4.1
D&C的工作原理:(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
D&C并非可用于解决问题的算法,而是一种解决问题的思路。
类似使用递归。
第一步找出基线条件,也就是最简单的值
第二步每次递归调用都必须离结果更近一点,这样给函数传递的数组一次比一次短,就达到了缩小问题规模的目的,大--->小
提示:编写涉及数组的递归函数时,基线条件通常是数组为空或只包含一个元素。
4.2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。快速排序也使用了D&C
最简单的数组就是根本不需要排序的数组
使用D&C,因此需要将数组分解,直到满足基线条件。首先,从数组中选择一个元素,这个元素被称为基准值
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。现在有了: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。
然后只需要对两个子数组进行快速排序,再合并结果,就能得到一个有序数组。
def quicksort(array):
if len(array) < 2:
return array
else:
pivot = array[0]
less = [i for i in array[1:] if i <= pivot]
greater = [i for i in array[1:] if i > pivot]
return quicksort(less) + [pivot] + quicksort(greater)
print(quicksort([12, 21, 33, 55]))
4.3再谈大O表示法
合并排序的排序算法,其运行时间为O(n log n)。
大O表示法通常不考虑常量(固定时间量),因为如果两种算法的大O运行时间不同,这种常量将无关紧要。
但有时候常量的影响可能很大,。快速查找的常量比合并查找小,因此它们的运行时间都为O(n log n),快速查找的速度将更快。
4.3.1平均情况和最糟情况
平均情况下快排的层数为O(log n),而每层需要的时间为O(n).所以算法所需的时间为O(n)*O(log n)=O(n log n)。这就是平均情况
最糟情况下,有O(n)层,运行时间为O(n2)
最佳情况也是平均情况。
4.4小结
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