Fork me on GitHub 打赏

《算法图解》第一章笔记与课后练习_二分查找算法

软件环境:Python 3.7.0b4

一、二分查找

def binary_search(list, item):
  # low 和 high 用于跟踪要在其中查找的部分
  low = 0
  high = len(list) - 1

  # 只要范围没有缩小到只有一个元素,就继续循环
  while low <= high:
    # 检查中间的元素
    mid = (low + high) // 2  # 这里注意下,必须是 // 而不是 /,否则会报错
    guess = list[mid]
    # 如果猜的数是对了,返回结果
    if guess == item:
      return mid
    # 如果猜的数大了,上限减1
    if guess > item:
      high = mid - 1
    # 如果猜的数小了,下限加1
    else:
      low = mid + 1

  # 如果没有这个元素,返回None
  return None

my_list = [1, 3, 5, 7, 9] ##测试数据

 

 

 

二、一些常见的大O运行时间

下面按从快到慢的顺序列出经常遇到的5种大O运行时间:

  • O(log n):对数时间,这样的算法包括二分查找。
  • O(n):线性时间,这样的算法包括简单查找。
  • O(n * log n):这样的算法包括快速排序。
  • O(n2):这样的算法包括选择排序。
  • O(n!):这样的算法包括旅行商问题的解决方案。

 

三、课后练习

 

答案(有更好的欢迎在底下评论或私信)

1.1:128->64->32->16->8->4->2->1,所以最多需要7步。

1.2:翻倍后顶多会增加一步,所以是8步。

1.3:可以根据字母姓氏进行二分查找,所以是O(log n)。

1.4:属于简单查找,所以是O(n)。

1.5:属于简单查找,所以是O(n)。

1.6:O(n)。

 

四、小结

  • 二分查找的速度比简单查找要快许多,数据越大,差距就越明显。
  • O(log n)比O(n)快。需要搜索的元素越多,前者比后者就快得越多。
  • 算法运行时间并不以秒为单位。
  • 算法运行时间是从其增速的角度来度量的。
  • 算法运行时间用大O表示法表示。

 

posted @ 2018-05-11 19:23  Zoctopus_Zhang  阅读(...)  评论(...编辑  收藏
// function btn_donateClick() { var DivPopup = document.getElementById('Div_popup'); var DivMasklayer = document.getElementById('div_masklayer'); DivMasklayer.style.display = 'block'; DivPopup.style.display = 'block'; var h = Div_popup.clientHeight; with (Div_popup.style) { marginTop = -h / 2 + 'px'; } } function MasklayerClick() { var masklayer = document.getElementById('div_masklayer'); var divImg = document.getElementById("Div_popup"); masklayer.style.display = "none"; divImg.style.display = "none"; } setTimeout( function () { document.getElementById('div_masklayer').onclick = MasklayerClick; document.getElementById('btn_donate').onclick = btn_donateClick; var a_gzw = document.getElementById("guanzhuwo"); a_gzw.href = "javascript:void(0);"; $("#guanzhuwo").attr("onclick","follow('33513f9f-ba13-e011-ac81-842b2b196315');"); }, 900);