趣味算法-03-跟着作者读《趣味算法(第2版)》-算法之美

简介: 本文是系列博客的第3篇,是听了陈老师的报告后的记录,主要包括如何学习算法。

第1章 算法之美

1.1 想象算法的美

说到算法,我们想到的是什么,无论你想到的是什么,我希望你想到的是躺在法国普罗旺斯小镇的长椅上,呷(xia)一口红酒,闭上眼睛,体会舌尖上的美味,感受鼻腔中满溢的薰衣草的芳香…

1.2 算法特点

写一个算法,求如下序列之和:

− 1 , 1 , − 1 , 1 , . . . , ( − 1 ) n -1,1,-1,1,...,(-1)^n−1,1,−1,1,...,(−1) n

常见的算法就是写一个while循环,然后依次相加即可,这种方式可以求得结果,但需要计算n次:

arr = [-1,1,-1,1,-1]
arr_sum = 0
for i in range(1,len(arr)+1):
    arr_sum += pow(-1,i)
    print(arr_sum)

如果采取-1+1 = 0 ,如果长度为偶数,结果为0,否则为-1:

arr = [-1,1,-1,1,-1]
arr_sum = 0
arr_len = len(arr)
if (arr_len % 2==0):
    print(0)
else:
    print(-1)

第一种算法需要执行n次,第二种算法需要执行1次,后者就是数学家高斯所使用的算法

需要说明的是,笨方法也是算法高斯使用的方法也是算法

算法具有如下特性

有穷性:算法是若干质量组成的又穷序列,总是会执行若干次后结束

确定性:每条语句都有明确的含义,无歧义

可行性:算法再当前环境条件下可以通过有限次运算来实现

输入/输出:有0或多个输入以及1个或多个输出

好的算法的标准:


正确性:正确性是指算法能够满足具体问题的需求,程序运行正常,无语法错误,能够通过典型的软件测试,达到预期。

易读性:算法遵循标识符命名规则,简洁易懂,注释语句恰当适量,方便自己和他人阅读,便于后期调试和修改。

健壮性:算法对非法数据及操作有较好的反应和处理。例如,在学生信息管理系统中登记学生年龄时,若将21岁误输入为210岁,则系统应该有错误提示。

高效性:高效性是指算法运行效率高,即算法运行所消耗的时间短。

低存储性:低存储性是指算法所需的存储空间小。对于像手机、平板电脑这样的嵌入式设备,算法如果占用空间过大,则无法运行。算法占用的空间大小被称为空间复杂度。

正确性,易读性,健壮性是在我们完成了算法的基础上,适当提高下工程标准即可。但时间复杂度和空间复杂度的优化就有一定的难度了。

1.3 算法的时间和空间复杂性

时间复杂度是按照计算机支持的次数来衡量的,如上面的例子中,笨方法中,对于n条数据,需要执行n次循环才能获得结果,其时间复杂度为O ( n ) O(n)O(n),高斯所用的方法中,对于n条数据,需要执行1次,即复杂度为常数。

大O OO符号表示法中,时间复杂度的公式是: T ( n ) = O ( f ( n ) ) T(n) = O( f(n) )T(n)=O(f(n)),其中f ( n ) f(n)f(n) 表示每行代码执行次数之和,而 O OO 表示正比例关系,这个公式的全称是:算法的渐进时间复杂度。常见的时间复杂度包括:


image.png

1669299172(1).png


上面从上至下依次的时间复杂度越来越大,执行的效率越来越低。

针对算法时间复杂度,还可以分为

1669299240(1).png

空间复杂度:算法在运行过程中占用的空间大小,包括:


输入输出数据

算法本身

额外需要的辅助空间

输入/输出数据占用的空间是必须的,算法本身占用的空间可以通过精简算法来缩减,但缩减的量很有限。算法在运行时所使用的辅助变量占用的空间(辅助空间)才是衡量算法空间复杂度的关键因素。

1.4 神奇的兔子序列

假设第1个月有1对初生的兔子,第2个月进入成熟期,第3个月开始生育兔子,而1对成熟的免子每月会生1对兔子,兔子永不死去.那么,由1对初生的免子开始, 12个月后会有多少对兔子呢?

