《算法图解》学习笔记（第一章）

《算法图解》学习笔记-第一章-算法简介

---

---

前言

本文为自己的算法学习笔记，用来将所学知识及时输出
所用书籍：《算法图解》

---

1.1 什么是算法

算法是一组完成任务的指令。任何代码片段都可视为算法。
算法的定义：计算机按照一定规则解决一类问题的明确和有限的步骤

---

1.2 二分查找法

二分查找和小时候玩的猜数字游戏有些类似，玩家A在一组数字中任选一个数字，由玩家B去猜测，怎样才能最快的去猜到这个数字，这就和二分查找的思想有关了。

假设共有100个数字，由1-100正序排列，玩家B第一次猜测数字为100/2=50，玩家A回答大了或者小了，若大了玩家B下一次猜测数字为50/2=25，若小了数字为50+(100-50)/2 = 75，由此类推直到找到正确数字。

注：二分查找的输入需是一组有序的元素列表，若要查找的元素包含在此列表中，结果返回元素索引，否则返回null。

---

二分查找的python实现

代码如下：

def binary_search(ls, item):		# ls为数字列表(数组)，item为要猜测的数字
	low = 0							# low和high用来跟踪查找列表范围
	high = len(ls) - 1
	
	while low <= high:				# 直至范围缩小到只包含一个元素
		mid = (low + high) // 2		# 获取列表中部索引
		guess = ls[mid]				# 取得对应的值
		if guess == item:			# 猜对了返回值的索引
			return mid
		elif guess < item:		# 猜小了
			low = mid + 1
		else:						# 猜大了
			high = mid - 1	
	return None						# 列表未包含指定元素


list = []							# 测试
for i in range(100):			
	list.append(i+1)					# 生成[1, 2, 3, ..., 100]
print(binary_search(list, 2))		# => 1
print(binary_search(list, -2))		# => None

---

1.3 大O表示法

大O表示法指出了算法的速度快慢，可以帮助编程人员衡量算法的好坏。

1.3.1 不同算法运行时间也不尽相同

假设列表包含n个元素，用从头找到尾的简单查找法，最多需要找n次，而使用二分查找法，在最糟糕的情况下也只需要找log2n次，下面具体对比一下:

元素个数	简单查找	二分查找
100	100毫秒	7毫秒
10,000	10秒	14毫秒
1000,000,000	11天	30毫秒

用大O表示法表示简单查找的时间为：O(n)，二分查找的时间为O(log n)

1.3.2 常见的大O运行时间

下面是由快到慢的五种常见大O运行时间

1. O(log n)， 对数时间， 算法包括二分查找
2. O(n)，线性时间， 算法包括简单查找
3. O(n * log n)，算法包括快速排序-------第四章
4. O(n²)，算法包括选择排序-------第二章
5. O(n!)，旅行商问题

1.3.3 旅行商问题

旅行商问题的算法运行时间为O(n!)，且暂无更好的解决方法。具体问题如下：
有一名旅行商，他要去5个城市，同时要保证旅程时间最短，为此需要考虑前往这些城市的顺序搭配。

五个城市有120种不同的解决方案，因此需要执行120次操作。涉及6个城市时，需要执行720次操作。而如果有n个城市，则需执行n!次操作才能得出结果，因此运行时间为O(n!)。

---

总结

• 不同算法运行时间不同，尽量选择最优算法。
• 简单查找最糟情况下需要遍历全部元素，因此运行时间为O(n)。
• 二分查找法每次除去当前范围一半的数据量，因此运行时间为O(log n)。
• 大O表示法用来衡量算法运行时间，帮助程序员判断算法优劣。