@TOC

🌲1.1引言

算法是一组完成任务的指令，任何代码片段都可以看做是一个算法！

1.1.1性能方面

本专栏介绍的每种算法都很可能有使用你喜欢的语言编写实现，你将学习到不同算法的优缺点，进而选择更好地算法！

1.1.2问题解决及技巧

利用这些广泛的算法，你将会学习到更具体的AI算法，数据库算法。

🌲1.2 二分查找

二分查找是一种算法，其输入必须是一个有序的元素列表。如果要查找的元素包含在列表中，二分查找返回其位置；否则返回null。

1.2.1简单查找

依次查找n次，又叫做傻找

1.2.2更佳的查找方式

每次从中间开始查找，就是我们所说的二分查找，这样我们的时间复杂度就是logn，而不是简单查找中的n

def binary_search(list,item):
    low=0
    high=len(list)-1
    while low<=high:
        mid=(low+high)//2
        guess=list[mid]
        if guess==item:
            return mid
        if guess>item:
            high=mid-1
        else:
            low=mid+1
    return None
print(binary_search([1,3,5,7],1))

1.2.3运行时间

如果有100个元素，简单查找需要找100次；而如果有40个亿的元素，其更是要查找40亿次，先不说时间问题，估计你的电脑跑出来这个程序也离退休不远了~
换而言之，这种时间被称为线性时间。
二分查找则不同，100个元素只需要7次；40亿个元素，只需要惊人的32次！
这样的运行时间被称为对数时间。

🌲1.3大O表示法

大O表示法是一种特殊的表示法，指出了算法有多快。

1.3.1算法的运行时间以不同的速度增加

例如：为检查长度为的的列表，简单查找需要查找n次，运行时间为O（n），二分查找的运行时间为O（log n）。这指出了算法需要执行的操作数。之所以被称为大O表示法，是因为操作数前面有个O。这听起来像笑话，但事实确实如此。

1.3.2 理解不同的大O运算时间

大O表示法指出了最糟糕的情况下的运行时间。

1.3.3一些常见的大O运行时间

1. O（log n）：对数时间，这样的算法包括二分查找
2. O（n）：线性时间，这样的算法包括简单查找
3. O（n*log n）：这样的算法包括快速排序
4. O（n**2）：这样的算法包括选择排序
5. O（n！）：这样的算法包括旅行商问题的解决方案

注意：
1.算法的速度并非指时间，而是操作数的增速
2.谈论算法的速度时，我们说的是随着输入的增加，其运行时间将以什么样的速度增加
3.算法的运行时间用大O表示法表示
4.O（logn）比O（n）快，当需要搜索的元素越多时，前者比后者快得多。

1.3.4旅行商

一位商人要去往五个城市，规划出最优路线。这需要我们先找出所有路线再作比对，也就是5！，这个方法很费时间，但目前还没有找到更快的算法。

🌲1.4小结

1.二分查找的速度比简单查找快得多
2.O（log n）比O（n）快，需要搜索的元素越多，前者比后者就更快得多！
3.算法运行时间不是以秒为单位
4.算法运行时间是从其增速的角度度量的
5.算法运行时间用大O表示法表示

最后的福利

最后一点小福利带给大家：如果想快速上手python的小伙伴们，这个详细整理PPT可以迅速帮助大家打牢python基础，需要的小伙伴们可以下载一下Python入门基础教程全套+小白速成+学不会来找我！

好啦，这就是今天要给大家分享的全部内容了
如果你喜欢的话，就不要吝惜你的一键三连了~