从零带你入门数据结构和算法（1）

本章目录:

1.什么是算法？

2.便捷的查找方法——二分查找

3.运行时间

4.大O表示法

1.什么是算法？

简单说来，算法就是用来解决实际问题的方法。而在编程世界中，任何代码片段都可以看作是算法。算法的种类复杂多样，在这里我们要谈的，是那些速度快，或者能解决问题，或者兼而有之的算法。

在学习这些算法的同时，我们要分析这种算法的优缺点，为以后的学习打好基础。

2.便捷的查找方法——二分查找

我们肯定都玩过猜数游戏。这个游戏的规则是让对方从1~100随机选一个数，你来猜这个数。当你猜了一个数字之后，对方只能告诉你大了或者小了，或者对了。

有的人运气好一下子就猜出来了。
有的人一个一个的猜，猜了100次，终于猜了出来。

有没有一种更简洁的方法？

我们试试从中间开始猜，也就是从50开始猜。那么当50大了或者小了，有一半的区域会被切除。我们再将剩下一半的区域再取中间，也就是75或者是25，这样循环往复。

直到最后一个数字，我们会发现，就算我们运气再差，整个过程我们也一共只猜了七次。

也就是说，直到我们猜中结果最多需要七次。相比之前的一个一个猜的方法，少了九十多次。

这两种都是算法，我们称之为简单查找和二分查找。毫无疑问，二分查找更省时间。当所处理的数据更多的时候，这种优势会更明显的被显现出来。

那么，这其中有什么规律？

3.运行时间

一般而言，在程序设计过程中，应该选择效率最高的算法以最大程度减少内存的消耗和占用的空间。

回到前面的二分查找中，我们发现，在100个数中查找一个数最多需要7次，经由计算我们发现，在两个数中，查找一个数最多需要一次；四个数需要两次；八个树需要三次；由此我们可以得出一个结论，如果我们要从n个数中使用二分查找寻找一个数，那么我们最多需要logn次。

（这里的logn是以2为底n的对数。）

如果使用简单查找，最多需要查找的次数与数据量相同，我们称之为线性时间；而使用二分查找，需要查找次数是logn次，我们称之为对数时间。

4.大O表示法

在实际运用中，我们使用大O表示法，来表示算法的运行速度。例如前面的例子中，如果我们使用简单查找，那么他的运行时间为O(n)。有人就问，既然是速度，那么他单位是什么？

实际上，大O表示法并不是以时间为单位的速度，他能够让你通过对比括号里的操作数，来比较两个算法增速的不同。

如果我们用大O表示法来表示前面的游戏，那么简单查找的运行时间为O(n)，二分查找的运行时间为O(n)。

但是，有的人运气极佳，他用简单查找，第一次就找到了这个数字，那么是不是O(1)？

这里注意，大O表示法指出的是最糟糕情况下的运行时间。你不可能每次运气都这么好，所以我们要做最坏的打算。这是一个保证，保证你的算法运行时间不会超过O(n)。

接下来我们可以列举一下集中比较常见的大O运行时间；
O(logn)，对数时间，例如二分查找；
O(n)，线性时间，例如简单查找；
O(nlogn)，例如快速排序。
O（nn），例如选择排序。
O（n!），例如旅行商问题，非常慢。

这几种运行时间从上到下依次变慢，且随着数据量增大越来越明显。

接下来介绍旅行商问题(非常慢的算法)。

有一个商人，要经过五个城市。他想寻找一种最简单的路径，因此他必须考虑各种顺序。对于每种顺序都进行计算操作，那么5个城市一共需要120次操作，涉及6个城市则需要720次操作，涉及n个城市则需要n!次操作。

可对于这个复杂的问题，还没有更简便的运算方法。

总结一下；
1.二分查找要比简单查找快的多。

2.O(logn)要比O（n）快，需要搜索的元素越多，前者比后者就快的越多。

3.算法运行时间并不以秒为单位。

4.算法运行时间是从其增速的角度度量的。

5.算法的运行时间用大O表示法表示。