1.简单查找
简单查找,更准确的说是傻找,每次猜测都只能排除一个数字。
2.二分查找
使用二分查找时,在100以内的数字,在7次之内都能猜到,因为每次猜测都将排除很多数字。
本书所讨论的运行时间,log指的都是log2。
如果列表包含1024个元素,你最多需要检查10个元素,因为log1024 = 10
# python while循环版
def binary_search(list, item):
low = 0
hight = len(list) - 1#减了一个,多的在右边。不减多的一个在左边
while low <= hight:
mid = (low + hight)//2 # 双斜线表示取整
guess = list[mid] # guess表示我们猜测mid位置即为我们要查找的元素
if(guess == item): # 如果我们猜中,返回下表
return mid
if(guess < item): # 如果猜测的值比较小 那么我们从新的将区间定位的较大的区间
low = mid + 1
else:
hight = mid - 1 # 如果猜测的时间比较大,我们把新的区间定位到较小的区间
return None # 未能匹配到值
#test
my_list = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
print(binary_search(my_list, 7))
1.3运行时间
- 线性时间:需要猜测的次数与列表长度相同,这被称为线性时间(linear time)
- 二分查找的运行时间为对数时间(或log时间)
1.4大O表示法
大O表示法指出了算法的速度有多快。仅知道算法需要多长时间才能运行完毕还不够,还需要知道运行时间如何随着列表增长而增加。大O表示法指的并非以秒为单位的速度,大O表示法能够比较操作数,指出了算法运行时间的增速。
4x4的网格需要折叠4次就能得到16个格子。
而简单算法需要16次才能完成。
大O表示法指出了最糟情况下的运行时间为O(n),简单查找的运行时间不可能超过O(n)。
1.5一些常见的大O运行时间
1.6旅行商
推而广之,涉及n个城市时,需要执行n!次操作才能计算出结果
1.7小结
- 二分查找比简单查找快得多
- O(log n)比O(n)快得多
- 算法的运行时间并不以秒为单位
- 算法的运行时间是从其增速的角度度量的
- 算法运行时间用大O表示法表示