幾種常見算法的Python實現

一、選擇排序

選擇排序是一種簡單直觀的排序算法。它的原理是這樣：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，而後，再從剩餘未排序元素中繼續尋找最小（大）元素，而後放到已排序序列的後面，以此類推，直到全部元素均排序完畢。算法實現以下：

#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 #選擇排序
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

快速排序的運行速度快於選擇排序，它的工做原理是這樣：設要排序的數組是N，首先任意選取一個數據（一般選用數組的第一個數）做爲關鍵數據，而後將全部比它小的數都放到它前面，全部比它大的數都放到它後面，這個過程稱爲一趟快速排序。可使用python用遞歸式的方法來解決這個問題：

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

二分查找的輸入是一個有序的列表，若是要查找的元素包含在一個有序列表中，二分查找能夠返回其位置。打個比方來講明二分查找的原理：好比我隨便想了個範圍在1~100之內的整數，由你來猜，以最少的次數來猜出這個數字，你每次猜完給出個數字，我會回覆大了或小了，第一種方法是你從1開始依次日後猜，那若是我想的數字是100，那麼你就要猜100次；第二種方法是從50開始，若是我說小了，那你就猜75，就這樣依次排除掉一半的剩餘數字，這就是二分查找法。能夠看出二分查找法更加快速。對於包含n個元素的有序列表，用簡單查找最多須要n步，而二分查找法則最多隻需lon2 n步。下面用python來實現該算法：

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、廣度優先搜索

廣度優先搜索是一種圖算法，圖由節點和邊組成，一個節點可能與多個節點鏈接，這些節點稱爲鄰居。廣度優先搜索算法能夠解決兩類問題：第一類是從節點A出發，有沒有前往節點B的路徑；第二類問題是從節點A出發，前往B節點的哪條路徑最短。使用廣度優先搜索算法的前提是圖的邊沒有權值，即該算法只用於非加權圖中，若是圖的邊有權值的話就應使用狄克斯特拉算法來查找最短路徑。舉個例子，假如你認識alice、bob、claire，bob認識anuj、peggy，alice認識peggy，claire認識tom、jonny，你須要在最短的路徑內找到經過認識的人找到tom，那麼算法實現以下：

#使用字典構建圖
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 #簡單的判斷方法
def person_is_seller(name): return name=='Tom'

def Search(name): searched=[]   #用於記錄檢查過的人，防止進入死循環
    search_queue=deque()  #建立隊列
    search_queue+=graph[name] while search_queue: person=search_queue.popleft() if not person in searched:    #僅當這我的沒檢查過期才檢查
            if person_is_seller(person): print("the seller is {0}".format(person)) return True else: search_queue+=graph[person] searched.append(person) #將這我的標記爲檢查過
    return False print(Search("you"))

五、貪婪算法

貪婪算法，又名貪心算法，對於沒有快速算法的問題（NP徹底問題），就只能選擇近似算法，貪婪算法尋找局部最優解，並企圖以這種方式得到全局最優解，它易於實現、運行速度快，是一種不錯的近似算法。假如你是個小偷，商店裏有不少箱子，箱子裏有各類水果，有些箱子裏有3種水果，有些箱子有2種...，你想嚐到全部種類的水果，但你一我的力氣有限，所以你必須儘可能搬走最少的箱子，那麼，算法實現以下：

fruits=set(["蘋果","香蕉","梨子","西瓜","草莓","橘子","荔枝","榴蓮"]) #箱子以及包含的水果
box={} box["b1"]=set(["蘋果","香蕉","西瓜"]) box["b2"]=set(["草莓","橘子","榴蓮"]) box["b3"]=set(["梨子","荔枝","草莓"]) box["b4"]=set(["香蕉","橘子"]) box["b5"]=set(["梨子","榴蓮"]) final_boxs=set() #最終選擇的箱子


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

    #循環迭代每一個箱子，並肯定它是否爲最佳箱子
    for boxItem,fruitItem in box.items(): covered=fruits & fruitItem  #計算交集
        if len(covered)>len(fruits_covered): best_box=boxItem fruits_covered=covered fruits-=fruits_covered final_boxs.add(best_box) print(final_boxs)

 

 

 

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