從分配補給的問題說起，由喬治‧丹齊格發展出單純形法(Simplex Algorithmus)試著解決這個問題。 這個解法也是解決線性規劃式以及離散程式的重要基石。而這也是演算法的一小部分而已。 演算法是由許多許多的簡單步驟所組成，而剛好電腦又擅長處理許多許多的簡單步驟。因此演算法能夠在電腦的運算下發揮它最大的威力。 由於電腦的處理能力有其發展極限所在，那演算法呢? 有個簡單的實驗: 1990有兩個團隊來解決同一個離散程式問題。 假設1990年代電腦使用1990年最佳演算法來解決問題速度為1的話: A團隊經由時光旅行帶來2014年的最佳電腦，並使用1990的最佳演算法來解決問題 B團隊經由時光旅行帶來2014年的最佳演算法，並使用1990的最佳電腦來解決問題。 A團隊最後比原來的速度快了6500倍解決了問題，大致符合摩爾定律 B團隊則是比原來的速度快了87萬倍解決問題，可見得，演算法進步的幅度比電腦運算進步的速度快了數百倍。 這樣說來，演算法帶來的性能提升，是從無到有的，而這點可以成立的原因，是因為我們找出了更簡單省事的方法。 在現代網路連結與完善度的需求，也讓演算式解法持續成長。全球網路彼此連結的趨勢下，很快的我們發現，在小規模狀況能夠自然運作的事情，放大規模可能完全失效(量變造成質變)；而完善度的需求(系統的資源必須要最佳的運用)，這些都是讓演算法改良的動力。 當然，就像我們知道化學與機械的界線在哪邊一樣，演算法也有它的界線。 演算法的界線: 1. 演算法需要一個連結體幫它連結現實，這個連結體就是資訊的輸入，或稱為一個範例模式或是一個對於現實的了解。 每個演算法的品質都會受限於其連接體(資訊輸入)的品質 ，了解這一點才能夠有意義的去使用演算法 2. 演算法的[決定]，和社會科學所論述的決定並不相同，因為社會科學的決定著重的是其中的過程，而並非是結果，而演算法最終則是一個結果。因此演算法可以就細節來做出決定，藉此來協助一個社會大方向的決定成為現實。 3. 演算法的最重要界線，則是演算法思考的[核心構成要件]。硬體的發展會受到物理極限的限制，因此從[計算複雜性理論]來決定每種演算法對於特定問題花費的時間與功夫，直到這個問題被演算法解決所花的時間沒辦法再更進一步為止(沒有辦法更簡單了!)。 [計算複雜性理論]
About Reading, Life, and some Information Technology