TommyLiuZ的博客

008.排序算法——（二）选择排序——堆排序 1.算法思想 升序，建立大根堆 降序，建立小根堆 数据利用列表存储 步骤： 升序，建立大根堆 建立完成后，利用大根堆的结构，交换根结点和最下层最右侧的结点，最终形成升序序列 2.算法代码 # 堆调整函数 def heapify(arr, n, i): # 坐标关系 largest = i # 根节点 l = 2 * i + 1 # left = 2*i + 1 左叶子结点 r = 2 * i + 2

007.回溯算法 1. 算法框架 result = [] def backtrack(路径, 选择列表): if 满足结束条件: result.add(路径) return for 选择 in 选择列表: 做选择 backtrack(路径, 选择列表) 撤销选择 2.能够解决的问题 全排列问题 N皇后问题 ...

004.排序算法——（一）交换排序——快速排序 介绍 归并排序（Merge sort）是建立在归并操作上的一种有效的排序算法 是分治思想的算法应用 自上而下的递归 自下而上的迭代 归并排序的性能不受输入数据的影响，都是 O(nlogn) 的时间复杂度 需要额外的内存空间 算法步骤 申请空间，使其大小为两个已经排序序列之和，该空间用来存放合并后的序列 设定两个指针，最初位置分别为两个已经排序序列的起始位置 比较两个指针所指向的元素，选择相对小的元素放入到合并空间，并移动指针到下一位置 重复步骤 3 直到

004.排序算法——（一）交换排序——快速排序 介绍 在平均状况下，排序 nnn 个项目要 O(nlogn)Ο(nlogn)O(nlogn) 次比较 在最坏状况下则需要O(n2)Ο(n^2)O(n2)次比较，但这种状况并不常见 快速排序通常明显比其他 Ο(nlogn) 算法更快，因为它的内部循环可以在大部分的架构上很有效率地被实现出来 快速排序使用分治法策略来把一个串行分为两个子串行 本质上来看，快速排序应该算是在冒泡排序基础上的递归分治法 快速排序的最坏运行情况是 O(n²)，比如说顺序数列的快排。但它

004.排序算法——（二）选择排序 介绍 选择排序简单直观 无论什么数据进去都是 O(n²) 的时间复杂度 用到它的时候，数据规模越小越好 不占用额外的内存空间 算法步骤 首先在未排序序列中找到最小（大）元素，存放到排序序列的起始位置。 再从剩余未排序元素中继续寻找最小（大）元素，然后放到已排序序列的末尾。 重复第二步，直到所有元素均排序完毕 代码 从小到大排序 将这个背下来 def selectionSort(nums): length = len(nums) for i in r

003.排序算法——（一）冒泡排序 介绍 冒泡排序（Bubble Sort）：简单直观的排序算法。 它重复地走访过要排序的数列，一次比较两个元素，如果它们的顺序错误就把它们交换过来。 走访数列的工作是重复地进行直到没有再需要交换，也就是说该数列已经排序完成。 这个算法的名字由来是因为越小的元素会经由交换慢慢"浮"到数列的顶端。 冒泡排序还有一种优化算法，就是立一个 flag，当在一趟序列遍历中元素没有发生交换，则证明该序列已经有序。但这种改进对于提升性能来说并没有什么太大作用。 算法步骤 比较相邻的元

002.动态规划问题 1.解决的问题类型 最值问题 2.算法介绍 基本思想 将待求解的问题分解成若干子问题，先求解子问题，再结合这些子问题的解得到原问题的解，分解 得到的子问题往往不是互相独立的 保存已解决的子问题的答案，在需要时再找出以求得的答案，为了达到此目的，可以用一个表来记 录所有已解决的子问题的答案。 设计步骤 找出最优解的性质，并刻画其结构特征 递归地定义最优值 以自底向上的方式计算机最优值 根据计算最优值时得到的信息，构造最优解 步骤1~3是动态规划算法的基本步骤 基本要素 最优子结构

001.算法心得 1. 数据结构 两种最基本的存储结构 顺序存储 链式存储 数据结构的基本操作：增删查改 数据结构的遍历 线性结构 迭代 非线性结构 迭代和递归 2.算法