直至所有撲克牌都有序。 圖 1‑2 撲克排序步驟 上述整理撲克牌的方法本質上是“插入排序”演算法，它在處理小型資料集時非常高效。許多程式語言的排 序庫函式中都有插入排序的身影。 例三：貨幣找零。假設我們在超市購買了 69 元的商品，給了收銀員 100 元，則收銀員需要找我們 31 元。他 會很自然地完成如圖 1‑3 所示的思考。 1. 可選項是比 31 元面值更小的貨幣，包括 1 元、5 從剩餘可選項中拿出最大的 1 元，剩餘 1 − 1 = 0 元。 5. 完成找零，方案為 20 + 10 + 1 = 31 元。 第 1 章 初識演算法 www.hello‑algo.com 13 圖 1‑3 貨幣找零過程 在以上步驟中，我們每一步都採取當前看來最好的選擇（儘可能用大面額的貨幣），最終得到了可行的找零方 案。從資料結構與演算法的角度看，這種方法本質上是“貪婪”演算法。 小到 演算法通常可以基於不同的資料結構實現，但執行效率可能相差很大，選擇合適的資料結構是關鍵。 圖 1‑4 資料結構與演算法的關係 資料結構與演算法猶如圖 1‑5 所示的拼裝積木。一套積木，除了包含許多零件之外，還附有詳細的組裝說明 書。我們按照說明書一步步操作，就能組裝出精美的積木模型。 第 1 章 初識演算法 www.hello‑algo.com 15 圖 1‑5 拼裝積木 兩者的詳細對應關係如表

直至所有撲克牌都有序。 圖 1‑2 撲克排序步驟 上述整理撲克牌的方法本質上是“插入排序”演算法，它在處理小型資料集時非常高效。許多程式語言的排 序庫函式中都有插入排序的身影。 例三：貨幣找零。假設我們在超市購買了 69 元的商品，給了收銀員 100 元，則收銀員需要找我們 31 元。他 會很自然地完成如圖 1‑3 所示的思考。 1. 可選項是比 31 元面值更小的貨幣，包括 1 元、5 從剩餘可選項中拿出最大的 1 元，剩餘 1 − 1 = 0 元。 5. 完成找零，方案為 20 + 10 + 1 = 31 元。 第 1 章 初識演算法 www.hello‑algo.com 13 圖 1‑3 貨幣找零過程 在以上步驟中，我們每一步都採取當前看來最好的選擇（儘可能用大面額的貨幣），最終得到了可行的找零方 案。從資料結構與演算法的角度看，這種方法本質上是“貪婪”演算法。 小到 演算法通常可以基於不同的資料結構實現，但執行效率可能相差很大，選擇合適的資料結構是關鍵。 圖 1‑4 資料結構與演算法的關係 資料結構與演算法猶如圖 1‑5 所示的拼裝積木。一套積木，除了包含許多零件之外，還附有詳細的組裝說明 書。我們按照說明書一步步操作，就能組裝出精美的積木模型。 第 1 章 初識演算法 www.hello‑algo.com 15 圖 1‑5 拼裝積木 兩者的詳細對應關係如表

