轉載於知乎
：http://www.zhihu.com/question/20066988/answer/26968999
一般來說，數據結構和算法這本書上提到的任何算法/數據結構，你都不會有機會重新實現一次。
因為，早有就各種各樣的庫，對外提供了工業級的、充分泛化的實現，只需拿來用就是了。
重寫的話，一個代碼質量/執行速度，顯然都極難超過經過千錘百煉的、在無數項目中經過充分測試的庫實現；另一個，書上都是為了教學而做的簡化實現，實際使用中，需要對算法做一定的泛化。（比如，c的qsort庫函數，只要保證數據是以指針數組索引的、對自定義數據須傳入比較大小的功能函數，那么任何數據都可以用這個qsort算法排序；C++里面呢，則是和容器、迭代器之類東西結合通盤考慮的，可泛用於任何符合規范的容器和原生數據類型。而課本上的實現，僅能支持數組中的整數。想做到工業水平，沒有足夠的經驗是不可能的。）
但，另一方面，所有這些算法/數據結構的設計思路，卻會貫穿於絕大部分項目之中。
比如說，簡單的冒泡算法，它是不是只是“多次掃描一個數組，交換遇到的每一對相鄰的、順序反了的數字；當不再發生交換時，數組已完成排序”甚至”好不容易才死記硬背下來的一段代碼“？
如果你只學會了這個，那么，你真就完全白學了。
作為一個表現一般的排序算法，冒泡排序本身出場率就不高；何況還有各種提供了泛化的sort算法的庫：如果僅僅記下了這個，那么你一輩子都不會遇到”必須重寫冒泡算法“的場合。
但，如果你把冒泡算法記成：
就好象水中的氣泡一樣，每次只執行“相鄰的元素比較密度（或其它特征），密度小的上浮，密度大的下沉”這個局部物理過程；多次進行后，局部有序就會變成（相關特征上的）整體有序。
甚至：
模仿各種會導致整體有序現象的局部過程去處理數據，可以使得數據整體上滿足類似的排布。
甚至：
考察任何自然規律，看它會產生什么有趣的后果；那么當需要達到類似的效果時，不妨嘗試用程序模擬出這個規律，很可能就已經得到了想要的效果。
那，你這一生，可就受用不盡了。
比如說，”高大上“的”神經網絡“”遺傳算法“”蟻群算法“等等等等，其實骨子里不都是這個”冒泡思路“嗎？
類似的，各種樹都是鏈表的”鈎掛“思想+數組的”索引“思想的結合體；”模擬退火算法“又是冒泡思路結出來的另一顆果子；音頻濾波算法就是簡諧振動計算公式；面向對象的”繼承“不過是常見的”歸一化“手法的另一個表述方式……
可以說，如果能像對冒泡算法的真正理解一樣，徹底弄明白各種算法的設計思路並加以借鑒，那么你對這個世界的各種規律了解的有多透徹，你的程序就可以寫的有多靈動。
一旦掌握這個，從此，你再不必像那些菜鳥一樣，絞盡腦汁敲出無數代碼去”湊“需求；而是只需用代碼編織出需要的規律，然后丟給CPU執行，你真正想要的東西就會自然”涌現“：現在，你只要找出”結果已經出現“的識別方法，用它來結束你的邏輯就行了。
（當然，達成一個目的往往可以有多個不同的途徑，不同途徑利用不同的規律；那么哪個途徑最優呢？算法課教過你：這就是所謂的“算法復雜度”）
——冒泡算法可不就是用代碼編織了一個”數值大者靠前（或靠后）“的規律，然后丟給CPU一跑，一大片數據就有序了？
——遺傳算法呢，不正是”抄襲“了自然界的自然選擇規律嗎？把這個規律丟給CPU一跑，居然連AI都弄出來了！
這些只是一些特別經典、特別著名的案例而已。
實際工作中，也是時刻都可能遇到一些新鮮的需求/場景；要完成工作，除了出苦力一行行碼代碼外，一樣可以通過觀察找到其中的規律，然后用代碼編織規律，再讓這些規律去替你完成需求：后者往往會比前者簡潔的多得多，執行速度一般也會快得多得多。
這類隨時隨地“發明”的算法實在不值一提，不能讓你像那些著名案例一樣一舉成名；但它們卻實實在在可以提高你的工作效率，讓其他人望塵莫及。
——經常有高手驕傲的宣稱，別人幾萬、幾十萬行代碼都解決不了的問題，他數百行代碼就清楚漂亮的解決了，執行效率還高出許多倍：他們就是這樣做到的。