几种常见算法的Python实现

一、选择排序

选择排序是一种简单直观的排序算法。它的原理是这样：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，而后，再从剩余未排序元素中继续寻找最小（大）元素，而后放到已排序序列的后面，以此类推，直到全部元素均排序完毕。算法实现以下：

#找到最小的元素
def FindSmall(list): min=list[0] for i in range(len(list)): if list[i]<min: min=list[i] return min #选择排序
def Select_Sort(list): newArr=[] for i in range(len(list)): minValue=FindSmall(list) newArr.append(minValue) list.remove(minValue) return newArr testArr=[11,22,33,21,123] print(Select_Sort(testArr))

二、快速排序

快速排序的运行速度快于选择排序，它的工做原理是这样：设要排序的数组是N，首先任意选取一个数据（一般选用数组的第一个数）做为关键数据，而后将全部比它小的数都放到它前面，全部比它大的数都放到它后面，这个过程称为一趟快速排序。可使用python用递归式的方法来解决这个问题：

def Quick_Sort(list): if len(list)<2: return list else: temp=list[0] less=[i for i in list[1:] if i<=temp] more=[i for i in list[1:] if i>temp] return Quick_Sort(less)+[temp]+Quick_Sort(more) testArr= [13,44,53,24,876,2] print(Quick_Sort(testArr))

三、二分查找

二分查找的输入是一个有序的列表，若是要查找的元素包含在一个有序列表中，二分查找能够返回其位置。打个比方来讲明二分查找的原理：好比我随便想了个范围在1~100之内的整数，由你来猜，以最少的次数来猜出这个数字，你每次猜完给出个数字，我会回复大了或小了，第一种方法是你从1开始依次日后猜，那若是我想的数字是100，那么你就要猜100次；第二种方法是从50开始，若是我说小了，那你就猜75，就这样依次排除掉一半的剩余数字，这就是二分查找法。能够看出二分查找法更加快速。对于包含n个元素的有序列表，用简单查找最多须要n步，而二分查找法则最多只需lon2 n步。下面用python来实现该算法：

def Item_Search(list,item): low=0 high=len(list)-1
    while low<=high: middle=(low+high)//2
        print(list[middle]) if list[middle]>item: high=middle-1
        elif list[middle]<item: low=middle+1
        else: return middle return None test_list=[1,3,5,7,9,11,13,15,17,19,21] Item_Search(test_list,11)

四、广度优先搜索

广度优先搜索是一种图算法，图由节点和边组成，一个节点可能与多个节点链接，这些节点称为邻居。广度优先搜索算法能够解决两类问题：第一类是从节点A出发，有没有前往节点B的路径；第二类问题是从节点A出发，前往B节点的哪条路径最短。使用广度优先搜索算法的前提是图的边没有权值，即该算法只用于非加权图中，若是图的边有权值的话就应使用狄克斯特拉算法来查找最短路径。举个例子，假如你认识alice、bob、claire，bob认识anuj、peggy，alice认识peggy，claire认识tom、jonny，你须要在最短的路径内找到经过认识的人找到tom，那么算法实现以下：

#使用字典构建图
graph={} graph["you"]=["Alice","Bob","Claire"] graph["Bob"]=["Anuj","Peggy"] graph["Alice"]=["Peggy"] graph["Claire"]=["Tom","Jonny"] graph["Anuj"]=[] graph["Peggy"]=[] graph["Tom"]=[] graph["Jonny"]=[] from collections import deque #简单的判断方法
def person_is_seller(name): return name=='Tom'

def Search(name): searched=[]   #用于记录检查过的人，防止进入死循环
    search_queue=deque()  #建立队列
    search_queue+=graph[name] while search_queue: person=search_queue.popleft() if not person in searched:    #仅当这我的没检查过期才检查
            if person_is_seller(person): print("the seller is {0}".format(person)) return True else: search_queue+=graph[person] searched.append(person) #将这我的标记为检查过
    return False print(Search("you"))

五、贪婪算法

贪婪算法，又名贪心算法，对于没有快速算法的问题（NP彻底问题），就只能选择近似算法，贪婪算法寻找局部最优解，并企图以这种方式得到全局最优解，它易于实现、运行速度快，是一种不错的近似算法。假如你是个小偷，商店里有不少箱子，箱子里有各类水果，有些箱子里有3种水果，有些箱子有2种...，你想尝到全部种类的水果，但你一我的力气有限，所以你必须尽可能搬走最少的箱子，那么，算法实现以下：

fruits=set(["苹果","香蕉","梨子","西瓜","草莓","橘子","荔枝","榴莲"]) #箱子以及包含的水果
box={} box["b1"]=set(["苹果","香蕉","西瓜"]) box["b2"]=set(["草莓","橘子","榴莲"]) box["b3"]=set(["梨子","荔枝","草莓"]) box["b4"]=set(["香蕉","橘子"]) box["b5"]=set(["梨子","榴莲"]) final_boxs=set() #最终选择的箱子


#直到fruits为空
while fruits: best_box=None  #包含了最多的未包含水果的箱子
    fruits_covered=set()  #包含该箱子包含的全部未包含的水果

    #循环迭代每一个箱子，并肯定它是否为最佳箱子
    for boxItem,fruitItem in box.items(): covered=fruits & fruitItem  #计算交集
        if len(covered)>len(fruits_covered): best_box=boxItem fruits_covered=covered fruits-=fruits_covered final_boxs.add(best_box) print(final_boxs)

 

 

 

原文出处：https://www.cnblogs.com/IAMTOM/p/10210497.html