算法导论--学习笔记

最新推荐文章于 2023-03-25 16:32:23 发布

管妖妖

最新推荐文章于 2023-03-25 16:32:23 发布

阅读量182

点赞数

分类专栏：算法基础

本文链接：https://blog.csdn.net/keil_/article/details/84258373

版权

算法基础专栏收录该内容

6 篇文章 0 订阅

订阅专栏

第一课时：

第二课时：

第三课时：

Divide-and-Conquer——分治法：

Insertion sort（插入排序）：

def insertion_sort(list):
    if len(list) <= 1:
        return list
    for i in range(1, len(list)):
        temp = list[i]
        j = i-1
        while j >= 0 and temp < list[j]:
            list[j+1] = list[j]
            j -= 1
        list[j+1] = temp
    return list

分析算法：

running time(运行时间影响因素）：输入（输入有序时间就会少很多,输入逆序是插入排序最差的情况)，输入规模（待排序数列的大小），运行时间上界。

Waste-case(usually)（最坏情况）:T(n) = 定义为输入规模为n时的最长运行时间。
Average-case（平均情况）:T(n) = 定义为所有情况下的期望运行时间（有假设前提）
Best-case（cheat）（最好情况）:T( n) = 定义为最好情况下的运行时间
Big idea of algorithms: 不关心算法的实际运行时间，而是关注运行时间的增长程度。

Merge sort（归并排序）：

def merge_sort(list):
    if len(list) <= 1:
        return list
    n = len(list)
    for i in range(n):

Tips：从n到1的折半次数是lgn。

渐进符号，递归和解法

渐进符号：

O符号（渐进符号）：O(g(n)) = {f(n): 存在正常量c和n0，使得对所有n>=n0,有0<=f(n)<=cg(n)。f(n) = O(g(n)), 只要满足0<=f(n)<=c*g(n),仅仅要求g(n)的某个常量倍数是f(n)的渐进上界，而不要求它是一个多么紧确的上界。
Ω符号： Ω(g(n)) = {f(n): 存在正常量c和n0，使得对所有n>=n0,有0<=cg(n)<=f(n)。f(n) = Ω(g(n))。渐进下界
$\theta$ 符号：Ω(g(n)) = {f(n): 存在正常量c1，c2和n0，使得对所有n>=n0,有0<=c1g(n)<=f(n)<=c2g(n)。渐进紧确界
o符号：和大O类似，主要区别在于o定义中是对于所有正常量c成立，而大O是存在正常量c成立。
$\omega$ 符号：和Ω类似，区别在于 $\omega$ 是对所有正常量c成立。