگوریتمه: یه دستورالعمل دقیق که هیچ ابهامی نداره، از یه ورودی، یعنی سکه و شماره، شروع میکنه و به یه خروجی، یعنی خوراکی و باقی پول، میرسه. توی درس قبل دیدیم این مسیر دربارهی چیه؛ این درس، خود الگوریتم رو دقیق تعریف میکنه.
الگوریتم چیست
الگوریتم (Algorithm) یه دستورالعمل دقیق و قدمبهقدمه برای حل یه مسئله یا انجام یه کار، که از یه ورودی شروع میکنه، به یه خروجی میرسه و حتما بعد از تعداد محدودی قدم تموم میشه. سه کلمهی کلیدی این تعریف: دقیق، قدمبهقدم، و تموم شدن.
یه تعریف کوتاهتر که خیلی از معلمها دوستش دارن: الگوریتم یعنی راه حلی که اونقدر دقیق نوشته شده که حتی یه ماشین هم بتونه بی فکر اجراش کنه. اگه یه آدم برای اجرای قدمهاتون مجبور باشه حدس بزنه، هنوز الگوریتم نیست؛ فقط یه راهنماییه.
الگوریتم پیش از کامپیوتر
الگوریتمها هزاران سال از کامپیوتر قدیمیترن. بابلیهای باستان روی لوحهای گلی، روشهای قدمبهقدمی برای حل مسئلههای حساب و تقسیم زمین نوشته بودن. اقلیدس حدود ۳۰۰ سال پیش از میلاد، روش پیدا کردن بزرگترین مقسومعلیه مشترک رو نوشت. و خوارزمی توی قرن نهم، روشهای حساب با عددهای هندی رو منظم کرد؛ همون کسی که کلمهی الگوریتم از اسمش اومده.
توی همهی این قرنها، اجراکنندهی الگوریتم آدم بود: کاتب، حسابدار، ستارهشناس. کامپیوتر فقط یه اجراکنندهی تازهست، هزاران برابر سریعتر و بی خستگی. برای همین، همون قاعدههایی که برای الگوریتمهای قدیمی درست بود، امروز هم درسته.
چرا زبان معمولی کافی نیست
زبان معمولی پر از ابهامه، و ما آدمها با حدس و تجربه از پسش برمیایم. «سر کوچه دست راست» یعنی سر کدوم کوچه؟ «یه کم صبر کن» یعنی چقدر؟ وقتی الگوریتم رو با زبان معمولی مینویسیم، این ابهامها پنهون میمونن؛ تا وقتی که یکی، یا یه ماشین، بخواد دقیق اجراش کنه.
برای همین، هر چه الگوریتم جدیتر باشه، زبان نوشتنش دقیقتر میشه: اول جملهی معمولی، بعد شبهکد، و آخر کد. هر قدم این مسیر، چند ابهام رو حذف میکنه. یه تمرین خوب اینه که یه الگوریتم نوشتهشده با زبان معمولی رو بدید به یه نفر دیگه و ببینید کجاها مجبور میشه بپرسه «یعنی چی؟».
حالتهای مرزی: جایی که الگوریتمها میشکنن
بیشتر الگوریتمها برای حالت معمولی درست کار میکنن و توی حالتهای عجیب میشکنن. به این حالتها، حالت مرزی (Edge Case) میگن: فهرست خالی، فقط یه عدد، عددهای منفی، دو عدد مساوی، یا یه ورودی خیلی بزرگ. الگوریتم پیدا کردن بزرگترین عدد، با فهرست خالی چی میگه؟
یه عادت خوب اینه که برای هر الگوریتم، پیش از هر چیز، فهرست حالتهای مرزیش رو بنویسید. خیلی از خطاهای معروف نرمافزار، از همین حالتها اومدن؛ مثل سیستمی که با رسیدن تاریخ به یه عدد خاص، اشتباه حساب میکرد، چون کسی به اون روز فکر نکرده بود.
یه مسئله، چند الگوریتم درست
برای پیدا کردن یه اسم توی دفترچه، دیدیم دو الگوریتم درست هست: یکییکی نگاه کردن، و نصف کردن. هر دو متناهی، قطعی و انجامشدنیان؛ هر دو جواب درست میدن. فرقشون فقط توی تعداد قدمهاست، و با بزرگ شدن دفترچه، این فرق خیلی بزرگ میشه.
