Java实现经典算法

于 2020-11-05 21:21:19 发布
阅读量759 收藏 17
点赞数 2
分类专栏： Java学习 文章标签： 算法 java
原文链接：https://www.cnblogs.com/ice-line/p/11753852.html
版权

二分查找算法

二分查找法作为一种常见的查找方法，其只适用于从有序的队列中进行查找，可以将原本是线性时间复杂度O(n)提升到了对数时间复杂度O(log n)，大大缩短了搜索时间。

/**
 * @desc 二分查询（非递归方式）
 * @Date 2019/9/27
 */
public class BinarySearchNonRecursive {
    public static void main(String[] args) {
        int[] arr = {1, 3, 8, 10, 11, 67, 100};
        int index = binarySearch(arr, 1);
        if (index != -1) {
            System.out.println("找到了，下标为：" + index);
        } else {
            System.out.println("没有找到--");
        }
    }
    private static int binarySearch(int[] arr, int target) {
        int left = 0;
        int right = arr.length - 1;
        while (left <= right) {
            int mid = (left + right) / 2;
            if (arr[mid] == target) {
                return mid;
            } else if (arr[mid] > target) {
                right = mid - 1; // 向左找
            } else {
                left = mid + 1; // 向右找
            }
        }
        return -1;
    }
}

分治算法

  • 基本概念
    分治算法是一种很重要的算法，字面上的解释是“分而治之”，就是把一个复杂的问题分解成两个或更多的相同或相似的子问题…直到最后子问题可以简单的直接求解，原问题的解即子问题的解的合并，这个技巧就是很多高效算法的基础，如排序算法（快速排序，归并排序），傅里叶变换（快速傅里叶变换）…
  • 基本步骤
    分解：将原问题分解为若干个规模较小的问题，相互独立，与原问题形式相同的子问题
    解决：若子问题规模较小则直接解决，否则递归地解各个子问题
    合并：将各个子问题的解合并为原问题的解
    分治算法案例：汉诺塔
/**
 * 经典案例：汉诺塔
 * 思路分析：
 * （1）如果有一个盘，A->C
 *    n0=2
 *    if (n<=n0) {
 *    // 直接解出来
 *    }
 *    // 将P分解为较小的问题P1,P2...PK
 *    while(n>n0) {
 *    分(n);
 *    n--;
 *    }
 *    // T <- MERGE(y1,y2...yk) 合并子问题
 * @Date 2019/9/27
 */
public class HanoiTower {
    public static void main(String[] args) {
        hanoiTower(3, 'A', 'B', 'C');
    }
    private static void hanoiTower(int num, char a, char b, char c) {
        if (num == 1) { // 只有一个盘，直接解出
            System.out.println("第1个盘从" + a + "->" + c);
        } else {
            // 如果n>=2的情况
            // 1.先把最上面的所有盘A->B，移动过程会使用C
            hanoiTower(num - 1, a, c, b);
            // 2.把最下边的盘A->C
            System.out.println("第" + num + "个盘从" + a + "->" + c);
            // 3.把B塔所有盘从B->C，移动过程使用到A
            hanoiTower(num - 1, b, a, c);
        }
    }
}

