1、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，然后，再從剩余未排序元素中繼續尋找最小（大）元素，然后放到已排序序列的后面，以此類推，直到所有元素均排序完畢。算法實現如下：

#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 newArrtestArr=[11,22,33,21,123]print(Select_Sort(testArr))

2、快速排序

快速排序的運行速度快于選擇排序，它的工作原理是這樣：設要排序的數組是N，首先任意選取一個數據（通常選用數組的第一個數）作為關鍵數據，然后將所有比它小的數都放到它前面，所有比它大的數都放到它后面，這個過程稱為一趟快速排序。可以使用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))

3、二分查找

二分查找的輸入是一個有序的列表，如果要查找的元素包含在一個有序列表中，二分查找可以返回其位置。打個比方來說明二分查找的原理：比如我隨便想了個范圍在1~100以內的整數，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，我會回復大了或小了，第一種方法是你從1開始依次往后猜，那如果我想的數字是100，那么你就要猜100次；第二種方法是從50開始，如果我說小了，那你就猜75，就這樣依次排除掉一半的剩余數字，這就是二分查找法。可以看出二分查找法更加快速。對于包含n個元素的有序列表，用簡單查找最多需要n步，而二分查找法則最多只需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)

4、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連接，這些節點稱為鄰居。廣度優先搜索算法可以解決兩類問題：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，即該算法只用于非加權圖中，如果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，你需要在最短的路徑內找到通過認識的人找到tom，那么算法實現如下：

#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=[] #用于記錄檢查過的人，防止進入死循環 search_queue=deque() #創建隊列 search_queue+=graph[name] while search_queue: person=search_queue.popleft() if not person in searched: #僅當這個人沒檢查過時才檢查 if person_is_seller(person):print('the seller is {0}'.format(person))return True else:search_queue+=graph[person]searched.append(person) #將這個人標記為檢查過 return Falseprint(Search('you'))

5、貪婪算法

貪婪算法，又名貪心算法，對于沒有快速算法的問題（NP完全問題），就只能選擇近似算法，貪婪算法尋找局部最優解，并企圖以這種方式獲得全局最優解，它易于實現、運行速度快，是一種不錯的近似算法。假如你是個小偷，商店里有很多箱子，箱子里有各種水果，有些箱子里有3種水果，有些箱子有2種...，你想嘗到所有種類的水果，但你一個人力氣有限，因此你必須盡量搬走最少的箱子，那么，算法實現如下：

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為空while fruits: best_box=None #包含了最多的未包含水果的箱子 fruits_covered=set() #包含該箱子包含的所有未包含的水果 #循環迭代每個箱子，并確定它是否為最佳箱子 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)

以上就是Python幾種常見算法匯總的詳細內容，更多關于Python算法匯總的資料請關注好吧啦網其它相關文章！