小白学数据结构——零、算法初步(算法分类及最大子数组小试牛刀)
1. 为啥要学数据结构?
- 应用:机器学习,数据挖掘,自然语言处理,密码学,计算机图形学
- 研究:时空复杂度问题
- 找工作常用:贪心,分治,动态规划,树,图
2.什么是算法?
把大象装进冰箱分为几步?打开冰箱门,把大象放进去,关上冰箱门。没错,这是一个算法。
算法的条件:
- 又穷性(在人类毁灭前算完)
- 确定性(你好漂亮,我有点喜欢你。计算机:这TM怎么衡量)
- 可行性(人类能做的到的)
- 输入&输出
3.常用的算法
- 穷举(万能算法)
俗称暴力破解 - 分而治之(减而治之)
二分查找——减而治之
归并查找——分而治之 - 贪心
最小生成树Prim,Kruskal
单源最短路Dijkstra - 动态规划
背包
士兵路径
4.复杂度
谈算法不谈复杂度==耍流氓
使用大O记号(最坏情况,忽略系数)
时间:基本操作次数(汇编指令条数)
空间:占用内存字节数
区别:空间可以再利用
时空互换(Hash表)
时间和空间权衡的艺术
常见复杂度
- O(1)
最快,例如基本运算,+,—,*,/,寻址等 - O(logn)
二分查找(看见log跟分治相关,默认以2为底,实际上不同底之间可以转换) - O(n^(1/2))
枚举约数 - O(n)
线性查找
如果算上输入的复杂度,则输入n个数的时间复杂度的下线为O(n) - O(n^2)
冒泡,选择排序 - O(n^3)
Floyd最短路 - O(nlog(n))
归并排序
快速排序的期望复杂度
基于比较的算法的下界 - O(2^n)
枚举全部的子集 - O(n!)
枚举全排列
总结
相对比较好的复杂度:O(1)< O(logn)< O(n)< O(nlog(n))
可能还可以优化的复杂度 :O(n^2)< O(n^3)< O(2^n)< O(n!)
常见的复杂度分析方法
输入输出
如果算上输入输出的复杂度,那么需要注意时间复杂度的下线循环次数
两次循环的复杂度至少为n^2
5.数据结构分类
wiki上给的常见数据结构的分类为:
- 数组(Array)
- 堆栈(Stack)
- 队列(Queue)
- 链表(Linked List)
- 树(Tree)
- 图(Graph)
- 堆(Heap)
- 散列表(Hash)
总结一下大概分为:
- 线性结构(栈,队列,链表,哈希表(散列表))
- 树和堆(二叉树等各种树,二叉堆等)
- 图
出了基本的各种结构之外,数据结构很普遍的一种体现方式就是排序算法了,掌握基本结构和排序算法也是入门数据结构与算法的第一步。
6.最大子数组
leetcode上的53题:
Find the contiguous subarray within an array (containing at least one number) which has the largest sum.
For example, given the array [-2,1,-3,4,-1,2,1,-5,4],
the contiguous subarray [4,-1,2,1] has the largest sum = 6.
第一种方法:暴力破解,枚举所有的情况
两重循环,时间复杂度O(n^2)
class Solution:def maxSubArray(self, A):sum_temp=0maxSum=-2147483648for i in range(len(A)):for j in range(i,len(A)): sum_temp+=A[j]maxSum=max(maxSum,sum_temp)sum_temp=0return maxSum
第二种方法:问题转化:用一层循环解决问题
目标:Max(A[i]+A[i+1]+···+A[j])
定义:S[j]=A[0]+A[1]+····+A[j]
目标转换:Max(S[j]-S[i-1])
结果:将目标转换为一个减法的问题
时间复杂度O(n)
class Solution:def maxSubArray(self, A):si=0 #前i项之和(因为sj先加,所以准确来讲每次循环使用的是前i-1项之和)sj=0 #前j项之和minsi=0 #应减去的前i-1项ans=-2147483648 #int中最大的负数for i in range(len(A)):sj+=A[i]if minsi > si :minsi=siif sj-minsi>ans: #极端:1.如果加上一个负数ans不变,2.开始第一个为负数,后面可以减去 ans = sj-minsisi+=A[i]return ans
为了更好的理解这种方法的可行性,取两个极端的例子试一下:
A=[-2,1,2,3,4]
sj先是等于-2,而后si=-2,ans=-2
sj=-2+1,minsi=-2,然后发现如果不加前面的-2,ans会更大,所以减去minsi,ans=1
如此一来就减去了前面的-2对最大值的负影响A=[1,2,3,4,-2]
sj=1+2+3+4后,minsi=0,循环结束时si=1+2+3+4,ans=1+2+3+4
当sj+-2后,发现sj-minsi不大于ans,所以ans不变
上述是一个简单的数据结构与算法的例题,可见问题的转化可以很大程度的简化处理问题所需复杂度,这也是数据结构可爱之处。
小白学数据结构——零、算法初步(算法分类及最大子数组小试牛刀)相关推荐
- python 按条件选择行和列数据_小白学数据结构-排序算法Python(冒泡、选择、快速、希尔等等)...
