Python数据结构（一）

算法初步

算法研究的是时空复杂度，它具有有穷性，确定性，可行性，还有输入/输出等特点

一、算法分类

1. 穷举（万能算法）：求N个数的全排列、8皇后问题
2. 分而治之（减而治之）：二分查找——减而治之、归并排序——分而治之
3. 贪心：最小生成树 Prim, Kruskal、单源最短路 Dijkstra
4. 动态规划：背包、士兵路径

二、复杂度

时空复杂度：使用大O记号（最坏情况，忽略常数系数）
时间：基本操作次数（汇编指令条数）
空间：占用内存字节数
区别：空间可以再利用 —> 时空互换（Hash表）

复杂度从小到大排序有：
O(1)：基本运算，＋，－，＊，／，%，寻址
O($\log(n)$)：二分查找
O($\sqrt n$)：枚举约数
O(n)：线性查找、读入n个数
O($n^2$)：朴素最近点对、快速排序的复杂度
O($n^3$)：Floyd最短路、普通矩阵乘法
O($n\log(n)$)：归并排序、快速排序的期望复杂度、基于比较排序的算法下界
O($2^n$) ：枚举全部的子集
O(n!)：枚举全排列
总结：
优秀的时间复杂度： O(1) < O($\log(n)$) < O($\sqrt n$)) < O(n) < O($n\log(n)$)
可能可以优化： O($n^2$) < O($n^3$) < O($2^n$) < O(n!)

常见时间复杂度分析方法：
估算时常认为计算机一秒可以处理1亿条指令，2的27次方即超过1亿

1. 输入输出（输入n个数即有O(n))
2. 数循环次数(循环n次的嵌套循环数次方）
3. 均摊分析（多个操作，一起算时间复杂度）
   MULTIPOP的队列：可以一次性出队k个元素，每个元素只出入队列一次。复杂度O(1)
   动态数组尾部插入操作（vector）：一旦元素超过容量限制，则扩大一倍，再复制。

三、例题：最大子数组和

给定数组a[1…n]，求最大子数组和，即找出1<=i<=j<=n，使a[i]+a[i+1]+…+a[j]最大
介绍三个算法：
暴力枚举 O(n3)
优化枚举 O(n2)
贪心法 O(n)

1. 
   
2. 暴力枚举：三重循环
   for i → 1 to n
    for j → i to n
     sum → a[i]+..+a[j]
     ans → max(ans, sum)
   时间复杂度 O($n^3$) 附加空间复杂度 O(1)
3. 优化枚举：两重循环
   for i → 1 to n
    sum → 0
    for j → i to n
     sum → sum + a[j]
     ans → max(ans, sum)
   时间复杂度 O($n^2$) 附加空间复杂度 O(1)
4. 贪心法：一重循环
   sum → 0
   ans → 0
   for i → 1 to n
    sum → sum + a[i]
    ans → max(sum, ans)
    if (sum < 0) sum → 0
   时间复杂度 O(n) 附加空间复杂度 O(1)
5. 其他，用变量替换就可以得到贪心法！！！
   si → 0
   minsi → 0
   ans → 0
   for j → 1 to n
     if (si < minsi) minsi → si
     if (si + a[j]- minsi > ans) ans → sj - minsi
     si += a[j]
   

用 sum 代替 si-minsi，则 minsi → si 变成 sum → 0