对商业算法隐含风险的看法
本人法学专业，正在进行平台算法的法律规制相关问题研究，想请教各位对目前平台算法的快速发展所带来一系列风险这一问题有何看法？以及如果通过法律规制算法的行为，那会有什么难点呢？谢谢！
- 你可以参考下这个问题的回答, 看看是否对你有帮助, 链接: https://ask.csdn.net/questions/7757298
- 这篇博客你也可以参考下：散列查找 ⑴ 对于给定的一组整数和散列函数，采用线性探测法处理冲突构造散列表；⑵ 设计查找算法，验证查找性能。
- 除此之外, 这篇博客: 各大排序算法的优缺点以及实现方法中的 【正题】排序算法是哪些？长什么样？怎么实现？ 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:
知道了排序的意义，我们来了解一下排序的种类有哪些。
冒泡排序 BUB
冒泡排序的意思有点像一次次的交换，把最大/最小的量一次次“推”到最后。
它是这样实现的：
1.从头遍历到尾（a[1]到a[n]），把a[1]与a[2]作对比，如果a[1]大于/小于a[2]那么就要把两者交换（swap(a[1],a[2])）；再把a[2]与a[3]作对比，如果a[2]大于/小于a[3]那么就要把两者交换；以此类推……直到比较到a[n-1]与a[n]，那么此时的a[n]肯定是最大/最小的了。
2.然后再来一轮，从头遍历到尾（a[1]到a[n]），把a[1]与a[2]作对比；再把a[2]与a[3]作对比；
以此类推……
直到最后一轮：值得注意的是，这次只比较到a[n-2]与a[n-1]（因为a[n]已经是最大/最小的了，不用比较a[n]），那么此时的a[n-1]肯定也是最大/最小的了。
这样子说可能有点绕，让我们看动图（黄色是已被排序的，绿色是正在比较中的）：
素材来自VisuAlgo
算法优点：稳定
算法缺点：所需时间太长，时间复杂度高，接近O(n²)
冒泡排序理论上总共要进行n(n-1）/2次交换选择排序 SEL
选择排序比冒泡排序好理解一些。
它是这样实现的：
1.从头遍历到尾，找到其中的最小值，并把这个值与第一个没排序过的量交换。
2.然后再来一轮，从第二个量遍历到尾（a[2]到a[n]），因为此时第一个量已经被排序过了。
以此类推……
来个图（红色是当前最小值，黄色是已被排序的，绿色是比较中的）：
算法优点：移动数据的次数已知。
算法缺点：比较次数多，不稳定。
选择排序总共要进行n-1次交换插入排序 INS
插入排序是这样实现的：
1.将第一个量标记为已排序。
2.然后把第一个没有排序过的量提取出来，一个一个往前寻找，直到找到一个比它小/大的量，然后插入在它后面。
3.然后再来一轮，重复第二步即可。
以此类推……
再来个图（红色是提取的待插入值，黄色是已被排序的，绿色是与红色比较的）：
算法优点：稳定，快。
算法缺点：比较次数不一定，比较次数越多，插入点后的数据移动越多（特别是当数据总量庞大的时候）。但用链表可以解决这个问题。
最好情况：序列已经是期望顺序了，在这种情况下，需要进行的比较操作需(n-1)次即可。
最坏情况：序列是期望顺序的相反序列，那么此时需要进行的比较共有n(n-1)/2次。
插入排序算法的时间复杂度平均为O(n^2)归并排序 MER
归并排序就是把元素分为各个部分，让它们组合成有顺序的部分，最后一步步地组成一个整体，这就排完序了。
归并排序这其实让我也思考了很久：到底怎么给大家讲明白呢？
最后我想到一个非常贴切的例子：2048
大家想必都玩过2048这款游戏吧，游戏规则就是把相同的数字相组合，可以斗出一个更大的数（把两数相加）。
而归并排序也很像这款游戏，游戏中的数字就是我们归并部分的长度，唯一不同的地方在于：游戏中数字从2开始，而归并单位的长度初始为1，并且它也只能把相同长度的部分相组合（当然，除了最后一部分，长度为奇数时就无法拼凑完整）。
归并排序是这样实现的：
1.首先将每个元素拆分成大小为1的部分。