动态规划

  • 算法案例：背包问题
/**
 * @Date 2019/9/27
 */
public class KnapsackProblem {
    public static void main(String[] args) {
        int[] w = {1, 4, 3}; // 物品重量
        int[] val = {1500, 3000, 2000}; // 物品价值
        int m = 4; // 背包的容量
        int n = val.length; // 物品个数
        // 创建二维数据
        int[][] v = new int[n + 1][m + 1];
        // 1）当v[i][0]=v[0][j]=0; // 表示填入表 第一行和第一列是0
        for (int i = 0; i < v.length; i++) {
            v[0][i] = 0; // 第一列为0
        }
        for (int i = 0; i < v.length; i++) {
            v[i][0] = 0; // 第一行为0
        }
        int[][] path = new int[n + 1][m + 1];
        for (int i = 1; i < v.length; i++) {
            for (int j = 1; j < v[0].length; j++) { // 不处理第1列
                // 当w[i]>j时；v[i][j]=v[i-1][j] // 当准备加入新增的商品的容量大于当前背包的容量时，就直接使用上一个单元格的装入策略
                if (w[i - 1] > j) {
                    v[i][j] = v[i - 1][j];
                } else {
                    // 当j>=w[i]时；v[i][j]=max{v[i-1][j], v[i]+v[i-1][j-w[i]]}
                    // v[i-1][j]：就是上一个单元格的装入的最大值
                    // v[i]：表示当前商品的价值
                    // v[i-1][j-w[i]]：装入i-1商品，到剩余空间j-w[i]的最大值
                    // 当准入的新增的商品的容量小于等于当前背包的容量，装入方式：
                    if (v[i - 1][j] < val[i - 1] + v[i - 1][j - w[i - 1]]) { // w[i]->w[i-1]替换?
                        v[i][j] = val[i - 1] + v[i - 1][j - w[i - 1]];
                        // 把当前的情况记录到path
                        path[i][j] = 1;
                    } else {
                        v[i][j] = v[i - 1][j];
                    }
                }
            }
        }
        // 输出一把
        for (int i = 0; i < v.length; i++) {
            for (int j = 0; j < v[i].length; j++) {
                System.out.print(v[i][j] + "\t");
            }
            System.out.println();
        }
        System.out.println("========================");
        /*for (int i = 0; i < path.length; i++) {
            for (int j = 0; j < path[i].length; j++) {
                if (path[i][j] == 1) {
                    System.out.println(String.format("第%d个商品放入背包", i));
                }
            }
        }*/
        // 其实我们只需要最后的放入
        int i = path.length - 1;
        int j = path[0].length - 1;
        while (i > 0 && j > 0) {
            if (path[i][j] == 1) {
                System.out.println(String.format("第%d个商品放入到背包", i));
                j -= w[i - 1];
            }
            i--;
        }
    }
}

KMP算法

  • KMP算法介绍
    KMP是一个解决模式串在文本串是否出现过，如果出现过，最早出现的位置就经典算法。Knuth-Morris-Pratt字符串查找法，简称KMP。KMP算法就是利用之前判断过信息，通过一个next数组，保存模式串中前后最长公共序列的长度，每次回溯时，通过next数组找到，前面匹配的位置，省去了大量的计算时间
/**
 * @Date 2019/9/27
 */
public class KMPAlgorithm {
    public static void main(String[] args) {
        // 暴力匹配
        String str1 = "ABCDE";
        String str2 = "CD";
        int index = violenceMatch(str1, str2);
        if (index != -1) {
            System.out.println("找到了，位置：" + index);
        } else {
            System.out.println("没有找到！");
        }
        // KMP算法介绍
        // 字符串模板匹配值
        str1 = "BBC ABCDAD ABCDABCDABDE";
        str2 = "ABCDABD";
        /*int[] next = kmpNext("ABCDABD");
        System.out.println("next=" + Arrays.toString(next));*/
        index = kmpMatch(str1, str2, kmpNext(str2));
        if (index != -1) {
            System.out.println("找到了，位置：" + index);
        } else {
            System.out.println("没有找到！");
        }
    }
}

