递归&算法基础
一、递归
递归函数的优点是定义简单,逻辑清晰。理论上,所有的递归函数都可以写成循环的方式,但循环的逻辑不如递归清晰。
使用递归函数需要注意防止栈溢出。在计算机中,函数调用是通过栈(stack)这种数据结构实现的,每当进入一个函数调用,栈就会加一层栈帧,每当函数返回,栈就会减一层栈帧。由于栈的大小不是无限的,所以,递归调用的次数过多,会导致栈溢出。
1
2
3
4
5
6
7
8
|
def
calc(n):
print
(n)
if
n
/
2
>
1
:
ret
=
calc(n
/
2
)
print
(ret)
print
(
'N'
,n)
return
n
calc(
10
)
|
二、二分法
主要使用折半查找算法和利用递归函数来实现。因为每次取中间数字后,都会产生左右两个数组,
需要使用队列把数组存起来,然后输入递归函数内计算中间数字。递归函数终止条件是:1)中间数字
与左边最小的数字相邻;2)中间数字与右边最大的数字相邻。
代码实现:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
|
def
binary_search(data_source,find_num):
mid
=
int
(
len
(data_source)
/
2
)
if
len
(data_source) >
1
:
if
data_source[mid] > find_num:
binary_search(data_source[:mid],find_num)
print
(
'data in left of [%s]'
%
data_source[mid])
elif
data_source[mid] < find_num:
binary_search(data_source[mid:],find_num)
print
(
'data in right of [%s]'
%
data_source[mid])
else
:
print
(
'found'
,data_source[mid])
else
:
print
(
'cannot found'
)
if
__name__
=
=
'__main__'
:
data
=
list
(
range
(
1
,
600000
))
binary_search(data,
75000
)
|
三、用递归实现斐波那契数列
1
2
3
4
5
6
7
8
|
def
fun(arg0,arg1,stop):
if
arg0
=
=
0
:
print
(arg0,arg1)
arg2
=
arg0
+
arg1
if
arg2 < stop :
print
(arg2)
fun(arg1,arg2,stop)
fun(
0
,
1
,
1000
)
|
四、二维数组转换
需求:生成一个4*4的二维数组并将其顺时针旋转90度
核心思想:数组下标的对应关系可以一一对应转换。
1
2
3
4
5
6
7
8
9
10
11
|
data
=
[[col
for
col
in
range
(
4
)]
for
row
in
range
(
4
)]
for
i
in
data:
print
(i)
for
r_index,row
in
enumerate
(data):
for
c_index
in
range
(r_index,
len
(row)):
tmp
=
data[c_index][r_index]
data[c_index][r_index]
=
row[c_index]
data[r_index][c_index]
=
tmp
print
(
'--------------------'
)
for
i
in
data:
print
(i)
|
五、冒泡排序
1
2
3
4
5
6
7
8
9
10
|
#!/usr/bin/env python
data
=
[
10
,
4
,
33
,
21
,
54
,
3
,
8
,
11
,
5
,
22
,
2
,
1
,
17
,
13
,
6
]
for
i
in
range
(
len
(data)):
for
j
in
range
(
len
(data)
-
1
-
i):
if
data[j] > data[j
+
1
]:
tmp
=
data[j
+
1
]
data[j
+
1
]
=
data[j]
data[j]
=
tmp
#data[j],data[j+1] = data[j+1],data[j] #这种方式也可以
print
(data)
|
六、时间复杂度
1
2
3
4
5
|
for
(i
=
1
; i<
=
n; i
+
+
)
x
+
+
;
for
(i
=
1
; i<
=
n; i
+
+
)
for
(j
=
1
; j<
=
n; j
+
+
)
x
+
+
;
|
第一个for循环的时间复杂度为Ο(n),第二个for循环的时间复杂度为Ο(n2),则整个算法的时间复杂度为Ο(n+n2)=Ο(n2)。
常数时间
若对于一个算法,的上界与输入大小无关,则称其具有常数时间,记作时间。一个例子是访问数组中的单个元素,因为访问它只需要一条指令。但是,找到无序数组中的最小元素则不是,因为这需要遍历所有元素来找出最小值。这是一项线性时间的操作,或称时间。但如果预先知道元素的数量并假设数量保持不变,则该操作也可被称为具有常数时间。
对数时间
若算法的T(n) = O(log n),则称其具有对数时间
对数时间的算法是非常有效的,因为每增加一个输入,其所需要的额外计算时间会变小。
递归地将字符串砍半并且输出是这个类别函数的一个简单例子。它需要O(log n)的时间因为每次输出之前我们都将字符串砍半。 这意味着,如果我们想增加输出的次数,我们需要将字符串长度加倍。
线性时间
如果一个算法的时间复杂度为O(n),则称这个算法具有线性时间,或O(n)时间。非正式地说,这意味着对于足够大的输入,运行时间增加的大小与输入成线性关系。例如,一个计算列表所有元素的和的程序,需要的时间与列表的长度成正比。