精选留言(29)

• 
  李皮皮皮皮皮

  2019-02-06

  各种排序算法真要说起来实际中使用的最多的也就是快排了。然而各种编程语言内置的标准库都包含排序算法的实现，基本没有自己动手实现的必要。然后作为经典的算法，自己实现一遍，分析分析时间空间复杂度对自己的算法设计大有裨益。需要注意的是为了高效，在实际的实现中，多种排序算法往往是组合使用的。例如c标准库中总体上是快排，但当数据量小于一定程度，会转而使用选择或插入排序。 求平方根使用牛顿法二分逼近😄

  展开

  

  13
• 
  TryTs

  2019-02-07

  虽然现在有很多排序算法自己不会亲自写，但是作为算法的基础，分治，归并，冒泡等排序算法在时间复杂度，空间复杂度以及原地排序这些算法知识上的理解非常有帮助。递归分治这些算法思想在简单的算法中也能体现出来，其实更多的是思维方式的训练。

  编辑回复: 感谢您参与春节七天练的活动，为了表彰你在活动中的优秀表现，赠送您99元专栏通用阅码，我们会在3个工作日之内完成礼品发放，如有问题请咨询小明同学，微信geektime002。

  

  6
• 
  虎虎❤️

  2019-02-07

  基本排序算法的关注点分为： 1. 时间复杂度。如n的平方（冒泡，选择，插入）；插入排序的优化希尔排序，则把复杂度降低到n的3/2次方；n乘以logn(快排，归并排序，堆排序）。 2. 是否为原地排序。如，归并排序需要额外的辅助空间。 3. 算法的稳定性。稳定排序（by nature）如冒泡，插入，归并。如果把次序考虑在内，可以把其他的排序（如快排，堆排序）也实现为稳定排序。 4. 算法的实现。同为时间复杂度同为n平方的算法中，插入排序的效率更高。但是如果算法实现的不好，可能会降低算法的效率，甚至让稳定的算法变得不稳定。又如，快速排序有不同的实现方式，如三路快排可以更好的应对待排序数组中有大量重复元素的情况。堆排序可以通过自上而下的递归方式实现，也可以通过自下而上的方式实现。 5. 不同算法的特点，如对于近乎有序的数组进行排序，首选插入排序，时间复杂度近乎是n，而快速排序则退化为n平方。 二分查找，需要注意 (l+r)/2可能存在越界问题。 leetcode题，用二分查找找到x*x > n 且(x-1)的平方小于n的数，则n-1就是结果。或者 x的平方小于n且x+1的平方大于n,则返回x。

  展开

  

  5
• 
  hopeful

  2019-02-16

  #O(n)时间复杂度时间复杂度内找到一组数据的第 n大元素 import random import time def Array(n): a = [] for i in range(n): a.append(random.randint(0 , n)) return a def QuickSort(n): array = Array(100) if n > len(array) or n < 1: print("超出范围，找不到") return n = n-1 a = qsort(0 , len(array)-1 , array , n) print(sorted(array)) print("-----------------------------") print(a) def qsort(start , end , array , n): if start == end: res = array[start] if start < end: key = partation(array , start , end) print(start , key , end) if key > n : res = qsort(start , key-1 , array , n) elif key < n: res = qsort(key+1 , end , array , n) else: res = array[key] return res def swap(array , start , end): temp = array[start] array[start] = array[end] array[end] = temp def partation(array , start , end): temp = array[start] while start < end : while start<end and array[end]<=temp: end-=1 swap(array , start , end) while start<end and array[start]>=temp: start+=1 swap(array , start , end) return start

  展开

  

  3
• 
  失火的夏天

  2019-02-06

  牛顿法或者二分逼近都可以解决平方根问题，leetcode上有些大神的思路真的很厉害，经常醍醐灌顶

  

  4
• 
  TryTs

  2019-02-14

  #include<iostream> #include<cmath> using namespace std; double a = 1e-6; double sqrt(double n){ double low = 0.0; double high = n; int i = 1000; while(i--){ double mid = low + (high - low) / 2.0; //cout<<"n:"<<n<<endl; double square = mid * mid; //cout<<"sq:"<<square<<endl; //cout<<"s:"<<abs(square - n)<<endl; if(abs(mid * mid - n) < a){ return mid; } else{ if(square > n){ high = mid; } else{ low = mid; } } } return -2.0; } int main(){ double t; while(true){ cin>>t; cout<<sqrt(t)<<endl; } }

  展开

  

