¿Cuáles son las competencias para los algoritmos de Python?
1.
Algoritmo de clasificación selectiva: la clasificación selectiva es un algoritmo de clasificación simple e intuitivo. Principio: primero encuentre el elemento más pequeño o más grande en la secuencia desordenada y guárdelo al comienzo de la secuencia ordenada, luego continúe buscando los elementos más grandes y más pequeños de los elementos restantes sin ordenar y luego colóquelos después de la secuencia ordenada; Y así sucesivamente hasta que todos los elementos estén ordenados.
2.
Clasificación rápida: la clasificación rápida se ejecuta más rápido que la clasificación selectiva. Principio: suponga que la matriz que se va a ordenar es n, primero seleccione cualquier dato como dato clave, luego coloque todos los números más pequeños delante de él y coloque todos los números más grandes delante de él. Este proceso se llama clasificación rápida.
3. Algoritmo de búsqueda binaria: la entrada del método de búsqueda binaria es una lista ordenada. Si el elemento que está buscando está contenido en una lista ordenada, la búsqueda binaria puede devolver su posición.
4.
Algoritmo de búsqueda en amplitud: es un algoritmo de gráfico. El gráfico se compone de nodos y aristas. Un nodo se puede conectar a varios nodos, que se denominan vecinos. Puede resolver dos tipos de problemas: el primer tipo comienza desde el nodo A y no tiene ruta al nodo B. El segundo tipo de problema es qué ruta es la más corta desde el nodo A al nodo B. La premisa de utilizar la búsqueda en amplitud; El algoritmo es que el gráfico Los bordes no tienen peso, es decir, este algoritmo solo se usa para gráficos no ponderados. Si los bordes del gráfico tienen pesos, se debe utilizar el algoritmo de Dijkstra para encontrar el camino más corto.
5.
Algoritmo codicioso: También conocido como algoritmo codicioso, para problemas donde no existe un algoritmo rápido, solo se pueden elegir algoritmos aproximados. Los algoritmos codiciosos buscan soluciones óptimas locales en un intento de obtener la solución óptima global. Este algoritmo es simple de implementar y rápido de ejecutar. Es un buen algoritmo de aproximación.