贪心算法

  • 思路分析
    （1）使用穷举法，列出每个可能广播台集合，这被称为幂集。
    （2）假设有n个广播台，则广播台的组合共有2^n-1个，假设每秒可以计算10个子集
  广播台数量      子集总数     需要的时间
  5               32          3.2秒
  10              1024        102.4秒
  ...
  • 案例：集合覆盖问题
/**
 *
 *      假设存在下面需要付费的广播台，以及广播信号可以覆盖的地区，如何选择
 *      最少的广播台，让所有的地区都可以接收信息
 *      广播台     覆盖地区
 *      K1          "北京","上海","天津"
 *      K2          "广州","北京","深圳"
 *      K3          "成都","上海","杭州"
 *      K4          "上海","天津"
 *      K5          "杭州","大连"
 * @Date 2019/9/27
 */
public class GreedyAlgorithm {
    public static void main(String[] args) {
        Map<String, Set<String>> broadcasts = new HashMap<>(); // 广播电台
        broadcasts.put("K1", Arrays.stream(new String[]{"北京", "上海", "天津"}).collect(Collectors.toSet()));
        broadcasts.put("K2", Arrays.stream(new String[]{"广州", "北京", "深圳"}).collect(Collectors.toSet()));
        broadcasts.put("K3", Arrays.stream(new String[]{"成都", "上海", "杭州"}).collect(Collectors.toSet()));
        broadcasts.put("K4", Arrays.stream(new String[]{"上海", "天津"}).collect(Collectors.toSet()));
        broadcasts.put("K5", Arrays.stream(new String[]{"杭州", "大连"}).collect(Collectors.toSet()));
        // [上海, 天津, 北京, 广州, 深圳, 成都, 杭州, 大连]
        List<String> allAreas = broadcasts.values().stream().flatMap(Collection::stream).distinct().collect(Collectors.toList()); // 表示所有需要覆盖的地区
        System.out.println("allAreas=" + allAreas);
        List<String> selects = new ArrayList<>(); // 选择的地区集合
        // 定义一个临时的集合，在遍历过程中，存放遍历过程中的电台覆盖的地区和当前还没有覆盖的地区的交集
        Set<String> tempSet = new HashSet<>();
        String maxKey; // 最大的电台，保存在一次遍历过程中，能够覆盖最大未覆盖的地区对应的电台key
        while (allAreas.size() != 0) {
            maxKey = null; // 置空
            // 遍历broadcasts，取出对应key
            for (String key : broadcasts.keySet()) {
                tempSet.clear(); // 清空
                Set<String> areas = broadcasts.get(key);
                tempSet.addAll(areas);
                tempSet.retainAll(allAreas); // tempSet = tempSet与allAreas的交集
                if (tempSet.size() > 0 && (maxKey == null
                        || tempSet.size() > broadcasts.get(maxKey).size())) {
                    maxKey = key;
                }
            }
            if (maxKey != null) {
                selects.add(maxKey);
                // 将maxKey指向的广播电台覆盖地区，从allAreas去掉
                System.out.println("maxKey=" + maxKey);
                allAreas.removeAll(broadcasts.get(maxKey));
            }
        }
        System.out.println("得到的选择结果是：" + selects);
    }
}

普利姆算法

/**
 * 应用案例：修路问题
 * <p>
 * 思路分析
 *  1.从<A>顶点开始处理=><A,G> 2
 *      A,C[7] A-G[2] A-B[5] =>
 *  2.<A,G>开始，将A和G顶点和他们相邻的还没有访问的顶面进行处理=> <A,G,B>
 *      A-C[7] A-B[5] G-B[3] G-F[6]
 *  3.<A,G,B>开始，将A,G,B顶点和他们相邻的还没有访问的顶面进行处理=> <A,G,B>
 *      A-C[7] G-E[4] G-F[6] B-D[9]
 *  ...
 *  4.{A,G,B,E,F,D} -> C // 第6次大循环，对应边<A,C>权值：7 => <A,G,B,E,F,D,C>
 * @Date 2019/10/4
 */
public class PrimAlgorithm {
    public static void main(String[] args) {
        char[] data = {'A','B','C','D','E','F','G'};
        int verxs = data.length;
        // 邻接矩阵
        int[][] weight = new int[][] {
                {10000,5,7,10000,10000,10000,2},
                {5,10000,10000,9,10000,10000,3},
                {7,10000,10000,10000,8,10000,10000},
                {10000,9,10000,10000,10000,4,10000},
                {10000,10000,8,10000,10000,5,4},
                {10000,10000,10000,4,5,10000,6},
                {2,3,10000,10000,4,6,10000}
        };
        // 创建MGraph对象
        MGraph graph = new MGraph(verxs);
        // 创建最小树
        MinTree minTree = new MinTree();
        minTree.createGraph(graph, verxs, data, weight);
        // 输出
        minTree.showGraph(graph);
        // 测试普利姆算法
        minTree.prim(graph, 0);
    }
}

