算法图解（未详细介绍内容）

最新推荐文章于 2024-08-22 09:39:29 发布

MilkBerg

最新推荐文章于 2024-08-22 09:39:29 发布

阅读量120

点赞数

分类专栏：算法

本文链接：https://blog.csdn.net/weixin_43153854/article/details/101286675

版权

10 篇文章 1 订阅

订阅专栏

树
二叉查找树对于其中每个节点，左边节点的值都比它小，而右边节点的值都比它大。

检查时，首先检查根节点，然后根据顺序检查子节点。
在二叉查找树中查找节点时，平均运行时间为O(log n)，但在最糟的情况下所需时间为O(n)。但是二叉查找树的插入和删除操作的速度要快得多。
反向索引
创建一个散列表

A页面中包含单词THERE，由THERE映射到包含它的页面即为反向索引。

傅里叶变换
（回归老本行zzzzzz）
并行算法
并行算法设计起来很难，要确保它们能够正确地工作并实现期望的速度提升也很难。有一点
是确定的，那就是速度的提升并非线性的，因此即便你的笔记本电脑装备了两个而不是一个内核，
算法的速度也不可能提高一倍，其中的原因有两个。
并行性管理开销。假设你要对一个包含1000个元素的数组进行排序，如何在两个内核之
间分配这项任务呢？如果让每个内核对其中500个元素进行排序，再将两个排好序的数组
合并成一个有序数组，那么合并也是需要时间的。
负载均衡。假设你需要完成10个任务，因此你给每个内核都分配5个任务。但分配给内核
A的任务都很容易，10秒钟就完成了，而分配给内核B的任务都很难，1分钟才完成。这意
味着有那么50秒，内核B在忙死忙活，而内核A却闲得很！你如何均匀地分配工作，让两
个内核都一样忙呢？
MapReduce
分布式算法非常适用于在短时间处理海量的工作，MapReduce基于映射（map）和归并（reduce）函数。
映射是将一个数组转换为另一个数组
归并是将一个数组转换为一个元素

映射函数

>>> arr1 = [1, 2, 3, 4, 5]
>>> arr2 = map(lambda x: 2 * x, arr1)
[2, 4, 6, 8, 10]

map函数用法
map(function, iterable, …)
function – 函数
iterable – 一个或多个序列

归并函数

>>> arr1 = [1, 2, 3, 4, 5]
>>> reduce(lambda x,y: x+y, arr1)
15