Week 2 - Algorithm efficiency + Searching/Sorting
一、Learning Outcomes
1. Polynomial time and exponential time algorithms
• 多项式时间算法（Polynomial time algorithms）：这些算法的时间复杂度是以输入大小的多项式为度量的。例如，O(n^2)、O(n^3)等。这类算法的运行时间随着输入规模增大而增加，但通常增长速度较为缓慢，适合处理大规模数据。（冒泡排序、插入排序）
• 指数时间算法（Exponential time algorithms）：这些算法的时间复杂度是以输入大小的指数为度量的，如O(2^n)，O(n!)等。随着输入规模的增大，算法的运行时间呈指数增长，处理规模较大的问题时，可能会变得不可行。（穷举搜索、一些动态规划算法（在特定情况下））。
2. Asymptotic analysis of algorithms（算法的渐近分析）
渐进分析（Asymptotic Analysis） 是指分析算法性能（特别是时间和空间复杂度）随输入规模增长时的变化规律。它帮助我们理解算法在输入数据量增大时的表现，并确定其最坏情况、最好情况和平均情况的复杂度。
3. Searching/sorting algorithms and their time complexities
• 搜索算法（Searching algorithms）：用于在数据结构中查找特定元素。
线性查找（Linear Search）、二分查找（Binary Search）
• 排序算法（Sorting algorithms）：用于将数据结构中的元素按一定顺序排列。
冒泡排序（Bubble Sort）、选择排序（Selection Sort）、快速排序（Quick Sort）
二、 Linear Search
1. 问题描述
• 输入：一个包含 n 个数的序列 a0, a1, ..., an-1，以及一个目标数字 X。
• 输出：判断目标数字 X 是否在序列中。
2. Algorithm (Linear Search)
• 线性查找是一种简单的查找算法，适用于无序的数据结构（如数组、链表等）。
• 线性查找的工作原理是逐个检查序列中的每个元素，直到找到目标值或者检查完所有元素。
3. 时间复杂度分析
• 线性查找的时间复杂度是 O(n)，其中 n 是序列中的元素个数。最坏情况下，可能需要检查序列中的每个元素，才能找到目标值或者确定目标值不存在。
三、Binary Search
• 输入：一个已经按升序排列的长度为 n 的数列 a0, a1, ..., an-1 和一个目标值 X。
• 二分查找要求输入的数列必须是有序的（升序排列 in ascending order）。如果数列是无序的，二分查找无法直接应用。the sequence of numbers is pre-sorted
+1 是为了处理在最后一步查找时，判断剩余元素是否为目标元素的情况。
在大 O 记法中，对数底数通常可以省略，因为对时间复杂度的分析关注的是增长的趋势，而不是具体的常数因子。实际上，任何以常数为底的对数都只相差一个常数倍，因此 它们的渐近增长是一样的。
”-time” 这个后缀通常是用来描述算法的时间复杂度的单位
四、Search for a pattern
1. String Matching
Given a string of n characters called the text and a string of m characters (m<=n) called the pattern.
We want to determine if the text contains a substring matching the pattern.
For each position i, it checks whether the pattern P[0..m-1] appears in T[i..i+m-1]
2. Match for all positions
3. Time Complexity
五、Sorting
Input: a sequence of n numbers a0 , a1 , …, an-1
Output: arrange the n numbers into ascending order
常见的排序算法：
插入排序、选择排序、冒泡排序、归并排序、快速排序。
insertion sort, selection sort, bubble sort, merge sort, quick sort
六、Selection Sort
1. 查找输入序列中的最小元素
2. 将最小元素从输入序列中删除
3. 将最小元素添加到结果序列中
4. 重复直到输入序列为空
七、Bubble Sort
1. 从最后一个元素开始，交换相邻元素
2. 当到达第一个元素时，第一个元素是最小的
• 在一次遍历（称为一轮冒泡）结束后，最大的元素会被交换到数组的最后一位，这样这一轮结束时，最大的元素已经在正确的位置。
3. 重复上述步骤，直到剩下的元素完全排序
八、Insertion Sort
• 插入排序的基本思想是：从第二个元素开始，依次将每个元素插入到已排序部分中的正确位置。
选择排序、冒泡排序和插入排序
• 这三种排序算法在最坏情况下的时间复杂度都是 O(n²)。也就是说，在处理大规模数据时，这些算法的性能较差，尤其是当数据规模增大时，它们的运行时间会显著增加。
快速排序（Quick Sort）、归并排序（Merge Sort） 和 堆排序（Heap Sort），这些排序算法在最坏情况下的时间复杂度都为 O(n log n)
the time complexity of the fastest comparison-based sorting algorithm
九、exponential time algorithms
1. Traveling Salesman Problem
输入： 有 n 个城市。
输出： 从一个特定城市出发，找到一条最短路径，这条路径要求：
• 每个城市都访问一次且仅访问一次。
• 在访问完所有城市后，再返回到出发的城市。
哈密顿回路（Hamiltonian Circuit）：
• 哈密顿回路是图论中的一个经典问题，指的是在图中寻找一条回路，这条回路通过每个节点一次且仅一次，并最终回到起点。
• 对应到旅行商问题中，就是要求找到一个哈密顿回路，其中回路的总长度最短。
A Hamiltonian circuit can be represented by a sequence of n+1 cities v1 , v2 , …, vn , v1 , where the first and the last are the same, and all the others are distinct.
(n-1)! = (n-1)(n-2)…1
N.B.: (n-1)! is exponential in terms of n
Exhaustive search approach:(n-1)!
Find all tours in this form, compute the tour length and find the shortest among them.
2. Knapsack Problem
输入：给定n个物品，其重量分别为w1, w2, …, wn，以及价值分别为v1, v2, …, vn，还有一个容量为W的背包。
输出：找到能够装入背包的最有价值的物品子集。
应用：一架运输机需要在不超过其容量的情况下，将最有价值的一组物品运送到一个偏远地点。
背包问题的暴力搜索法（Exhaustive Search Approach）
• 考虑所有可能的子集：给定 n 个物品，暴力搜索方法会尝试所有的子集。对于每个子集，计算该子集的总重量，并找出所有符合条件（即总重量不超过背包容量）的子集的总价值。
• 最后，选择那些满足背包容量限制的子集中价值最大的一个，作为解决方案。
所有物品的子集数目为 2^n。这是因为每个物品都有 2 种状态（在背包中或不在背包中），所以物品数量为 n时，所有可能的组合数是 2^n