搞軟件的，經(jīng)常提到算法這個詞。而且大家都對算法推崇備至，今天簡單聊一下算法究竟是干嘛的？解決什么問題？

首先從宏觀上了解下，這個最好理解。我從幾個案例來分析下，目的是讓你知道為什么搞軟件需要用到算法。

思考下面案例時，大家不妨把自己代入去替代CPU，或者說替代算法程序，去思考下如果是用你的腦子來思考決策，你會怎么做？實際上你的思考和決策的過程就是你大腦里的算法在運(yùn)行。

案例1 路徑規(guī)劃問題。

已知一張地圖，然后我們在A點，要去B點，應(yīng)該走哪一條路？

大家都用過高德或者百度地圖，對這種場景很熟悉的，這就是個典型的算法問題。這個問題的復(fù)雜之處就在于實際要考慮很多因素，譬如各路段的擁堵情況，譬如是否走高速，譬如我開車還是步行，這些條件都會作為算法要考慮的參數(shù)。

如果你要做一個導(dǎo)航產(chǎn)品，你能不研究路徑規(guī)劃算法嗎？不搞定這塊，你的產(chǎn)品怎么智能化起來？

案例2 手機(jī)手表計步功能問題。

現(xiàn)在智能手機(jī)和手表都帶了計步器功能，準(zhǔn)確度其實挺高的了，但是前幾年剛出來時實際上精確度參差不齊。

實際上計步器就是通過各種傳感器的數(shù)據(jù)，來綜合處理判斷這個人究竟有沒有走步?？梢允褂玫降膫鞲衅髦饕峭勇輧x和加速度傳感器。大家可以理解為就是個MPU6050，玩過四軸的同學(xué)都熟悉。

陀螺儀能告訴你姿態(tài)變化，加速度傳感器能告訴你加速度變化，這兩個值本身對你的運(yùn)動都很敏感，傳感器本身零度也很高。

但是問題是你怎么從這兩個值能得到人到底走沒走？走了幾步？這就需要算法。你的算法效果越好則測到的步數(shù)越準(zhǔn)，不會遺漏，也不會多算。而且還要考慮算法本身的復(fù)雜度，計算所需要的運(yùn)算量，功耗等。

最好的算法的標(biāo)準(zhǔn)就是，消耗更少的輸入數(shù)據(jù)和功耗，運(yùn)算量，運(yùn)算時間，得到最精準(zhǔn)高效的結(jié)果。然而現(xiàn)實中不可能有各方面都最好的算法，總是要做一些取舍。

案例3 電動汽車電機(jī)控制器

電動汽車用電機(jī)驅(qū)動，這個和傳統(tǒng)的燃油車完全不同。大家如果開過兩種車，做個對比就會發(fā)現(xiàn)“手感”是不同的。

傳統(tǒng)燃油車的核心技術(shù)是發(fā)動機(jī)和變速箱，這個大家都聽過。那為什么是這兩個？難在哪里？你想想，汽車那么重，路況又復(fù)雜，燃油發(fā)動機(jī)產(chǎn)生的燃燒動能在變速箱和一系列加減速齒輪的作用下，要輸出平穩(wěn)的動力，讓汽車能正常運(yùn)行，這多難啊，這其實就是一套“機(jī)械實現(xiàn)的運(yùn)動控制算法”。

而電動車呢？也需要這一套算法，甚至需要考慮“動能回收”等更復(fù)雜的功能。難不難？在計算機(jī)領(lǐng)域算挺難的，但是和燃油發(fā)動機(jī)相比其實難度大大降低，這也是為什么汽車電動化有助于國產(chǎn)汽車崛起的一大原因。

電機(jī)控制的應(yīng)用場景很多，譬如吹風(fēng)筒，各種機(jī)器設(shè)備等場景和具體要求完全不同，所以需要應(yīng)對的問題和算法策略也不同，這就是為什么需要很多開發(fā)電機(jī)控制算法的人。

還有很多案例，譬如電動車的電池充電問題，手機(jī)的自動鎖屏自動檢測人臉驗證開鎖問題，汽車的空氣懸架問題，甚至噴水馬桶怎么洗干凈屁股的問題，等等都是算法問題。

所以做算法有很大需求，可以說智能化的本質(zhì)，就是玩轉(zhuǎn)傳感器和算法。