مدخل إلى التفكير الخوارزمي

مقدمة

كيف تحل المشكلات بكفاءة؟ ربما واجهت هذا الحيرة: نفس المشكلة، كود شخص ما ينفذ في ثوانٍ، بينما كود شخص آخر يستمر في الدوران لدقائق. الفرق غالباً يكمن في الخوارزمية. يأخذك هذا الفصل لفهم المفاهيم الأساسية للتفكير الخوارزمي.

ماذا ستتعلم في هذه المقالة؟

بعد إكمال هذا الفصل، ستكتسب:

قدرة على تفكيك المشكلات: أمام المشكلات المعقدة، يمكنك التفكير في استراتيجيات مثل فرّق تسد، والتكرار العودي، بدلاً من كتابة الكود مباشرة
قدرة على تقييم الكفاءة: استخدام تدوين O الكبيرة لتحديد أي الحلين أكثر كفاءة، بدلاً من التخمين بالحدس
تفكير التعقيد: تقدير حجم البيانات ومتطلبات الوقت قبل كتابة الكود، واختيار المستوى المناسب من الخوارزمية
أساس للتعلم المستقبلي: وضع الأساس لهياكل البيانات المتقدمة، والأنظمة الموزعة، والتعلم الآلي

الفصل	المحتوى	المفهوم الأساسي
الفصل 1	البحث الثنائي	فرّق تسد، O(log n)
الفصل 2	خوارزميات الترتيب	الفقاعات، الترتيب السريع، ترتيب الدمج
الفصل 3	تحليل التعقيد	التعقيد الزمني، التعقيد المكاني

0. نظرة عامة: ما هي الخوارزمية؟

تخيل أنك تبحث عن كلمة في القاموس:

الطريقة الأولى: البدء من الصفحة الأولى وتقليب الصفحات واحدة تلو الأخرى (البحث الخطي)
الطريقة الثانية: التحديد بواسطة الحرف الأول، ثم البحث الثنائي (البحث الثنائي)

كلتا الطريقتين تجدان الكلمة، لكن الكفاءة مختلفة تماماً. الخوارزمية هي طريقة لحل المشكلات.

Algorithmic Thinking: Ways to Solve ProblemsDifferent strategies fit different kinds of problems

Binary searchEliminate half each time, O(log n)

Search in a sorted array:

Time Complexity Quick Reference

O(1)ConstantBest, such as array access

O(log n)LogarithmicVery good, such as binary search

O(n)LinearCommon, such as traversal

O(n log n)LinearithmicAcceptable, such as quicksort

O(n²)QuadraticSlow, such as bubble sort

O(2ⁿ)ExponentialVery slow, such as brute-force recursion

Core idea:Algorithms are methods for solving problems. A good algorithm can improve efficiency by orders of magnitude. Understanding algorithmic thinking matters more than memorizing individual algorithms.

المؤشرات الأساسية للخوارزميات:

المؤشر	المعنى	لماذا هو مهم
التعقيد الزمني	اتجاه وقت التشغيل مع زيادة البيانات	التنبؤ بالأداء مع البيانات واسعة النطاق
التعقيد المكاني	اتجاه استهلاك الذاكرة مع زيادة البيانات	تقييم استهلاك الذاكرة
الصحة	هل تعطي دائماً نتائج صحيحة	المتطلب الأساسي لأي خوارزمية

قراءة الجدول سطراً بسطر

التعقيد الزمني: يُوصف بتدوين O الكبيرة. O(n) يعني أن البيانات تتضاعف، والوقت يتضاعف؛ O(n^2) يعني أن البيانات تتضاعف، والوقت يصبح 4 أضعاف.

التعقيد المكاني: يستخدم أيضاً تدوين O الكبيرة. بعض الخوارزميات تبدل المساحة بالوقت (مثل جداول التجزئة)، وبعضها يبدل الوقت بالمساحة (مثل خوارزميات الضغط).

الصحة: يجب أن تعطي الخوارزمية نتائج صحيحة لجميع المدخلات الممكنة. الشروط الحدية (مدخل فارغ، مدخل ضخم) هي الأكثر عرضة للأخطاء.