این وضعیت، قانون همیشگی دنیای الگوریتمه: تقریبا هیچ مسئلهای فقط یه راه حل نداره. بخش بزرگی از این مسیر، مقایسهی همین راههاست؛ و یاد گرفتن اینکه چطور، بی اجرا کردن روی کامپیوتر، بفهمیم کدوم سریعتره. اسم این مهارت، تحلیل الگوریتمه.
لازم نیست همهچیز رو از صفر بسازید
یه خبر خوب برای هر کسی که الگوریتم یاد میگیره: برای بیشتر کارهای رایج، مثل مرتبسازی، جستجو یا کار با تاریخ، زبانهای برنامهنویسی الگوریتمهای آماده و خیلی خوبی دارن که سالها آزموده شدن. یه برنامهنویس معمولا مرتبسازی رو از صفر نمینویسه؛ فقط صداش میزنه.
پس چرا یاد بگیریم؟ چون باید بدونید کدوم رو صدا بزنید، کی کنده، و وقتی مسئلهی شما کمی با مسئلهی رایج فرق داره، چطور تغییرش بدید. مثل آشپزی که از ادویهی آماده استفاده میکنه؛ ولی میدونه هر ادویه چه طعمی میده و کی نباید بریزدش.
اسم الگوریتم
اسم الگوریتم، یادگار محمد بن موسی خوارزمیه، ریاضیدان ایرانی قرن نهم میلادی. وقتی کتابهاش دربارهی حساب با عددهای هندی به لاتین ترجمه شد، اسمش به شکل «الگوریتمی» درومد؛ و کمکم، همین کلمه معنی «روش منظم حساب» گرفت.
امروز این کلمه توی همهی زبانهای دنیا هست و برای هر دستورالعمل دقیق به کار میره؛ از مرتب کردن یه فهرست تا هوش مصنوعی. داستان این اسم، یه یادآوری هم هست: علوم کامپیوتر، روی ایدههایی ساخته شده که قرنها در فرهنگهای مختلف شکل گرفتن.
پنج ویژگی هر الگوریتم
دانشمندهای علوم کامپیوتر، برای اینکه بگن یه دستورالعمل الگوریتمه یا نه، پنج ویژگی رو بررسی میکنن. این فهرست رو دونالد کنوت، یکی از معروفترین نویسندههای این رشته، توی کتاب مشهورش منظم کرد:
- متناهی بودن: بعد از تعداد محدودی قدم تموم میشه.
- قطعی بودن: هر قدم یه معنی دقیق و بی ابهام داره.
- ورودی: صفر یا چند ورودی میگیره.
- خروجی: دستکم یه خروجی میده.
- انجامشدنی بودن: هر قدمش اونقدر سادهست که عملا انجام بشه.
حالا هر کدوم رو با مثال باز میکنیم.
ویژگی اول: تموم میشه
یه الگوریتم باید یه جا تموم بشه. دستورالعملی که میگه «تا وقتی هوا آفتابیه، قدم بزن» ممکنه هیچوقت تموم نشه؛ پس الگوریتم نیست. دستگاه خوراکی، بعد از دادن خوراکی یا پیام خطا، تموم میشه و منتظر مشتری بعدی میمونه.
این ویژگی توی برنامهنویسی خیلی مهمه؛ چون یکی از رایجترین خطاها، حلقهایه که هیچوقت تموم نمیشه و برنامه رو هنگ میکنه. برای همین، کسی که یه الگوریتم مینویسه، همیشه میپرسه: «مطمئنم این یه جا میایسته؟». گاهی جوابش سادهست و گاهی یه اثبات کامل لازم داره.
ویژگی دوم: هر قدم دقیق
هر قدم یه الگوریتم باید فقط یه معنی داشته باشه. توی دستور پختها جملههایی مثل «نمک به اندازهی کافی» یا «کمی تفت بدید» رایجه؛ برای آشپز آدم کافیه، ولی برای الگوریتم نه. «کافی» برای هر کسی یه چیزه. نسخهی الگوریتمی میگه: «یه قاشق چایخوری نمک».
