演算法的特性：輸入，輸出，確定性，能行性，有窮性。
如果去除有窮性稱計算方法。
遞迴方法：遞迴主要是通過系統棧來實現的，很多計算工作是重複的所以比較耗時。
#include
using namespace std;
long
fid(
int n)
intmain()
其實真的挺耗時的，遞迴這個東西真的很難說，很難想有點煩。
時間複雜度：表示演算法執行所需要的時間
漸進表示法：大o記號 表示有兩個非負函式，存在常數c>0且當n>n0時，滿足有f（n)<=cg(n),則記為f（n）=o（g（n））
大o標記可以表示增長階數都不超過g（n）的函式的集合，表示乙個演算法執行的上界，
定理1：執行次數如果是n^m
次方，那麼其漸進時間複雜度一定是o（n^3)
ω記號 若存在c和n0保證f（n）>=g(n),那麼記為f（n）=ω（g（n））
執行次數如果是n^m
次方，那麼其漸進時間複雜度一定是ω（n^3)
求演算法的時間下界，也是演算法的最優性問題的求解方法。
summer記號，對八七，我實在不知道那個記號怎麼讀
設非負函式f（n）和g（n),若存在常數c1>0,c2>0和n0，使得當n>=n0時，有c1g（n)<=f(n)<=c2g(n)
則成為f（n）=xxg（n)
執行次數如果是n^m
次方，那麼其漸進時間複雜度一定是x（n^3)
小o記號
f（n）=o（g（n））當且僅當f（n)=o(g(n)),且f（n）！=ω（g（n））
計算遞推式的三種方法：迭代法，替代方法（就是假設證明方法），主方法。
主方法：通常用於解決t（n）=at（n/b）+f（n）的式子。
求解這類遞推式的辦法叫做主方法
（主定理)
見書p25頁
分攤分析主要是執行n個運算所需要的總時間是t（n），那麼t（n）/n就是平均代價，對其進行分析，就是分攤分析。
分攤分析的方法：聚焦方法，會計方法，勢能方法。
1）聚焦方法，就是計算n個運算序列在最壞情況下，總的執行時間t（n），所以每乙個運算的平均代價就是t（n）/n了，聚焦方法保證每個運算都有相同的分攤代價。
會計方法：對每個運算預先賦予不同的費值，有的費值可能會超過其實際代價，有的可能會低於他的實際代價，所以可以進行補償。
勢能方法：執行資料結構上的乙個運算將使該資料結構改變狀態。
基礎演算法 組合問題
import numpy as np from numpy.core.fromnumeric import size from numpy.ma.core import arange 元素集合 sample a b c d e f g h 對應的int陣列 book np.random.randin...
演算法基礎 數字存在問題
小明對數字中含有 2 0 1 9 的數字很感興趣，在 1 到 40 中這樣的數包 括 1 2 9 10 至 32 39 和 40，共 28 個，他們的和是 574。請問，在 1 到 2019 中，所有這樣的數的和是多少？看到題目首先會想到用迴圈遍歷1到2019中所有的數字乙個乙個匹配判斷 兩種方式 ...
演算法基礎 全排列問題
全排列是常見的一種場景，對於缺乏更好技巧的時候，作為暴力破解的思路，結合深度遍歷使用對初入門者非常有效，代價就是時間複雜度很高。這篇文章介紹一下使用臨位對換法來解決全排列的思路和方法。通常存在如下幾種方法解決此此類問題，本文示例主要使用臨位對換法進行模擬的實現。本系列基礎文章基本使用c c 進行，都...