  1
• 
  Monster

  2019-02-13

  /** * O(n)时间复杂度内求无序数组中第K大元素 */ public class TopK { public int findTopK(int[] arr, int k) { return findTopK(arr, 0, arr.length - 1, k); } private int findTopK(int[] arr, int left, int right, int k) { if (arr.length < k) { return -1; } int pivot = partition(arr, left, right); if (pivot + 1 < k) { findTopK(arr, pivot + 1, right, k); } else if (pivot + 1 > k) { findTopK(arr, left, pivot - 1, k); } return arr[pivot]; } private int partition(int[] array, int left, int right) { int pivotValue = array[right]; int i = left; //小于分区点放在左边 大于分区点放在右边 for (int j = left; j < right; j++) { if (array[j] < pivotValue) { int tmp = array[i]; array[i] = array[j]; array[j] = tmp; i++; } } //与分区点交换 int tmp = array[i]; array[i] = array[right]; array[right] = tmp; return i; } }

  展开

  编辑回复: 感谢您参与春节七天练的活动，为了表彰你在活动中的优秀表现，赠送您10元无门槛优惠券，我们会在3个工作日之内完成礼品发放，如有问题请咨询小明同学，微信geektime002。

  共 2 条评论

  1
• 
  EidLeung

  2019-02-12

  编程实现 O(n) 时间复杂度内找到一组数据的第 K 大元素。 这个的时间复杂路应该是n·logk吧？

  

  1
• 
  Abner

  2019-02-11

  java实现冒泡排序 代码如下： package sort; public class BubbleSort { public int[] bubbleSort(int[] array) { for (int i = 0;i < array.length - 1;i++) { for (int j = 0;j < array.length - i - 1;j++) { if (array[j] > array[j + 1]) { int temp = array[j + 1]; array[j + 1] = array[j]; array[j] = temp; } } } return array; } public static void main(String[] args) { int[] array = {10, 9, 8, 7, 6, 5, 4, 3, 2, 1}; BubbleSort bubbleSort = new BubbleSort(); int[] result = bubbleSort.bubbleSort(array); for (int i = 0;i < result.length;i++) { System.out.print(result[i] + " "); } } }

  展开

  

  1
• 
  kai

  2019-02-11

  实现模糊二分查找算法2: public class BinarySearch { // 3. 查找第一个大于等于给定值的元素 public static int bsFistGE(int[] array, int target) { int lo = 0; int hi = array.length - 1; while (lo <= hi) { int mid = lo + ((hi - lo) >> 1); if (array[mid] >= target) { if (mid == 0 || array[mid-1] < target) { return mid; } else { hi = mid - 1; } } else { lo = mid + 1; } } return -1; } // 4. 查找最后一个小于等于给定值的元素 public static int bsLastLE(int[] array, int target) { int lo = 0; int hi = array.length - 1; while (lo <= hi) { int mid = lo + ((hi - lo) >> 1); if (array[mid] <= target) { if (mid == hi || array[mid+1] > target) { return mid; } else { lo = mid + 1; } } else { hi = mid - 1; } } return -1; } }

  展开

  

  1
• 
  kai

  2019-02-11

  实现模糊二分查找算法1: public class BinarySearch { // 1. 查找第一个值等于给定值的元素 public static int bsFirst(int[] array, int target) { int lo = 0; int hi = array.length - 1; while (lo <= hi) { int mid = lo + ((hi - lo) >> 1); if (array[mid] > target) { hi = mid - 1; } else if (array[mid] < target) { lo = mid + 1; } else { if (mid == lo || array[mid-1] != array[mid]) { return mid; } else { hi = mid - 1; } } } return -1; } // 2. 查找最后一个值等于给定值的元素 public static int bsLast(int[] array, int target) { int lo = 0; int hi = array.length - 1; while (lo <= hi) { int mid = lo + ((hi - lo) >> 1); if (array[mid] > target) { hi = mid - 1; } else if (array[mid] < target) { lo = mid + 1; } else { if (mid == hi || array[mid] != array[mid+1]) { return mid; } else { lo = mid + 1; } } } return -1; } }

  展开

  

  1
• 
  kai

  2019-02-11

  实现一个有序数组的二分查找算法: public class BinarySearch { // 最简单的二分查找算法：针对有序无重复元素数组 // 迭代 public static int binarySearch(int[] array, int target) { if (array == null) return -1; int lo = 0; int hi = array.length-1; // 始终在[lo, hi]范围内查找target while (lo <= hi) { int mid = lo + ((hi - lo) >> 1); // 这里若是 (lo + hi) / 2 有可能造成整型溢出 if (array[mid] > target) { hi = mid - 1; } else if (array[mid] < target) { lo = mid + 1; } else { return mid; } } return -1; } // 递归 public static int binarySearchRecur(int[] array, int target) { if (array == null) return -1; return bs(array, target, 0, array.length-1); } private static int bs(int[] array, int target, int lo, int hi) { if (lo <= hi) { int mid = lo + ((hi - lo) >> 1); if (array[mid] > target) { return bs(array, target, lo, mid-1); } else if (array[mid] < target) { return bs(array, target, mid+1, hi); } else { return mid; } } return -1; } }

