《算法图解》读书笔记

chapter 1 简介

本章内容：二分查找，简单查找，大O表示法

仅当列表是有序的时候，二分查找才管用。使用二分查找时，最多需要检查log n个元素。

大 O 表示法指出了最糟情况下的运行时间。算法的速度指的并非时间，而是操作数的增速。

chapter 2 选择排序

本章内容：

• 学习两种最基本的数据结构——数组和链表。
• 很多算法经过排序后才能使用，比如二分查找法是针对有序的一组数据。选择排序是下一章将介绍的快速排序的基石。

需要将数据存储到内存时，你请求计算机提供存储空间，计算机给你一个存储地址。需要存储多项数据时，有两种基本方式——数组和链表。

• 使用数组意味着所有待办事项在内存中都是相连的（紧靠在一起的）。
•  链表的每个元素都存储了下一个元素的地址，从而使一系列随机的内存地址串在一起。

对于数组[2,20]。元素的位置称为索引。因此，不说“元素20的位置为1”，而说“元素20位于索引1处”。

熟悉了数组、链表和大O表示法，就能认识第二种算法——选择排序。（注：这里的第一种算法是指二分查找法）。

Charpter 3 递归

本章内容：递归是很多算法都使用的一种编程方法。

本节将介绍一个重要的编程概念——调用栈（call stack）。调用栈不仅对编程来说很重要，使用递归时也必须理解这个概念。

栈是一种简单的数据结构，他有2种操作：压入（插入）和弹出（删除并读取）。

如果使用循环，程序的性能可能更高；如果使用递归，程序可能更容易理解。

3.3.1 调用栈

计算机在内部使用被称为调用栈的栈。我们来看看计算机是如何使用调用栈的。

3.3.2 递归调用栈

递归函数也使用调用栈，栈在递归中扮演着重要角色。

注意，栈顶的方框指出了当前执行到了什么地方。

使用栈虽然很方便，但是也要付出代价：存储详尽的信息可能占用大量的内存。每个函数调用都要占用一定的内存，如果栈很高，就意味着计算机存储了大量函数调用的信息。

charpter 4 快速排序

本章内容：学习分而治之。学习快速排序，快速排序使用分而治之策略。

我们将探索分而治之（divide and conquer，D&C）——一种著名的递归式问题解决方法。

 

快速排序的思想：我们暂时将数组的第一个元素用作基准值。 接下来，找出比基准值小的元素以及比基准值大的元素。这被称为分区（partitioning）。之后进行递归。现在你有：

• 一个由所有小于基准值的数字组成的子数组；
• 基准值；
•  一个由所有大于基准值的数组组成的子数组。

例如，对数组[33,10,15,7]进行快速排序的示意图：

 

var quickSort = function(arr) {
 　if (arr.length <= 1) { return arr; }
　　var pivotIndex = Math.floor(arr.length / 2);
　　var pivot = arr.splice(pivotIndex, 1)[0];
　　var left = [];
　　var right = [];
　　for (var i = 0; i < arr.length; i++){
　　　　if (arr[i] < pivot) {
　　　　　　left.push(arr[i]);
　　　　} else {
　　　　　　right.push(arr[i]);
　　　　}
　　}
　　return quickSort(left).concat([pivot], quickSort(right));
};

 

快速排序的独特之处在于，其速度取决于选择的基准值。在平均情况下，快速排序的运行时间为O(n log n)。

charpter 5 散列表

本章内容：

• 学习散列表——最有用的基本数据结构之一。散列表用途广泛，本章将介绍其常见的用途。
• 学习散列表的内部机制：实现、冲突和散列函数。这将帮助你理解如何分析散列表的性能。

未完待续