内容简介:算法的定义是完成一项任务的一系列步骤,就像一份食谱,第一步干什么,第二步干什么... 在计算机科学中,算法是完成一个任务的一系列步骤,对于完成一个任务,有好的算法也有坏的算法,找到一个优秀的算法可以让任务高效的完成。一个好的算法要满足两点给一个数 怎么找到它的立方根呢?我们知道无法找到随便一个数的精确立方根,所以我们可以接受一定误差。我们可以让 从0开始不断的增加它的大小,看它的三次方有多接近 ,找出最接近 的数。
算法的定义是完成一项任务的一系列步骤,就像一份食谱,第一步干什么,第二步干什么... 在计算机科学中,算法是完成一个任务的一系列步骤,对于完成一个任务,有好的算法也有坏的算法,找到一个优秀的算法可以让任务高效的完成。一个好的算法要满足两点 正确性 和 高效 ,但是有时候也不要去完全正确足够好就行,比如一项任务要得到一个完全正确结果需要非常长的时间。
找到立方根
给一个数 怎么找到它的立方根呢?我们知道无法找到随便一个数的精确立方根,所以我们可以接受一定误差。
我们可以让 从0开始不断的增加它的大小,看它的三次方有多接近 ,找出最接近 的数。
def cuberoot(n): inc = 0.001 # 每次递增的数,越小精度越大 eps = 0.01 # 可接受的误差范围 ans = 0.0 while abs(ans ** 3 - n) >= eps and ans < abs(n): ans += inc if n < 0: ans *= -1 return ans 复制代码
可以猜到当 很大时,这个算法需要的时间就非常长。那么有什么更好的算法?
二分搜索算法
二分搜索算法(binary search)也叫折半搜索,是一种在有序数组中查找某一特定元素的搜索算法。从数组的中间开始寻找,看是不是要找的数,如果不是就看这个数字是大于还是小于要找的数,然后把不对的那一半扔掉。这个算法每次都搜索范围缩小一半,所以是一个非常快的算法。
上面找到立方根问题用 二分搜索算法 解决就是这样,
def cuberoot(n): eps = 0.01 low = 0.0 # 下界 high = n # 上界 ans = (low + high) / 2 while abs(ans ** 3 - n) >= eps: if ans ** 3 < n: low = ans else: high = ans ans = (low + high) / 2 if n < 0: ans *= -1 return ans 复制代码
对比原来的算法可以看到,二分搜索算法快多了,原来到迭代几千次,现在十几次就行了!但是还有没有更快的算法呢?
牛顿法
牛顿法(Newton's method)又称为牛顿-拉弗森方法(Newton-Raphson method)。简单来说牛顿法可以快速的找到任何多项式的根(不光是立方根)。比如我们要找到25的平方根,首先找到一个多项式 满足 ,并对它求导得到 ,牛顿法告诉我们如果一个数 很接近它的根,那么 就更加接近它的根。
def cuberoot(n): eps = 0.01 g = n / 3 # 随便猜个数 while abs(g ** 3 - n) >= eps: g = g - (g ** 3 - n) / (g ** 2 * 3) return g 复制代码
可以看到代码很紧凑,但是非常快比二分搜索算法还要看!
大O符号
上面的方法都接近一个问题,但是有快有慢,那么我们怎么描述一个算法的快慢?
- 我们需要根据输入大小确定算法需要多长时间。
- 我们必须知道函数随输入大小增长的速度。
大O符号(Big O notation),又称为渐进符号,是用于描述函数渐近行为的数学符号。更确切地说,它是用另一个(通常更简单的)函数来描述一个函数数量级的渐近上界。在数学中,它一般用来刻画被截断的无穷级数尤其是渐近级数的剩余项;在计算机科学中,它在分析算法复杂性的方面非常有用。
大O符号描述一个算法在 最坏 情况下的复杂度。
比如有个累加函数
def add(n): ans = 0 while n > 0: ans = ans + n n = n - 1 return ans 复制代码
可以看到这个函数一共要执行 步,但是大O表示法只关心当 增大时占主导地位的项目,其他项目和系数都可以忽略。这个函数用大O符号就为 是线性复杂度。
复杂度分类(从快到慢)
符号 | 名称 |
---|---|
常数 | |
对数 | |
多对数 | |
线性 | |
线性对数 | |
多项式 | |
指数 | |
阶乘 |
加法法则
比如一个函数内有两个不同复杂度的循环,
乘法法则
比如循环嵌套循环,
其他表示符号
除了大O符号还有一些不常用的符号。
大 符号
大 符号(Big-Omega notation)的意思刚好和大O符号相反。大 符号表示函数在增长到一定程度时总大于一个特定函数的常数倍。不提供上限,算法最少要花多少时间。
大 符号
大 符号(Big-Theta notation)是大O符号和大 符号的结合。
比如一个算法上慢为 下快为 ,那么用大 表示就为 ,大 和大O看起来差不多,但是它们表达的意思不一样, 是表示随着 的增大函数实际增长率不会超过 , 是表示随着 的增大 就非常接近函数实际增长率。
以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网
猜你喜欢: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。
算法设计与分析基础
Anany levitin / 潘彦 / 清华大学出版社 / 2007-1-1 / 49.00元
作者基于丰富的教学经验,开发了一套对算法进行分类的新方法。这套方法站在通用问题求解策略的高度,能对现有的大多数算法都能进行准确分类,从而使本书的读者能够沿着一条清晰的、一致的、连贯的思路来探索算法设计与分析这一迷人领域。本书作为第2版,相对第1版增加了新的习题,还增加了“迭代改进”一章,使得原来的分类方法更加完善。 本书十分适合作为算法设计和分析的基础教材,也适合任何有兴趣探究算法奥秘的读者......一起来看看 《算法设计与分析基础》 这本书的介绍吧!