【Day2】算法图解——学习笔记

三 递归

1. 递归概述

• 递归函数调用自己，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。
• 编写递归函数时，必须告诉它何时停止递归。正因为如此，每个递归函数都有两部分：基线
  条件（base case）和递归条件（recursive case）。递归条件指的是函数调用自己，而基线条件则
  指的是函数不再调用自己，从而避免形成无限循环。即：递归一定要有出口

2. 栈

• 栈只有两种操作：压入（插入）和弹出（删除并读取）。

• 栈的特点：后进先出

• 递归实际上就是调用了栈

  递归调用栈的注意事项：

• 使用栈虽然很方便，但是也要付出代价：存储详尽的信息可能占用大量的内存。每个函数调
  用都要占用一定的内存，如果栈很高，就意味着计算机存储了大量函数调用的信息。在这种情况
  下，你有两种选择。

  • 重新编写代码，转而使用循环。
  • 使用尾递归。这是一个高级递归主题，不在本书的讨论范围内。另外，并非所有的语言
    都支持尾递归。

3. 小结

• 递归指的是调用自己的函数。
• 每个递归函数都有两个条件：基线条件和递归条件。
• 栈有两种操作：压入和弹出。
• 所有函数调用都进入调用栈。
• 调用栈可能很长，这将占用大量的内存。

四 快速排序

1. 分而治之策略

1. 找出简单的基线条件；
2. 确定如何缩小问题的规模，使其符合基线条件。

2. 快速排序

快速排序是一种常用的排序算法，比选择排序快得多。例如，C语言标准库中的函数qsort
实现的就是快速排序。快速排序也使用了D&C。

排序步骤：

1. 选择基准值。
2. 将数组分成两个子数组：小于基准值的元素和大于基准值的元素。
3. 对这两个子数组进行快速排序(递归调用)。

时间复杂度

• 一般情况下快速排序的时间复杂度为：O(n log n)

• 快速查找的常量比合并查找小，因此如果它们的运行时间都为O(n log n)，快速查找的速度将更快。实际上，快速查找的速度确实更快，因为相对于遇上最糟情况，它遇上平均情况的可能性要大得多。

• 快排最坏情况和最好情况

  • 快速排序的性能高度依赖于你选择的基准值
  • 如果每次数组已经有序，而且每次都选取第一个数为基准值，那调用次数为n，栈长度为O(n)，最佳情况下为O(log n )，每一层都将对所有数据进行排序，因此每层时间为O(n)
  • 如果是最佳情况，所需时间为O(n) * O(log n) = O(n log n)
  • 在最糟情况下，有O(n)层，因此该算法的运行时间为O(n) * O(n) = O(n^2)。
  • 最佳情况也是平均情况。只要你每次都随机地选择一个数组元素作为基准值，快速排序的平均运行时间就将为O(n log n)。快速排序是最快的排序算法之一，也是D&C典范。

3. 小结

1. D&C将问题逐步分解。使用D&C处理列表时，基线条件很可能是空数组或只包含一个元
   素的数组。
2. 实现快速排序时，请随机地选择用作基准值的元素。快速排序的平均运行时间为O(n log n)。
3. 大O表示法中的常量有时候事关重大，这就是快速排序比合并排序快的原因所在。
4. 比较简单查找和二分查找时，常量几乎无关紧要，因为列表很长时，O(log n)的速度比O(n)
   快得多。