1. البحث الثنائي: استبعاد النصف في كل مرة

1.1 مبدأ البحث الثنائي

كيف يعمل البحث الثنائي؟

المتطلب الأساسي: يجب أن تكون البيانات مرتبة

العملية:

العثور على العنصر الأوسط
إذا كان العنصر الأوسط يساوي الهدف، تم العثور عليه!
إذا كان الهدف أصغر من العنصر الأوسط، استمر في النصف الأيسر
إذا كان الهدف أكبر من العنصر الأوسط، استمر في النصف الأيمن
استبعاد النصف في كل مرة، حتى يتم العثور عليه أو التأكد من عدم وجوده

التعقيد الزمني: O(log n)

تشبيه من الحياة: لعبة تخمين الأرقام. فكر برقم من 1 إلى 100، في كل مرة تخمن الرقم الأوسط، أقول لك أكبر أم أصغر. بحد أقصى 7 محاولات يمكنك التخمين correctly (لأن 2^7 = 128 > 100).

جرّب بنفسك أدناه: يوضح هذا العرض كيف يعمل البحث الثنائي، يمكنك اختيار البحث المتسلسل أو الثنائي للمقارنة:

Search AlgorithmsHow to find a target in data

Linear search: check items one by one

Target number:

Time complexity: O(n)

Use case: unordered arrays

Performance Comparison

Data size	Linear search	Binary search
10	At most 10 steps	At most 4 steps
100	At most 100 steps	At most 7 steps
1000	At most 1000 steps	At most 10 steps
10000	At most 10000 steps	At most 14 steps

1.2 لماذا البحث الثنائي سريع جداً؟

كمية البيانات	البحث الخطي	البحث الثنائي
100	100 مرة	7 مرات
1,000	1,000 مرة	10 مرات
1,000,000	1,000,000 مرة	20 مرة
1,000,000,000	1,000,000,000 مرة	30 مرة

قراءة الجدول سطراً بسطر

العمود الأول (كمية البيانات): كم عدد البيانات التي يتم البحث عنها. يمكن ملاحظة أن كمية البيانات تزداد من 100 إلى مليار (زيادة بمقدار 10 مليون مرة!)

العمود الثاني (البحث الخطي): الطريقة "الأغبى"، البدء من الأولى والبحث واحدة تلو الأخرى. عدد عمليات البحث يساوي كمية البيانات؛ كلما زادت البيانات، زادت عمليات البحث.

العمود الثالث (البحث الثنائي): الطريقة الذكية، استبعاد النصف في كل مرة. عدد عمليات البحث مرتبط فقط بلوغاريتم كمية البيانات؛ حتى مع مليار بيانات يحتاج فقط إلى 30 مرة!

خلاصة المقارنة: عندما تصل كمية البيانات إلى مليون، يحتاج البحث الخطي إلى مليون مرة، بينما يحتاج البحث الثنائي إلى 20 مرة فقط -- فرق يبلغ 50,000 مرة!

قوة النمو اللوغاريتمي

التعقيد الزمني للبحث الثنائي هو O(log n)، مما يعني:

مليار بيانات، بحد أقصى 30 عملية بحث
تريليون بيانات، بحد أقصى 40 عملية بحث

هذه هي قوة النمو اللوغاريتمي -- البيانات تزداد 1000 مرة، وعمليات البحث تزداد فقط 10.

2. الترتيب: تحويل العشوائي إلى منظم

2.1 خوارزميات الترتيب الشائعة

الخوارزمية	التعقيد الزمني	الخصائص	سيناريو الاستخدام
ترتيب الفقاعات	O(n^2)	بسيط ولكنه بطيء	التعليم، البيانات الصغيرة
ترتيب الاختيار	O(n^2)	بسيط ولكنه بطيء	البيانات الصغيرة
ترتيب الإدراج	O(n^2)	سريع مع البيانات شبه المرتبة	البيانات الصغيرة، شبه المرتبة
الترتيب السريع	O(n log n)	الأسرع عملياً	الترتيب العام
ترتيب الدمج	O(n log n)	ترتيب مستقر	السيناريوهات التي تتطلب الاستقرار
ترتيب الكومة	O(n log n)	ترتيب في الموقع	السيناريوهات ذات الذاكرة المحدودة

قراءة الجدول سطراً بسطر

ترتيب الفقاعات: خوارزمية الترتيب الأكثر أساسية، مثل الفقاعات التي تصعد من قاع الماء. بسيطة وسهلة الفهم، ولكنها الأبطأ. مناسبة لتعلم مفهوم الترتيب، وليست للاستخدام العملي.