排序有内部排序和外部排序,内部排序是数据记录在内存中进行排序,而外部排序是因排序的数据很大,一次不能容纳全部的排序记录,在排序过程中需要访问外存. 我们通常所说的排序算法往往指的是内部排序算法,即数据 ...
- 小白学python,零基础学Python难不难?
Python是一门非常适合入门的编程语言. Python语法简单明了,代码可读性很高,容易入门:对于初学者规范自己的学习有很大的帮助,同时还可以帮助初学者看懂别人的代码.今天达妹就带大家了解一下,零基 ...
- 电脑小白学python_零基础的小白怎么学python?
零基础的小白怎么学python?下面本篇文章就来给介绍一下,希望对你们有所帮助. 1.选择Python版本 对于Python工程师来说,Python的版本则是你们的工作环境.所以在学习之前一定要考虑选 ...
- 小白学数据:教你用Python实现简单监督学习算法
转载自 小白学数据:教你用Python实现简单监督学习算法 今天,文摘菌想谈谈监督学习. 监督学习作为运用最广泛的机器学习方法,一直以来都是从数据挖掘信息的重要手段.即便是在无监督学习兴起的近日,监督 ...
- 【浅学数据结构】算法概念篇
一.什么是算法? 算法是解决特定问题求解步骤的描述,在计算机中则表现为一个或多个指令的组合规则:常用的经典算法有:循环累加求和/高斯求和.二叉树查找.冒泡排序.散列算法查找(哈希表)等. 二.算法与数 ...
- 新手如何学习算法?算法如何入门以及零基础入门算法应该学些什么?
搬运工,看到一篇关于算法学习之路的总结,希望对你有帮助. 原文链接:zh.lucida.me/blog/on-le 我的算法学习之路 MAY 4TH, 2014 | COMMENTS 关于 严格来说 ...
- 从头开始学算法:考研机试题练习(C/C++)–算法初步
从头开始学算法:考研机试题练习(C/C++)–算法初步 最近重学C语言,刷的是胡凡写的<算法笔记>,这本书的题主要是面向考研机试和一般算法考试的,零基础入门,还不错,在此记录学习过程. 本 ...
- 【JVM从小白学成大佬】4.Java虚拟机何谓垃圾及垃圾回收算法
在Java中内存是由虚拟机自动管理的,虚拟机在内存中划出一片区域,作为满足程序内存分配请求的空间.内存的创建仍然是由程序猿来显示指定的,但是对象的释放却对程序猿是透明的.就是解放了程序猿手动回收内存的 ...
- php学数据结构,PHP 程序员学数据结构与算法之《栈》
介绍 "要成高手,必练此功". 要成为优秀的程序员,数据结构和算法是必修的内容.而现在的Web程序员使用传统算法和数据结构都比较少,因为很多算法都是包装好的,不用我们去操心具体的实 ...
最新文章
- 02---控制移动底座4
- String , StringBuffer 和 StringBuilder 区别
- 【分享】老调重弹,既懂技术又懂管理的人才发展中的实际问题
- c++ 类和类的定义
- 面向消息的中间件(MOM)的代表JMS
- NO.10章 图(遍历、最短路、生成树、拓扑、关键路径)
- 最全介绍Document对象内容集合
- C语言,向函数传递一维数组,调用函数并计算平均成绩
- nginx curl linux,linux nginx 下通过curl url方式,符以后的参数无效
- ESXI5.5设置主机的时间自动同步服务 NTP
- python字符串以什么为结束符_Python代码中 如何判断字符串是否使用指定字符结尾(endswith)呢?...
- Android应用开发入门教程(经典版)
- Java入门 二维数组、一维数组、多维数组的解析(第十三天)
- 曾鸣:互联网的本质是什么?| 内部干货
- xbox one s驱动_【硬件资讯】次世代主机间最大差距?PS5 120Hz支持成难题,XBOX优势巨大!!...
- 【NOIP2018普及组】龙虎斗
- 一级建造师资格考试报名条件(2012-05-16)
- 论文公式编辑比较麻烦,试试截图快速识别并编辑公式!
- 【Java】广州三本秋招之路
- ERP项目经验(三)