算法图解（小结）

算法图解

小结：

1、简介

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

2、选择排序

• 计算机的内存可以比做成一大堆抽屉。
• 需要存储多个元素时，可以使用数组或链表。
• 数组的元素都在一起。
• 链表的元素时分开的，其中每个元素都存储了下一个元素的地址。（前一个元素包含下一个元素的搜索地址）
• 数组的读取速度很快。
• 链表的插入和删除速度很快。
• 在同一个数组中，所有元素的类型都必须相同。

3、递归

• 递归指的是调用自己的函数。
• 每个递归函数都有两个条件：基线条件和递归条件。
• 栈有两种操作：压入和弹出。
• 所有函数调用都进入调用栈。
• 调用栈可能很长，这将占用大量的内存。

4、散列表

• 散列表可用于缓存数据（例如，在web服务器上）
• 散列表非常适用于防止重复。

5、广度优先算法

• 广度优先搜索是否有从A到B的路径。如果有，广度优先搜索将找出最短路径。
• 面临类似于寻找最短路径的问题时，可以尝试使用图来创建模型，在使用广度优先搜索来解决问题。
• 有向图中的边为箭头，箭头的方向制定了关系的方向。
• 无向图中的边不带箭头，其中的关系是双向的。
• 队列是先进先出（FIFO）的。
• 栈是先进后出的。

6、狄克斯特拉算法

• 广度优先搜索用于在非加权图中查找最短路径。
• 狄克斯特拉算法用于在加权图中查找最短路径。
• 仅当权重为正时狄克斯特拉算法才管用。

7、贪婪算法

• 贪婪算法寻找局部最优解，企图以这种方式获得全局最优解。
• 对于NP完全问题，还没有找到快速解决方案。
• 面临NP完全问题时，最佳的做法是使用近似算法。
• 贪婪算法易于实现、运行速度快，是不错的近似算法。

8、K最近邻算法

• KNN用于分类和回归，需要考虑最近的邻居。
• 分类就是编组。
• 回归就是预测结果。
• 特征抽取意味着将物品转换为一系列可比较的数字（机器学习）
• 能否挑选合适的特征事关KNN算法的成败。