2.然后我们就把最前面的两个部分归并，归并步骤如下：- 把两个部分的第一个数字相比较，把当中的最大/最小值抽出来（意思原来的部分的第一个数被删了，第二个来接替，整体往前挪，有点像队列），进入临时队列当中
- 再次进行第一步
以此类推，直到原来的两个部分都没有数了为止，再把临时队列当中的数依次放回原数组
3.然后再来一轮，重复第二步即可。
以此类推……直到只剩下一个部分，组成一个整体。
大家配合下面的动图理解一下（不同的颜色代表不同的部分）：
算法优点：稳定，快。
算法缺点：空间复杂度太高，为O(n)。 没办法，只能以空间换时间
归并算法的时间复杂度平均为O(nlog2n)计数排序 COU
计数排序是这样实现的：
1.开一个数组，数组长度为排序数据的最大值与排序数据最小值的差+1。
2.初始化数组，使得数组的每一个值都为0。
3.每处理一个数据，就再以这个数为下标的数组单元+1。（输入进来n，a[n]++）
4.再把数组从头到尾遍历一遍，遇到一个数组单元就输出数组存储的数个 数组下标。（循环i=1~n 每次输出a[i]个i）
又来个图：
算法优点：快。
算法缺点：太太太太太耗内存了内存：“我做错了什么？？？”
最好情况： 空间复杂度非常高，且浪费的空间异常之多。排序数据的最大值有多少，它就得开多大的空间。
计数排序算法的时间复杂度平均为O(2n)
计数排序只适合处理小数据，不适合处理排列稀疏的大数据！！！基数排序/桶排序/箱排序 COU
不适用于负数！！！
“基数排序”与“计数排序”仅一字之差，却大相径庭！前面我们说过，计数排序只适合处理小数据，而计数排序恰恰适合处理位数很多的大数据，一定要注意这个“位数很多”。别急，等我讲完了你就明白了。
基数排序是把数的位数（个、十、百、千、万……）全部分割开来，从小位数到大位数遍历，把他们按照当前遍历到的位数上的数字分别放到10个队列中，分数为遍历排序。
基数排序是这样实现的：
1.开10个队列，队列代表着为0~9。
2.第一轮处理个位，每处理一个数据，就把这个数入代表这个数个位的队列中去，然后再一个个从代表0的队列到代表9的队列依次出队。
3.第二轮处理十位，每处理一个数据，就把这个数入代表这个数十位的队列中去（没有十位算十位为0），然后再一个个从代表0的队列到代表9的队列依次出队。
以此类推……直到所有数的最高位。
最后就可以得到排好序的队列了
以上方法是求升序的方法，那么求降序的方法请朋友们自己好好动脑筋思考！Answer：从代表9的队列到代表0的队列依次出队就可以了
示意动图：
有朋友会发现我们没有再使用之前的 5 3 6 8 3 为例子了，其实我是故意这样的，这样正好体现了基数排序适合处理位数很多的数据的特点！！！
算法优点：稳定，空间复杂度永远是O(10n)。
算法缺点：这是个比较中性的算法，没什么缺点
基数排序算法的时间复杂度为O(n)级（注意是“级”，因为它的时间复杂度变动幅度很大）快速排序 QUI
最厉害的当然是压轴啦！
快速排序（Quicksort）是对冒泡排序的一种改进。
作者认为这个比较难理解，请认真学习快排
快速排序是这样实现的：
1.将第一个没遍历过的元素设为轴心点。
2.再往后遍历没遍历过的元素，标记好小于等于轴心元素的与大于轴心元素的。
3.把轴心点放在最后一个小于等于轴心元素的元素的后面，第一个大于轴心元素的元素的前面，并把轴心点标记为已经遍历过的元素。
重复以上步骤，直到所有的元素都被标记为已经遍历过的元素
这是示意图（浅黄色是轴心点，黄色是已被排序的，绿色是小于等于轴心的，紫色是大于轴心的，红色是正在比较中的）：
算法优点：用空间很少，用时一般很少，可谓是在时间复杂度和空间复杂度上找到了“平衡点”
算法缺点：非常不稳定
最好情况：时间复杂度：O(nlog2n)
最坏情况：时间复杂度：O(n^2)
快速排序算法的时间复杂度平均为O(nlog2n)
- 您还可以看一下 吴刚老师的【吴刚大讲堂】电商视觉的排版与应用方法课程中的 订单页面的表单视觉优化及细节处理方法小节, 巩固相关知识点