算法导论(Python版本)(前5章)

1. 插入排序(章节2.1)

def insertion_sort(A):
    for i in range(1, len(A)):
        key = A[i]
        while i > 0 and key < A[i-1]: //遍历前序元素,并和当前key进行比较如果比key大则将该元素后移
            A[i] = A[i-1]
            i -= 1
        A[i] = key
    return A


P = [3, 2, 1, 4, 6, 5, 9]
print(insertion_sort(P))

2. 归并排序(章节2.3.1)

def merge(A, p, r, q):

    L = []
    R = []
    for i in range(p, r+1):
        L.append(A[i])
    L.append(float('inf'))
    print(L)
    for j in range(r+1, q+1):
        R.append(A[j])
    R.append(float('inf'))
    print(R)
    i = 0
    j = 0
    for k in range(p, q+1):
        if L[i] < R[j]:
            A[k] = L[i]
            i += 1
        else:
            A[k] = R[j]
            j += 1
    return A


def merge_sort(A, p, q):
    if p < q:
        r = (p + q) // 2  #integer division
        merge_sort(A, p, r)
        merge_sort(A, r+1, q)
        print(merge(A, p, r, q))

P = [5, 2, 3]
merge_sort(P, 0, 2)

3. 最大子数组问题暴力解法(章节4.1)

def violent_solution(A):
    profit = 0
    buy = ''
    sale = ''
    for key1 in A:
        for key2 in A:
            if int(key1) < int(key2) and A[key1] < A[key2] and profit < (A[key2] - A[key1]):
                profit = A[key2] - A[key1]
                buy = key1
                sale = key2
    return buy, sale, profit


P = {'0': 100, '1': 113, '2': 110, '3': 85, '4': 105, '5': 102,
     '6': 86, '7': 63, '8': 81, '9': 101, '10': 94, '11': 106,
    '12': 101, '13': 79, '14': 94, '15': 90, '16': 97}

print(violent_solution(P))

4. 最大子数组问题分治策略解法(mid算在左侧)(章节4.1)

import math


def find_max_crossing_subarray(A, low, mid, high):
    left_sum = float('-inf')
    s = 0
    max_left = 0
    for i in range(low, mid+1)[::-1]:
        s = s + A[i]
        if left_sum < s:
            left_sum = s
            max_left = i
    right_sum = float('-inf')
    s = 0
    max_right = 0
    for j in range(mid+1, high+1):
        s = s + A[j]
        if right_sum < s:
            right_sum = s
            max_right = j
    return max_left, max_right, left_sum + right_sum


def find_maximum_subarray(A, low, high):
    if low == high:
        return low, high, A[low]
    else:
        mid = math.floor((low + high) / 2)
        left_low, left_high, left_sum = find_maximum_subarray(A, low, mid)
        right_low, right_high, right_sum = find_maximum_subarray(A, mid+1, high)
        cross_low, cross_high, cross_sum = find_max_crossing_subarray(A, low, mid, high)
        if left_sum >= right_sum and left_sum >= cross_sum:
            return left_low, left_high, left_sum
        elif right_sum >= left_sum and right_sum >= cross_sum:
            return right_low, right_high, right_sum
        else:
            return cross_low, cross_high, cross_sum


P = [100, 113,  110,  85,  105, 102, 86,  63,  81,  101,  94,  106, 101,  79,  94,  90,  97]
P_C = []
for i in range(1, P.__len__()):
    P_C.append(P[i] - P[i-1])

print(find_maximum_subarray(P_C, 0, 15))

5. 最大子数组问题分治策略解法(mid算在右侧)(章节4.1)

       (此时除了需要改变区间,还需将mid的取值改为向上取整)

import math


def find_max_crossing_subarray(A, low, mid, high):
    left_sum = float('-inf')
    s = 0
    max_left = 0
    for i in range(low, mid)[::-1]:
        s = s + A[i]
        if left_sum < s:
            left_sum = s
            max_left = i
    right_sum = float('-inf')
    s = 0
    max_right = 0
    for j in range(mid, high+1):
        s = s + A[j]
        if right_sum < s:
            right_sum = s
            max_right = j
    return max_left, max_right, left_sum + right_sum


def find_maximum_subarray(A, low, high):
    if low == high:
        return low, high, A[low]
    else:
        mid = math.ceil((low + high) / 2)  //改为向上取整即可
        left_low, left_high, left_sum = find_maximum_subarray(A, low, mid-1)
        right_low, right_high, right_sum = find_maximum_subarray(A, mid, high)
        cross_low, cross_high, cross_sum = find_max_crossing_subarray(A, low, mid, high)
        if left_sum >= right_sum and left_sum >= cross_sum:
            return left_low, left_high, left_sum
        elif right_sum >= left_sum and right_sum >= cross_sum:
            return right_low, right_high, right_sum
        else:
            return cross_low, cross_high, cross_sum


P = [100, 113,  110,  85,  105, 102, 86,  63,  81,  101,  94,  106, 101,  79,  94,  90,  97]
P_C = []
for i in range(1, P.__len__()):
    P_C.append(P[i] - P[i-1])

print(find_maximum_subarray(P_C, 0, 15))

6. 产生随机排列(章节5.3)

import random

def randomize_in_place(A):
    for i in range(len(A)):
        r = random.randint(i, len(A)-1)
        A[i], A[r] = A[r], A[i]
    return A


P = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
print(randomize_in_place(P))

 

  • 2
    点赞
  • 12
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
算法导论是计算机科学中非常重要的一门课程,它涵盖了计算机算法的设计、分析与应用。期末复习是为了加深对所学知识的理解和掌握,为考试做好充分准备。 使用Python语言进行算法导论的复习是一种很好的选择。Python是一种强大且易于上手的编程语言,具有简洁的语法和丰富的库支持。下面是几个复习的重点: 1. 熟悉Python的基本语法和数据结构:掌握Python的基本数据类型如列表、字典和集合,并了解它们的操作与性能。 2. 掌握常见排序算法:复习插入排序、归并排序、快速排序等常见的排序算法,并能够灵活应用它们解决实际问题。 3. 熟悉图算法:学习图的表示方法,以及广度优先搜索(BFS)和深度优先搜索(DFS)等基本的图算法。 4. 熟练应用动态规划算法:了解动态规划的基本思想,复习使用动态规划解决背包问题、最长公共子序列等典型问题。 5. 学习贪心算法:了解贪心算法的概念和特点,熟悉使用贪心算法解决活动选择、哈夫曼编码等问题。 6. 熟练掌握分治算法:复习分治算法的基本思想和应用,熟悉使用分治算法解决最大子数组和矩阵乘法等问题。 7. 复习基本的算法分析方法:熟悉时间复杂度和空间复杂度的概念,掌握算法的渐进分析方法。 在复习过程中,可以通过参考教材、课堂笔记和习题集等资料进行练习和巩固所学知识。此外,可以参考一些算法导论的相关网上资源和在线教育平台上的课程进行深入学习。最重要的是,要坚持刷题,多进行实际编码练习,巩固所学算法的理解和应用能力。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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