对于计算机科学家所说的“幼稚实现”的含义，最清楚的解释是什么？我需要一个清晰的好例子来说明——理想情况下，即使对非技术人员也是如此——天真的实现可能技术上是解决问题的有效解决方案，但实际上是完全无法使用。
【问题讨论】：
标签： language-agnostic complexity-theory
我会尽量让它远离计算机。询问您的听众他们如何在字典中找到条目。 （一个普通的词定义词典。）
天真的实现是从头开始，看第一个单词。哦，这不是我们要找的词 - 看看下一个，等等。值得向观众指出，他们甚至可能没有考虑这种做事方式 - 我们'足够聪明，立即打折！然而，这是你能想到的最简单的方法。 （询问他们是否能想到更简单的方法可能会很有趣，并检查他们是否真的理解为什么它比我们实际做的方式更简单。）
下一个实现（也是一个非常好的实现）是从字典的中间开始。我们要找的词是在那之前还是之后？如果是之前，则转到开始和现在之间的中间页面 - 否则，转到现在和结束之间的中间页面，等等 - 二进制印章。
实际的人类实现是利用我们对字母的了解非常迅速地到达“几乎正确的位置”——如果我们看到“大象”，那么我们就会知道它会“接近起点”，可能大约是 1 /第 5 次通过。一旦我们到达 E（我们可以通过非常非常简单的比较来做到这一点），我们会找到 EL 等。
【讨论】：
StackOverflow 的 Jeff Atwood 有一个 great example 一个与洗牌数组相关的简单算法。
【讨论】：
以最直接、最简单的方式进行操作。一个例子是选择排序。
在这种情况下，naive not 是否意味着不好或无法使用。就是说不是特别好。
记住Jon Skeet's advice，您可以将选择排序描述为：
它很容易做也很容易理解，但不一定是最好的。
【讨论】：
另一个简单的实现是在命令式语言中使用递归计算整数的阶乘。在这种情况下，更有效的解决方案是只使用循环。
【讨论】：
你能想到的最明显、最简单的求幂算法是什么？
base ** exp 是base * base * ... * base，exp 次：
double pow(double base, int exp) {
double result = 1;
for (int i = 0; i < exp; i++)
result *= base;
return result;
}
不过，它不处理负指数。记住base ** exp == 1 / base ** (-exp) == (1 / base) ** (-exp)：
double pow(double base, int exp) {
double result = 1;
if (exp < 0) {
base = 1 / base;
exp = -exp;
}
for (int i = 0; i < exp; i++)
result *= base;
return result;
}
不过，实际上可以用小于 exp 的乘法计算 base ** exp！
double pow(double base, int exp) {
double result = 1;
if (exp < 0) {
base = 1 / base;
exp = -exp;
}
while (exp) {
if (exp % 2) {
result *= base;
exp--;
}
else {
base *= base;
exp /= 2;
}
}
return result * base;
}
这利用了base ** exp == (base * base) ** (exp / 2) 如果exp 是偶数这一事实，并且只需要大约log2(exp) 乘法。
【讨论】：
我花时间仔细阅读了你的问题，我有一个完美的例子。
一个很好的清晰示例将说明 - 理想情况下，即使对非技术人员也是如此 - 天真的实现可能技术上是解决问题的有效解决方案，但 实际上 em> 完全无法使用。
试试Bogosort！
如果使用 bogosort 对一副纸牌进行排序，它将包括检查纸牌是否有序，如果不是，则将纸牌扔到空中，随机捡起纸牌，然后重复这个过程，直到牌组被分类。
【讨论】：
“朴素实施”几乎总是与“蛮力实施”同义。幼稚的实现通常很直观，最先浮现在脑海中，但也往往是 O(n^2) 或更糟，因此对于大型输入来说花费的时间太长也不实用。
编程竞赛充满了问题，其中天真的实现无法在可接受的时间内运行，问题的核心是提出一种改进的算法，该算法通常不那么明显，但运行速度更快。
【讨论】：
天真的实现是：
【讨论】：
假设有人弄清楚如何从数据库中提取单个字段，然后继续用 PHP 或任何语言编写网页，该网页对数据库中的每个字段进行单独查询。它可以工作，但会非常缓慢、低效且难以维护。
【讨论】：
天真并不意味着不好或无法使用 - 它意味着具有某些品质，在特定环境中和出于特定目的会造成问题。
经典的例子当然是排序。在对包含十个数字的列表进行排序的情况下，任何旧算法（除了 pogo 排序）都可以很好地工作。但是，当我们达到数千个或更多数字的规模时，通常我们会说选择排序是一种朴素算法，因为它具有 O(n^2) 时间的质量，这对于我们的目的来说太慢了，而且非朴素算法是快速排序，因为它具有 O(n lg n) 时间的质量，对于我们的目的来说足够快。
事实上，在对包含十个数字的列表进行排序的情况下，快速排序是一种简单的算法，因为它比选择排序花费的时间更长。
【讨论】：
确定一个数是否为素数（素数测试）就是一个很好的例子。
简单的方法只是检查 n mod x where x = 2..square root(n) 对于至少一个 x 是否为零。对于非常大的素数，这种方法可能会变得非常慢，并且在密码学中不可行。
另一方面，有几个概率或快速确定性测试。这些太复杂了，无法在此处解释，但您可能需要查看有关该主题的相关 Wikipedia 文章以获取更多信息：http://en.wikipedia.org/wiki/Primality_test
【讨论】：
对超过 100,000,000 个条目进行冒泡排序。
【讨论】：
通常用于对一副纸牌进行排序的直观算法（insertion sort 或 selection sort，均为 O(n^2)）可以被认为是幼稚的，因为它们易于学习和实现，但无法扩展好到一副牌，比如说，100000张牌：D。在一般情况下，有更快 (O(n log n)) 的方法来对列表进行排序。
但请注意，天真并不一定意味着糟糕。在某些情况下，插入排序是一个不错的选择（例如，当您有一个已经排序的大牌堆和几张未排序的卡片要添加时）。
【讨论】：
（还没有看到一个真正幼稚的实现，所以......）
以下实现是“幼稚的”，因为它没有覆盖边缘情况，并且在其他情况下会中断。非常简单易懂，可以传达编程信息。
def naive_inverse(x):
return 1/x
它会：
您可以通过添加这些功能使其更加“成熟”。
【讨论】：
一个 O(n!) 算法。
foreach(object o in set1)
{
foreach(object p in set1)
{
// codez
}
}
这将在小集合中表现良好，然后在大集合中表现得更差。
另一个可能是不考虑线程的幼稚单例。
public static SomeObject Instance
{
get
{
if(obj == null)
{
obj = new SomeObject();
}
return obj;
}
}
如果两个线程同时访问它，它们就有可能获得两个不同的版本。导致严重奇怪的错误。
【讨论】：