《算法图解》chapter1（算法简介）笔记和习题

男朋友推荐了《算法图解》这本萌萌的书作为我的算法启蒙书，简单翻了翻，似乎对新手很友好的样子，而且使用语言也是我最近正在学习的Python。既然决定了要走技术路线，就要好好学习数据结构与算法呀~~~

Chapter1 算法简介

算法是一组完成任务的指令。

1. 二分查找：

二分查找是一种算法，其输入是一个有序的元素列表。如果要查找的元素包含在列表中，二分查找返回其位置;否则返回null。

注意：仅当列表是有序的时候，二分查找才管用。

• Q：如果名字不是按顺序排列的，结果将如何呢?
• Q：二分查找算法中，当中位数不是整数时，是向上取整还是向下取整？(https://cloud.tencent.com/developer/article/1434845)

- 对于有n个元素的有序列表：

简单查找:最多需要n步（线性时间）
二分查找:最多需要logn步（对数时间）

- Python实现：

书里面的代码是基于Python2.7版本的，我自己运行的时候使用的是3.7版本。

# binary search algorithm

def binary_search(list,item):
	low = 0
	high = len(list) - 1
	while low <= high:
		mid = (low + high) // 2
		guess = list[mid]

		if guess == item:
			return mid
		elif guess > item:
			high = mid - 1
		else:
			low = mid + 1

my_list = range(1,101)

print(binary_search(my_list,3))  # element "3" is at index 2
print(binary_search(my_list,-1)) # result:None

2. 大O表示法：

大O表示法是一种特殊的表示法，指出了算法的速度有多快。

算法的运行时间以不同的速度增加——

假设每检查一个元素需要1毫秒：

	简单查找	二分查找
100个元素	100ms	7ms
10000个元素	10000ms	14ms
1000000000个元素	1000000000ms	32ms

(观察：随着列表的增长，二分查找的速度比简单查找快得多。)

有鉴于此，仅知道算法需要多长时间才能运行完毕还不够，还需知道运行时间如何随列表增长而增加。这正是大O表示法的用武之地。
大O表示法指出了最糟情况下的运行时间

・用大O法表示运行时间：
简单查找：O(n)
二分查找：O（logn）

注意：除最糟情况下的运行时间外，还应考虑平均情况的运行时间，这很重要。

- 启示：

・ 算法的速度指的并非时间，而是操作数的增速。
・谈论算法的速度时，我们说的是随着输入的增加，其运行时间将以什么样的速度增加。
・算法的运行时间用大O表示法表示。
・O(log n)比O(n)快，当需要搜索的元素越多时，前者比后者快得越多。

• “阅读电话簿中姓名以A打头的人的电话号码”，运行时间是多少？（O(n) - ref.本书4.3节）

3. 旅行商：

问题：旅行商要前往n个城市，同时要确保旅程最短，怎样制定方案？

算法：考虑前往这些城市的各种可能顺序，对于每种顺序都计算总旅程，再挑选出旅程最短的路线。
运行时间： O(n!)

旅行商问题是计算机科学领域待解的问题之一。对于这个问题，目前还没有找到更快的算法。面对这个问题，我们能做的只是去找出近似答案。
（更详细的信息请参阅第10章）

@ 小结：

• 二分查找的速度比简单查找快得多。
• O(log n)比O(n)快。需要搜索的元素越多，前者比后者就快得越多。
• 算法运行时间并不以秒为单位。
• 算法运行时间是从其增速的角度度量的。
• 算法运行时间用大O表示法表示。