直至所有撲克牌都有序。 圖 1‑2 撲克排序步驟 上述整理撲克牌的方法本質上是“插入排序”演算法，它在處理小型資料集時非常高效。許多程式語言的排 序庫函式中都有插入排序的身影。 例三：貨幣找零。假設我們在超市購買了 69 元的商品，給了收銀員 100 元，則收銀員需要找我們 31 元。他 會很自然地完成如圖 1‑3 所示的思考。 1. 可選項是比 31 元面值更小的貨幣，包括 1 元、5 從剩餘可選項中拿出最大的 1 元，剩餘 1 − 1 = 0 元。 5. 完成找零，方案為 20 + 10 + 1 = 31 元。 第 1 章 初識演算法 www.hello‑algo.com 13 圖 1‑3 貨幣找零過程 在以上步驟中，我們每一步都採取當前看來最好的選擇（儘可能用大面額的貨幣），最終得到了可行的找零方 案。從資料結構與演算法的角度看，這種方法本質上是“貪婪”演算法。 小到 演算法通常可以基於不同的資料結構實現，但執行效率可能相差很大，選擇合適的資料結構是關鍵。 圖 1‑4 資料結構與演算法的關係 資料結構與演算法猶如圖 1‑5 所示的拼裝積木。一套積木，除了包含許多零件之外，還附有詳細的組裝說明 書。我們按照說明書一步步操作，就能組裝出精美的積木模型。 第 1 章 初識演算法 www.hello‑algo.com 15 圖 1‑5 拼裝積木 兩者的詳細對應關係如表

直至所有撲克牌都有序。 圖 1‑2 撲克排序步驟 上述整理撲克牌的方法本質上是“插入排序”演算法，它在處理小型資料集時非常高效。許多程式語言的排 序庫函式中都有插入排序的身影。 例三：貨幣找零。假設我們在超市購買了 69 元的商品，給了收銀員 100 元，則收銀員需要找我們 31 元。他 會很自然地完成如圖 1‑3 所示的思考。 1. 可選項是比 31 元面值更小的貨幣，包括 1 元、5 從剩餘可選項中拿出最大的 1 元，剩餘 1 − 1 = 0 元。 5. 完成找零，方案為 20 + 10 + 1 = 31 元。 第 1 章 初識演算法 www.hello‑algo.com 13 圖 1‑3 貨幣找零過程 在以上步驟中，我們每一步都採取當前看來最好的選擇（儘可能用大面額的貨幣），最終得到了可行的找零方 案。從資料結構與演算法的角度看，這種方法本質上是“貪婪”演算法。 小到 演算法通常可以基於不同的資料結構實現，但執行效率可能相差很大，選擇合適的資料結構是關鍵。 圖 1‑4 資料結構與演算法的關係 資料結構與演算法猶如圖 1‑5 所示的拼裝積木。一套積木，除了包含許多零件之外，還附有詳細的組裝說明 書。我們按照說明書一步步操作，就能組裝出精美的積木模型。 第 1 章 初識演算法 www.hello‑algo.com 15 圖 1‑5 拼裝積木 兩者的詳細對應關係如表

直至所有撲克牌都有序。 圖 1‑2 撲克排序步驟 上述整理撲克牌的方法本質上是“插入排序”演算法，它在處理小型資料集時非常高效。許多程式語言的排 序庫函式中都有插入排序的身影。 例三：貨幣找零。假設我們在超市購買了 69 元的商品，給了收銀員 100 元，則收銀員需要找我們 31 元。他 會很自然地完成如圖 1‑3 所示的思考。 1. 可選項是比 31 元面值更小的貨幣，包括 1 元、5 從剩餘可選項中拿出最大的 1 元，剩餘 1 − 1 = 0 元。 5. 完成找零，方案為 20 + 10 + 1 = 31 元。 第 1 章 初識演算法 www.hello‑algo.com 13 圖 1‑3 貨幣找零過程 在以上步驟中，我們每一步都採取當前看來最好的選擇（儘可能用大面額的貨幣），最終得到了可行的找零方 案。從資料結構與演算法的角度看，這種方法本質上是“貪婪”演算法。 小到 演算法通常可以基於不同的資料結構實現，但執行效率可能相差很大，選擇合適的資料結構是關鍵。 圖 1‑4 資料結構與演算法的關係 資料結構與演算法猶如圖 1‑5 所示的拼裝積木。一套積木，除了包含許多零件之外，還附有詳細的組裝說明 書。我們按照說明書一步步操作，就能組裝出精美的積木模型。 第 1 章 初識演算法 www.hello‑algo.com 15 圖 1‑5 拼裝積木 兩者的詳細對應關係如表

