算法是最能体现一个程序员代码内功实力的试金石,却也是众多新手程序猿道路上的拦路虎。然而,要想在程序之路越来越广阔,啃下算法这块硬骨头是不断精进的终南捷径。
此文将用代码实现一下五种常用的经典算法的核心伪代码模板,与君共勉。
此文的五种经典算法分别为:递归算法、深度优先算法(DFS)、广度优先算法(BFS)、二分查找算法和动态规划算法。
**Talk is cheap, show you the code!**
1、递归算法(Recursion Algorithm)
# 递归算法核心代码(伪代码)
def recursion(level,param1,param2):
# level表示当前的递归层数
# recursion terminator 递归终止条件
# MAX_LEVEL终止条件的递归层数
if level > MAX_LEVEL:
print_result
return
# process in current level 执行level层的业务操作
process(level,data)
# drill down 调用下一层底层操作
recursion(level+1,p1,p2)
# reverse the current level status if needed 如果需要返回level层的状态值
reverse_state(level)
2、深度优先算法(DFS)
def DFS(node):
# 定义visited集合记录节点的访问状态
visited = {}
visited.add(node)
# 判断、处理子节点的状态
for next_node in node.children():
if next_node not in visited:
visited.add(next_node)
3、广度优先算法(BFS)
def BFS(start,end):
# 定义visited集合记录节点的访问状态
visited = {}
visited.add(start)
# 定义队列,存储备用节点
queue = []
queue.append([start])
# 判断、处理其余节点的状态
while queue:
node = queue.pop()
visited.add(node)
process(node)
nodes = generate_relate_nodes(node)
queue.push(node)
4、二分查找算法(Binary Search)
def binarySearch(nums, target):
if not nums:
return
n = len(nums)
left,right = 0,n-1
while left <= right:
mid = left+(right-left)>>1
if nums[mid] == target:
return mid
elif nums[mid] > target:
right = mid - 1
else:
left = mid + 1
return
5、动态规划(Dynamic Programming)
def dynamicPro(nums):
# 以在方格盘中寻找两对角顶点的最短路径问题为例
if not nums or not nums[0]:
return
m,n = len(nums), len(nums[0])
dp = [[0 for _ in range(m)] for _ in range(n)]
# 动态数组初始化
dp[0][0], dp[0][1] = x,y
for i in range(m):
for j in range(n):
# 此处以寻找max或min值为例
dp[i][j] = max/min(
dp[i-1][j-1],dp[i-1][j],dp[i][j-1])
return dp[m-1][n-1]
小结
当然,以上的五种算法核心代码只是核心思想的伪代码。具体问题还要具体分析,做进一步的代码优化和处理。
参考网址:https://github.com/geektime-geekbang/algorithm-1