java成长之路 一 数据结构及算法（上）

第一篇技术博客，希望有一个好的开端，每周一篇坚持下去
今天分享的是我结合最近学习的《算法图解》 的心得，以及在工作过程中意识到算法的重要性
目录
1.数据结构：数组、链表、散列表、栈、队列、图
2.算法：二分查找法、快速排序（分而治之）、递归、广度优先搜索、狄克斯特拉算法
3.工具：大O表示法
正文

1.大O表示法

大O表示法是一种用于表示算法速度的方法，一般是指算法最糟糕情况下的速度

算法运行时间是从其增速的角度度量的，大O表示法及表示算法的增速趋势

下面按从快到慢的顺序列出了经常会遇到的5种大O运行时间。
 O(log n)，也叫对数时间，这样的算法包括二分查找。
 O(n)，也叫线性时间，这样的算法包括简单查找。
 O(n  * log n)，例如快速排序——一种速度较快的排序算法。
 O(n 2 )，例如选择排序——一种速度较慢的排序算法。

 O(n!)，例如旅行商问题的解决方案——一种非常慢的算法。

2.链表、数组、链表、散列表、栈、队列、图

链表的每个元素都存储了下一个元素的地址，从而使一系列随机的内存地址串在一起

这犹如寻宝游戏。你前往第一个地址，那里有一张纸条写着“下一个元素的地址为123”。因
此，你前往地址123，那里又有一张纸条，写着“下一个元素的地址为847”，以此类推。在链表
中添加元素很容易：只需将其放入内存，并将其地址存储到前一个元素中。
使用链表时，根本就不需要移动元素。这还可避免另一个问题。假设你与五位朋友去看一部
很火的电影。你们六人想坐在一起，但看电影的人较多，没有六个在一起的座位。使用数组时有
时就会遇到这样的情况。假设你要为数组分配10 000个位置，内存中有10 000个位置，但不都靠
在一起。在这种情况下，你将无法为该数组分配内存！链表相当于说“我们分开来坐”，因此，

只要有足够的内存空间，就能为链表分配内存。

组与此不同：你知道其中每个元素的地址。例如，假设有一个数组，它包含五个元素，起

始地址为00，那么元素#5的地址是多少呢

、

只需执行简单的数学运算就知道：04。需要随机地读取元素时，数组的效率很高，因为可迅
速找到数组的任何元素。在链表中，元素并非靠在一起的，你无法迅速计算出第五个元素的内存
地址，而必须先访问第一个元素以获取第二个元素的地址，再访问第二个元素以获取第三个元素
的地址，以此类推，直到访问第五个元素。

 栈有两种操作：压入和弹出  这种数据结构称为栈。栈是一种简单的数据结构

散列函数“将输入映射到数字”

 散列函数总是将同样的输入映射到相同的索引。

 散列函数将不同的输入映射到不同的索引

 散列函数知道数组有多大，只返回有效的索引。

散列表的填装因子很容易计算

散列表使用数组来存储数据，因此你需要计算数组中被占用的位置数。例如，下述散列表的

填装因子为2/5，即0.4。

图由节点和边组成。一个节点可能与众多节点直接相连，这些节点被称为邻居。

队列的工作原理与现实生活中的队列完全相同。
假设你与朋友一起在公交车站排队，如果你排在他前
面，你将先上车。队列的工作原理与此相同。队列类
似于栈，你不能随机地访问队列中的元素。队列只支

持两种操作：入队和出队。

如果你将两个元素加入队列，先加入的元素将在后加入的元素之前出队。因此，你可使用队
列来表示查找名单！这样，先加入的人将先出队并先被检查。
队列是一种先进先出（First In First Out，FIFO）的数据结构，而栈是一种后进先出（Last In

First Out，LIFO）的数据结构。

3.算法

3.1 选择排序

选择排序是一种灵巧的算法，但其速度不是很快，将数组中的元素选择出最大值然后依次放入新的数组中，不停循环这个操作，以得出最终顺序

需要的总时间为 O(n × n)，即O(n 2 )。

3.2 递归

(1) 创建一个要查找的盒子堆。
(2) 从盒子堆取出一个盒子，在里面找。
(3) 如果找到的是盒子，就将其加入盒子堆中，以便以后再查找。
(4) 如果找到钥匙，则大功告成！

(5) 回到第二步。

OR

(1) 检查盒子中的每样东西。
(2) 如果是盒子，就回到第一步。

(3) 如果是钥匙，就大功告成！

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。

3.3 快速排序\分而治之（D&C）

使用D&C解决问题的过程包括两个步骤。
(1) 找出基线条件，这种条件必须尽可能简单。

(2) 不断将问题分解（或者说缩小规模），直到符合基线条件。

快速排序是一种常用的排序算法，比选择排序快得多。快速排序也使用了D&C。

下面来使用快速排序对数组进行排序。对排序算法来说，最简单的数

组什么样呢？还记得前一节的“提示”吗？就是根本不需要排序的数组。

因此，基线条件为数组为空或只包含一个元素。在这种情况下，只需

原样返回数组——根本就不用排序。

要使用D&C，因此需要将数组分解，直到满足基线条件。下面介绍快速排序的工
作原理。首先，从数组中选择一个元素，这个元素被称为基准值（pivot）。我们暂时将数组的第一个元素用作基准值。

接下来，找出比基准值小的元素以及比基准值大的元素。

这被称为分区（partitioning）。现在你有：
 一个由所有小于基准值的数字组成的子数组；
 基准值；

 一个由所有大于基准值的数组组成的子数组。

如果子数组是有序的，就可以像下面这样合并得到一个有序的数组：左边的数组 + 基准值 +

右边的数组。在这里，就是[10, 15] + [33] + []，结果为有序数组[10, 15, 33]。

这个子数组都只有一个元素，而你知道如何对这些数组进行排序。现在你就知道如何对包含
三个元素的数组进行排序了，步骤如下。
(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。

还有一种名为合并排序（merge sort）的排序算法，其运行时间为O(n log n)，比选择排序快

得多！

快速排序的性能高度依赖于你选择的基准值。假设你总是将第一个元素用作基准值，且要处

理的数组是有序的。由于快速排序算法不检查输入数组是否有序，因此它依然尝试对其进行排序。

注意，数组并没有被分成两半，相反，其中一个子数组始终为空，这导致调用栈非常长。现

在假设你总是将中间的元素用作基准值，在这种情况下，调用栈如下。

调用栈短得多！因为你每次都将数组分成两半，所以不需要那么多递归调用。你很快就到达
了基线条件，因此调用栈短得多。
第一个示例展示的是最糟情况，而第二个示例展示的是最佳情况。在最糟情况下，栈长为

O(n)，而在最佳情况下，栈长为O(log n)。

 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。
 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)。
 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。
 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。

3.4 广度优先搜索是一种用于图的查找算法，可帮助回答两类问题。

 第一类问题：从节点A出发，有前往节点B的路径吗？

 第二类问题：从节点A出发，前往节点B的哪条路径最短？

l例子待续

3.5 狄克斯特拉算法

狄克斯特拉算法用于每条边都有关联数字的图，这些数字称为权重（weight）。

带权重的图称为加权图（weighted graph），不带权重的图称为非加权图（unweighted graph）。

 广度优先搜索用于在非加权图中查找最短路径。
 狄克斯特拉算法用于在加权图中查找最短路径。
 仅当权重为正时狄克斯特拉算法才管用

持续更新ing，下班再写