《图解算法》总结

最近快速阅读了《图解算法》这本算法的入门书，对其中的一些知识点做了总结。

1. 使用递归函数需要确定基线条件和递归条件
2. 调用栈。在调用一个函数的时候，当前函数暂停并处于未完成状态
3. 分而治之（D&C算法），找出基线条件，然后不断将问题分解，直到符合基线条件
4. 快速排序比归并排序快，虽然两者都是O(n * log n) 但是快排的常量比归并排序小
5. 散列表，也就是哈希表，根据是根据关键码值而直接进行访问的数据结构。也就是说，它通过把关键码值映射到表中一个位置来访问记录，以加快查找的速度。这个映射函数叫做散列函数，存放记录的数组叫做散列表。
6. 广度优先搜索只能在非加权图中查找最短路径，即转折的次数最少。如果要在非负加权图中查找最短路径，可以使用狄克斯特拉算法。这是一种贪婪算法，每次都选择路径最小的点，然后更新其到邻居节点的权值和。如果图中有负权边，使用贝克曼-福德算法
7. 贪婪算法，确实很贪婪
8. 动态规划，最优子结构和重叠子问题
9. 分治思想和动态规划的相同点是：二者都要求原问题具有最优子结构性质，都是将原问题分而治之，分解成若干个规模较小(小到很容易解决的程序)的子问题，然后将子问题的解合并，形成原问题的解。
10. 分治思想和动态规划的区别是：分治是将分解后的子问题看成是相互独立的，通常用递归来做；动态规划将分解后的子问题看成是具有相互联系，有重叠部分，需要记忆，通常用迭代来做。
11. 在计算样本特征之间的差距的时候，除了使用距离公式，还可以使用余弦相似度计算样本之间的角度。
12. 之后可以了解：树，包括B树、红黑树、堆、伸展树；并行算法，如MapReduce；加密算法；线性规划

前三章

五种常见的大O运行时间

O(log n)，也叫对数时间，如二分查找
O(n)，也叫线性时间，如简单查找
O(n * log n)，快排
O(n*n)，选择
O(n!)，旅行商问题

算法的基本认识

算法的速度指的并非时间，而是操作数的增速
讨论算法的速度时，我们说的是随着输入的增加，指其运行时间将以什么样的速度增加
算法的运行时间用大O表示法表示
O(logn)比O(n)快，当需要搜索的元素越多时，前者比后者快得越多

递归和迭代的区别：

递归是在函数里面调用自己
迭代是不断调用另一个值

递归

基线条件，指的是函数何时不再调用自己，结束递归
递归条件，指的是，函数何时调用自己
递归函数如果一直运行：
    栈将不断地增大，每个程序可使用的调用栈空间有限，程序用完这些空间（终将如此）后，将因栈溢出而终止
递归指的是调用自己的函数
所有函数的调用都进入调用栈
调用栈可能很长，这将占用大量内存

调用栈（call stack）

对于这样的一个函数

def greet(name)：
    print("hello" + name + "!")
    greet2(name)
    print("getting ready to say bye")
    bye()

def greet2(name):
    print("how are you" + name + "?")

def bye():
    print("ok bye!")

当调用greet("mary")的时候，计算机首先为该函数调用分配一块内存
使用这些内存来存储变量
当再次调用greet2("mary")的时候，计算机也为这个函数的调用分配一块内存。
计算机使用一个栈来表示这些内存块，其中第二个内存块位于第一个内存块上面，当函数调用返回的时候，栈顶的内存块弹出
当调用greet2的时候，greet只执行了一部分。调用另一个函数的时候，当前函数暂停并处于未完成状态。该函数的所有变量的值都还在内存中。
执行玩