- Python 数据结构和算法教程
- Python-DS 主页
- Python-DS简介
- Python-DS 环境
- Python-数组
- Python - 列表
- Python - 元组
- Python-字典
- Python - 二维数组
- Python-矩阵
- Python - 集合
- Python - 地图
- Python - 链表
- Python-堆栈
- Python-队列
- Python-出队
- Python - 高级链表
- Python-哈希表
- Python - 二叉树
- Python - 搜索树
- Python - 堆
- Python - 图表
- Python - 算法设计
- Python——分而治之
- Python - 递归
- Python-回溯
- Python - 排序算法
- Python - 搜索算法
- Python - 图算法
- Python-算法分析
- Python - 大 O 表示法
- Python - 算法类
- Python - 摊销分析
- Python - 算法论证
- Python 数据结构和算法有用资源
- Python - 快速指南
- Python - 有用的资源
- Python - 讨论
Python - 算法类
算法是明确的步骤,它应该通过处理零个或多个输入为我们提供明确定义的输出。这导致了设计和编写算法的多种方法。据观察,大多数算法可以分为以下几类。
贪心算法
贪心算法试图找到局部最优解,这最终可能导致全局优化解。然而,一般贪心算法不提供全局优化的解决方案。
因此,贪婪算法会在当时寻找一个简单的解决方案,而不考虑它如何影响未来的步骤。这类似于人类在不了解所提供输入的完整细节的情况下解决问题的方式。
大多数网络算法都使用贪婪方法。这是其中一些的列表 -
旅行商问题
Prim 的最小生成树算法
Kruskal 的最小生成树算法
Dijkstra 的最小生成树算法
分而治之
此类算法涉及将给定问题划分为更小的子问题,然后独立解决每个子问题。当问题无法进一步细分时,我们开始合并每个子问题的解决方案,以得出更大问题的解决方案。
分而治之算法的重要例子是 -
归并排序
快速排序
Kruskal 的最小生成树算法
二分查找
动态规划
动态规划涉及将较大的问题划分为较小的问题,但与分而治之不同,它不涉及独立解决每个子问题。相反,较小的子问题的结果会被记住并用于类似或重叠的子问题。
大多数情况下,这些算法用于优化。在解决当前的子问题之前,动态算法将尝试检查先前解决的子问题的结果。动态算法的动机是对问题进行整体优化,而不是局部优化。
动态规划算法的重要例子是 -
斐波那契数列
背包问题
河内塔