  展开

  

  1
• 
  纯洁的憎恶

  2019-02-09

  这道题似乎可以等价于从1到x中找到一个数y，使得y*y小于等于x，且（y+1）*（y+1）大于x。那么可以从1到x逐个尝试，提高效率可以采用二分查找方法，时间复杂度为O（logx）。

  

  1
• 
  黄丹

  2019-02-07

  王争老师初三快乐！ 这是今天两道题的解题思路和代码 1. O(n)时间内找到第K大的元素： 解题思路：利用快排中分区的思想，选择数组区间A[0...n-1]的左右一个元素A[n-1]作为pivot，对数组A[0...n-1]原地分区，这样数组就分成了三部分，A[0..p-1],A[p],A[p+1...n-1],如果p+1=k,那么A[p]就是要求解的元素，如果K>p+1,则说明第K大的元素在A[p+1...n-1]这个区间，否则在A[0...p-1]这个区间，递归的查找第K大的元素 2. Sqrt(x) （x 的平方根） 解题思路：利用二分查找的思想，从1到x查找x的近似平方根 代码： https://github.com/yyxd/leetcode/blob/master/src/leetcode/sort/Problem69_Sqrt.java

  展开

  

  1
• 
  C_love

  2019-02-07

  Use Binary Search class Solution { public int mySqrt(int x) { if (x == 0 || x == 1) { return x; } int start = 0; int end = (x >> 1) + 1; while (start + 1 < end) { final int mid = start + ((end - start) >> 1); final int quotient = x / mid; if (quotient == mid) { return mid; } else if (quotient < mid) { end = mid; } else { start = mid; } } return start; } }

  展开

  编辑回复: 感谢您参与春节七天练的活动，为了表彰你在活动中的优秀表现，赠送您99元专栏通用阅码，我们会在3个工作日之内完成礼品发放，如有问题请咨询小明同学，微信geektime002。

  

  1
• 
  Geek_86533a

  2019-08-14

  不断学习，不断练习到今天。发现自己的代码能力、思考问题的能力有了明显的进步。感谢！

  

  
• 
  懒猫

  2019-05-23

  打卡

  

  
• 
  hopeful

  2019-02-17

  #二分查找变种 import random import time def Array(n): a = [] for i in range(n): a.append(random.randint(0 , n)) return a #查找第一个值等于给定值的元素 def find_1(n): array = Array(100) array = sorted(array) left = 0 right = len(array)-1 while left <= right: mid = int((left+right)/2) if array[mid] > n: right = mid - 1 elif array[mid] < n: left = mid + 1 else: if mid==0 or array[mid] != array[mid-1]: return mid else: right = mid - 1 print("找不到") return -1 #查找最后一个值等于给定值的元素 def find_2(n): array = Array(100) array = sorted(array) left = 0 right = len(array)-1 while left <= right: mid = int((left+right)/2) if array[mid] > n: right = mid - 1 elif array[mid] < n: left = mid + 1 else: if mid==right or array[mid] != array[mid+1]: return mid else: left = mid + 1 print("找不到") return -1 #查找第一个值大于等于给定值的元素 def find_3(n): array = Array(100) array = sorted(array) left = 0 right = len(array)-1 while left <= right: mid = int((left+right)/2) if array[mid] >= n: if mid==0 or array[mid-1]<n: return mid else: right = mid - 1 else array[mid] < n: left = mid + 1 print("找不到") return -1 #查找最后一个值小于等于给定值的元素 def find_4(n): array = Array(100) array = sorted(array) left = 0 right = len(array)-1 while left <= right: mid = int((left+right)/2) if array[mid] <= n: if mid==right or array[mid+1]>n: return mid else: left = mid + 1 else array[mid] > n: right = mid - 1 print("找不到") return -1

  展开

  

  
• 
  hopeful

  2019-02-16

  #实现一个有序数组的二分查找算法 import random import time def Array(n): a = [] for i in range(n): a.append(random.randint(0 , n)) return a def find(n): array = Array(100) array = sorted(array) left = 0 right = len(array)-1 while left <= right: mid = int((left+right)/2) if array[mid] > n: right = mid - 1 elif array[mid] < n: left = mid + 1 else: return mid print("找不到") return -1

  展开

  

  
• 
  拉欧

  2019-02-15

  x 的平方根 go 语言实现 func mySqrt(x int) int{ if x==0{ return 0 } min:=1 max:=x for { mid:=min+(max-min)/2 if mid*mid==x{ return mid }else if mid*mid<x{ if (mid+1)*(mid+1)>x{ return mid }else{ min=mid+1 } }else{ max=mid-1 } } }

  展开

  

  