算法导论第二章

生成随机序列

tt4=tuple（[]）

小tip：如果想要反复引用

插入排序（一种增量算法）

核心思想：将新值与已排序好的上一个序列进行对比，插到刚好大于他和小于他的值之间，插入抽象为与前一值对比的不停的迭代。相当于打扑克每次抽一张牌插入已经排好序的手牌。

循环不变式：进行迭代时原有某种性质不会改变，可用来做数学归纳法，数学归纳法可用于证明程序的正确性，即起始时条件正确，迭代时条件不变，那么终止时条件仍然正确。

python代码：

tt3=list(tt4)
for i in range(len(tt3)):
j=i-1
while j>=0 and tt3[j]>tt3[j+1]:
bb=tt3[j]
tt3[j]=tt3[j+1]
tt3[j+1]=bb
j-=1

算法复杂度为2*（1+2+……n）=n*（n+1），也就是o（n^2）（这里如果互换可以直接进行就是乘以2，否则是乘以4）

归并排序（一种分治算法）

分治处理的基本思想是分开，解决，再合并

没太看懂上面的意思，写一下我自己的理解吧

我感觉归并算法只有分开和合并，解决在某种程度上就是合并

首先考虑合并的所需的时间复杂度，算法导论中在设计合并函数时比较有意思的是引入了哨兵，目的是在某一组数据见底的时候能反复只对另外一组进行操作（从这个角度来看叫哨兵也挺有道理），因为条件是把小的那一个数放入合并组，所以只要哨兵大于所有数，当一组见底的时候，每次对比都是没见底的那组把数放入合并组中。

此时合并的时间复杂度就是：

n-1（最多对比n-1次）+n（把数放入合并组要执行n次）=2n+1，也就是时间复杂度是o（n）

再考虑总量为m个数据的问题分解成i组（不均分），每组又采用二分归并的方式，此时每组数据分别为n1……ni，那么总的操作次数是2（n1+……ni）-i+i=2m（i为对每组的操作，就是for i in i组，第一层因为差异就是一个常数，是高阶无穷小所以可以忽略），也就是每层的操作次数是一样的，乘以总共的层数log（m），复杂度还是o（mlog（m））

代码：

 def hebing(a,b):
    ...:     fd=[]
    ...:     fnu=len(a)+len(b)
    ...:     cc=sum(a)+sum(b)
    ...:     z1=a
    ...:     z1.append(cc)
    ...:     z2=b
    ...:     z2.append(cc)
    ...:     i1=0
    ...:     i2=0
    ...:     for i in range(fnu):
    ...:         if z1[i1]>=z2[i2]:
    ...:             fd.append(z2[i2])
    ...:             i2+=1
    ...:         else:
    ...:             fd.append(z1[i1])
    ...:             i1+=1
    ...:     return fd

def fzs(a):
    ...:     b1=[]
    ...:     b2=[]
    ...:     ft=a
    ...:     ftt=[]
    ...:     while len(ft)>1:
    ...:         for i in map(lambda x:x*2,range(int(len(ft)/2))):
    ...:             if isinstance(ft[i],int):
    ...:                 zz1=[ft[i]]
    ...:                 zz2=[ft[i+1]]
    ...:             else:
    ...:                 zz1=ft[i]
    ...:                 zz2=ft[i+1]
    ...:             ftt.append(hebing(zz1,zz2))
    ...:         if int(len(ft)/2)<len(ft)/2:
    ...:             ftt.append(ft[-1])
    ...:         else:
    ...:             pass
    ...:         ft=ftt
    ...:         ftt=[]
    ...:     return ft

问题：为什么分治策略减少了时间复杂度

从每一层操作的量来看，插入排序和分治排序的最大处理个数是一样的，所以分治的优化应该在于减少了循环次数，再进一步看，原因在于有序数组的增量不一样，增量算法的增量是每次循环为1。

分解：把原问题分解成问题相同但规模较小的子问题

解决：解决子问题

合并：将