python 算法设计与分析_算法设计与分析——2.渐进分析与Python计算模型

2.1引言

求解问题的算法往往并不唯一，为了量化不同算法的效率，需要通过渐近分析方法来计算算法的时间复杂度。前一章的例子可知，通过巧妙得设计可以缩短寻找到局部高点得时间，算法的时间复杂度可以从O(n)提高到O(logn).

渐进分析简化算法时间复杂度的计算，在渐进分析下，并不需要精确计算算法的执行时间，而只需要计算时间函数在输入规模n增长时增长趋势。也就是说，算法执行的时间函数中，n的低次项和高次项前的常数项均可略去。n在变大时，n的高次项决定了函数的增长趋势。

2.2 计算模式

代码2.1

def compare_num(i,j):

k = 3

if i>j:

return i

else:

return k

2.3 算法的渐进分析

2.4 Python 计算模型

学习的算法设计和分析所有的算法描述均采用 Python

2.4.1 控制流语句

条件语句

代码2.2 条件语句的示例

def num_verify(num):

if num<0:

num = 0

print('非负数转换为 0！')

elif num == 0:

print('零)

elif num ==1:

print('等于1')

else:

print('大于1')

return num

循环语句

代码2.3 循环语句示例

def sum_nums(low,high):

if high

print("error")

return

sumnum = 0

for i in range(low,high+1)

sumnum += i

return sumnum

2.4.2 数据结构

x**2 for x in range(10)

代码 2.5 列表推导生成随机数组

import random

def generate_rand_array(num=10,maxnum=1000):

arrary = [random.randint(1,maxnum) for in in range(num)]

random.shuffle(array) # 随机打乱array 中的元素

random.shuffle(array)

return array

在序列中循环时，索引位置和对应值可以使用enumerate()函数同时得到：

for i,v in enumerate(['tic','tac','toe']):

2.5 算法分析实例

2.5.1 求最大值

2.5.2 二分搜索

代码 2.8 二分搜索

def binary_search(A,K):

first = 0

last = len(A)-1

found = False

while first <= last:

midpoint = (first + last)//2

if k== A[midpoint]:

found = True

else:

if k

last = midpoint-1

else:

first = midpoit+1

return found

2.5.3 子集求和问题

代码2.9 求子集和

def subset_sum(lst,target):

for i in range(2**len(lst)):

pick = list(mark(lst,bin(i)[2:]))

if sum(pick) == target:

return pick

def mark(lst,m): # 产生由m(二进制数)决定的 lit的子集

m = m.zfill(len(lst)) # 按照lst 的位数扩展m 和lst长度一致的数

return map(lambda x:x[0],filter(lambda x: x[1] != '0',zip(lst,m))) #通过zip 组成一个元组数据(lst中的数，m中的数)，过滤掉每个元组数组中m为0的数，剩下的取lst中的数