内容简介:前一段时间在 reddit 上看到有人推广一篇名为博客中列举了传统大学里学习算法的种种弊端,并强调了用 Go 实现算法是多么简单有趣,然后拿二叉树举了个例子。读完这篇博客以后,我不得不说,真心没看出来 Go 写算法的优势在哪里。但是,配图确实萌翻了,下面盗图一副。
前言
前一段时间在 reddit 上看到有人推广一篇名为 GopherCon 2018 - Demystifying Binary Search Tree Algorithms 的博客,
博客中列举了传统大学里学习算法的种种弊端,并强调了用 Go 实现算法是多么简单有趣,然后拿二叉树举了个例子。读完这篇博客以后,我不得不说,真心没看出来 Go 写算法的优势在哪里。但是,配图确实萌翻了,下面盗图一副。
虽然不会画画,但是并不妨碍用 Go 做一些算法实现的尝试。这里我从 "Pears of Functional Algorithms Design" 里拿了一道题:给定一个无序自然数数组 A,求出不在 A 中的最小自然数,约束条件如下:
- A 中的元素个数是有限的,每个元素都是自然数,并且互不相同(自然数包含 0 和 正整数)。
- 假设 A 中元素的大小在 [0, inf] 之间。
Note: 由于计算机本身的限制,我们这里假设 inf = 2^31-1
举几个例子:
- A = [1,2,9,4], output = 0
- A = [0,1,2], output = 3
- A = [0,1,16,8,4,2], output = 3
- A = [], output = 0
首先我们声明一个函数来表述这个问题:
func f(A []int) int
然后,我们思考如何解决这个问题。
此处建议思考两分钟,如果身边有笔有纸,建议写写画画。
方案一
首先映入脑海的方法是:声明一个 bool 数组 B,将 A 中元素作为下标,将 B 对应的元素置为 true,遍历 B,返回第一个 false 的下标。这个方法显然不靠谱,在某些条件下,它会使用大量内存。为了更直观,这里把具体实现贴出来:
func f(A []int) int { maxElem := max(A) // 函数 max 用于获取数组的最大值 B := make([]bool, maxElem+1, maxElem+1) for _, elem := range A { B[elem] = true } for idx, val := range B { if !val { return idx } } }
在极限情况下,例如 A = [2^31-1],上面代码中 B 会占用 (2^31-1)/8 ≈ 2^28 byte = 256 Mbyte 内存,显然很不合理。
方案二:引入 排序 函数
如果引入一个库函数呢,比如 sort
。先用 sort
给 A 排序,然后从 0 开始递增,找到第一个不在 A 中的元素。这个方法可以解决问题,假设 n=len(A),排序时间 O(nlogn), 检索效率 O(n)。我们看一下代码实现:
func f(A []int) int { sort.Ints(A) for idx, val := range A { if idx != val { return idx } } return len(A) }
这是一个很常规的方法。这里的实现有两个地方需要注意:
if idx != val return len(A)
但是引入 sort
的代价也很明显:O(nlogn) 的时间复杂度比较高。有没有时间复杂度为 O(n) 的方法呢?
我们再次思考这个问题本身。对于乱序状态下的 A,对于 [0, inf] 的每一个自然数,搜索的耗时都是 O(n),最多搜索 n 个自然数。要达到总体复杂度为 O(n),一个方法是将搜每个自然数搜索的耗时降低到 O(1),另一个方法是 只搜索 O(1) 个自然数。后一个方法看起来有点难以实现,但是前一个方法只需要我们引入一个 hashmap。
而 Go 语言内置的 map 就是基于 hashmap。
方案三:引入 map
引入 map 以后,大致步骤是:
- 遍历 A,填充 map。时间和空间复杂度都是 O(n)
- 遍历 [0, inf],找到第一个不在 map 中的元素
代码如下:
func f(A []int) int { mapping := make(map[int]struct{}, len(A)) for _, val := range A { mapping[val] = struct{}{} } for i := 0; ; i++ { if _, ok := mapping[i]; !ok { return i } } }
该方法的时间和空间复杂度都达到了 O(n), 理论上达到了最优。但是从实践的角度考虑,hashmap 对空间的利用略超出了 O(n),超出的范围取决于负载因子。严格来说,这个方法并不是最优 O(n) 解法。那么有没有更优的解法呢?答案是有,但是需要一些想象力,或者归纳能力。
方案四:拿出纸和笔,找规律
我们可以随意举出几个例子,对数组和结果进行分析。假设我们对数组已经排序,会有以下几种情况:
情况一:
- A = [1,2,4,9], output = 0
- A = [2,3,4,9], output = 0
- A = 任意不包含 0 的数组,output = 0
情况二:
- A = [], output = 0
- A = [0], output = 1
- A = [0,1], output = 2
- A = [0,1,2], output = 3
- A = [0,1,2,...,n-1], output = n
情况三:
- A = [0,2,3,...,n-1], output = 1
- A = [0,1,2,100,...,n-1], output = 3
对于所有情况,我们会发现一个共性: output <= n
。为什么会出现这种情况?我们不妨逆向思考一下。假设有一个连续的自然数数组 [0,1,2,3,...n-1]
:
- 不改变这个数组,则返回值是 n;
- 要改变一个元素,则必须从中取出一个自然数 i,然后替换成一个大于 n-1 的自然数。改变后的数组返回 i;
- 改变多个元素,上一条仍然成立;
- 交换任意两个元素,不影响返回值。
我们回到刚才提到的共性 output <= n
,基于这个共性,我们可以认为数组 A 中所有大于 n 的数是无意义的。换句话说,我们只关心 A 中 <= n
的数字。
所以,解决方法来了:我们可以创建一个长度为 n+1 的 bool 数组 B,遍历 A 中所有元素 i 作为下标,设置 B[i]=true;然后找出 B 中第一个 false 的下标。代码如下:
func f(A []int) int { n := len(A) B := make([]bool, n+1, n+1) for _, elem := range A { if elem <= n { B[elem] = true } } for idx, val := range B { if !val { return idx } } }
理论上这个方法的时间和空间复杂度都是 O(n),在实际运行时,都要略优于基于 map 的实现。
小结
有时候,一支笔,一张纸,可能比想破脑袋都好用(高智商人士当我没说)。
开头我们提到一篇博客对 Go 写算法的赞美之词。经过这波实践,依旧没有发现比 C++ 更简洁、更优美(手动狗头)。Go 简洁的语法让每一行都看起来那么短,但强制的大括号增加了代码行数,综合起来和C++写出来的效果旗鼓相当吧。
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持 码农网
猜你喜欢:- 通俗易懂--决策树算法、随机森林算法讲解(算法+案例)
- 限流算法之漏桶算法、令牌桶算法
- 什么是Paxos算法?Paxos算法是区块链核心算法之一
- 一文读懂对称加密算法、非对称加密算法和Hash算法
- 算法(六):图解贪婪算法
- 算法篇03:排序算法
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
NoSQL精粹
[美]Pramod J. Sadalage、[美]Martin Fowler / 爱飞翔 / 机械工业出版社 / 2013-8 / 49.00元
《NoSQL精粹》为考虑是否可以使用和如何使用NoSQL数据库的企业提供了可靠的决策依据。它由世界级软件开发大师和软件开发“教父”Martin Fowler与Jolt生产效率大奖图书作者Pramod J. Sadalage共同撰写。书中全方位比较了关系型数据库与NoSQL数据库的异同;分别以Riak、MongoDB、Cassandra和Neo4J为代表,详细讲解了键值数据库、文档数据库、列族数据库......一起来看看 《NoSQL精粹》 这本书的介绍吧!