python数据结构与算法系列

python数据结构与算法系列

概念引入

问题尝试

我们先看一个简单的问题：

如果 a+b+c=1000，且 a²+b²=c²（a,b,c 为自然数），如何求出所有a、b、c可能的组合?

看到此题，我们的第一想法应该是让计算机遍历所有的a、b、c，然后代入我们的条件式，找到符合的组合，这也是计算机比人更擅长做的事。我们可以先试着实现上述的想法，看看会花费我们多长时间。


根据题目我们可以知道a、b、c一定小于1000，而且a、b、c需要同时进行遍历，因此我们想到使用嵌套for循环。我们得出了4组符合条件的结果。此外我们还引入了time函数，计算整个过程所用的时间，根据上图我们发现整个过程持续了104秒之多。

算法提出

概念

算法是计算机处理信息的本质，因为计算机程序本质上是一个算法来告诉计算机确切的步骤来执行一个指定的任务。一般地，当算法在处理信息时，会从输入设备或数据的存储地址读取数据，把结果写入输出设备或某个存储地址供以后再调用。

算法是独立存在的一种解决问题的方法和思想。

对于算法而言，实现的语言并不重要，重要的是思想。

算法可以有不同的语言描述实现版本（如C描述、C++描述、Python描述等），我们现在是在用Python语言进行描述实现。

对于我们最开始提出的这个问题，我们采用三层for循环不断遍历最终找出符合条件的组合的方法，就是一种算法。

算法的五大特征

1.输入: 算法具有0个或多个输入
2.输出: 算法至少有1个或多个输出
3.有穷性: 算法在有限的步骤之后会自动结束而不会无限循环，并且每一个步骤可以在可接受的时间内完成
4.确定性：算法中的每一步都有确定的含义，不会出现二义性
5.可行性：算法的每一步都是可行的，也就是说每一步都能够执行有限的次数完成

再次尝试

现在回到我们最开始提出的那个问题，我们发现程序运行的时间确实有些长，那我们可以做些改变去简化我们的算法，从而缩短时间吗？
根据题目我们知道a+b+c=1000，我们可以用a和b来表示c，即c=1000-a-b。因此我们可以写出如下代码

可以看到我们少了一层循环，而且判断条件也少了一个，我们运行一下，看看这会花费多长时间

我们看到程序只运行了0.74秒！快了非常多！

算法效率

对于同一个问题，我们提出了两种不同的算法，并对程序执行的时间进行了计算，差距是显而易见的，所以我们可以得出结论：**实现算法程序的执行时间可以反应出算法的效率，即算法的优劣。**当然，**单纯依靠运行的时间来比较算法的优劣并不一定是客观准确的！**计算机环境（包括硬件和操作系统）同样会影响程序的运行速度，那么如何客观评价一个算法的优劣呢？

时间复杂度和“大O记法”

我们假定计算机执行算法每一个基本操作的时间是固定的一个时间单位，那么有多少个基本操作就代表会花费多少时间单位。虽然对于不同的机器环境而言，确切的单位时间是不同的，但是对于算法进行多少个基本操作（即花费多少时间单位）在规模数量级上却是相同的，由此可以忽略机器环境的影响而客观的反应算法的时间效率。

对于算法的时间效率，我们可以用“大O记法”来表示。

“大O记法”：对于单调的整数函数f，如果存在一个整数函数g和实常数c>0，使得对于充分大的n总有f(n)<=c*g(n)，就说函数g是f的一个渐近函数（忽略常数），记为f(n)=O(g(n))。也就是说，在趋向无穷的极限意义下，函数f的增长速度受到函数g的约束，亦即函数f与函数g的特征相似。

时间复杂度：假设存在函数g，使得算法A处理规模为n的问题示例所用时间为T(n)=O(g(n))，则称O(g(n))为算法A的渐近时间复杂度，简称时间复杂度，记为T(n)

如何理解“大O记法”

对于算法进行特别具体的细致分析虽然很好，但在实践中的实际价值有限。对于算法的时间性质和空间性质，最重要的是其数量级和趋势，这些是分析算法效率的主要部分。而计量算法基本操作数量的规模函数中那些常量因子可以忽略不计。例如，可以认为3n