این دقت، دلیل اینه که الگوریتم با هر اجراکنندهای، همون نتیجه رو میده. دو آشپز با یه دستور پخت مبهم، دو غذای متفاوت میپزن؛ دو کامپیوتر با یه الگوریتم، دقیقا یه جواب میدن. این قابل پیشبینی بودن، همون چیزیه که کامپیوتر رو قابل اعتماد میکنه.
ویژگی سوم و چهارم: ورودی و خروجی
هر الگوریتم معمولا یه چیزی میگیره و همیشه یه چیزی میده. ورودی دستگاه خوراکی، سکه و شمارهست؛ خروجیش، خوراکی و باقی پول، یا پیام خطا. ورودی الگوریتم مرتبسازی، یه فهرست قاطیه؛ خروجیش، همون فهرست مرتب.
بعضی الگوریتمها ورودی ندارن؛ مثلا الگوریتمی که عددهای اول کمتر از صد رو چاپ میکنه، از هیچجا چیزی نمیگیره. ولی الگوریتم بی خروجی، معنی نداره؛ کاری که هیچ نتیجهای نداره، حل هیچ مسئلهای نیست. روشن کردن ورودی و خروجی، اولین قدم طراحی هر الگوریتمه.
ویژگی پنجم: انجامشدنی
هر قدم الگوریتم باید اونقدر ساده باشه که بشه واقعا انجامش داد. «بهترین سهام رو برای فردا انتخاب کن» یه قدم انجامشدنی نیست؛ چون هیچ راه دقیقی براش نیست. «قیمت هر سهم رو با میانگین ده روز قبلش مقایسه کن» انجامشدنیه، حتی اگه نتیجهش خوب نباشه.
این ویژگی جلوی دستورالعملهایی رو میگیره که توشون یه قدم جادویی پنهون شده. خیلی از ایدهها توی ذهن کامل به نظر میان، تا وقتی که بخوایم قدمبهقدم بنویسیمشون؛ اونجاست که میبینیم یه قدم، در واقع یه مسئلهی حلنشدهی دیگهست.
چی الگوریتم نیست
با این پنج ویژگی، میشه فهمید چی الگوریتم نیست. «یه غذای خوشمزه درست کن» الگوریتم نیست؛ نه قدم داره، نه دقیقه. «هر وقت دلت خواست، استراحت کن» الگوریتم نیست؛ قطعی نیست. «همهی عددها رو بشمار» الگوریتم نیست؛ هیچوقت تموم نمیشه.
یه نکتهی جالب: یه دستورالعمل میتونه الگوریتم باشه ولی جواب بدی بده. الگوریتمی که سهام رو با میانگین مقایسه میکنه، ممکنه ضرر بده؛ ولی هنوز الگوریتمه، چون دقیق، متناهی و انجامشدنیه. الگوریتم بودن یه چیزه، خوب بودن یه چیز دیگه.
یه مثال: دم کردن چای
بیاید دم کردن چای رو به یه الگوریتم تبدیل کنیم. ورودی: کتری، آب، چای خشک، قوری. خروجی: یه قوری چای دمکشیده. قدمها: کتری رو تا خط پر آب کن؛ روشنش کن؛ تا جوش بیاد صبر کن؛ قوری رو با کمی آب جوش گرم کن و آبش رو خالی کن؛ دو قاشق چای بریز؛ قوری رو پر کن؛ ده دقیقه روی کتری بذار.
حالا دقیقتر نگاه کنید: «تا جوش بیاد صبر کن» یعنی یه حلقه، که یه شرط پایان داره. «اگه کتری خالی بود» رو هم ننوشتیم؛ یه الگوریتم کاملتر اون رو هم داره. همین تمرین ساده، تقریبا همهی ایدههای این درس رو نشون میده.
یه مثال دیگه: خودپرداز
خودپرداز یه الگوریتم واقعی با چند تصمیم داره. کارت رو بگیر؛ رمز رو بپرس؛ اگه رمز غلط بود، یه بار دیگه بپرس، و اگه سه بار غلط بود، کارت رو نگه دار. اگه درست بود، مبلغ رو بپرس؛ اگه موجودی کافی نبود، پیام بده؛ وگرنه پول رو بشمار، بده، رسید چاپ کن و کارت رو پس بده.
