编程与算法基础问题解答

1、编写一个测试程序，统计并显示以下循环的迭代次数：while problemSize > 0: problemSize = problemSize // 2

以下是满足要求的 Python 代码：

problemSize = int(input('请输入问题规模: '))
iterations = 0
while problemSize > 0:
    problemSize = problemSize // 2
    iterations += 1
print('迭代次数为:', iterations)

这段代码首先让用户输入问题规模，然后通过一个 while 循环不断将 problemSize 除以 2 并统计迭代次数，最后输出迭代次数。

2、假设以下每个表达式都表示算法在问题规模为n时执行的操作数。指出每个算法的主导项，并使用大O符号对其进行分类。a. 2n – 4n² + 5n b. 3n² + 6 c. n³ + n² – n

• a. 主导项是 -4n²，大O表示法为O(n²)
• b. 主导项是3n²，大O表示法为O(n²)
• c. 主导项是n³，大O表示法为O(n³)

3、对于问题规模n，算法A和算法B分别执行n²和½n² + ½n条指令。哪个算法的工作量更大？是否存在特定的问题规模，使得其中一个算法的性能明显优于另一个算法？是否存在特定的问题规模，使得两个算法的工作量大致相同？

当n > 1时，算法A的工作量更大；当n = 1时，两个算法的工作量相同；当n > 1时，算法B的性能明显优于算法A；当n = 1时，两个算法的工作量大致相同。

4、假设一个列表在索引位置 0 到 9 包含值 20、44、48、55、62、66、74、88、93、99。跟踪在这个列表中使用二分查找目标值 90 时变量 left、right 和 midpoint 的值。对目标值 44 重复此操作。

对于目标值 90：
- 初始：left = 0，right = 9，midpoint = (0 + 9) // 2 = 4
- 第一次迭代：列表中间值为 62，90 > 62
  - left = midpoint + 1 = 5，right = 9，midpoint = (5 + 9) // 2 = 7
- 第二次迭代：列表中间值为 88，90 > 88
  - left = midpoint + 1 = 8，right = 9，midpoint = (8 + 9) // 2 = 8
- 第三次迭代：列表中间值为 93，90 < 93
  - left = 8，right = midpoint - 1 = 7，此时 left > right，查找结束，未找到目标值

对于目标值 44：
- 初始：left = 0，right = 9，midpoint = (0 + 9) // 2 = 4
- 第一次迭代：列表中间值为 62，44 < 62
  - left = 0，right = midpoint - 1 = 3，midpoint = (0 + 3) // 2 = 1
- 第二次迭代：列表中间值为 44，找到目标值
  - left = 0，right = 3，midpoint = 1

5、通常用于在电话簿中查找条目的方法与二分查找并不完全相同，因为在使用电话簿时，你并不总是会查找子列表的中点。相反，你会根据人名姓氏首字母的字母顺序来估计目标的位置。例如，当你查找“Smith”的电话号码时，你会先查看电话簿后半部分的中间位置，而不是整个电话簿的中间位置。请提出一种对二分查找算法的修改方案，以模拟这种查找姓名列表的策略。这种修改后的算法在计算复杂度上是否比标准二分查找更好？

修改方案：在标准二分查找中，每次取中间位置

midpoint = (left + right) // 2

修改后，根据目标字符串首字母的字母顺序来估计位置。例如，可根据字母表顺序将列表大致划分为不同区域，根据目标首字母确定可能所在区域，然后在该区域内继续查找。

计算复杂度：
这种修改后的算法计算复杂度和标准二分查找一样，最坏情况复杂度仍为 $O(\log_2 n)$。因为虽然初始估计位置可能不同，但本质上还是不断将搜索范围缩小一半，和标准二分查找在复杂度上没有本质区别。

6、解释为什么插入排序在部分有序的列表上效果很好。

• 列表中已有序的项越多，插入排序的效果越好。
• 在列表已排好序的最佳情况下，插入排序的行为是线性的。
• 对于部分有序列表，插入排序在插入元素时，内循环需要移动元素的次数会减少，因为很多元素已经处于正确的位置，从而减少了算法的工作量。
• 所以插入排序在部分有序的列表上效果很好。

7、描述快速排序的策略，并解释为什么它可以将排序的时间复杂度从O(n²)降低到O(n log n)。

快速排序策略

快速排序的策略如下：

1. 选择列表中点的元素作为基准；
2. 对列表中的元素进行分区，将所有小于基准的元素移到基准左侧，其余元素移到右侧，基准的最终位置取决于实际元素；
3. 采用分治法，对基准划分出的子列表递归地应用上述过程；
4. 当遇到元素少于两个的子列表时，过程终止。

时间复杂度分析

快速排序能将排序时间复杂度从 $ O(n^2) $ 去到 $ O(n \log n)