مودة باجندوح
في ساعة تعلم خصصتها هذا الأسبوع، غصت أكثر في أحد أهم أساسيات علوم الحاسب: الخوارزميات (Algorithms) وهياكل البيانات (Data Structures)، من خلال مقرر “مقدمة في علوم الحاسب” (CS50) من جامعة هارفارد.
البداية: كل حل برمجي يبدأ بقرار
كثير من المبرمجين المبتدئين يظنون أن البرمجة تعني فقط كتابة أكواد تعمل. لكن الحقيقة أعمق من ذلك: قبل كتابة أي سطر كود، هناك قرار مهم يجب اتخاذه — كيف سنحل هذه المشكلة؟ هنا بالضبط يأتي دور الخوارزمية، وهي ببساطة مجموعة الخطوات المرتبة والمنطقية التي يتبعها البرنامج للوصول إلى النتيجة.
المثال الكلاسيكي هو ترتيب قائمة أرقام. نفس المشكلة يمكن حلها بعشرات الطرق المختلفة، لكن كل طريقة (خوارزمية) تختلف عن الأخرى في السرعة وكمية الموارد التي تستهلكها. وهذا يقودنا مباشرة إلى مفهوم آخر لا يقل أهمية.
كيف نقيس “جودة” الحل؟
هنا يظهر مصطلح Big O Notation، وهو الأداة الرياضية التي يستخدمها المبرمجون لوصف كفاءة الخوارزمية: كم من الوقت أو الذاكرة ستحتاجها كلما زاد حجم البيانات؟ خوارزمية تعمل بسرعة مع ١٠٠ عنصر قد تصبح غير عملية إطلاقًا مع مليون عنصر. معرفة هذا الفرق مبكرًا توفر على المبرمج أخطاء مكلفة لاحقًا.
أين تُخزَّن البيانات؟
الجزء الثالث من المعادلة هو هيكل البيانات (Data Structure) — الطريقة التي نُنظّم بها البيانات داخل الذاكرة حتى يسهل الوصول إليها ومعالجتها. من المصفوفات (Arrays) البسيطة، إلى القوائم المترابطة (Linked Lists)، وصولًا إلى الأشجار (Trees) الأكثر تعقيدًا؛ كل هيكل له استخدام مثالي يناسبه.
الفكرة الجوهرية هنا أن اختيار هيكل البيانات الخاطئ يمكن أن يجعل حتى أفضل خوارزمية بطيئة وغير فعالة. الاثنان يعملان معًا كفريق واحد.
الدرس الحقيقي
ما لفت انتباهي أكثر في هذه الساعة التعليمية هو أن البرمجة الاحترافية ليست عن “الحل الذي يعمل”، بل عن “الحل الذي يعمل بكفاءة”. النجاح لا يُقاس بعدد الأسطر المكتوبة، وإنما بمدى قدرة البرنامج على التعامل مع بيانات أكبر، بوقت أقل، وذاكرة أقل.
هذه المفاهيم الثلاثة — الخوارزمية، هيكل البيانات، وتحليل التعقيد — هي حجر الأساس الذي تُبنى عليه كل تقنية نستخدمها يوميًا، من محركات البحث إلى تطبيقات التواصل الاجتماعي.
