摘要：
# 选择排序对冒泡排序进行了改进，保留了其基本的多趟比对思路，每趟都使当前最大项就位 # 但选择排序对交换进行了削减，相比起冒泡排序进行多次交换，每趟仅进行1次交换，记录最大项的所在位置，最后再跟本趟最后一项交换 # 选择排序的时间复杂度比冒泡排序稍优 # 比对次数不变，还是O(n2) # 交换次数 阅读全文
摘要：
# 通过监测每趟比对是否发生过交换，可以提前确定排序是否完成 # 如果某趟比对没有发生任何交换，说明列表已经排好序，可以提前结束算法 def shortBubbleSort(alist): exchanges = True passnum = len(alist) - 1 while passnum 阅读全文
摘要：
# 冒泡排序的算法思路在于对无序表进行多趟比较交换， # 每趟包括了多次两两相邻比较，并将逆序的数据项互换位置，最终能将本趟的最大项就位 # 经过n-1趟比较交换，实现整表排序 # 比对的时间复杂度是O(N**2) # 关于交换次数，时间复杂度是O(N**2) # 冒泡排序通常作为时间效率较差的排序 阅读全文
摘要：
# 由于二分查找，每次比对都将下一步的比对范围缩小一半,n次比对后剩余数据n/2**i,求出i=log2(N) def binarySearch(alist, item): if len(alist) == 0: return False else: midpoint = len(alist) // 阅读全文
摘要：
# 通过控制列表索引达到二分的目的 # 算法时间复杂度O(log(N)) def binarySearch(alist, item): first = 0 last = len(alist) - 1 found = False while first <= last and not found: m 阅读全文
摘要：
# 算法时间复杂度O(N) def orderedSequentialSearch(alist, item): pos = 0 found = False stop = False while pos < len(alist) and not found and not stop: if alist 阅读全文
摘要：
# 算法时间复杂度O(N) def sequentialSearch(alist, item): pos = 0 found = False while pos < len(alist) and not found: if alist[pos] == item: found = True else: 阅读全文
摘要：
# 递归是从后向前递归调用，相当于是倒算 # 而动态规划是从前向后计算，每一步计算利用的都是前面已经计算完成的值，不存在调用自身的问题 # 动态规划突破了递归的层数限制 import time def fibonacci_v3(n, record): for i in range(1, n+1): 阅读全文
摘要：
# 递归调用是函数调用自己，在计算机中，函数调用是通过栈（stack）这种数据结构实现的，每当进入一个函数调用， # 栈就会加一层栈帧，每当函数返回，栈就会减一层栈帧。由于栈的大小不是无限的，所以，递归调用的次数过多，会导 # 致栈溢出。大多数编程语言没有针对尾递归做优化，Python解释器也没有做 阅读全文
摘要：
# 递归算法三定律： # 递归算法必须具备基本结束条件 # 递归算法必须要减小规模，改变状态，向基本结束条件演进 # 递归算法必须要调用自身 import time def fibonacci_v1(n): if n == 1: return 0 elif n == 2: return 1 else 阅读全文