ترتيب الاختيار: في كل مرة يتم اختيار الأصغر ووضعه في المقدمة. بسيط أيضاً، ولكن بغض النظر عن ترتيب البيانات، يقوم دائماً بنفس عدد المقارنات.

ترتيب الإدراج: مثل تنظيم الأوراق في يدك عند لعب الورق. يتم إدراج كل عنصر في الجزء المرتب بالفعل. فعال جداً مع البيانات شبه المرتبة.

الترتيب السريع: الأكثر استخداماً في التطوير العملي. الأسرع في المتوسط، ولكن في أسوأ الحالات (البيانات مرتبة بالفعل) يتدهور إلى O(n^2).

ترتيب الدمج: يتبنى فكرة "فرّق تسد"، دائماً O(n log n)، ولكنه يتطلب مساحة إضافية. مناسب للسيناريوهات التي تحتاج ترتيباً مستقراً.

ترتيب الكومة: يستخدم بنية بيانات الكومة للترتيب في الموقع (بدون مساحة إضافية)، ولكنه عملياً يكون عادةً أبطأ من الترتيب السريع.

2.2 لماذا الترتيب السريع "سريع"؟

مبدأ الترتيب السريع

الفكرة الأساسية: فرّق تسد

اختيار عنصر "محوري"
وضع الأصغر من المحوري على اليسار، والأكبر على اليمين
ترتيب كلا الجانبين بشكل عودي
دمج النتائج

لماذا هو سريع؟

بعد كل تقسيم، يكون العنصر المحوري في موقعه النهائي
في المتوسط، كل تقسيم يستبعد حوالي نصف العناصر
التعقيد الزمني O(n log n)

تشبيه من الحياة: ترتيب رف الكتب. تسحب كتاباً واحداً، تضع الأرفع على اليمين والأخف على اليسار. ثم تكرر هذه العملية مع كل مجموعة.

جرّب بنفسك أدناه: يوضح هذا العرض تصور خوارزميات الترتيب، يمكنك إنشاء مصفوفة ومشاهدة المقارنة بين ترتيب الفقاعات والترتيب السريع:

Sorting AlgorithmsPut data into order

Choose a sorting algorithm

Select a sorting algorithm to start the demo

Time complexity:

Algorithm Comparison

Algorithm	Average time	Worst time	Space	Stable
Bubble sort	O(n²)	O(n²)	O(1)	✓
Quick sort	O(n log n)	O(n²)	O(log n)	✗
Merge sort	O(n log n)	O(n log n)	O(n)	✓
Insertion sort	O(n²)	O(n²)	O(1)	✓

3. التكرار العودي: استدعاء الذات

3.1 جوهر التكرار العودي

ما هو التكرار العودي؟

التكرار العودي هو تقنية برمجة حيث تستدعي الدالة نفسها.

عنصران أساسيان:

الحالة الأساسية: متى يتوقف التكرار العودي؟
الخطوة العودية: كيف يتم تفكيك المشكلة إلى مشكلات فرعية أصغر؟

مثال كلاسيكي: المضروب

function factorial(n) {
  if (n <= 1) return 1        // الحالة الأساسية
  return n * factorial(n - 1) // الخطوة العودية
}

تشبيه من الحياة: دمى ماتريوشكا الروسية. تفتح دمية فتجد دمية أصغر بداخلها، حتى أصغر دمية لا يمكن فتحها.

3.2 التكرار العودي مقابل التكرار

الخاصية	التكرار العودي	التكرار (الحلقات)
إيجاز الكود	عادةً أكثر إيجازاً	قد يكون أكثر تعقيداً
استهلاك الذاكرة	أعلى (مكدس الاستدعاءات)	أقل
الأداء	أبطأ قليلاً (تكلفة الاستدعاءات)	أسرع
سيناريو الاستخدام	اجتياز الأشجار، فرّق تسد	المهام المتكررة البسيطة

قراءة الجدول سطراً بسطر

إيجاز الكود: التكرار العودي عادةً يحتاج فقط إلى بضعة أسطر من الكود للتعبير عن منطق معقد (مثل اجتياز هياكل الأشجار)، بينما مع الحلقات قد يحتاج إلى متغيرات وتداخل أكثر.