直至所有撲克牌都有序。 圖 1‑2 撲克排序步驟 上述整理撲克牌的方法本質上是“插入排序”演算法，它在處理小型資料集時非常高效。許多程式語言的排 序庫函式中都有插入排序的身影。 例三：貨幣找零。假設我們在超市購買了 69 元的商品，給了收銀員 100 元，則收銀員需要找我們 31 元。他 會很自然地完成如圖 1‑3 所示的思考。 1. 可選項是比 31 元面值更小的貨幣，包括 1 元、5 從剩餘可選項中拿出最大的 1 元，剩餘 1 − 1 = 0 元。 5. 完成找零，方案為 20 + 10 + 1 = 31 元。 第 1 章 初識演算法 www.hello‑algo.com 13 圖 1‑3 貨幣找零過程 在以上步驟中，我們每一步都採取當前看來最好的選擇（儘可能用大面額的貨幣），最終得到了可行的找零方 案。從資料結構與演算法的角度看，這種方法本質上是“貪婪”演算法。 小到 演算法通常可以基於不同的資料結構實現，但執行效率可能相差很大，選擇合適的資料結構是關鍵。 圖 1‑4 資料結構與演算法的關係 資料結構與演算法猶如圖 1‑5 所示的拼裝積木。一套積木，除了包含許多零件之外，還附有詳細的組裝說明 書。我們按照說明書一步步操作，就能組裝出精美的積木模型。 第 1 章 初識演算法 www.hello‑algo.com 15 圖 1‑5 拼裝積木 兩者的詳細對應關係如表

直至所有撲克牌都有序。 圖 1‑2 撲克排序步驟 上述整理撲克牌的方法本質上是“插入排序”演算法，它在處理小型資料集時非常高效。許多程式語言的排 序庫函式中都有插入排序的身影。 例三：貨幣找零。假設我們在超市購買了 69 元的商品，給了收銀員 100 元，則收銀員需要找我們 31 元。他 會很自然地完成如圖 1‑3 所示的思考。 1. 可選項是比 31 元面值更小的貨幣，包括 1 元、5 從剩餘可選項中拿出最大的 1 元，剩餘 1 − 1 = 0 元。 5. 完成找零，方案為 20 + 10 + 1 = 31 元。 第 1 章 初識演算法 www.hello‑algo.com 13 圖 1‑3 貨幣找零過程 在以上步驟中，我們每一步都採取當前看來最好的選擇（儘可能用大面額的貨幣），最終得到了可行的找零方 案。從資料結構與演算法的角度看，這種方法本質上是“貪婪”演算法。 小到 演算法通常可以基於不同的資料結構實現，但執行效率可能相差很大，選擇合適的資料結構是關鍵。 圖 1‑4 資料結構與演算法的關係 資料結構與演算法猶如圖 1‑5 所示的拼裝積木。一套積木，除了包含許多零件之外，還附有詳細的組裝說明 書。我們按照說明書一步步操作，就能組裝出精美的積木模型。 第 1 章 初識演算法 www.hello‑algo.com 15 圖 1‑5 拼裝積木 兩者的詳細對應關係如表

