【算法初探】从二分查找里看世界

前端也要懂算法，阅《算法图解》有所得。

一、 简单的算法：二分查找

假设要在100个数组里面查找一个元素，最简单的方法就是每次去取出一个元素，那么最糟糕的情况就是我们需要操作100次才能找到这个元素：

var list = [1,2,3,4.....,100];

function search(arr, target){

    for(var i =0 ;  i

二分查找即是每次都猜测目标数是中间的那个元素，比较猜测的数跟目标树的大小，再从符合的那一半取中间数：

function search(arr,target){
    var low = 0;
    var hight = arr.length;
    while(low <=hight){
        var mid = parseInt((low+hight)/2);
        if(arr[mid] === target) return mid;
        if(arr[mid] > target){
            low = mid +  1 ;
        }else{
            hight = mid -1 ;
        }
    }
    return 'none'
}

从上面可以看出，在数组是有序的前提下，如果在100个数中查找一个数，那么最坏的情况需要执行100次操作，而使用2分查找，则最多需要执行7次操作：

100->50->25->13->6->3->1     //7次

由此可以知道，使用2分查找n个数需要执行的次数:

2 = log2^4    // 4个数需要2次
3 = log2^8    // 8个数需要3次
...
n = log2n   

因此我们可以得出的结论：

• 二分查找法的运行速度是O(log^n)
• 简单查找的运行速度是O(n)

二、 算法的速度：大O表示法

1. 概念

大O表示法指出了算法的速度有多快，但指的并不仅是程序的运行速度，而是在情况越发复杂下，算法所需时间的增量。

举个栗子：
同样是上面的查找问题，如果每执行一次操作需要1ms 那么：

            16        256       1024
简单查找     16ms      256ms     1024ms
二分查找     4ms       8ms       10ms

由此可见，当需要查找的数据变得越大，二分查找算法所需时间的增量很小，而简单查找算法的增量则很大。这就提现了二分查找在性能上的优越性。

2. 常见的大O运行时间：

• O(log^n)，对数运行时间，如二分查找。
• O(n)，线性运行时间，如简单查找。
• O(n*log^n)，如快速排序。
• O(n^2),如选择排序。
• O(n!),如旅行商问题的解决方案

在上面的问题中，假设每秒能执行10次操作，那么这些大O的运行时间如下：

         O(n)        O(log^n)         O(n*log^n)        O(n^2)       O(n!)
16      0.4s           1.6s              6.4s            25.6s       66301 year
 
256     0.8s           25.6s             3.4min          1.8h        2.7X10^498 year
 
1024    1.0s           102.4s            17min           1.2d        1.72X10^2631 year

3. 旅行商问题：

这个问题大致是，如果一个商人要去6个城市，那么如何规划路线可以让行程最短？

很明显，如果要知道最短行程，则需要把条路线都计算一遍，那么6个城市有720种组合，则需要执行720次。

那么如果要去n个城市，则需要执行n!次操作。