兔子数列即斐波那契数列,它的发明者是意大利数学家莱奥纳尔多斐波那契(Leonardo Fibonacci, 1170-1250) 。1202年,莱奥纳尔多撰写了《算盘全书》(Liber Abaci),该书是一部较全面的初等数学著作。书中系统地介绍了印度一阿拉伯数码及其演算法则,以及中国的“盈不足术”;此外还引入了负数,并研究了一些简单的一次同余式组。


提示:简单描述OR总结所学习的算法知识点,可列举文字/图片/视频教程

算法题目来源

《趣味算法第2版》斐波那契数列 问题

算法题目描述


假设第1个月有1对初生的兔子,第2个月进入成熟期,第3个月开始生育兔子,而1对成熟的免子每月会生1对兔子,兔子永不死去.那么,由1对初生的免子开始, 12个月后会有多少对兔子呢?

兔子数列即斐波那契数列,它的发明者是意大利数学家莱奥纳尔多斐波那契(Leonardo Fibonacci, 1170-1250) 。1202年,莱奥纳尔多撰写了《算盘全书》(Liber Abaci),该书是一部较全面的初等数学著作。书中系统地介绍了印度一阿拉伯数码及其演算法则,以及中国的“盈不足术”;此外还引入了负数,并研究了一些简单的一次同余式组。

做题思路

把上面的数列用图展示:


这个数列的特点是:


模板代码

def fib(n):
    if (n==1 or n ==2):
        return 1
    return fib(n-1) + fib(n-2)
x = fib(3)
print(x)

做题过程中遇到的bug及解决方案

目前实现了算法,但没有考虑时间复杂度,如何快速的找到数列的内在规律,并结合算法设计,需要日积月累的努力,切不可大意。

时间复杂度计算

针对斐波那契数列,上面模板中时间复杂度T ( n ) T\left(n\right)T(n)为:

算法改进

def fib2(n):
    if n <2 :
        return 1
    list1 = [1 for x in range(0,n)]
    for i in range(2,n):
        list1[i] = list1[i-1] + list1[i-2]
    print(list1)
    return list1[n-1]
x = fib2(3)
print(x)

这种算法中,时间复杂度从指数阶 降到了 O ( n ) O(n)O(n),效率提升了很多


题外话:

斐波那契数列的最后两项比值接近于0.618黄金分割

1÷1 = 1

1÷2 = 0.5

2÷3 = 0.66

3÷5 = 0.6

5÷8 = 0.624

55÷89 = 0.6117977

144÷233 = 0.618025

相关文章
|
机器学习/深度学习 算法 数据挖掘
趣味算法-01-跟着作者读《趣味算法(第2版)》上
本系列博客主要阅读《趣味算法(第2版)》时的所听所想所感
趣味算法-01-跟着作者读《趣味算法(第2版)》上
|
机器学习/深度学习 算法
趣味算法-04-跟着作者读《趣味算法(第2版)》-贪心算法
本文是系列博客的第4篇,是听了陈老师的报告后的记录,主要包括如何学习算法。
趣味算法-04-跟着作者读《趣味算法(第2版)》-贪心算法
|
机器学习/深度学习 算法 搜索推荐
趣味算法-01-跟着作者读《趣味算法(第2版)》下
本文是系列博客的第2篇,是听了陈老师的报告后的记录,主要包括如何学习算法。
趣味算法-01-跟着作者读《趣味算法(第2版)》下
|
1天前
|
算法 数据安全/隐私保护
室内障碍物射线追踪算法matlab模拟仿真
### 简介 本项目展示了室内障碍物射线追踪算法在无线通信中的应用。通过Matlab 2022a实现,包含完整程序运行效果(无水印),支持增加发射点和室内墙壁设置。核心代码配有详细中文注释及操作视频。该算法基于几何光学原理,模拟信号在复杂室内环境中的传播路径与强度,涵盖场景建模、射线发射、传播及接收点场强计算等步骤,为无线网络规划提供重要依据。
|
14天前
|
机器学习/深度学习 算法
基于改进遗传优化的BP神经网络金融序列预测算法matlab仿真
本项目基于改进遗传优化的BP神经网络进行金融序列预测,使用MATLAB2022A实现。通过对比BP神经网络、遗传优化BP神经网络及改进遗传优化BP神经网络,展示了三者的误差和预测曲线差异。核心程序结合遗传算法(GA)与BP神经网络,利用GA优化BP网络的初始权重和阈值,提高预测精度。GA通过选择、交叉、变异操作迭代优化,防止局部收敛,增强模型对金融市场复杂性和不确定性的适应能力。
146 80
|
2天前
|
机器学习/深度学习 数据采集 算法
基于GA遗传优化的CNN-GRU-SAM网络时间序列回归预测算法matlab仿真
本项目基于MATLAB2022a实现时间序列预测,采用CNN-GRU-SAM网络结构。卷积层提取局部特征,GRU层处理长期依赖,自注意力机制捕捉全局特征。完整代码含中文注释和操作视频,运行效果无水印展示。算法通过数据归一化、种群初始化、适应度计算、个体更新等步骤优化网络参数,最终输出预测结果。适用于金融市场、气象预报等领域。
基于GA遗传优化的CNN-GRU-SAM网络时间序列回归预测算法matlab仿真
|
2天前
|
算法
基于龙格库塔算法的锅炉单相受热管建模与matlab数值仿真
本设计基于龙格库塔算法对锅炉单相受热管进行建模与MATLAB数值仿真,简化为喷水减温器和末级过热器组合,考虑均匀传热及静态烟气处理。使用MATLAB2022A版本运行,展示自编与内置四阶龙格库塔法的精度对比及误差分析。模型涉及热传递和流体动力学原理,适用于优化锅炉效率。
|
8天前
|
机器学习/深度学习 算法
基于遗传优化的双BP神经网络金融序列预测算法matlab仿真
本项目基于遗传优化的双BP神经网络实现金融序列预测,使用MATLAB2022A进行仿真。算法通过两个初始学习率不同的BP神经网络(e1, e2)协同工作,结合遗传算法优化,提高预测精度。实验展示了三个算法的误差对比结果,验证了该方法的有效性。
|
10天前
|
机器学习/深度学习 数据采集 算法
基于PSO粒子群优化的CNN-GRU-SAM网络时间序列回归预测算法matlab仿真
本项目展示了基于PSO优化的CNN-GRU-SAM网络在时间序列预测中的应用。算法通过卷积层、GRU层、自注意力机制层提取特征,结合粒子群优化提升预测准确性。完整程序运行效果无水印,提供Matlab2022a版本代码,含详细中文注释和操作视频。适用于金融市场、气象预报等领域,有效处理非线性数据,提高预测稳定性和效率。
|
6天前
|
算法
基于梯度流的扩散映射卡尔曼滤波算法的信号预处理matlab仿真
本项目基于梯度流的扩散映射卡尔曼滤波算法(GFDMKF),用于信号预处理的MATLAB仿真。通过设置不同噪声大小,测试滤波效果。核心代码实现数据加载、含噪信号生成、扩散映射构建及DMK滤波器应用,并展示含噪与无噪信号及滤波结果的对比图。GFDMKF结合非线性流形学习与经典卡尔曼滤波,提高对非线性高维信号的滤波和跟踪性能。 **主要步骤:** 1. 加载数据并生成含噪测量值。 2. 使用扩散映射捕捉低维流形结构。 3. 应用DMK滤波器进行状态估计。 4. 绘制不同SNR下的轨迹示例。

热门文章

最新文章