直至所有撲克牌都有序。 圖 1‑2 撲克排序步驟 上述整理撲克牌的方法本質上是“插入排序”演算法，它在處理小型資料集時非常高效。許多程式語言的排 序庫函式中都有插入排序的身影。 例三：貨幣找零。假設我們在超市購買了 69 元的商品，給了收銀員 100 元，則收銀員需要找我們 31 元。他 會很自然地完成如圖 1‑3 所示的思考。 1. 可選項是比 31 元面值更小的貨幣，包括 1 元、5 從剩餘可選項中拿出最大的 1 元，剩餘 1 − 1 = 0 元。 5. 完成找零，方案為 20 + 10 + 1 = 31 元。 第 1 章 初識演算法 www.hello‑algo.com 13 圖 1‑3 貨幣找零過程 在以上步驟中，我們每一步都採取當前看來最好的選擇（儘可能用大面額的貨幣），最終得到了可行的找零方 案。從資料結構與演算法的角度看，這種方法本質上是“貪婪”演算法。 小到 演算法通常可以基於不同的資料結構實現，但執行效率可能相差很大，選擇合適的資料結構是關鍵。 圖 1‑4 資料結構與演算法的關係 資料結構與演算法猶如圖 1‑5 所示的拼裝積木。一套積木，除了包含許多零件之外，還附有詳細的組裝說明 書。我們按照說明書一步步操作，就能組裝出精美的積木模型。 第 1 章 初識演算法 www.hello‑algo.com 15 圖 1‑5 拼裝積木 兩者的詳細對應關係如表

直至所有撲克牌都有序。 圖 1‑2 撲克排序步驟 上述整理撲克牌的方法本質上是“插入排序”演算法，它在處理小型資料集時非常高效。許多程式語言的排 序庫函式中都有插入排序的身影。 例三：貨幣找零。假設我們在超市購買了 69 元的商品，給了收銀員 100 元，則收銀員需要找我們 31 元。他 會很自然地完成如圖 1‑3 所示的思考。 1. 可選項是比 31 元面值更小的貨幣，包括 1 元、5 從剩餘可選項中拿出最大的 1 元，剩餘 1 − 1 = 0 元。 5. 完成找零，方案為 20 + 10 + 1 = 31 元。 第 1 章 初識演算法 www.hello‑algo.com 13 圖 1‑3 貨幣找零過程 在以上步驟中，我們每一步都採取當前看來最好的選擇（儘可能用大面額的貨幣），最終得到了可行的找零方 案。從資料結構與演算法的角度看，這種方法本質上是“貪婪”演算法。 小到 演算法通常可以基於不同的資料結構實現，但執行效率可能相差很大，選擇合適的資料結構是關鍵。 圖 1‑4 資料結構與演算法的關係 資料結構與演算法猶如圖 1‑5 所示的拼裝積木。一套積木，除了包含許多零件之外，還附有詳細的組裝說明 書。我們按照說明書一步步操作，就能組裝出精美的積木模型。 第 1 章 初識演算法 www.hello‑algo.com 15 圖 1‑5 拼裝積木 兩者的詳細對應關係如表

直至所有撲克牌都有序。 圖 1‑2 撲克排序步驟 上述整理撲克牌的方法本質上是“插入排序”演算法，它在處理小型資料集時非常高效。許多程式語言的排 序庫函式中都有插入排序的身影。 例三：貨幣找零。假設我們在超市購買了 69 元的商品，給了收銀員 100 元，則收銀員需要找我們 31 元。他 會很自然地完成如圖 1‑3 所示的思考。 1. 可選項是比 31 元面值更小的貨幣，包括 1 元、5 從剩餘可選項中拿出最大的 1 元，剩餘 1 − 1 = 0 元。 5. 完成找零，方案為 20 + 10 + 1 = 31 元。 第 1 章 初識演算法 www.hello‑algo.com 13 圖 1‑3 貨幣找零過程 在以上步驟中，我們每一步都採取當前看來最好的選擇（儘可能用大面額的貨幣），最終得到了可行的找零方 案。從資料結構與演算法的角度看，這種方法本質上是“貪婪”演算法。 小到 演算法通常可以基於不同的資料結構實現，但執行效率可能相差很大，選擇合適的資料結構是關鍵。 圖 1‑4 資料結構與演算法的關係 資料結構與演算法猶如圖 1‑5 所示的拼裝積木。一套積木，除了包含許多零件之外，還附有詳細的組裝說明 書。我們按照說明書一步步操作，就能組裝出精美的積木模型。 第 1 章 初識演算法 www.hello‑algo.com 15 圖 1‑5 拼裝積木 兩者的詳細對應關係如表