الگوریتم چیست و چرا مهم است؟

مفهوم Big O

Big O سرعت رشد زمان اجرا را نسبت به اندازه ورودی (n) نشان می‌دهد، نه زمان دقیق:

• O(1): ثابت — دسترسی به عضو آرایه با Index.
• O(log n): جست‌وجوی دودویی (Binary Search).
• O(n): پیمایش یک‌باره لیست.
• O(n²): دو حلقه تو در تو — برای ورودی بزرگ به‌سرعت کند می‌شود.

مثال مقایسه

// O(n²): برای هر عدد، کل آرایه را دوباره می‌گردد
bool HasDuplicateSlow(int[] arr) {
    for (int i = 0; i < arr.Length; i++)
        for (int j = i + 1; j < arr.Length; j++)
            if (arr[i] == arr[j]) return true;
    return false;
}

// O(n): با HashSet، هر عضو فقط یک‌بار بررسی می‌شود
bool HasDuplicateFast(int[] arr) => arr.Length != arr.Distinct().Count();

دسته‌های پرکاربرد الگوریتم

جست‌وجو (Binary Search)، مرتب‌سازی (QuickSort/MergeSort — عموماً از قبل در کتابخانه استاندارد هستند)، پیمایش گراف/درخت (BFS/DFS)، Divide and Conquer.

اشتباه رایج

❌ بهینه‌سازی زودهنگام الگوریتمی برای دیتای کوچک (مثلاً ۱۰۰ رکورد) که تفاوت O(n) و O(n²) در آن قابل‌حس نیست — اول درستی و خوانایی کد، سپس بهینه‌سازی جایی که واقعاً روی مقیاس واقعی اثر دارد.

منبع و مطالعه بیشتر

• Big O Cheat Sheet