این مثال نشون میده چرا الگوریتمهای واقعی اینقدر «اگه» دارن. هر «اگه» یه حالتیه که اگه فراموش بشه، یه مشکل واقعی میسازه: کارتی که برنمیگرده، پولی که دوبار کم میشه، یا رمزی که بینهایت بار حدس زده میشه.
از مسئله تا الگوریتم
ساختن یه الگوریتم معمولا اینطوری پیش میره. اول، مسئله رو دقیق میکنیم: ورودی چیه؟ خروجی چی باید باشه؟ حالتهای خاص کدومن؟ بعد، یه راه حل با دست پیدا میکنیم، روی یه مثال کوچیک. بعد، قدمهایی که خودمون بی فکر انجام دادیم رو یکییکی مینویسیم.
آخر، الگوریتم رو روی چند مثال دیگه، از جمله مثالهای عجیب، امتحان میکنیم. بیشتر وقتها، همین امتحان نشون میده یه قدم جا افتاده بود. این روند، که شبیه کار یه آشپز با یه دستور پخت تازهست، توی همهی ایستگاههای این مسیر تکرار میشه.
یه قدم بزرگ، چند قدم کوچیک
هر قدم یه الگوریتم، خودش میتونه یه الگوریتم کوچیکتر باشه. «چای دم کن» یه قدمه توی الگوریتم «پذیرایی از مهمون»؛ و خودش، چند قدم کوچیکتر داره. این نگاه لایهلایه، همون راهیه که مسئلههای بزرگ حل میشن: از بالا، با قدمهای بزرگ، و بعد باز کردن هر قدم تا جایی که انجامشدنی بشه.
به این روش، طراحی از بالا به پایین میگن. فایدهش اینه که هیچوقت با کل پیچیدگی یهجا روبهرو نمیشید. توی برنامهنویسی، هر قدم بزرگ معمولا یه تابع میشه؛ همون چیزی که توی مسیر مفاهیم برنامهنویسی دیدیم.
سه آجر هر الگوریتم
یه کشف مهم توی علوم کامپیوتر اینه که هر الگوریتمی رو میشه فقط با سه نوع آجر ساخت. پشت سر هم (Sequence): قدمها یکی بعد از دیگری. انتخاب (Selection): «اگه این، اون کار؛ وگرنه، یه کار دیگه». و تکرار (Iteration): «تا وقتی این شرط برقراره، این کار رو تکرار کن».
دو پژوهشگر ایتالیایی، بوهم و یاکوپینی، سال ۱۹۶۶ نشون دادن که همین سه تا برای هر محاسبهای کافیه. این یعنی پیچیدهترین نرمافزارهای دنیا هم، در نهایت، از همین سه آجر ساخته شدن؛ فقط خیلی زیاد و تودرتو.
چهار راه نوشتن یه الگوریتم
یه الگوریتم رو میشه چند جور نوشت. با زبان معمولی، مثل همین مثال چای؛ ساده ولی گاهی مبهم. با فلوچارت، یعنی شکل و پیکان؛ برای دیدن تصمیمها عالی. با شبهکد، یعنی جملههای کوتاه و منظم شبیه کد؛ دقیقتر از زبان معمولی و سادهتر از کد. و با کد، به یه زبان برنامهنویسی؛ که کامپیوتر اجراش میکنه.
نکتهی مهم اینه که الگوریتم، هیچکدوم از اینها نیست؛ اینها فقط لباسهای الگوریتمن. یه الگوریتم مرتبسازی، چه با فارسی نوشته بشه چه با پایتون، همون الگوریتمه. درسهای بعدی، فلوچارت و شبهکد رو کامل یاد میدن.
فرق الگوریتم و برنامه
الگوریتم یه ایدهست؛ برنامه، اجرای اون ایده به یه زبان مشخص، روی یه کامپیوتر مشخص. یه الگوریتم میتونه ده تا برنامهی مختلف داشته باشه، به ده زبان مختلف. و یه برنامهی بزرگ، معمولا صدها الگوریتم کوچیک رو کنار هم داره.
