Python版数据结构与算法——算法分析（Loading...）

本文链接：https://blog.csdn.net/Juuunn/article/details/107166235

源于MOOC北京大学陈斌老师课程

程序和算法的区别

算法是逻辑层，程序是物理层。

算法是对问题解决的分步描述。
程序是采用某种编程语言实显的，同一个算法通过不同程序员采用不同的编程语言，可以产生很多程序。

比较程序的好坏

只要从计算资源消耗的角度：更高效的利用计算资源或占用更少的计算资源。

什么是计算资源

算法解决问题工程中需要的储存空间或内存
算法的执行时间

import time
time.time()
'''记录了从1975年0点0分0秒到当前时间的时间，用此方法可以记录
程序的运行时间'''

算法时间度量指标

赋值语句是一个合适的算法度量指标

问题规模

影响算法执行时间的主要因素叫做问题规模。
在前n个整数累计求和计算算法中，需要累积的整数个数合适作为问题规模的指标。
“前100,00个整数求和对比前1,000个整数求和，算是同一个问题的更大规模”
算法分析的目标是找出问题规模会怎么影响一个算法得执行时间。

数量级函数 Order of Magnitude

基本操作数量函数T(n)的精确值并不是特别重要，重要的是T(n)中起决定性因素的主导部分
用动态的眼光看，就是当问题规模增大的时候，T(n)中的一些部分就会覆盖其他部分的贡献

大O表示法

数量级函数描述了T(n)中随着n增加而增加速度最快的主导部分。
计做O(f(n))，其中f(n)表示T(n)中的主导部分。
例1
以下为前n个整数求和函数，共有n+1次赋值。

def sum(n)
	num=0
	for i in range(1,n+1):
		num+=i
	return num

当n增大时，常数1再最终结果中显得越来越无足轻重。
所以可以去掉1，保留n作为主要部分，运行时间是O(n)
例2
假设某一算法T(n) = 5n²+27n+1005
当n趋近于正无穷时，5n²起绝对性作用，其他两项对结果的影响越来与小。
同样，二次项系数5对n²增长速度来说也影响不大。
所以可以在数量级中去掉27n+1005，以及系数5的部分，确定为O(n²)。

影响算法运行时间的其他因素

某些具体数据也会影响算法运行时间

针对算法输入数据而言，分为最好，最差和平均情况，平均情况体现了算法的主流性能
对算法的分析要看主流，而不能被几种特定的运行状况所迷惑。

常见大O数量级函数

当n非常小的时候，难以确定其数量级
在这里插入图片描述
例3以下赋值语句可以分为4个部分

a = 5
b = 6
c = 10

for i in range(n):
	for j in range(n)
		x = i *i
		y = j * j
		z = i *j

for k in range(n):
	w = a* k + 45
	v = b * b

d = 33

第一部分是三条赋值语句，执行3次
第二部分是双重循环，内部循环的循环体是三条计算语句，共执行n次外层循环又将内层循环执行n次所以第二部分的循环体共执行了3n²这么多次
第三部分是单层循环，执行2n次
第四部分是赋值语句，执行1次
T(n)=3+3n²+2n+1 →T(n)=3n²+2n+4

其他算法复杂度表示法

在这里插入图片描述

变位词判断问题

问题描述

所谓“变位词”是指两个词之间存在 组成字母的重新排列关系
为了简单起见，假设参与判断的两个词仅由小写字母构成，而且长度相等。

解题目标

写一个bool函数，以两个词作为参数，返回这两个词是否是变位词

可以很好的展示同一问题的不同数量级算法

解题思路

1.逐字检查法

原理思路

将1词中的字符逐个到词2中检查是否存在，存在就“打勾”标记（防止重复检查），如果每个字符都能找到则为变位词，如果有一个字符找不到，就不是变位词。

实现打勾标记的做法是将字匹配成功的字符变为“None”

在这里插入图片描述

代码实现

def anagramSolution(s1, s2):
    alist = list(s2)
    pos1 = 0
    stillok = '{}与{}是变位词'.format(s1,s2)
    while pos1 < len(s1) and stillok:
        pos2 = 0
        found = False
        while pos2 < len(alist) and not found:
            if s1[pos1] == alist[pos2]:
                found = True
            else:
                pos2 += 1
        if found:
            alist[pos2] = None
        else:
            stillok = '{}与{}不是变位词'.format(s1,s2)
        pos1 += 1
    return stillok

算法分析

问题规模： 单词中包含的字符个数n
主要本分为双重循环部分： 外层循环遍历s1的每个字符，内层循环执行n次，而内层循环在s2中查找字符，每个字符的对比次数，分别是1至n中的一个，而且各不相同
执行总次数： $1 + 2 + 3 + . . . + n$
$根据等差数列求和公式可知其数量级为 :$
$\sum_{i=0}^ni=\frac{n(n+1)} {n}=\frac{1}{2} n²+\frac{1}{2}→O(n²)$

2.排序比较

原理思路

将两个字符串按照字母顺序排序
逐个字符对比是否相同，如果想同则是变位词，有任何不同就不是变位词
在这里插入图片描述

代码实现

def anagramSoulution2(s1, s2):
    alist1 = list(s1)
    alist2 = list(s2)
    alist1.sort()
    alist2.sort()
    pos = 0
    matches = '{}与{}是变位词'.format(s1, s2)
    while pos < len(s1) and matches:
        if alist1[pos] == alist2[pos]:
            pos += 1
        else:
            matches = '{}与{}不是变位词'.format(s1, s2)
    return matches

算法分析

简单来看似乎只有一个循环，最多执行 $n$ 次，所以数量级是 $O (n)$
$但是之前的排序语句并不是无代价的，排序算法采用不同解决方案运行时间的数量级差不多是$ O(n² $) 或者$ O(n log n) $，大于循环的$ O(n) $, 所以本算法主导步骤是排序的步骤$
所以本算法的运行事件数量及等于排序过程数量级为 $O (n l o g n)$