pull/944/head
krahets 2 years ago
parent 6cb6c640b7
commit b5d8325c2a

@ -6,7 +6,12 @@ comments: true
「搜索算法 Searching Algorithm」用于在数据结构例如数组、链表、树或图中搜索一个或一组满足特定条件的元素。
在前面的章节中,我们已经学习了数组、链表、树和图的遍历方法,也了解过哈希表和二叉搜索树等具有查询功能的复杂数据结构。因此,搜索算法对于我们来说并不陌生。在本节,我们将从更加系统的视角切入,重新审视搜索算法。
根据实现思路,搜索算法总体可分为两种:
- **通过遍历数据结构来定位目标元素**,例如数组、链表、树和图的遍历等。
- **利用数据组织结构或数据包含的先验信息,实现高效元素查找**,例如二分查找、哈希查找和二叉搜索树查找等。
不难发现,这些知识点都已在前面的章节中介绍过,因此搜索算法对于我们来说并不陌生。在本节中,我们将从更加系统的视角切入,重新审视搜索算法。
## 10.4.1.   暴力搜索

@ -4,7 +4,9 @@ comments: true
# 11.2.   选择排序
「选择排序 Insertion Sort」的工作原理非常直接开启一个循环每轮从未排序区间选择最小的元素将其放到已排序区间的末尾。完整步骤如下
「选择排序 Selection Sort」的工作原理非常直接开启一个循环每轮从未排序区间选择最小的元素将其放到已排序区间的末尾。
选择排序的算法流程如下:
1. 初始状态下,所有元素未排序,即未排序(索引)区间为 $[0, n-1]$ 。
2. 选取区间 $[0, n-1]$ 中的最小元素,将其与索引 $0$ 处元素交换。完成后,数组前 1 个元素已排序。
@ -55,12 +57,11 @@ comments: true
int n = nums.length;
// 外循环:未排序区间为 [i, n-1]
for (int i = 0; i < n - 1; i++) {
// 内循环:找到未排序区间 [i, n-1] 中的最小元素
// 内循环:找到未排序区间的最小元素
int k = i;
for (int j = i + 1; j < n; j++) {
if (nums[j] < nums[k]) {
k = j; // 更新最小元素
}
if (nums[j] < nums[k])
k = j; // 记录最小元素的索引
}
// 将该最小元素与未排序区间的首个元素交换
int temp = nums[i];
@ -78,12 +79,11 @@ comments: true
int n = nums.size();
// 外循环:未排序区间为 [i, n-1]
for (int i = 0; i < n - 1; i++) {
// 内循环:找到未排序区间 [i, n-1] 中的最小元素
// 内循环:找到未排序区间的最小元素
int k = i;
for (int j = i + 1; j < n; j++) {
if (nums[j] < nums[k]) {
k = j; // 更新最小元素
}
if (nums[j] < nums[k])
k = j; // 记录最小元素的索引
}
// 将该最小元素与未排序区间的首个元素交换
swap(nums[i], nums[k]);
@ -99,11 +99,11 @@ comments: true
n = len(nums)
# 外循环:未排序区间为 [i, n-1]
for i in range(n - 1):
# 内循环:找到未排序区间 [i, n-1] 中的最小元素
# 内循环:找到未排序区间的最小元素
k = i
for j in range(i + 1, n):
if nums[j] < nums[k]:
k = j # 更新最小元素
k = j # 记录最小元素的索引
# 将该最小元素与未排序区间的首个元素交换
nums[i], nums[k] = nums[k], nums[i]
```

Loading…
Cancel
Save