【算法图解】阅读笔记Day1

前言

昨天开始看《算法图解》，虽然之前自学408有接触过这些算法但是平常少用又忘得差不多了，听闻这本书对加深理解很有用处，就拿起来看一遍，昨天读了几页，还是很生动上头的，笔记主要记录一些容易忘记的概念和收获。

算法简介

二分查找

• def binary_search(list, item):
      low = 0
      high = len(list)—1  # low和high用于跟踪要在其中查找的列表部分
      while low <= high:  # 只要范围没有缩小到只包含一个元素
          mid = (low + high)  # 就检查中间的元素
          guess = list[mid]
          if guess == item:  # 找到了元素
              return mid
          if guess > item:  # 猜的数字大了
              high = mid - 1
          else:   # 猜的数字小了
              low = mid + 1
      return None  # 没有指定的元素

• 前提是有序数组，运行时间为O(logn)

大O表示法

• 大O表示法指的是最糟糕状态的运行时间。
• 谈论算法的速度时，我们说的是随着输入的增加，其运行时间将以什么样的速度增加。
• 旅行商问题：走完n个城市找最短路径，O(n!)

选择排序

• 数组随机存取，链表顺序存取（增加指向下一个元素的指针）
• 
• 两者结合：数组链表
• 选择排序：找到最小/大，放到新数组头，O(n²)

• # 找出数组中最小元素
  def findSmallest(arr):
      smallest = arr[0]  # 存储最小的值
      smallest_index = 0  # 存储最小元素的索引
      for i in range(1, len(arr)):
          if arr[i] < smallest:
              smallest = arr[i]
              smallest_index = i
      return smallest_index
  # 数组选择排序
  def selectionSort(arr):
      newArr = []
      for i in range(len(arr)):
          smallest = findSmallest(arr)  # 找出数组中最小的元素
          newArr.append(arr.pop(smallest))  # 将其加入到新数组中
      return newArr

递归

• 循环可能性能更高，递归更容易理解
• 递归条件：函数调用自己的方法
• 基线条件：则指的是函数不再调用自己，避免无限循环
• 调用栈：单出口压入和弹出，用于存储多个函数的变量

快速排序

• 递归式问题解决办法：分而治之（divide and conquer，D&C）
• D&C思想：找出简单的基线条件；确定如何缩小问题的规模，使其符合基线条件。
• 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
• 快速排序：取基准值，分区，快排，平均O(nlogn)，最差O(n²)

• def quicksort(array):
      if len(array) < 2:
          return array  # 基线条件：为空或只包含一个元素的数组是“有序”的
      else:
          pivot = array[0]  # 递归条件
          less = [i for i in array[1:] if i <= pivot]  # 由所有小于基准值的元素组成的子数组
          greater = [i for i in array[1:] if i > pivot]  # 由所有大于基准值的元素组成的子数组
      return quicksort(less) + [pivot] + quicksort(greater)  # 返回合并后结果数组

后言

今天就看到这里，看书的时候顺升级了IOS16，锁屏小组件不错，搜索图片文本也更强了，饿了，去吃午饭了，下午刷题和搞毕设！顺带更新几篇昨晚想到的技术帖。