python算法思维笔记(1)

常见时间复杂度

时间复杂度	说明	举例
O(1)	常数	217
O(logn)	对数	4logn+12
O(n)	线性	3n+21
O(nlogn)	对数线性	2n+3nlogn+15
O(n2)	平方	6n2+5n+19
O(n3)	立方	2n3+3n2+5n+8
O(2n)	指数	7*3n

算法思维：解决复杂问题
衡量标准：问题的规模n
讨论的问题：当n->∞，问题能不能得到解决
算法解决的问题：当n非常大时，
普通程序不能工作：
占用空间太大了，运行时间太长了
怎么办？
需要优化算法：提出、评估满足大规模问题的优化算法

线性时间

斐波那契数列

n = 100  # 问题规模
result = [1, 2]
while len(result) < 100:
    x = result[-1] + result[-2]  # 计算下一个值
    result.append(x)  # 将新值放入列表
print(result)
# 程序需要运行3+3*(n-2)，它的时间复杂度是O(n)，线性时间
'''
假定以行为单位，计算运行时间
(1)(2)(3):3
(3)(4)(5):循环n-2遍，每一遍运行3行，3*(n-2)
'''
# 总运行时间T(n)=3+3*(n-2)=O(n)
# 空间复杂度S(n)=n+2=O(n)

# 改进:降低空间复杂度
n = 100
x, y = 1, 2
for i in range(n - 2):
    x, y = y, x + y
print(y)
# 总运行时间T(n)=3+2*(n-2)=O(n)
# 空间复杂度S(n)=4=O(1)

迭代法

迭代法是从某个值开始，不断地利用旧值推导出新值的算法。
通常通过一个循环，不断地用某种方法从旧值产生新值。
循环到某个条件满足时，可以得到最终解。

辗转相除法求最大公约数问题

a, b = eval(input())
if a < b: a, b = b, a
while b != 0:
    a, b = b, a % b  # 利用旧值推导新值 最后b=0，a为最大公约数
print(a)
# 由于每两次迭代后余数最多为原来的一半，最多需要迭代2logb次，因此时间复杂度为O(logb)

穷举法

穷举法也叫暴力法，如果在问题求解时，无法找到有效的解决问题的办法，可以对所有可能的解进行逐一验证，将符合要求的解找出来。

找出质量之和为X的组合

对前面n-1个数进行循环（外循环），每次外循环，都将这个数和它后面的所有数依次进行配对（内循环）。

def find(A, X):
    for i in range(len(A) - 1):
        for j in range(i + 1, len(A)):
            if A[i] + A[j] == X:
                return i, j
    return -1, -1


A = [18, 9, 25, 6, 19, 14, 8, 27, 15]
X = 22
i, j = find(A, X)
if i != -1:
    print(A[i], A[j])
else:
    print("没有可行解")

计算最短路径

根据排列组合，一共有432=24种不同的方法可供选择。
依据穷举法，可将这24种方法全部计算出来，然后输出最短的距离即可。

def get_dis(p1, p2):
    return ((p2[0] - p1[0]) ** 2 + (p2[1] - p1[1]) ** 2) ** 0.5


A = ((100, 50), (200, 25), (50, 30), (150, 10))
min_dis = 1e10
for x1, y1 in A:
    for x2, y2 in A:
        if (x2, y2) == (x1, y1):
            continue
        for x3, y3 in A:
            if (x3, y3) in ((x1, y1), (x2, y2)):
                continue
            for x4, y4 in A:
                if (x4, y4) in ((x1, y1), (x2, y2), (x3, y3)