算法导论 第一部分 基础知识

算法导论 第一部分 基础知识

引言

第一章 算法在计算中的作用

算法

简单来讲，所谓**算法（algorithm）**就是定义良好的计算过程，它取一个或一组值作为输入，并产生一个或一组值作为输出。亦即，算法就是一系列的计算步骤，用来将输入数据转换成输出结果。

算法也是一种工具，用来解决一个具有良好规格说明的计算问题。
有关该问题的表达可以用通用的语言，来规定所需要的输入/输出关系。与之对应的算法则描述了一个特定的计算过程，用于实现这一输入/输出关系

例如，假设需要将一列数按照非降序进行排序

算法可以解决哪些类型的问题？




数据结构

技术

一些比较难的问题

作为一种技术的算法

算法和其他技术

算法入门

插入排序

Python实现

class Solution(object):
    def insertionSort(self,a_list):
        for key,item in enumerate(a_list):
            print(key,item)
            index = key
            while index > 0 and a_list[index-1] > item:
                a_list[index] = a_list[index-1]
                index -= 1
            a_list[index] = item
        return a_list

算法分析

插入排序算法的分析

最坏情况和平均情况分析

增长的量级

算法设计

分治法

有很多算法在结构上是递归的：
为了解决一个给定的问题，算法要一次或多次地递归调用其自身来解决相关子问题。这些算法通常采用分治策略：将原问题划分成 n 个规模较小而结构与原问题相似的子问题；递归地解决这些子问题，然后再合并其结果，就得到原问题的解。




Python实现

class Solution(object):
	def mergeSort(self,a_list):
		if len(a_list) > 1:
			mid = len(a_list)//2
			lefthalf = a_list[:mid]
			righthalf = a_list[mid:]

			self.mergeSort(lefthalf)
			self.mergeSort(righthalf)
			
			i,j,k = 0,0,0
			while i < len(lefthalf) and j < len(righthalf):
				if lefthalf[i] < righthalf[j]:
					a_list[k] = lefthalf[i]
					i += 1
				else:
					a_list[k] = righthalf[j]
					j += 1
				k += 1

			while i < len(lefthalf):
				a_list[k] = lefthalf[i]
				i += 1
				k += 1
			while j < len(righthalf):
				a_list[k] = righthalf[j]
				j += 1
				k += 1
		return a_list
			

分治法分析

函数的增长

渐进记号

标准记号和常用函数

递归式

代换法

用代换法解递归式需要两个步骤：
1）猜测解的形式
2）用数学归纳法找出使解真正有效的常数

“代数法”这一名称源于当归纳假设用较小值时，用所猜测的值代替函数的解

此方法很有效 但是只能用于解的形式很容易猜的情形。

递归树方法

画出一个递归树是一种得到还猜测的直接方法。

在递归树中，每一个结点都代表递归函数调用集合中一个子问题的代价。我们将树中每一层内的代价相加得到一个没层代价的集合，再将每层的代价相加得到递归是所有层次的总代价。当用递归式表示分治算法的运行时间时，递归树的方法尤其有用。

主方法

主定理的证明

取正合幂时的证明

上取整数函数和下取整函数

概率分析和随机算法

雇用问题

最坏情况分析

概率分析

随机算法

指示器随机变量

利用指示器随机变量分析雇用问题

随进算法

随机排列数组

概率分析和指示器随机变量的进一步使用

生日悖论

球与盒子

序列

在线雇用问题