算法导论学习笔记（时时更新）

排序是算法的基础


算法包括输入输出，数据结构，衡量算法的是速度，
插入排序：对数组A[length]进行排序θ（n*n）：
for j=2 to length;
  key=A[j];//insert A[j] into the A[1..j-1]
  i=j-1
  while i>=0 and A[i]>key
A[i+1]=A[i]
i--
  A[i+1]=key
引出循环不变式的概念（并证明）
输入规模：输入中的项数，输入规模量度。
运行时间：执行的基本操作数。
最坏状况运行时间：对于规模为n的任何输入，算法运行的最长时间。
平均情况：可能会用到概率分析，使用随机化算法计算期望等等。
增长量级（增长率）：计算出运行时间的简化表达式，通过系数比较。
集合离散数学分析（就是概率？）
分治法：利用递归把一个大问题分解成若干个小问题解决。
递归法排序θ（n*lgn）：
Merger-Sort（A,p,r）
 if p<r
    q=(p+r)/2
    Merger-Sort（A,p,q）
    Merger-Sort（A,q+1,r）
    Merger（A,p,q,r）
其中：Merger（A,p,q,r）
n1=q-p+1
n2=r-q
let L[1..n1+1]and R[1..n2+1]be new arrays
for i=1 to n1
  L[i]=A[p+i-1]
for j=1 to n2
  R[j]=A[q+j]L[n1+1]=
L[n1+1]=~  //终止标志
R[n2+1]=~
i=1
j=1
for k=p to r
  if L[i]<=R[j]
  A[k]=L[i]
  i++
else A[k]=R[j]
  j++
 
递归的一中式子：T(n)={ c    when n=1
    { 2T(n/2)+cn    when n>1    (分为原来的一半)
引出递归树的概念。
冒泡法排序：
for i=1 to A.length -1
  for j=A.length downto i+1
if A[j]<A[j-1]
  exchange A[j] with A[j-1]
渐近记号  θ记号（刻画算法运行时间等其他方面）：定义：对于一个给定函数g（n），
        θ（g（n））={f(n)：存在正常量c1，c2和n0，使得对所有n>=n0,有


0<=c1*g(n)<=f(n)<=c2*g(n)}
        说明f（n）属于θ（g（n））有时可以表示匿名函数（出现在等式右边）


出现在等式左边时，记作f（n）=θ（g（n）），g（n）是f（n）的渐近紧确界
        要求每个成员渐近非负，使用θ（1）来表示一个常量或者关于某个变量的


常量函数。
 O记号  渐进上界（最坏情况运行时间） ，定义：对于一个给定函数g（n），O（g


（n））={f(n)：存在正常量c和n0，使得对所有n>=n0,有0<=f(n)<=c*g(n)}
 Ω记号 渐近下界（最优情况运行时间），定义：对于一个给定函数g（n），Ω（g


（n））={f(n)：存在正常量c和n0，使得对所有n>=n0,有0<=c*g(n)<=f(n)}
 o记号  非渐近紧确上界，定义：对于一个给定函数g（n），o（g（n））={f(n)：


对  任意（注意区别）  的正常量c>0和n0>0，使得对所有n>=n0,有0<=f(n)<c*g(n)}
 w记号  非渐近紧确下界，定义：对于一个给定函数g（n），w（g（n））={f(n)：


对任意正常量c>0和n0>0，使得对所有n>=n0,有0<=c*g(n)<f(n)}
斐波那契数：递归：0,1,1,2,3,5,8...
F0=0
F1=1
Fi=F(i-1)+F(i-2)




求解递归数的三个方法：
1.代入法：首先猜测迭代式子的结果，在用数学归纳法证明。
2.递归树：每一个节点代表一个单一子问题的代价，对每层中的代价求和，在对所有


层求和即可。
3.主方法求解：T(n)=aT(n/b)+f(n),其中a>=1,b>1是常数，f(n)是渐近正函数（见笔


记本）


第六章:堆排序，（需要最大堆，维护堆和建堆）
对于一个数组A[length],
sort
{
Build_Max_Heap(A)
for i=A.length downto 2
exchange A[1] with A[i]
A.heap_size--
Max_Heap(A,1)
}
Build_Max_Heap(A)
{
A.heap_size=A.length
for i=A.length/2 downto 1
Max_Heap(A,i)
}
Max_Heap(A,i)
{
l=left(i)
r=right(i)
if l<= A.heap_size and A[l]>A[i]
largest=l
else largest=i
if r<= A.heap_size and A[r]>A[largest]
largest=r
if largest!=i
exchange A[i] with A[largest]
Max_Heap(A,largest)
}




第十章：链表的操作：（二叉树可以用链表的形式表示）
插入元素：(插入x)
x.next=L.head
if L.head!=NIL
L.head.prev=x
L.head=x
x.prev=NIL
第十一章：hash （用于元素的关键字和元素储存的位置建立一个hash algorithm方便加密查


找）一种类似于数组结构的可以直接寻址。
hash table：哈希法又称散列法、杂凑法以及关键字地址计算法等，相应的表称为哈


希表。这种方法的基本思想是：首先在元素的关键字k和元素的存储位置p之间建立一个对应关


系f，使得p=f(k)，f称为哈希函数。创建哈希表时，把关键字为k的元素直 接存入地址


为f(k)的单元；以后当查找关键字为k的元素时，再利用哈希函数计算出该元素的存储位置


p=f(k)，从而达到按关键字直接存取元素的目的。


第十四章：数据结构的扩张：对基本数据结构进行扩展以支持一些 附加功能
1.选择一种基础数据结构
2.确定数据结构要维护的附加信息
3.检验能否附加信息。
4.增加一些功能。
第十五章：*动态规划：（与分治法类似，但是用于处理子问题重叠的情况）常用于求解最优


化问题，一个问题有很多解希望找到里面最大或者最小的解。关键字：记忆，空间换时间，不


重复 求解，由交叠子问题从较小问题解逐步决策，构造较大问题的解。
1.刻画一个最优解的结构特征。
2.递归定义最优解的值。
3.计算最优解的值，通常采用自底向上的方法。
4.利用计算出的信息构造一个最优解




第十六章：贪心算法（dp的简化，他在每一步都做出看起来最佳的选择，希望得到全局最优解


）




第十七章：摊还分析：我们求数据结构的一个操作序列中所执行的所有操作的平均时间，来评


价操作代价。但摊还分析不同于平均情况，它不涉及概率，他可以保证最坏情况下的每个操作


的平均性能。

第十八章：b树：为磁盘或其他直接存取的辅助设备而设计的一种平衡搜索树，相比红黑树，


他在降低磁盘I/O操作数方面要更好一些
他的节点可以有很多孩子，n个节点的b树高度为O（lgn），b树算法将所需


页面（数据集合）从磁盘复制到主存，然后将修改过的页面写回磁盘。