图解算法笔记1 - 二分查找 & 大O表示法（时间复杂度）

1、由二分查找引出时间概念

二分查找是一种算法，其输入是一个有序的元素列表（必须有序）。如果要查找的元素包含在列表中，二分查找返回其位置，否则返回NULL。

一般而言，对于包含n个元素的列表，用二分查找最多需要${\log }_{2}n$步,而简单查找最多需要n步。

例如：如果列表包含8个元素，简单查找需要检查8个元素，二分查找只需要检查3个元素，因为$2^3$=8。

1.1 python实现二分查找

def binary_search(list_demo, item):
	low = 0
	high = len(list_demo) - 1
	
	while low <= high:
		mid = (low + high) // 2
		guess = list_demo[mid]
		if guess == item:
			return mid
		if guess > item:
			high = mid - 1 
		else:
			low = mid + 1
	return None

my_list = [1, 3, 5, 7, 9]
print(binary_search(my_list, 3))
print(binary_search(my_list,-1))

由此可见，二分查找的运行时间为对数时间（或log时间）。

2、大O表示法

大O表示法是一种特殊的表示法，指出了算法的速度有多快。
例如，假设列表包含n个元素。简单查找需要检查每个元素，因此需要执行n次操作。使用大O表示法，这个运行时间为O(n)。

大O表示法能够比较操作数，它指出了算法运算时间的增速。同时，大O表示法指出了算法在最糟情况下的运算时间。

2.1 一些常见的大O运行时间

下面按从快到慢的顺序列出了常见的5种大O运行时间：
O($logn$)，也叫对数时间，这样的算法包括二分查找。
O($n$)，也叫线性时间，这样的算法包括简单查找。
O($nlogn$)，这样的算法包括快速排序，一种速度较快的排序算法。
O($n^2$)，这样的算法包括选择排序，一种速度较慢的排序算法。
O($n!$)，这样的算法包括下面要介绍的旅行商问题的解决方案，一种非常慢的算法。

假设你要绘制一个包含16格的网格，且有5种不同的算法可供选择，这些算法的运行时间如图所示：

2.2 旅行商问题

有一个旅行商：

他需要前往5个城市。

这位旅行商要前往5个城市，同时确保旅程最短，为此，可考虑的城市顺序如下：

对于每种顺序，都需计算总旅程，再挑选最短的路线。5个城市有5！个排列方式，6个城市有6！个排列方式，以此类推，涉及$n$个城市时，需要$n!$次操作才能计算出结果。

2.3 小结：

1）算法的速度指的并非时间，而是操作数的增速。
2）谈论算法的速度时，我们说的是随着输入的增加，其运行时间将以什么样的速度增加。
3）算法的运行时间用大O表示法表示。
4）O($logn$)比O($n$)快，当需要搜索的元素越多时，前者比后者快得越多。
5）算法运行时间并不以秒为单位。