第七章 算法

一. 算法的基本概念

一个问题可以有多个算法，每种算法效率不同
一个算法具有五个特征:有穷性，确切性、输入项、输出项、可行性

1. 算法评定
   算法分析的目的在于选择合适算法和改进算法
   一个算法的评价主要从时间复杂度和空间复杂度来考虑

2. 时间复杂度
   执行算法所需要时间的计算工作量。一般来说，计算机算法是问题规模n的函数f(n),算法的时间复杂度也因此记做T（n）=O（f(n)）
   问题的规模n越大，算法执行的时间的增长率与f(n)的增长率正相关，称作渐进时间复杂度

3. 时间复杂度计算方式

得出算法的计算次数公式
线性阶 O（n）

O（n） 1+2+3+...+n

常数阶：O(1)

function demo($n){
    echo $n;
    echo $n;
}

function demo1($n){
  echo  ($n+1)*$n/2
}

平方阶O(n^2) n^2+n+1

function demo（$n)
{
    $sum = 0;
    for($i=0;$i<$n;$i++){
        for($j=0;$j<$n;$j++){
            $sum+=$j;
        }
        $sum+$i;
    }
    echo $sum;
}

立方阶O(n^3) n^3
如果最高阶存在且不是1，则去除与这个项相乘的常数

4. 常见时间复杂度：常数阶、线性阶、平方阶、立方阶、对数阶、nlog2n阶、指数阶
   O(1)>O(log2n)>O(n)>O(nlog2n)>O(n^2)>O(n3)>O(2^n)>O(n!)>O(nn)

5. 时间复杂度其他概念
   最坏情况：最坏情况时的运行时间，一种保证，如果没有特别说明，说的时间复杂度即为最坏情况的时间复杂度
   平均情况：期望的运行时间

6. 空间复杂度
   算法需要消耗的内存空间，记做S(n)= O(f(n))
   包括程序代码所占用的空间，输入数据所占用的空间和辅助变量所占用的空间这三个方面
   计算和表示方法与时间复杂度类似，一般用复杂度的渐进性来表示

7. 空间复杂度计算方式
   有时用空间换取时间
   冒泡排序的元素交换，空间复杂度0（1）

8. 排序算法
   冒泡排序、直接插入排序、希尔排序、选择排序、快速排序、堆排序、归并排序

冒泡排序：两两相邻的数进行比较，如果反序就交换，否则不交换
时间复杂度：最坏(O(N^{2),平均（O(N}2)）)
空间复杂度：O（1）

直接插入排序
每次从无序表中取出第一个元素，把他输入到有序表的合适位置，使有序表依然有序
时间复杂度：最坏(O(N^{2),平均（O(N}2)）)
空间复杂度：O（1）

希尔排序
把待排序的数据增量分成几个子序列，对子序列进行插入排序，知道增量为1，直接进行插入排序；增量的排序，一般是数组的长度的一半，再变为原来增量的一半，知道增量为1
时间复杂度：最坏(O(N^2),平均（O(n*log2n)）)
空间复杂度：O（1）

选择排序
每次从待排序的数据元素中选出最小（或最大）的一个元素，存放在序列的起始位置，知道全部待排序的数据元素排完
时间复杂度：最坏(O(N^{2),平均（O(N}2)）)
空间复杂度：O（1）

快速排序
通过一趟排序将要排序的数据分割成独立的两部分，其中一部分的所有数据都比另外一部分的所有数据都要小，然后再按照此方法对这两部分数据分别进行快速排序，整个排序过程可以递归完成
时间复杂度：最坏(O(N^2),平均（O(n*log2n)）)
空间复杂度：最坏(O(n),平均（O(log2n)）)

堆排序
把待排序的元素按照大小在二叉树位置上排序，排序好的元素要满足：父节点的元素要大于等于子节点;这个过程叫做堆化过程，如果根节点存放的是最大的数，则叫做大根堆，如果是最小，就叫小根堆，可以把根节点拿出来，然后再堆化，循环到最后一个节点
时间复杂度：最坏(O(nlog2n)),平均（O(nlog2n)）)
空间复杂度：O（1）

