Python数据结构实验 查找实验（一）

一、实验目的

1．熟悉查找的基本概念，包括静态查找表和动态查找表、内查找和外查找之间的差异以及平均查找长度等；

2．掌握线性表上的各种查找算法，包括顺序查找、折半查找和分块查找的基本思路、算法实现和查找效率等；

3．灵活运用线性表各种查找算法解决一些综合应用问题。

二、实验环境

1．Windows操作系统的计算机

2．Python3.7环境平台和PyCharm编辑器

三、实验说明 

1．实现线性表上的各种相关算法程序设计和查找过程。    
2．实验中如无特别说明，均要求使用脚本（.py）方式编写代码。

3．自主编写程序，必要时参考相关资料。

4．实验学时：2学时

四、实验内容和步骤

1．实验内容

（1） 编写一个实验程序，对一个递增有序表进行折半查找，输出成功找到其中每个元素的查找序列，用相关数据进行测试。

参考思路：

def BinSearch(R,k):     #拆半查找非递归算法

    n=len(R)

    L=[]                                                                 #存放查找序列

    low,high=0,n-1

while low<=high:      #当前区间非空时

        mid=(low+high)//2      #求查找区间的中间位置

        L.append(R[mid])

        if k==R[mid]:

              return L

        if k<R[mid]:      #继续在R[low..mid-1]中查找

                  ……





#主程序

a=[______            ]

print()

print("  整数序列:",a)

for i in range(len(a)):

    L=_________

    print("  查找%d的查找序列:" %(a[i]),end='')

    print(L)

（2）假设一个带权图G采用邻接矩阵存储，设计一个算法，采用狄克斯特拉算法思路，求顶点s到顶点t的最短路径长度（假设顶点s和t都是G中的顶点）。

参考思路：

from MatGraph import MatGraph,INF,MAXV



def Dijkstra(g,s,t):                      #基本Dijkstra算法，求从s到t的最短路径长度

    dist=[-1]*MAXV                      

    S=[0]*MAXV                         

    for i in range(n):

        dist[i]=g.edges[s][i]           

    S[s]=1                         

    u=-1

    for i in range(n-1):              

        mindis=INF                    

        for j in range(n):   

            if S[j]==0 and dist[j]<mindis:

                u=j

                mindis=dist[j]

        if u==t:return dist[t]              

        S[u]=1                        

        for j in range(n):            

            if S[j]==0:                   

                if g.edges[u][j]<INF and dist[u]+g.edges[u][j]<dist[j]:

                    dist[j]=dist[u]+g.edges[u][j]

    return INF





#主程序

g=MatGraph()

n,e=_ _,_  _

a=[……]                                              #图7.35的边数组

g.CreateMatGraph(a,n,e)

print("图g")

g.DispMatGraph()

s=_   _

t=_   _

print("求解结果");

print("%s->%d的最短路径长度:%d" %(s,t,Dijkstra(g,s,t)))

2．实验步骤

（1）分析实验内容，写出程序大致框架或完整的程序代码。

（2）进入Python集成环境。

（3）编辑程序并进行保存。

（4）运行程序，若有错误，修改错误后再次运行，如此反复进行到不显示出错为止。

（5）检查程序输出结果。

五、实验代码与结果（程序运行代码及其结果）

1． （1）给出算法的基本设计思想。

  （2）根据设计思想，采用Python语言描述算法，关键之处给出注释。

def BinSearch(R,k):          #拆半查找非递归算法

    n=len(R)

    L=[]                                                                 #存放查找序列

    low,high=0,n-1

    while low<=high:      #当前区间非空时

            mid=(low+high)//2  #求查找区间的中间位置

            L.append(R[mid])

            if k==R[mid]:

                  return L

            if k<R[mid]: #继续在R[low..mid-1]中查找

                high=mid-1

            else:     #k>R[mid]

               low=mid+1 #继续在R[mid+1..high]中查找

    return -1         #当前查找区间空时返回-





#主程序

a=[2,4,7,8,9,10,14,18,26,32,40]

print()

print("  整数序列:",a)

for i in range(len(a)):

    L=BinSearch(a,a[i])

    print("  查找%d的查找序列:" %(a[i]),end='')

print(L)

2． （1）给出算法的基本设计思想。

  （2）根据设计思想，采用Python语言描述算法，关键之处给出注释。

from 图 import MatGraph,INF,MAXV



def Dijkstra(g,s,t):                      #基本Dijkstra算法，求从s到t的最短路径长度

    dist=[-1]*MAXV

    S=[0]*MAXV

    for i in range(n):

        dist[i]=g.edges[s][i]

    S[s]=1

    u=-1

    for i in range(n-1):

        mindis=INF

        for j in range(n):

            if S[j]==0 and dist[j]<mindis:

                u=j

                mindis=dist[j]

        if u==t:return dist[t]

        S[u]=1

        for j in range(n):

            if S[j]==0:

                if g.edges[u][j]<INF and dist[u]+g.edges[u][j]<dist[j]:

                    dist[j]=dist[u]+g.edges[u][j]

    return INF





#主程序

g=MatGraph()

n,e=6,10

a=[[1,3,1,4,INF,INF],

    [1,3,1,INF,4,INF],

    [5,2,0,5,2,1],

    [8,INF,8,8,INF,8],

    [INF,6,6,INF,6,6],

    [INF,INF,9,9,9,9]]                                              #图7.35的边数组

g.CreateMatGraph(a,n,e)

print("图g")

g.DispMatGraph()

s=1

t=9

print("求解结果");

print("%s->%d的最短路径长度:%d" %(s,t,Dijkstra(g,s,t)))