استهلاك الذاكرة: التكرار العودي يستخدم "مكدس الاستدعاءات" لحفظ معلومات كل مستوى، مثل تكديس الصحون؛ كل مستوى عودي يضيف صحنًا. الحلقات لا تحتاج هذه التكلفة.

الأداء: كل استدعاء دالة له تكلفة (تمرير المعلمات، عمليات المكدس، إلخ)، لذلك التكرار العودي عادةً أبطأ من الحلقات.

سيناريو الاستخدام: التكرار العودي جيد للمشكلات ذات البنية العودية بطبيعتها (مثل أشجار الملفات، أشجار DOM)؛ الحلقات جيدة للعمليات المتكررة البسيطة (مثل اجتياز المصفوفات).

فخ التكرار العودي

تجاوز المكدس: التكرار العودي عميق جداً، مما يستنزف مساحة مكدس الاستدعاءات.

الحلول:

التحول إلى التكرار
استخدام تحسين التكرار الذيل (بعض اللغات تدعم ذلك)
تقييد عمق التكرار العودي

جرّب بنفسك أدناه: يوضح هذا العرض عملية الاستدعاءات العودية، شاهد كيف تستدعي الدالة نفسها:

Recursive Thinking: A Function Calls ItselfBreak a large problem into smaller problems of the same kind

🪆

Nested dolls

Open a large doll and there is a smaller doll inside
Open that one and there is an even smaller one, until the smallest case
That is recursion.

Recursive examples

Factorial: n! = n × (n-1)!

5! = 5 × 4!

↓

4! = 4 × 3!

↓

3! = 3 × 2!

↓

2! = 2 × 1!

↓

1! = 1 (base case)

↑ return 1

↑ return 2 × 1 = 2

↑ return 3 × 2 = 6

↑ return 4 × 6 = 24

↑ return 5 × 24 = 120

Three Elements of Recursion

Base case

When should recursion stop? There must be a termination condition.

Example: 1! = 1

Recursive call

How does the problem get smaller? Call the same function on a smaller case.

Example: turn n! into (n-1)!

Return result

How does the current problem use the result of the subproblem?

Example: the result of n × (n-1)!

✓ Pros

Concise code
Naturally expresses recursive structures
Good for tree and graph traversal

✗ Cons

May repeat work
Uses stack space
Can be harder to debug

4. الخوارزمية الجشعة: اختيار الأمثل في كل خطوة

4.1 فكرة الخوارزمية الجشعة

ما هي الخوارزمية الجشعة؟

الخوارزمية الجشعة تختار في كل خطوة الخيار الذي يبدو أفضل في تلك اللحظة، على أمل الوصول إلى الحل الأمثل الشامل.

شروط التطبيق:

خاصية الاختيار الجشع: الأمثل محلياً يمكن أن يؤدي إلى الأمثل شاملاً
البنية التحتية المثلى: الحل الأمثل للمشكلة يحتوي على الحلول المثلى للمشكلات الفرعية

مثال كلاسيكي: الباقي من العملات

الهدف: استخدام أقل عدد من العملات لتشكيل المبلغ المحدد
الاستراتيجية الجشعة: في كل مرة اختيار العملة ذات القيمة الأكبر
النتيجة: 67 = 50 + 10 + 5 + 1 + 1 (5 عملات)

تشبيه من الحياة: عند تسلق جبل، في كل مرة تختار المسار الأكثر انحداراً للصعود. على الرغم من أنك قد لا تصل إلى القمة الأعلى، عادةً تصل إلى موقع جيد.

4.2 قيود الخوارزمية الجشعة

الخوارزمية الجشعة لا تحصل دائماً على الحل الأمثل

مثال مضاد: باقي العملات

إذا كانت الفئات [1, 3, 4] وتريد تشكيل 6:

الجشع: 4 + 1 + 1 = 3 عملات
الأمثل: 3 + 3 = 2 عملة

الخوارزمية الجشعة فشلت هنا!

