مقرر تحليل وتصميم الخوارزميات (CS240 / Algorithms)
بعد دراسة هياكل البيانات، ينتقل طالب علوم الحاسب وتقنية المعلومات في جامعة الأمير مساعد إلى دراسة تحليل وتصميم الخوارزميات. يركز هذا المقرر المتقدم على الإجابة عن سؤال حاسم: "إذا كان لدينا خمس طرق لحل نفس المشكلة البرمجية، كيف نقيس رياضياً وهندسياً أي الطرق هي الأسرع والأقل استهلاكاً لموارد النظام؟".
📺 محاضرة مسجلة وتطبيق عملي | CS 001 (Computer Essentials)
03 | شرح CS001 | أنظمة الترقيم والترميز وأنواع الحواسيب | Module 1 - SEU
ما هو مفهوم Big-O Notation وكيف يُحسب؟
يعد Big-O Notation المقياس المعياري الرياضي لوصف الحد الأعلى للتعقيد الزمني والمكاني للخوارزمية مع نمو حجم البيانات المدخلة ($n$).
- $O(1)$ - زمن ثابت (Constant Time): تنفيذ فوري لا يتأثر بحجم البيانات (مثل جلب عنصر من مصفوفة عبر الـ Index).
- $O(\log n)$ - زمن لوغاريتمي (Logarithmic Time): أداء فائق الكفاءة يقسم البيانات لنصفين في كل خطوة (مثل البحث الثنائي Binary Search).
- $O(n)$ - زمن خطي (Linear Time): ينمو الوقت طردياً مع عدد العناصر (مثل البحث الخطي في قائمة غير مرتبة).
- $O(n \log n)$ - زمن الفرز الأمثل: زمن أفضل خوارزميات الترتيب العالمية (مثل Merge Sort و Quick Sort).
- $O(n^2)$ - زمن تربيعي: بطيء جداً وغير مناسب للبيانات الضخمة (مثل الحلقات التكرارية المتداخلة في Bubble Sort).
أشهر استراتيجيات تصميم الخوارزميات في منهج SEU
- استراتيجية فرّق تَسُد (Divide and Conquer): تقسيم المشكلة الكبيرة إلى مشاكل أصغر وحلها ثم دمج الحلول (Merge Sort & Binary Search).
- الخوارزميات الجشعة (Greedy Algorithms): اختيار الخيار الأفضل محلياً في كل خطوة للوصول للحل الأمثل (مثل خوارزميات Kruskal و Prim و Dijkstra).
- البرمجة الديناميكية (Dynamic Programming): تخزين حلول المشكلات الفرعية في مصفوفة وتجنب إعادة حسابها (Memoization) لحل مشكلات معقدة مثل مسألة حقيبة الظهر (Knapsack Problem).
🧠 فكر كمهندس خوارزميات مع فخر CS
يبسط لك المهندس أحمد فخر الدين أعقد المفاهيم الرياضية والخوارزمية ويحولها إلى خطوات برمجية بديهية؛ استكشف دوراتنا المتقدمة لتضمن الامتياز في مسيرتك الجامعية.
ابدأ بكورس هياكل البيانات التأسيسي بـ 145 ريال