算法笔记（草一）
算法笔记一
第一，经验，万事万物都是一条直线，然后直线按照属性，分割出不同的名词。就像排期，排期前，排期中，排期后，周一排期，周二排期等等
第二：算法。对于算法。等差和等比都是O（n^2）,这是由于等差等比公式来的。对于nlg(N)是由于主理论来的。
当一个数组序列，不用跟所有的数进行比较时候，就是lg（n）,当需要和几个比较的时候那个就是线性的。有nlg(n)。
对于比较算法。最快的也就是nlg(n)。
第三：计数排序，是O(N+K)。但现实意义不大。
第四：经验：任务事物，任何物体。都对公理有适用性，即大众定理适用于他，但是同是他属于某个小集合，小群体。他又有自己的定理（基准），来约束他。
所以规律：公理+定理+原则。
比如：我。公理：人，有手有脚。
定理：男的，有陕西人或者理科男的定理。
原则：自身。比如学习快，记忆好。不抽烟不喝酒的原则。
第四：数学中拥有高概率：
那么就需要动态的数据结构。
从正态分布来说，要控制输入。
或者是控制正态分布的图形变化，从哪个输入访问，都获取到同样的值。
第五，事物。事物与外界的关键形式有两种。一是主动，二是被动。思想的出发点就这两个。
事物要快。被动方式，
顺应他人快的选择，被动，快，kafka的磁盘顺序读写。
减少传输距离，主动，快，减少IO，直接内存映射
减少物体质量，主动，topic分了区，区分段，
进行数据压缩
批量操作 ，主动，被动，顺应他人的快
第六，计算机的时间和空间。空间指的是，有限的资源，包含占地空间，有限的运行单元。
能量守恒，告诉我们任何资源都是有限的
第七，algorithm
1、循环体，做重复的事情。
2、循环出口。
3、递进指针。
4、不变指针。
5、变量暂存和替换。
第八，
1，算法的输入，肯定是有限集
2，枚举每一种类型。
对于求结果集的，肯定有匹配公式，根据该数自己的特性。
第九、对象的三种状态：
初始化，服务，消亡。
第十、任务对象的交流：
都涉及到信息熵的概念：
信息增加或者信息衰减。
比如：
写代码-->eclipse 编译器-->字节码-->虚拟机-->虚拟机编译器-->本地代码等等都是有信息熵
第十一、
算法；
搜索/查找 ，比较排序 --快。
分治思想，动态规划的思想。--化大为小。
面向对象 --直接利用现有的数据结构。（如hashmap，set，list，也可理解为：直接利用快的物质，做飞机或者火车）
这是程序设计的出发点。===快
第十二、带着问题去读书，和看别人的评论问题，能加深理解。
第十三、算法for
for有循环的次数N必须明确。N需要记录的。
或者是while ，循环次数必须确定。
有不变指针，和变动指针记录不同的位置，在for或while里进行++或者--
第十四：算法的基础：
查找和排序---后续衍生的算法都是在这基础上。
第十五：
对于比较分治的思想是很好的。世界上比较没有必要所有对象都比较。
有序的查找或者比较是最快的。也应用了计算机的分支预测的思想。
第十六、计算树的深度
计算树的深度，要需要用逆序的思想.
从底部-->顶部递归。
顺序是除法，逆序是乘法。
Average-case running time
Showing that the average-case running time is also \Theta(n \lg n)Θ(nlgn) takes some pretty involved mathematics, and so we won't go there. But we can gain some intuition by looking at a couple of other cases to understand why it might be O(n \lg n)O(nlgn). (Once we have O(n \lg n)O(nlgn), the \Theta(n \lg n)Θ(nlgn) bound follows because the average-case running time cannot be better than the best-case running time.) First, let's imagine that we don't always get evenly balanced partitions, but that we always get at worst a 3-to-1 split. That is, imagine that each time we partition, one side gets 3n/43n/4 elements and the other side gets n/4n/4. (To keep the math clean, let's not worry about the pivot.) Then the tree of subproblem sizes and partitioning times would look like this:
3-to-1 split quicksort tree
The left child of each node represents a subproblem size 1/4 as large, and the right child represents a subproblem size 3/4 as large. Since the smaller subproblems are on the left, by following a path of left children, we get from the root down to a subproblem size of 1 faster than along any other path. As the figure shows, after \log_4 nlog?4??n levels, we get down to a subproblem size of 1. Why \log_4 nlog?4??n levels? It might be easiest to think in terms of starting with a subproblem size of 1 and multiplying it by 4 until we reach nn. In other words, we're asking for what value of xx is 4^x = n4?x??=n? The answer is \log_4 nlog?4??n. How about going down a path of right children? The figure shows that it takes \log_{4/3} nlog?4/3??nlevels to get down to a subproblem of size 1. Why \log_{4/3} nlog?4/3??n levels? Since each right child is 3/4 of the size of the node above it (its parent node), each parent is 4/3 times the size of its right child. Let's again think of starting with a subproblem of size 1 and multiplying the size by 4/3 until we reach nn. For what value of xx is (4/3)^x = n(4/3)?x??=n? The answer is \log_{4/3} nlog?4/3??n.
第十七、
比较算法来说，
在一组里个数的多少决定了比较的次数。（树节点包含的数据个数）
生成树的深度，决定了循环的次数。（二叉树深度）
第十八，
对于查找来说，
（1）基于比较的查找
（2）基于hash散列，即数组的形式查找。
平均时间最快O(1).表示常量时间哈
第十九；
算法的默认行为：
从小到大排序。
从a[0]开始占位。
所以选择排序默认的是找最小的，然后占位a[0]，然后移动。
第二十、
对于算法来说，分治比顺序比较快。
对于算法来说，交换元素，比移位元素快
第二十一、
算法要快：
无论是查找还是排序，
快，那么久减少要比较的个数。需要考虑，有木有一种方法有些个数直接不用比较了呢？？？？
有些个数能不能比较的次数变少了呢？？？
这是初衷。
省，空间复杂度，用最少的变量、？？
第二十二、
对于算法，就少不了操作数组。
算法，最快的方式，就是找到了每个数之间基于当前问题的，公式。
公式的来源=数学，所以数学对好的算法很重要。
算法：就是基于数学公式来的。
比较排序：
》《 =
公式。
比如：codility的这题目：
一个序列的平衡点是这样的，它的左边的所有的元素的和应该等于右边的所有的元素的和，比如在下面的序列A：
A[0] = -7 A[1] = 1 A[2] = 5 A[3] = 2 A[4] = -4 A[5] = 3 A[6] = 0
3是一个平衡点因为:
A[0] + A[1] + A[2] = A[4] + A[5] + A[6]
6也是一个平衡点因为:
A[0] + A[1] + A[2] + A[3] + A[4] + A[5] = 0
其实就是：sum（all）=sum(left)+sum(right);
4778
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
