向量

1.抽象数据类型（ADT）

ADT=数据模型+定义在该模型上的一组操作

DS=基于某种特定语言，实现ADT的一整套算法

2.向量是数组的抽象与泛化，由一组元素按照线性次序封装而成。

3.动态空间管理：在即将发生上溢时，适当的扩大数组内部的容量

扩容时，内部开辟一个新的数组空间，将原来数组中存放的数据一一填充至新的数组空间，收回原来数组分配的空间。

1）容量递增策略：追加固定大小的容量:capacity+=INCREMENT（累计增容时间O(n^2),分摊增容时间O(n)）

2）容量加倍策略：追加加倍数量大小的容量：new_capacity=m*old_capicity（累计增容时间O(n),分摊增容时间O(1)）

4.去除无序向量中重复的元素

思路1：从第二个元素开始向后循环，在该元素之前的元素区间中查找是否存在与当前元素相同的值，若不存在则向后继续循环，若存在则删除当前元素//O(n^2)

思路2：先对需删除的重复元素做标记，然后再统一删除，稳定性保持，但因查找长度更长，从而导致更多的比对操作

思路3：先排序，后去重//O(nlogn)

5.有序向量

无序序列中，总有一对相邻元素逆序，有序序列中，任意一对相邻元素顺序

因此，相邻逆序对的数目，可用以度量向量的逆序程度

有序向量的去重操作

思路1：在有序向量中，重复的元素必然相互紧邻构成一个区间，因此，每一区间只需保留单个元素即可  #O(n^2)

li=[1,1,3,8,44,44,54,55,55,55,55,55,67,90,100,100]
counter=len(li)
i=0
while i<counter-1:
    if li[i]==li[i+1]:
        del li[i+1]
        counter=len(li)
    else:
        i=i+1
print(li)

思路二：
原算法中每一次移动只能移动一个单元，若能以重复区间为单位，成批删除雷同元素，性能将改进  #O(n)

li=[1,1,3,8,44,44,54,55,55,55,55,55,67,90,100,100]
counter=len(li)
i=0
temp=0
while i<counter-1:
    if li[i]==li[i+1]:
        temp=temp+1 #while elem=55 temp=4
    else:
        move_num=counter-(i+1)
        while move_num>0:
            li[i-temp+1]=li[i+1]
            move_num=move_num-1
    i=i+1
print(li)

直接变换下标，涉及到数组的算法采用多个下标进行操作会比较简便

li=[1,1,1,1,1,1,3,8,44,44,54,55,55,55,55,55,67,90,100,100]
counter=len(li)
i=0
j=1
while j<counter-1:
    if li[i]==li[j]:
        j=j+1
    else:
        i=i+1
        li[i]=li[j]
        j=j+1

print(li)

 6.二分查找

def search(seq,aim):
    lo=0;
    hi=len(seq)-1
    while lo<hi:
        mid=int((lo+hi)/2)
        if(li[mid]<aim):
            lo=mid+1
        elif(aim<li[mid]):
            hi=mid
        else:
            return mid
li=[1,2,9,12,42,54,98,110]
aim=9
index=search(li,aim)
print(index,li[index])

如何更为精细地评估查找算法的性能？
考查关键码（if语句的比较）的比较次数，即查找长度

7.斐波那契查找：

思路及原理：前述二分查找版本的效率仍有改进余地，因为不难发现转向左右分支前的关键码比较次数不等，而递归深度却相同

若能通过递归深度的不均衡，对转向成本的不均衡进行补偿，平均查找长度应能进一步缩短

比如，若设n=fib(k)-1，则可取mi=fib(k-1)-1，黄金比例，最优解

8.改进方案

思路1：无论向左或向右转向，都只进行一次比较，即所有分支只有2个方向，而不再是3个方向，e<x或x<=e

改进后，只有当元素数目hi-lo=1时，才判断该元素是否命中 while(1<hi-lo)

改进语义约定：

1)当有多个命中元素时，必须返回最靠后者

2)失败时，应返回小于e的最大者

 

9.冒泡排序

 冒泡排序的改进，用一个变量进行记录，标明整体是否有序，每一次相邻元素比较后进行判断，若发生交换则不是整体有序

li=[11,33,4,208,22,89,182,32,69,358,222]
for j in range(1,len(li)):#为外层循环次数
    issorted=True
    for i in range(len(li)-j):
        current_value=li[i]
        next_value=li[i+1]
        if current_value > next_value:
            temp=li[i]
            li[i]=li[i+1]
            li[i+1]=temp
            issorted=False
    if issorted:
       break
print(li)

 反例：前小半部分为乱序排列，后大半部分为严格有序的序列

改进后

li=[3,32,6,43,24,11,22,33,44,55,66,77,88,99]
lt=[3,6,32,24,11,22,43,33,44,55,66,77,88,99]
lq=[3,6,32,24,11,22,33,43,44,55,66,77,88,99]
hi=len(li)
i=1
while i<hi:
    last=0
    for j in range(len(li)-i):
        if li[j]>li[j+1]:
            temp=li[j]
            li[j]=li[j+1]
            li[j+1]=temp
            last=j
    i=i+1
    hi=last

print(li)

10.归并排序，时间复杂度为O(nlogn)

原理：分治策略

序列一分为二 //O(1)

子序列递归排序// 2*T(n/2)

合并有序子序列//O(n)

li=[1,3,23,32,52,66,99,1111,2222,3333]
lj=[4,5,12,53,108,232]

result=[]
i=0
j=0

while i<len(li) or j<len(lj):
    if i<len(li) and (j>=len(lj) or li[i]<=lj[j]):
        result.append(li[i])
        i=i+1
    if j<len(lj) and (i>=len(li) or li[i]>lj[j]):
        result.append(lj[j])
        j=j+1

print(result)