克鲁斯卡尔算法

/**
 * 案例：公交车问题
 * 1. 某城市新增7个站点，A,B,C,D,E,F,G,现在需要修路7个站点连通
 * 2. 各个站点距离用连线表示，比如A-B距离12公里
 * 3. 问：如何修路保证各个站点都能连通，并且总的修建公路总里程最短
 * @Date 2019/10/8
 */
public class KruskalCase {
    private static final int INF = Integer.MAX_VALUE;
    private char[] vertexs;
    private int[][] matrix;
    private int edgeNums; // 边的数量
    public KruskalCase(char[] vertexs,int[][] matrix ) {
        this.vertexs = vertexs;
        this.matrix = matrix;
        // 统计边
        for (int i = 0; i < vertexs.length; i++) {
            for (int j = i + 1; j < vertexs.length; j++) { // 每次少一条边，所以是i+1
                if (this.matrix[i][j] != INF) {
                    edgeNums++;
                }
            }
        }
    }
    public static void main(String[] args) {
        char[] vertexs = {'A', 'B', 'C', 'D', 'E', 'F', 'G'};
        int[][] matrix = {
                     /*A*//*B*//*C*//*D*//*E*//*F*//*G*/
                /*A*/{ 0,   12, INF,  INF, INF, 16,  14 },
                /*B*/{ 12,  0,   10,  INF, INF, 7,   INF},
                /*C*/{ INF, 10,  0,   3,    5,  6,   INF },
                /*D*/{ INF, INF, 3,   0,    4,  INF, INF },
                /*E*/{ INF, INF, 5,   4,    0,  2,   8 },
                /*F*/{ 16,  7,   6,   INF,  2,  0,   9 },
                /*G*/{ 14,  INF, INF, INF,  8,  9,   0 }
        };
        // 创建KruskalCase对象实例
        KruskalCase kruskalCase = new KruskalCase(vertexs, matrix);
        //
        kruskalCase.print();
        kruskalCase.kruskal();
    }
}

迪杰斯特拉算法

/**
 * 案例：最短路径问题
 * 1. 战争时期，胜利乡有7个村庄(A,B,C,D,E,F,G)，现在有6个邮差，从G点出发，需要分别把邮件分别送到A,B,C,D,E,F 六个村庄
 * 2. 各个村庄的距离用边线表示（权），比如A-B距离5公里
 * 3. 问：如何计算最短距离
 * @Date 2019/10/8
 */
public class DijkstraAlgorithm {
    public static void main(String[] args) {
        char[] vertex = {'A', 'B', 'C', 'D', 'E', 'F', 'G'};
        int[][] matrix = new int[vertex.length][vertex.length];
        final int N = 65535;
        matrix[0] = new int[]{N,5,7,N,N,N,2};
        matrix[1] = new int[]{5,N,N,9,N,N,3};
        matrix[2] = new int[]{7,N,N,N,8,N,N};
        matrix[3] = new int[]{N,9,N,N,N,4,N};
        matrix[4] = new int[]{N,N,8,N,N,5,4};
        matrix[5] = new int[]{N,N,N,4,5,N,6};
        matrix[6] = new int[]{2,3,N,N,4,6,N};
        // 创建Graph对象
        Graph graph = new Graph(vertex, matrix);
        graph.showGraph();
        // 测试迪杰斯特拉算法
        graph.dsj(6); // G
        graph.showDijkstra();
    }
}

