算法图解知识点整理

最新推荐文章于 2024-05-02 14:27:57 发布

管妖妖

最新推荐文章于 2024-05-02 14:27:57 发布

阅读量210

点赞数

分类专栏：算法基础

本文链接：https://blog.csdn.net/keil_/article/details/83786975

版权

算法基础专栏收录该内容

6 篇文章 0 订阅

订阅专栏

二分查找：

def binary_search(list, item):
    low = 0
    high = len(list)-1
   

    while low <= high:
        mid = int((low + high)/2)
        guess = list[mid]
        if guess == item:
            return mid
        if guess < item:
            low = mid+1
        else:
            high = mid-1
    return None

my_list = [1,2,3,4,5,6,7,8]
print(binary_search(my_list, 7))

print(binary_search(my_list, 80))

选择排序：

	数组	链表
读取	O(1)	O(n)
插入	O(n)	O(1)
删除	O(n)	O(1)

递归：

递归条件：调用自己
基线条件：不再调用自己
调用栈：使用方便；但存储详尽信息可能占用大量内存。
栈：后进先出，压入和弹出操作
tips: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。

分而治之：

思想：找出简单的基线条件；确定如何缩小问题规模，使其符合基线条件。
tips：编写涉及数组的递归函数时，基线条件通常为空或只包含一个元素。
快速排序：https://blog.csdn.net/keil_/article/details/83785691
合并排序（归并）：https://blog.csdn.net/keil_/article/details/83785691

散列表（python字典，模拟映射关系）：

散列函数总是将同样的输入映射到相同的索引
应用：查找（电话，IP）、防止重复（投票）、缓存

	散列表（平均情况）	散列表（最糟情况）	数组	链表
查找	O(1)	O(n)	O(1)	O(n)
插入	O(1)	O(n)	O(n)	O(1)
删除	O(1)	O(n)	O(n)	O(1)

使用散列表时，重要的时避免最糟情况，为此需要避免冲突。

较低的填装因子：填装因子 = 已占用位置/总数
良好的散列函数：良好的散列函数让数组中的值呈均匀分布

广度优先搜索（非加权图中查找最短路径）：

广度优先搜索可用于找出两种东西之间的最短距离。
图：图模拟一组连接；由节点和边组成。
广度优先搜索解决两类问题：

从节点A出发，有前往节点B的路吗；
从节点A出发，前往B的哪条路径最短。

队列：入队；出队；先进先出。
拓扑排序：若A任务依赖于B，在列表中A就必须在B后面
数：一种特殊的图，其中没有往后指的边。
有向图的边为箭头，箭头的方向指定了关系的方向。
无向图的边不带箭头，其中关系是双向的。

找到你联系人中的芒果商：

from collections import deque


def person_is_seller(name):
    return name[-1] == 'm'

def search(name):
    search_queue = deque()
    search_queue += graph[name]
    searched = []
    while search_queue:
        person = search_queue.popleft()
        if not person in searched:
            if person_is_seller(person):
                print("The seller is: ", person)
                return True
            else:
                search_queue += graph[person]
                searched.append(person)
    return False

graph = {}
graph["you"] = ["alice", "bob", "claire"]
graph["bob"] = ["anuj", "peggy"]
graph["alice"] = ["peggy"]
graph["claire"] = ["thom", "jonny"]
graph["anuj"] = []
graph["peggy"] = []
graph["thom"] = []
graph["jonny"] = []

search("you")