算法图解阅读笔记——第一曲（算法简介和选择排序）

前言

零基础开始自学算法，目前用的都是python，于是就准备顺着python入门数据结构与算法。

从风评得知，《算法图解》对小白比较友好，看下来也确实还好，内容以图为主，代码也较少，不需要什么代码功底。

这是我看的第二遍，就决定来点笔记。

目录结构

第1章 算法简介

第2章 选择排序

---

正文

算法简介

重点讲到二分查找，大O表示法的初步介绍(后续章节还会细讲)，以及二分查找与简单查找的比较、旅行商问题

1. 二分查找：输入是一个有序的元素列表（必须有序）。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 。

   就以书中的（0~100）猜数字为例：

   

   

   

   看完上图可发现在（0~100）中猜数，使用二分查找最多只有7步；
   而使用简单查找最坏的情况需要猜100次呢.....
   

   Python3代码实现——二分查找

   """
       作者：Troublemaker
       功能：
       版本：
       日期：2020/8/15 8:55
       脚本：binary_search.py
   """
   
   
   def binary_search(alist, item):
       low = 0
       high = len(alist) - 1
   
       while low <= high:
           mid = (low + high) // 2  # 向下取整
           guess = alist[mid]
           if guess == item:
               return mid
           if guess > item:
               high = mid - 1
           else:
               low = mid + 1
   
       return None               # 找不到指定元素才执行
   
   my_list = [1, 3, 5, 7, 9]
   
   
   print(binary_search(my_list, 3))    # 1
   print(binary_search(my_list, -1))   # None
   
   

2. 大O表示法：一种特殊的表示法，指出了算法的速度有多快。

   • 大O表示法指的并非以秒为单位的速度
   • 大O表示法让你能够比较操作数，它指出了算法运行时间的增速。

   下面列出上述简单查找和二分查找的大O表示法，并附算法速度图

   • 简单查找：$O(n)$，线性时间
   • 二分查找：$O(logn)$，对数时间

   

3. 旅行商问题为NP问题(np后续会解释)
   算法复杂度为：$O(n!)$，算法非常复杂，很多计算机科学领域的专家也认为没有改进的空间了
   

选择排序

重点介绍数组和链表的结构、以及数组和链表的优缺点，最后提出了选择排序

1. 数组

   • 数组中所有元素的位置在内存中都是相连的
   • 当所存元素超出预留内存大小时，需要整体转移

2. 链表

   • 链表的每个元素不仅存储了该元素的内容，还存储了下一个元素的地址
   • 只要有足够的内存空间，就能为链表分配内存

   

   比较数组和链表的优缺点
   数组--优势：读取速度较快 O(1)| 劣势：插入和删除速度较慢 O(n)
   链表--优势：插入和删除速度较快 O(1)| 劣势：读取速度较慢 O(n)
   
   总结：当你需要使用更多读取而较少使用插入和删除功能时，使用数组；反之，使用链表
   

3. 选择排序：简单说，便是遍历数组，每次都找出数组中最大或最小的数，放入新数组，最终新数组就是有序数列。 大O表示法：$O(n^2)$

   Python3代码实现——选择排序

   """
       作者：Troublemaker
       功能：
       版本：
       日期：2020/8/16 11:05
       脚本：select_sort.py
   """
   
   
   def select_sort(alist):
       sorted_list = []
   
       while alist:
           small_index = 0
           smallest = alist[0]
           for idx in range(1, len(alist)):
   
               if alist[idx] < smallest:
                   smallest = alist[idx]
                   small_index = idx
   
           alist.pop(small_index)
           sorted_list.append(smallest)
   
       return sorted_list
   
   
   print(select_sort([5,3,6,2,10]))