الدرس: الخوارزمية الجشعة بسيطة وفعالة، لكنها لا تحصل دائماً على الحل الأمثل. قبل استخدامها، يجب إثبات أن المشكلة تستوفي الشروط الجشعة.

جرّب بنفسك أدناه: يوضح هذا العرض التأثير الفعلي للخوارزمية الجشعة، يمكنك تجربة مجموعات مختلفة من العملات ومراقبة أداء الاستراتيجية الجشعة:

Greedy Algorithms: Choose the Best Current MoveLocal optimum → global optimum?

A greedy algorithm chooses the best option available at each step
It hopes a series of local choices reaches a global optimum

Classic problems

Coin Change Problem

Change needed: 37

× 1 = 20

× 1 = 10

× 1 = 5

× 2 = 2

Needs 5 coins total

✓ Greedy strategy: choose the largest coin each time
✓ Works for currencies such as RMB and USD

Greedy vs Dynamic Programming

Feature	Greedy algorithm	Dynamic programming
Decision style	Choose the current best each step	Consider all possibilities and choose the best
Optimality	May not be globally optimal	Guarantees a global optimum
Time complexity	O(n) or O(n log n)	O(n²) or higher
Best fit	Local optimum → global optimum	Overlapping subproblems

✓ Pros

Simple to implement
Efficient
Low space complexity

✗ Cons

Does not always guarantee a global optimum
Limited applicability
Requires an optimality proof

5. نماذج تصميم الخوارزميات

النموذج	الفكرة	الخوارزمية النموذجية	المشكلة القابلة للتطبيق
فرّق تسد	تفكيك المشكلة إلى مشكلات فرعية	الترتيب السريع، ترتيب الدمج	المشكلات القابلة للتفكيك
الجشع	اختيار الأمثل في كل خطوة	شجرة الامتداد الدنيا، ترميز هوفمان	المشكلات ذات الخاصية الجشعة
البرمجة الديناميكية	تسجيل حلول المشكلات الفرعية	مشكلة الحقيبة، أقصر مسار	المشكلات الفرعية المتداخلة
التراجع	المحاولة والعودة إذا لم تنجح	الثماني ملكات، التباديل الكامل	مشكلات البحث

قراءة الجدول سطراً بسطر

فرّق تسد: تقسيم المشكلة الكبيرة إلى مشكلات صغيرة، وحل كل منها بشكل منفصل ثم الدمج. مثل ترتيب المنزل: تقسم أولاً إلى غرفة المعيشة، غرفة النوم، المطبخ، تنظف كل منها وفي النهاية كل شيء مرتب.

الجشع: في كل مرة تختار الأفضل حالياً، دون النظر في العواقب طويلة المدى. مثل الأكل باختيار طبقك المفضل أولاً؛ قد لا يكون الطريقة المثلى للأكل، لكنه سريع.

البرمجة الديناميكية: تذكر النتائج الوسيطة لتجنب الحسابات المتكررة. مثل تدوين الملاحظات: في المرة القادمة التي تواجه فيها نفس المشكلة، ابحث عن الإجابة مباشرة دون إعادة الاستنتاج.

التراجع: إذا لم تنجح، عد وأعد المحاولة. مثل السير في متاهة: إذا هذا الطريق لا يعمل، عد إلى التقاطع السابق وجرب طريقاً آخر.

جرّب بنفسك أدناه: يوضح هذا العرض خصائص وسيناريوهات تطبيق نماذج تصميم الخوارزميات المختلفة:

Algorithm Design ParadigmsCommon patterns for solving problems

Algorithm design paradigms are general strategies for solving problems. Learning them helps you find solution ideas quickly.

✂️

Divide and conquer

Divide, solve, combine

📊

Dynamic programming

Store results to avoid repetition

🎯

Greedy

Local optimum

🔙

Backtracking

Try and retreat

✂️Divide and conquer

Core idea

Split a large problem into smaller independent problems, solve them recursively, then combine the results.

