插入排序和二分法(下)

简介: 插入排序和二分法(下)
插入排序最差是N^ 选择排序和冒泡排序严格是N^ 所以插入排序的算法性能要优于选择排序和冒泡排序
0~0范围是有序的
所以从下标1位置开始
第一个for循环 表示想在0~1范围有序,想在0~2范围有序,想在0~3范围有序...
第二个for循环
比如第i的位置 此时想让0~i位置有序
已经做到了在0~i-1范围上有序了


image.png

比如第i位置上的数是Y
j=i-1
j+1就是i
j位置上的数和j+1位置上的数比较
前一个要小了 这个时候要交换

image.png

交换完了之后 Y就来到了i-1位置
接下来往左移动再比较j--位置上的数即i-2
j+1位置上的数就是i-1
如果j位置上的数大于j+1位置上的数
还是往左移
j就是当前数的前一个数,当前数在j+1位置

image.png

所以第二个for循环就是在做:
一直往前看如果一直都小的话就一直往前换
换到越界停或者换到不比左边位置小了停


二分法


1、在一个有序的数组中,找某个数是否存在

如果从左往右遍历找的话 就是一个O(N)的算法
每个数只碰一次
通过二分法找最快
先找到中点位置的数

image.png

如果x > num
所以x右边一定不会有num
就可以在x左边继续二分
如果x < num
所以x左边是不需要看的
只在x右边二分

这个算法的时间复杂度怎么估计?一次砍一半 一共砍几次 时间复杂度是

比如数组中一定有8个数 
砍一半4个
再砍2个
再砍1个
如果还找不到就是不存在这个数

如果找到了就是砍3次就是

2、在一个有序数组中,找>=某个数最左侧的位置

image.png

是否满足大于等于num

4是满足的 所以左侧有可能还存在大于等于3的数 所以继续二分


image.png

假设中点是箭头所指的2

次是不满足大于等于num

所以右边去二分


image.png

再找中点位置 上图箭头3

比之前记录的t的位置更靠左 所以放弃之前t的位置记 上图箭头3的位置为t

满足大与等于3 再往左分

image.png


也满足 再分就没有数据可分了

二分法找一个数存不存在 当找到了 就不需要二分了

而找大于等于num最左侧的位置一定是二分到结束的 即二分到某一个范围上没有数才停

3、局部最小值问题

在数组中 无序 任何2个相邻的数不相等

局部最小定义

如果0位置上的数小于1位置上的数 那么0位置就是局部最小的位置
如果N-1位置上的数 小于 N-2位置上的数
那么N-1就是局部最小位置
如果中间位置i即比左边i-1位置小同时也比i+1位置小
那么i位置就是局部最小
i位置必须同时小于左边和右边的数 才叫局部最小

在这样一个数组中 找出一个局部最小即可

能不能求的过程 时间复杂度好于O(N)

最好二分 ?

这道题目的解析 请看下文讲解哟

相关文章
|
算法
【算法专题突破】二分查找 - 704. 二分查找(16)
【算法专题突破】二分查找 - 704. 二分查找(16)
34 0
|
1月前
|
算法
二分查找法的时间复杂度
【10月更文挑战第9天】
39 2
|
3月前
|
算法
【算法】二分查找——二分查找
【算法】二分查找——二分查找
|
5月前
|
算法 数据处理 Python
插入排序、选择排序和二分查找
插入排序、选择排序和二分查找
|
5月前
|
搜索推荐
冒泡排序、选择排序、二分查找
冒泡排序、选择排序、二分查找
19 0
|
算法 索引
快速排序、归并排序、二分算法
快速排序、归并排序、二分算法
59 0
|
机器学习/深度学习 存储 人工智能
“二分“==“二分查找“ ?“yes“:“no“;
“二分“==“二分查找“ ?“yes“:“no“;
117 0
|
算法 搜索推荐
简单选择排序,直接插入排序、冒泡排序
简单选择排序,直接插入排序、冒泡排序
|
存储 搜索推荐 算法
leetcode排序算法总结—时间复杂度o(nlogn)-希尔/堆排/快排/归并小记
leetcode排序算法总结—时间复杂度o(nlogn)-希尔/堆排/快排/归并小记
156 0