یه فرق دیگه هم هست: برنامهها گاهی تموم نمیشن، و این عمدیه. سیستمعامل یا یه سرور سایت، قرار نیست تموم بشن؛ همیشه منتظر کار بعدیان. ولی هر کار مشخصی که انجام میدن، مثل پیدا کردن یه فایل یا جواب دادن به یه درخواست، یه الگوریتمه که تموم میشه.
الگوریتمهایی که تاس میریزن
شاید فکر کنید قطعی بودن یعنی الگوریتم هیچوقت شانس نداره. ولی بعضی الگوریتمها عمدا از عدد تصادفی استفاده میکنن؛ مثل تاس ریختن. مثلا یه بازی که دشمنها رو یه جای تصادفی میذاره، یا الگوریتمهایی که با چند نمونهی تصادفی، جواب تقریبی یه مسئلهی خیلی بزرگ رو پیدا میکنن.
اینها هنوز الگوریتمن؛ چون قدم «یه عدد تصادفی بگیر» خودش دقیق و انجامشدنیه. فقط خروجیشون ممکنه هر بار کمی فرق کنه. خیلی از الگوریتمهای هوش مصنوعی هم همینطورن؛ برای همین، یه سوال یکسان ممکنه دو جواب کمی متفاوت بگیره.
الگوریتم خوب: درست، بعد سریع
یه الگوریتم خوب دو ویژگی مهم داره: درسته، یعنی برای هر ورودی ممکن جواب درست میده؛ و کارآمده، یعنی بیدلیل وقت و حافظه هدر نمیده. درست بودن همیشه اوله؛ الگوریتم سریعی که گاهی اشتباه میکنه، معمولا از یه الگوریتم کند ولی درست بدتره.
برای کارآمد بودن، معمولا الگوریتمها رو با هم مقایسه میکنیم: با ده برابر شدن ورودی، کدوم چقدر کندتر میشه؟ این مقایسه، موضوع کل ایستگاه دومه. فعلا همین کافیه بدونید که برای یه مسئله، تقریبا همیشه چند الگوریتم درست هست، با سرعتهای خیلی متفاوت.
امتحان الگوریتم با دست
یکی از بهترین راههای فهمیدن یا سنجیدن یه الگوریتم، ردگیری (Trace) با دسته. یه جدول میکشید: هر ستون، یه مقداری که الگوریتم نگه میداره، و هر ردیف، یه قدم. بعد قدمبهقدم جلو میرید و مقدارها رو مینویسید؛ دقیقا مثل یه کامپیوتر، بی هیچ حدسی.
مثلا برای پیدا کردن بزرگترین عدد بین ۴، ۹، ۲ و ۷: ستون «بزرگترین تا الان» اول ۴ ـه؛ با دیدن ۹ میشه ۹؛ با دیدن ۲ میمونه ۹؛ با ۷ هم ۹. برنامهنویسهای باتجربه هم هنوز این کار رو برای الگوریتمهای گیجکننده انجام میدن؛ اغلب، خطا همینجا پیدا میشه.
چند الگوریتم معروف
بعضی الگوریتمها اونقدر مهمن که اسم دارن و توی همهی کتابها میان. جستجوی دودویی، برای پیدا کردن سریع توی دادهی مرتب. مرتبسازی ادغامی و سریع، برای مرتب کردن. الگوریتم دایجسترا، برای کوتاهترین مسیر. الگوریتم اقلیدس، برای بزرگترین مقسومعلیه مشترک، که بیشتر از دو هزار سال قدمت داره.
و الگوریتمهایی که دنیای امروز رو میگردونن: رمزنگاری که پیامها و پرداختها رو امن میکنه، فشردهسازی که فایلها رو کوچیک میکنه، و الگوریتمهای یادگیری که هوش مصنوعی رو میسازن. بیشترشون توی همین مسیر، هر کدوم توی ایستگاه خودش، باز میشن.
الگوریتمهایی که برای ما تصمیم میگیرن
وقتی کسی میگه «الگوریتم اینستاگرام» یا «الگوریتم یوتیوب»، منظورش مجموعهای از الگوریتمهاست که تعیین میکنن چه پستی اول بیاد. اینها هم همون تعریف رو دارن: ورودی، مثل کارهای قبلی شما و پستهای تازه؛ و خروجی، یه فهرست مرتبشده.
