python 学习简记 《编程导论》 CH10&CH11

《编程导论》 CH10 一些简单的算法和数据结构

10.1 搜索算法

搜索算法就是在一个元素集合中寻找具有特殊属性的一组元素。把这个元素集合称为搜索空间。

本节分析两个用于搜索列表的算法，它们都满足如下需求：

def search(L,e):

      """假定L是列表

          如果e在L中返回True，否则返回False"""

语法上和Python的表达式e in L相同。

1. 线性搜索和间接访问元素

def search(L,e):
    for i in range(len(L)):
        if L[i]==e:
            return True
    return False

在Python中，列表被表示为一个长度（表示列表中对象的数量）和一个固定大小的指针对象序列。

这是一种间接操作的实现技巧。使用间接操作来访问元素时会先访问另一个元素，其中包含对目标元素的引用。

访问列表中第i个元素所用的时间是常数，地址为start+4*i，算法复杂度O(len(L))

2.二分查找和利用假设

假设有一个包含整数的列表，其中的元素按升序存储。

def search(L,e):
    for i in range(len(L)):
        if L[i]==e:
            return True
        if L[i]>e:
            return False
    return False

 搜索到大于e的数字就停止，这样可以降低平均运行时间，但是不会改变最坏情况下的复杂度。

def search(L,e):
    def bSearch(L,e,low,high):
        #Decrements high - low
        if high==low:
            return L[low]==e
        mid = (low+high)//2
        if L[mid]==e:
            return True
        elif L[mid]>e:
            if low==mid: #finish
                return False
            else:
                return bSearch(L,e,low,mid-1)
        else:
            return bSearch(L,e,mid+1,high)
        
    if len(L)==0:
        return False
    else:
        return bSearch(L,e,0,len(L)-1)

递归的二分查找

像search这样的函数通常称为包装函数。search函数会为用户代码提供一个优秀的接口，但是实际上并不执行真正的计算，而是用适当的参数调用辅助函数bSearch。

算法复杂度O(log(len(L)))

10.2 排序算法

利用二分查找需要先排序，如果需要搜索统一个列表多次（k次），那可以先对列表进行一次排序操作，当满足：

(sortComplexity(L)+k*log(len(L)))<k*len(L)时这是有价值的。

Python内建的排序算法足够高效O(nlog(n))： L.sort()对列表排序 sorted(L)返回的列表和L包含相同的元素而不修改L

选择排序：

选择排序会保持一个循环不变式：将列表分割成前一部分(L[0:i])和后一部分(L[i+1:len(L)]),前一部分是有序的，并且其中的所有元素都不大于后一部分中的最小元素。

def selSort(L):
    """assume L is a list,and elements could be compared by >,ascending sort"""
    suffixStart =0
    while suffixStart != len(L):
        prefixEnd=suffixStart #书上没这句 编译不通过？
        for i in range(prefixEnd,len(L)):
            if L[i]<L[prefixEnd]:
                L[prefixEnd],L[i]=L[i],L[prefixEnd]
        suffixStart += 1

复杂度O(len(L)^2)

1.归并排序

前面说的二分查找是分治算法的一种。

分治算法可以被描述为：

1）一个输入大小的阈值，输入大小低于这个值的问题不会被分解；

2）子问题的大小和数量，据此对问题进行分解；