《算法图解》记录

查找：

简单查找最多需要n步，用二分查找最多需要log2（n）步

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

算法的运行时间以不同的速度增加。大O表示法指出了算法的速度有多快。指出了算法运行时间的增速。指出了最糟情况下的运行时间。

选择排序：

数组和链表：

数组的各个项在内存中是相连的

链表的元素可以存储在内存的任何地方，每个元素都存储了下一个元素的地址。需要读取链表的最后一个元素时，不能直接读取，需要从第一元素开始找...。需要读取全部元素时，链表的效率很高。

链表的优势在插入和删除元素方面。数组的优势在读取元素方面，擅长随机访问。

递归：

每个递归函数都有两部分： 基线条件和递归条件。基线条件指函数不再调用自己，从而避免无限循环。递归条件指函数调用自己。

def countdown(i):
    print i
  if i <= 1:  ←------基线条件
    return
  else:  ←------递归条件
    countdown(i-1)

调用栈

调用栈相当于一叠便条。插入的待办事项放在清单的最上边。读取时，也只读取最上边的事项，并将之删除。因此栈只有两个操作：压入和弹出

分而治之 ： D&C

快速排序

速度决定于选择的基准线

平均排序和快速排序？

散列表

数组和链表都直接映射到内存，但散列表更复杂，它使用散列函数来确定元素的存储位置。

python中散列表的实现为字典

book = dict()

book["apple"] = 0.67; book["milk"]=1.39

缓存是一种常用的加速方式，所有大型网站都使用缓存。而缓存的数据则存储在散列表中。

要避免冲突，需要有（1）较低的填装因子； （2）良好的散列函数

广度优先搜索：找出两样东西之间的最短距离。是一种用于图的查找算法。查找最短路径。

先在一度关系中搜索，再在二度关系中搜索。

队列：

队列是一种先进先出（FIFO）的数据接口(和乘坐公交车一样)。栈是一种后进先出（LIFO）的数据结构

狄克斯特拉算法

贪婪算法: 每步都采取最优的做法

动态规划：先解决子问题，再逐步解决大问题

K最近邻算法：

回归

二叉查找树：

反向索引

傅立叶变换

并行算哒

分布式算法（MapReduce）: 基于 映射函数和归并函数