Use cases

Array sortingMatrix multiplicationLarge integer arithmetic

Classic problems

📝

Merge sort

📝

Quick sort

📝

Binary search

📝

Strassen matrix multiplication

Time complexity

O(n log n)

Often much faster than brute force

Paradigm Comparison

Paradigm	Core strategy	Optimality	Use case
✂️ Divide and conquer	Split → recurse → combine	Guarantees optimum	Problems that split independently
📊 Dynamic programming	Store subproblem answers	Guarantees optimum	Overlapping subproblems
🎯 Greedy	Choose the best each time	Not always optimal	Local optimum → global optimum
🔙 Backtracking	Depth-first search	Guarantees optimum	Small search spaces that need enumeration

How to choose the right paradigm?

Analyze problem features

Are there overlapping subproblems? Is there optimal substructure?

Decide whether an optimum is required

Greedy is not always optimal; dynamic programming guarantees an optimum.

Consider input size

Backtracking fits small inputs, while divide and conquer fits larger inputs.

6. الملخص: الخوارزميات هي فن حل المشكلات

لنستخدم تشبيهاً لتلخيص الأفكار الخوارزمية المختلفة:

الفكرة	التشبيه	النقطة الأساسية
البحث الثنائي	تخمين الأرقام	استبعاد النصف في كل مرة
الترتيب	ترتيب رف الكتب	إرساء النظام
التكرار العودي	دمى ماتريوشكا	تصغير الكبير
الجشع	اختيار طريق التسلق	الأمثل المحلي

الرؤية الأساسية

جوهر الخوارزميات هو التوازن بين "الكفاءة" و"الصحة".

الخوارزمية الجيدة يمكن أن تحسن كفاءة البرنامج بعدة درجات من الحجم
لكن التحسين المفرط قد يضيف تعقيداً
تأكد من الصحة أولاً، ثم اسعَ للكفاءة

فهم التفكير الخوارزمي أهم من حفظ الخوارزميات المحددة:

فرّق تسد: تفكيك المشكلات الكبيرة إلى صغيرة
الجشع: اختيار الأمثل في كل خطوة
البرمجة الديناميكية: تسجيل حلول المشكلات الفرعية
التراجع: المحاولة والعودة إذا لم تنجح

قراءة إضافية

مقدمة في الخوارزميات: الكتاب المدرسي الكلاسيكي لتعلم الخوارزميات بشكل منهجي
LeetCode: تحسين المهارات الخوارزمية من خلال حل التمارين
تصور الخوارزميات: فهم عملية تنفيذ الخوارزميات بشكل حدسي
خوارزميات المسابقات: تعلم تقنيات الخوارزميات الأكثر تقدماً

مدخل إلى التفكير الخوارزمي ​

0. نظرة عامة: ما هي الخوارزمية؟ ​

1. البحث الثنائي: استبعاد النصف في كل مرة ​

1.1 مبدأ البحث الثنائي ​

1.2 لماذا البحث الثنائي سريع جداً؟ ​

2. الترتيب: تحويل العشوائي إلى منظم ​

2.1 خوارزميات الترتيب الشائعة ​

2.2 لماذا الترتيب السريع "سريع"؟ ​

3. التكرار العودي: استدعاء الذات ​

3.1 جوهر التكرار العودي ​

3.2 التكرار العودي مقابل التكرار ​

4. الخوارزمية الجشعة: اختيار الأمثل في كل خطوة ​

4.1 فكرة الخوارزمية الجشعة ​

4.2 قيود الخوارزمية الجشعة ​

5. نماذج تصميم الخوارزميات ​

6. الملخص: الخوارزميات هي فن حل المشكلات ​

قراءة إضافية ​

مدخل إلى التفكير الخوارزمي

0. نظرة عامة: ما هي الخوارزمية؟

1. البحث الثنائي: استبعاد النصف في كل مرة

1.1 مبدأ البحث الثنائي

1.2 لماذا البحث الثنائي سريع جداً؟

2. الترتيب: تحويل العشوائي إلى منظم

2.1 خوارزميات الترتيب الشائعة

2.2 لماذا الترتيب السريع "سريع"؟

3. التكرار العودي: استدعاء الذات

3.1 جوهر التكرار العودي

3.2 التكرار العودي مقابل التكرار

4. الخوارزمية الجشعة: اختيار الأمثل في كل خطوة

4.1 فكرة الخوارزمية الجشعة

4.2 قيود الخوارزمية الجشعة

5. نماذج تصميم الخوارزميات

6. الملخص: الخوارزميات هي فن حل المشكلات

قراءة إضافية