归并排序
将两个或两个以上有序表合并成一个新的有序表，即把待排序序列分成若干个有序的子序列，再把有序的子序列合并为整体有序序列
时间复杂度：最坏(O(nlog2n)),平均（O(nlog2n)）)
空间复杂度：O（n）

总结：
快速排序、归并排序的理想时间复杂度都是O(nlog2n),但快速排序的时间复杂度并不稳定，最坏情况下复杂度为O(n^2),所以最理想的算法还是归并排序

二分查找
原理：从数组的中间元素开始，如果中间元素正好是要查找的元素，搜索结束，如果某一个特定元素大于或者小于中间元素，则在数组大于或者小于中间元素的那一半中查找，而且跟开始一样从中间开始比较，如果某一步骤数组为空，代表找不到。
时间复杂度：最坏(O(log2n)),平均（O(log2n)）)
空间复杂度：迭代O（1），递归（O(log2n)）

顺序查找
原理：按照一定的顺序检查数组中的每一个元素，直到找到所要查找的特定值为止。
时间复杂度：最坏(O(n)),平均（O(n)）)
空间复杂度：O（1）
总结：
二分查找算法的时间复杂度最差是O(log2n),顺序查找的时间复杂度最差为O(N),所以二分查找法更快，但是递归情况下，二分查找法更消耗内存，时间复杂度为O（log2n）

二.常见数据结构

1. Array
   数组，最简单而且应用最广泛的数据结构之一
   特性：使用连续的内存来存储，数组中的所有元素必须是相同的类型或类型的衍生（同质数据结构）、元素可以通过下标直接访问

2. linkedList
   链表，线性表的一种，最基本、最简单也是最常用的数据结构
   特性：元素之间的关系是一对一的关系(除了第一个还最后一个元素，其他元素都是首尾相接)、顺序存储结构和链式存储结构两种存储方式

3. Stack
   栈，和队列相似，一个带有数据存储特性的数据结构
   特性：存储数据是先进后出的、栈只有一个出口，只能从栈顶部增加或移除元素

4. Heap
   堆，一般情况下，也叫二叉堆，近似完全二叉树的数据结构
   特性：子节点的键值或者索引总小于他的父节点，每个节点的左右子树又是一个二叉堆，根节点最大的堆叫最大堆或者大根堆、最小的叫最小堆或者小根堆

5. list
   线性表，由零个护着多个数据元素组成的有序序列
   特性：线性表是一个序列，0个元素构成的线性表是空表、第一个元素无先驱、最后一个元素无后继、其他元素都只有一个先驱和后继、有长度，长度是元素个数，长度有限

6. doubly-linked-list
   双向链表
   特性：每个元素都是一个对象，每个对象有一个关键字key和两个指针（next和prev）

7. queue
   队列
   特性：先进先出（FIFO）,并发中使用，可以安全将对象从一个任务传给另一个任务

8. set
   集合
   特性：保存不重复元素

9. map
   字典
   特性：关联数组，也叫作字典或者键值对

10. graph
    图
    特性：通常使用邻接矩阵和邻接表表示，前者易实现但对于稀疏矩阵会浪费较多空间、后者使用链表的方式存储信息但对于图搜索时间复杂度较高

三.其他逻辑算法

1. 斐波那契数列
2. 写一个函数，实现字符串open_door=>OpenDoor

function strHandle($str)
{
    $arr = explode('_',$str);
    $return = '';
    foreach($arr as $val)
    {
        $return.= ucfirst($val);
    }
    return $return;
}

四.模拟内置函数

1. 不使用PHP内置函数反转字符串

function str_rev($str)
{
    for($i=0;true;$i++)
    {
      if(!isset($str[$i]))
      {
        break;
      }
    }
    $return = '';
    for($j=$i-1;$j>=0;$j--)
    {
        $return .= $str[$j];
    }
    return $return;
}

2. 不使用array_merge，完成多个数组的合并

function array_mer()
{
    //动态获取参数
    $arrays = func_get_args();
    foreach($arrays as $arr)
    {
        if(is_array($arr))
        {
            foreach($arr as $val)
            {
                $return[] = $val;
            }
        }
    }
    return $return;

}
array_mer();