فرقشون با الگوریتمهای ساده اینه که خیلی بزرگن، از داده یاد میگیرن و قدمهاشون برای ما پنهونه. دونستن اینکه پشتشون یه دستورالعمل با هدف مشخصه، مثل نگه داشتن شما توی اپ، کمک میکنه آگاهانهتر باهاشون کار کنید. برای همین، «الگوریتم» امروز فقط یه کلمهی فنی نیست.
جواب کوتاه
«الگوریتم چیست» از سوالهای آشنای درس کار و فناوریه. یه جواب کوتاه:
الگوریتم، مجموعهای از دستورهای دقیق، مرتب و مرحلهبهمرحلهست برای حل یه مسئله، که از ورودی شروع میکنه، به خروجی میرسه و بعد از تعداد محدودی مرحله تموم میشه. مثل دستور دم کردن چای یا مراحل گرفتن پول از خودپرداز.
اگه ویژگیها رو هم خواستن: متناهی، قطعی، ورودی، خروجی و انجامشدنی.
چند باور رایج
- «الگوریتم یعنی برنامهی کامپیوتری.» الگوریتم ایدهست؛ برنامه، لباس اون ایده.
- «الگوریتم همیشه جواب درست میده.» الگوریتم بودن با درست بودن فرق داره.
- «دستور پخت الگوریتمه.» فقط وقتی هر قدمش دقیق باشه، نه «به اندازه».
- «الگوریتمهای پیچیده بهترن.» سادهترین الگوریتم درست، معمولا کافیه.
- «الگوریتم شانس نداره.» بعضی الگوریتمها عمدا عدد تصادفی دارن.
یه مثال
مهسا معلم ریاضیه و هر ترم، نمرههای سی دانشآموز رو به دستی جمع و میانگین میگرفت و معمولا یکیدو تا اشتباه میکرد. یه روز تصمیم گرفت کارش رو به یه الگوریتم تبدیل کنه: برای هر دانشآموز، نمرهها رو جمع کن؛ تقسیم بر تعداد کن؛ اگه بالای ده بود، «قبول» بنویس، وگرنه «تجدید».
اول روی کاغذ، برای سه دانشآموز ردگیریش کرد و دید حالت «دانشآموزی که یه امتحان رو غایب بوده» رو جا انداخته. یه «اگه» اضافه کرد. بعد همین الگوریتم رو توی یه جدول اکسل پیاده کرد. حالا دیگه اشتباه نمیکنه، و هر وقت نمرهای عوض بشه، همهچیز خودش بهروز میشه.
مهسا میگه بیشتر از خود الگوریتم، همون ردگیری با دست بهش یاد داد که کجاها، بی اینکه بدونه، داشته حدس میزده.
تمرین امروز
امروز یه الگوریتم بنویسید و ردگیریش کنید.
- یه کار روزمره انتخاب کنید، مثلا مرتب کردن کفشها یا پیدا کردن کوچیکترین قیمت توی یه فاکتور.
- ورودی و خروجیش رو بنویسید.
- قدمها رو بنویسید و هر جا «به اندازه» یا «کمی» نوشتید، دقیقش کنید.
- با پنج ویژگی بسنجید: تموم میشه؟ هر قدم دقیقه؟
- یه بار با یه مثال کوچیک، روی یه جدول ردگیریش کنید.
درس بعدی، الگوریتمهایی رو نشون میده که هر روز بی اسمشون اجرا میکنید: الگوریتمهای روزمره.
جمعبندی. آنچه از این درس با خودتان میبرید.
- الگوریتم: دستور دقیق و قدمبهقدم که حتما تموم میشه.
- پنج ویژگی: متناهی، قطعی، ورودی، خروجی، انجامشدنی.
- سه آجر: پشت سر هم، انتخاب، تکرار.
- الگوریتم پیش از کده؛ با جمله، فلوچارت یا شبهکد نوشته میشه.
- برای سنجیدن، یه بار با دست ردگیریش کنید.
خودتون رو بسنجید
۱۵ پرسش، هر بار تازه از میان ۳۰ پرسش این درس. آخرش فقط کارنامه رو میبینید: چند تا درست، چند تا نادرست.