Python 数据结构 3

搜索、排序和复杂度分析

算法是计算机程序的一个基本构建模块。
算法描述了最终能够解决一个问题的计算过程。
算法的评价标准：
正确性
可读性
可维护性
运行时间性能

复杂度评估

n:工作量与问题规模的增加成正比
n^2: 工作量与问题规模成2次方阶增长
logn: 工作量与问题规模成对数增长
k^n: 工作量与问题规模成指数增长
使用O（n）表示 O表示‘on the order of’

基本排序算法

选择排序

搜索整个列表，找出列表中的最小项，如果该最小项的位置不在第一位，则将其与第一位交换位置。依次类推，直到达到列表的最后一项。

获取列表长度；
遍历列表中的所有位置；
遍历所有需与i位置比较的位置；
如果j位置的数值比i位置大；
交换两位置对应的值；
遍历完后返回列表；
选择排序复杂度O（n^2）
最小复杂度
当列表为已经排好序的列表时，只需执行N次 即复杂度为O（n）
最大复杂度
当列表为倒序时，每个都需和后一个数交换位置，即需要（n-1）+(n-2)+…1 = 1/2n^2 +1/2n 只考虑主项，即N^2
所以选择排序的最大复杂度为nO（^2）

冒泡排序

冒泡排序是将列表中相邻的项两两进行比较，若相临两项顺序不对，则调换两项的顺序。

冒泡排序每执行一轮，会将该轮次所检索到的最大值置于最后，所以下一次检索只需要检索l-1次；
遍历列表中所有项；
将每一项与后一项比较；
若后一项比前一项小，交换对应的值；
返回处理过的列表；
选择排序复杂度O（n^2）
最小复杂度
当列表为已经排好序的列表时，只需遍历i执行N次 即复杂度为O（n）
最大复杂度
当列表为倒序时，每个前面位置的数需要N-i次交换交换到最后位置，即需要（n-1）+(n-2)+…1 = 1/2n^2 +1/2n 只考虑主项，即N^2
所以选择排序的最大复杂度为nO（^2）

插入排序

插入排序的思想是在第i次搜索时，将第i个元素插入到前i个值的合理位置上。

选取目标值；
将目标值下标前的值与该值做比较；
如果前值比目标值大，则将目标值往前移；
如果前值比目标值小，则结束；（因前i-1项是有序的）
遍历到最后一个值；
返回处理过的列表；
插入排序复杂度O（n^2）
最小复杂度
当列表为已经排好序的列表时，只需执行N次 即复杂度为O（n）
最大复杂度
当列表为倒序时，其i后的每个数都需和前面所有元素交换位置，即需要1+2+3+…+n-1 = 1/2n^2 +1/2n 只考虑主项，即N^2
所以选择排序的最大复杂度为nO（^2）

快速排序

由上述流程可知，每执行一次快速排序，会将本次作为基准点的值排序到正确的位置（因为分别遍历并将比它大的值放在右边，比它小的值放在左边），在多次递归后，每个最小单元中的元素都正确排序后，列表也就排序正确了

复杂度计算
最坏情况，当列表数值为倒序排列时，每一次分割分别获得n-i和i 两项， 需进行n-1次迭代分割，且每次都要执行比较的次数是1/2n^2 +1/2n，所有最坏情况下的复杂度是O（n^2）
一般情况下，当分割2^（n/2）次切割后，就能将元素拆分成单个元素，所有在最好情况下的性能为O(nlog2n)

归并排序

归并排序的思想是，将元素拆分成最小的序列，并对最小序列进行排序，再将有序的序列进行合并。返回排列好的列表。

先将列表从中间节点拆分成最小元素，然后构造新的列表按顺序插入到列表中，返回有顺序的列表
归并排序的时间复杂度是O（nlogn)