《算法图解》读书笔记

下面将按照本书的顺序做一下读书笔记的整理。

1.大O表示法

大O表示法表示的为算法运行的时间复杂度，但不是以秒为单位，而是表示随着操作数n的变大，算法运行时间的增速。

是操作数为n下的查找次数，是指在最糟糕情况下的运行时间复杂度。

常见的二分查找时间复杂度为o（log n），在大O表示法中讨论时间log都是以2为底的对数，快排时间复杂度为O（n*log n），划分成log n 层，每一层的时间复杂度为n。

2. 数组和链表

数组的元素存储在一起，链表的元素分开存储，每一个元素都存储了下一个元素的地址；数组读取快，链表插入和删除快。

3.递归

每一个递归函数都有两部分组成，基线条件和递归条件。基线条件是指函数不在自己调用自己，即递归停止的条件。递归条件就是自己调用自己。

4. 分而治之

分而治之是一种递归式解决问题的办法，需要将问题逐步化小。

工作原理：（1）找出简单的基线条件，当涉及数组时，基线条件一般为数组为空或者数组只包含一个元素

                  （2）确定如何缩小问题的规模，使其符合基线条件。（经典的分治算法：快速排序）

5. 散列表

散列表就是常说的哈希结构，字典数据结构，由键值对组成，模拟映射关系，可以防止重复，缓存记住数据，以免服务器在生成他们。

当两个键映射到同一个位置时，在这个位置用一个链表存储不同的值。

6.广度优先搜索

广度优先搜索是一种用于图结构的查找算法，用于解决两类问题：1. 是否有从A到B的路径。2. 从A到B的最短路径是多少。

图由节点和边组成，模拟不同东西是如何相连的，与一个节点直接相连的多个节点被称为邻居，两个节点之间有箭头指向，被称为有向图，无箭头指向被称为无向图，编程时用字典模拟这种数据结构。

在用BFS算法实现最短距离（只要最短、最近的什么东西就行，不仅仅是距离）查找时，需要用队列这种数据结构来实现，队列时先进先出，栈是后进先出。

BFS查找最短路径的方法：

1. 将问题建模为图结构

2. 用数据结构实现图结构

3. 实现BFS算法（只有按数据的添加顺序去找，才能实现这种目的）

必须按照加入顺序去检查搜索列表中对象，否则找到的就不是最短路径，因此搜索列表必须是队列，对于检查过的对象，务必不要再去检查，否则可能导致无限循环。

7. 贪婪算法

当一个问题不可能完成时，或者没有快速算法时，这就是一个NP完全问题，我们要学会识别它，以免浪费时间去寻找快速算法，应学习近似算法，使用它们可以快速找到NP完全问题的近似解，常用的近似算法有贪婪算法。

贪婪算法简单易行，每一步都采取最优的做法，每一步都选择局部最优解，最终得到的就是全局最优解，但并不是在所有情况下都有效。

比较经典的问题有旅行商问题，集合覆盖问题。

在集合覆盖问题中，每一次选择一个广播台，它可以覆盖最多未覆盖的州，即使已经覆盖了一些重复的。一直重复，直到覆盖了所有的州。需要用集合set来实现。

旅行商问题中，随机选择出发的城市，然后每次选择要去的下一个城市时，都选择还没去的最近的城市，以此类推，这是个近似解。

如何判别NP完全问题？

1. 元素少，运行开，元素增多，运行非常慢，2 . 涉及所有组合，3. 不能将问题分成小问题，必须考虑各种情况，3. 问题中涉及序列（如旅行商中的城市序列）且难以解决，4， 问题中涉及集合（广播台集合）且难以解决，5，可转换为旅行商或者集合覆盖问题。

8.动态规划

动态规划就是将某个指标最大化，

可在有约束条件下找到最优解，

可以将问题拆分成彼此独立且离散的子问题，

每种动态规划解决方案都设计网格，

单元格中的值就是你要优化的值，每一个单元格都是一个子问题，因此应考虑如何将问题划分成子问题，有助于找到做坐标轴。

没有一个统一的动态规划解决方案的公式。

比较经典的使用动态规划的题目有：求最长公共子串（连续公共最长），最长公共子序列（非连续，一样即可）。