弗洛伊德算法

/**
 * @Date 2019/10/8
 */
public class FloydAlgorithm {
    public static void main(String[] args) {
        char[] vertex = {'A', 'B', 'C', 'D', 'E', 'F', 'G'};
        int[][] matrix = new int[vertex.length][vertex.length];
        final int N = 65535;
        matrix[0] = new int[]{0, 5, 7, N, N, N, 2};
        matrix[1] = new int[]{5, 0, N, 9, N, N, 3};
        matrix[2] = new int[]{7, N, 0, N, 8, N, N};
        matrix[3] = new int[]{N, 9, N, 0, N, 4, N};
        matrix[4] = new int[]{N, N, 8, N, 0, 5, 4};
        matrix[5] = new int[]{N, N, N, 4, 5, 0, 6};
        matrix[6] = new int[]{2, 3, N, N, 4, 6, 0};
        FloydGraph graph = new FloydGraph(vertex.length, matrix, vertex);
        graph.floyd();
        graph.show();
    }
}

马踏棋盘算法

/**
 * @Date 2019/10/8
 */
public class HorseChessboard {
    private static int X; // 棋盘的列数
    private static int Y; // 棋盘的行数
    //创建一个数组，标记棋盘的各个位置是否被访问过
    private static boolean visited[];
    //使用一个属性，标记是否棋盘的所有位置都被访问
    private static boolean finished; // 如果为true,表示成功
    public static void main(String[] args) {
        System.out.println("骑士周游算法，开始运行~~");
        //测试骑士周游算法是否正确
        X = 8;
        Y = 8;
        int row = 1; //马儿初始位置的行，从1开始编号
        int column = 1; //马儿初始位置的列，从1开始编号
        //创建棋盘
        int[][] chessboard = new int[X][Y];
        visited = new boolean[X * Y];//初始值都是false
        //测试一下耗时
        long start = System.currentTimeMillis();
        traversalChessboard(chessboard, row - 1, column - 1, 1);
        long end = System.currentTimeMillis();
        System.out.println("共耗时: " + (end - start) + " 毫秒");
        //输出棋盘的最后情况
        for(int[] rows : chessboard) {
            for(int step: rows) {
                System.out.print(step + "\t");
            }
            System.out.println();
        }
    }
}
龙源lll
关注
专栏目录
JAVA经典算法
11-26
学习程序怎么能不学习算法。本书将实用的Java算法详细列举出来。希望对学习Java的朋友会有帮助！！！
Java实现随机森林算法
最新发布
05-02
在Java中实现随机森林算法通常需要使用机器学习库，比如Weka或者Apache Spark的MLlib。下面我将展示一个使用Weka库的简单示例，来说明如何使用随机森林算法对数据进行分类。 首先，你需要在项目中引入Weka库。如果...
C语言算法
lwq132279的专栏
01-01 2604
目录 1.河内之塔........................................................................................................................................ 4 2.Algorithm Gossip: 费式数列..........................
