数据结构与算法并不只是抽象的概念,学习过后真的可以在日常工作和生活中用起来,花费最少的时间完成更多的工作才是王道。对于算法而言学习门槛就有点高了,无论是看书还是网上各种的教学视频在我们本来就不清楚的情况下引入一堆让人望而止步的名词。 这里个人在网络上找到了一些算法入门的动图,帮助我们能更快的进入状态,产生兴趣并且提升自己能学好的信念。下面开始动图的表演,基础算法之排序算法秀。 https://mp.weixin.qq.com/s/8bTPkPlrW1xCo0GoSvy7Jg 1、冒泡排序 提起算法,无论已经了解了多少算法知识,第一个想起来的一定是它。 (1)算法步骤 比较相邻的元素。如果第一个比第二个大,就交换他们两个。 对每一对相邻元素作同样的工作,从开始第一对到结尾的最后一对。这步做完后,最后的元素会是最大的数。 针对所有的元素重复以上的步骤,除了最后一个。 持续每次对越来越少的元素重复上面的步骤,直到没有任何一对数字需要比较。 (2)动图演示 2、选择排序 选择排序是一种简单直观的排序算法,数据规模越小越好。 (1)算法步骤 首先在未排序序列中找到最小(大)元素,存放到排序序列的起始位置 再从剩余未排序元素中继续寻找最小(大)元素,然后放到已排序序列的末尾。 重复第二步,直到所有元素均排序完毕。 (2)动图演示 3、插入排序 最容易理解的算法,想象一下抓了一副扑克,按顺序怎么摆,插入排序的思路就出现了。插入排序是一种最简单直观的排序算法,它的工作原理是通过构建有序序列,对于未排序数据,在已排序序列中从后向前扫描,找到相应位置并插入。 (1)算法步骤 将第一待排序序列第一个元素看做一个有序序列,把第二个元素到最后一个元素当成是未排序序列。 从头到尾依次扫描未排序序列,将扫描到的每个元素插入有序序列的适当位置。(如果待插入的元素与有序序列中的某个元素相等,则将待插入元素插入到相等元素的后面。) (2)动图演示 4、归并排序 和选择排序一样,归并排序的性能不受输入数据的影响,但表现比选择排序好的多,代价是需要额外的内存空间。 (1)算法步骤 申请空间,使其大小为两个已经排序序列之和,该空间用来存放合并后的序列; 设定两个指针,最初位置分别为两个已经排序序列的起始位置; 比较两个指针所指向的元素,选择相对小的元素放入到合并空间,并移动指针到下一位置; 重复步骤 3 直到某一指针达到序列尾; 将另一序列剩下的所有元素直接复制到合并序列尾。 (2)动图演示 5、快速排序 处理大数据最快的排序算法之一了。原因不详(是个传说,没有深究) (1)算法步骤 从数列中挑出一个元素,称为 "基准"(pivot); 重新排序数列,所有元素比基准值小的摆放在基准前面,所有元素比基准值大的摆在基准的后面(相同的数可以到任一边)。在这个分区退出之后,该基准就处于数列的中间位置。这个称为分区(partition)操作; 递归地(recursive)把小于基准值元素的子数列和大于基准值元素的子数列排序; 递归的最底部情形,是数列的大小是零或一,也就是永远都已经被排序好了。虽然一直递归下去,但是这个算法总会退出,因为在每次的迭代(iteration)中,它至少会把一个元素摆到它最后的位置去。 (2)动图演示 6、计数排序 计数排序的核心在于将输入的数据值转化为键存储在额外开辟的数组空间中。作为一种线性时间复杂度的排序,计数排序要求输入的数据必须是有确定范围的整数。 (1)动图演示 7、基数排序 基数排序是一种非比较型整数排序算法,其原理是将整数按位数切割成不同的数字,然后按每个位数分别比较。由于整数也可以表达字符串(比如名字或日期)和特定格式的浮点数,所以基数排序也不是只能使用于整数。 动图演示 【原文地址】https://mp.weixin.qq.com/s/8bTPkPlrW1xCo0GoSvy7Jg 了解更多