Java经典算法（一）
csulfy的博客
10-29 2295
Java中经典的一些算法（一） 【程序01】题目：古典问题：有一对兔子，从出生后第3个月起每个月都生一对兔子，小兔子长到第四个月后每个月又生一对兔子，假如兔子都不死，问每个月的兔子总数为多少？ 分析：第一个月兔子对数为1，第二个月兔子对数为1，第三个月兔子对数为2，第四个月兔子对数为3，第五个月兔子对数为5，.... 该"兔子数列"（也即是斐波那契数列），从第二项开始，每一项都等
java面试算法题(经典)
weixin_34054866的博客
02-18 314
算法程序题： 该公司笔试题就1个，要求在10分钟内作完。 题目如下：用1、2、2、3、4、5这六个数字，用java写一个main函数，打印出所有不同的排列，如：512234、412345等，要求："4"不能在第三位，"3"与"5"不能相连。 基本思路： 1 把问题归结为图结构的遍历问题。实际上6个数字就是六个结点，把六个结点连接成无向连通图，对于每一个结点求这个图形...
Java经典算法
Mar.LeeM
08-31 322
一、冒泡排序 import java.util.Arrays; /** * 冒泡排序 * */ public class BubbleSort { public static void BubbleSort(int[] arr) { int temp;// 定义一个临时变量 for (int i = 0; i &lt; arr.length -...
java实现聚类算法，Kmeans
06-02
K-means聚类算法是一种迭代求解的聚类分析算法，其步骤是随机选取K个对象作为初始的聚类中心，然后计算每个对象与各个种子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象...
经典算法的Java实现.zip
05-07
"经典算法的Java实现.zip"这个压缩包包含了一个PDF文档和一个readme文本，提供了Java语言实现的经典算法实例。 首先，我们要了解“排序”在计算机科学中的重要性。排序算法是数据处理的基础，它允许我们将一组无序...
JAVA实现的A*算法
04-12
利用JAVA语言编程实现的经典A*算法，复制到eclipse即可运行
基于java实现的ECC加密算法示例
08-29
基于Java实现的ECC加密算法示例 本文主要介绍了基于Java实现的ECC加密算法，简单说明了ECC算法的概念、原理，并结合实例形式分析了Java实现ECC加密算法的定义与使用技巧。 ECC算法概念 ECC（Elliptic Curves ...
JAVA绝对经典算法
02-06
Java经典算法 超级经典！~ 面试 或者锻炼逻辑的好文档
经典算法问题的java实现<二>
04-01
NULL 博文链接：https://liuqing-2010-07.iteye.com/blog/1403190
几个推荐算法的java实现
01-05
java实现的几个推荐算法：slopeone SVD,RSVD,ItemNeighborSVD 内有readme,相关内容在blog.csdn.net/lgnlgn
java 经典算法
丿kiss灬火舞的博客
03-30 519
JAVA经典算法50题 【程序1】 题目：古典问题：有一对兔子，从出生后第3个月起每个月都生一对兔子，小兔子长到第三个月后每个月又生一对兔子，假如兔子都不死，问每个月的兔子总数为多少？ 1.程序分析：兔子的规律为数列1,1,2,3,5,8,13,21…. 具体分析如下： f(1) = 1(第1个月有一对兔子） f(2) = 1(第2个月还是一对兔子） f(3) = 2(原来有一对兔...
经典算法(Java)
qq_43137918的博客
09-18 509
约瑟夫环问题 问题描述：N个人围成一圈，从第一个人开始报数，报到m的人出圈，剩下的人继续从1开始报数，报到m的人出圈；如此往复，直到所有人出圈。（模拟此过程，输出出圈的人的序号） 解析：根据题目要求，假设我们现在20个人，数到3的人出圈，可以看出这是一个单向循环链表。我们可以先来看看有什么规律，如图所示，我们可以设置一个临时结点p，让p指向出圈元素的前驱。从1数到3的时候，p就得前进一步指...
JAVA经典算法(一)
ls_wifi的博客
01-06 412
题目：古典问题：有一对兔子，从出生后第3个月起每个月都生一对兔子，小兔子长到第四个月后每个月又生一对兔子，假如兔子都不死，问每个月的兔子总数为多少？ 分析可得，兔子的规律为数列1,1,2,3,5,8,13,21.... 其实就是斐波那契数列,则用递归可以解决。 方法一： package cn.ls.lanqiao; import java.util.*; public class Te...
Java实现经典算法：兔子繁殖与素数判断
"这是一个关于Java实现经典算法的文档，包含了50道编程题，旨在通过解决这些问题来提升Java编程和算法理解能力。文档中给出了两道题目的示例，分别是计算斐波那契数列和找出101到200之间的素数。" 在Java编程领域，...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值