十大排序编程算法
十大经典排序算法总结
⼗⼤经典排序算法总结最近⼏天在研究算法，将⼏种排序算法整理了⼀下，便于对这些排序算法进⾏⽐较，若有错误的地⽅，还请⼤家指正0、排序算法说明0.1 排序术语稳定：如果a=b,且a原本排在b前⾯，排序之后a仍排在b的前⾯不稳定：如果a=b,且a原本排在b前⾯，排序之后排在b的后⾯时间复杂度：⼀个算法执⾏所耗费的时间空间复杂度：⼀个算法执⾏完所需内存的⼤⼩内排序：所有排序操作都在内存中完成外排序：由于数据太⼤，因此把数据放在磁盘中，⽽排序通过磁盘和内存的数据传输才能进⾏0.2算法时间复杂度、空间复杂度⽐较0.3名词解释n:数据规模k:桶的个数In-place:占⽤常数内存，不占⽤额外内存Out-place:占⽤额外内存0.4算法分类1.冒泡排序冒泡排序是⼀种简单的排序算法。
它重复地⾛访过要排序的数列，⼀次⽐较两个元素，如果它们的顺序错误就把它们交换过来。
⾛访数列的⼯作是重复地进⾏直到没有再需要交换，也就是说该数列已经排序完成。
这个算法的名字由来是因为越⼩的元素会经由交换慢慢“浮”到数列的顶端1.1算法描述⽐较相邻的元素，如果前⼀个⽐后⼀个打，就交换对每⼀对相邻元素做同样的⼯作，从开始第⼀对到结尾最后⼀对，这样在最后的元素应该会是最⼤的数针对所有的元素重复以上的步骤，除了最后⼀个重复步骤1-3，知道排序完成1.2动图演⽰1.3代码实现public static int[] bubbleSort(int[] array) {if (array.length == 0)return array;for (int i = 0; i < array.length; i++)for (int j = 0; j < array.length - 1 - i; j++)if (array[j + 1] < array[j]) {int temp = array[j + 1];array[j + 1] = array[j];array[j] = temp;}return array;}1.4算法分析最佳情况：T(n) = O(n) 最差情况：T(n) = O(n2) 平均情况：T(n) = O(n2)2.选择排序表现简单直观的最稳定的排序算法之⼀，因为⽆论什么数据都是O(n2)的时间复杂度，⾸先在未排序序列中找到最⼩（⼤）元素，与数组中第⼀个元素交换位置，作为排序序列的起始位置，然后再从剩余未排序元素中继续寻找最⼩（⼤）的元素，与数组中的下⼀个元素交换位置，也就是放在已排序序列的末尾2.1算法描述1.初始状态：⽆序区为R[1..n],有序区为空2.第i躺排序开始时，当前有序区和⽆序区R[1..i-1]、R[i..n]3.n-1趟结束，数组有序化2.2动图演⽰2.3代码实现public static int[] selectionSort(int[] array) {if (array.length == 0)return array;for (int i = 0; i < array.length; i++) {int minIndex = i;for (int j = i; j < array.length; j++) {if (array[j] < array[minIndex]) //找到最⼩的数minIndex = j; //将最⼩数的索引保存}int temp = array[minIndex];array[minIndex] = array[i];array[i] = temp;}return array;}2.4算法分析最佳情况：T(n) = O(n2) 最差情况：T(n) = O(n2) 平均情况：T(n) = O(n2)3、插⼊排序是⼀种简单直观的排序算法，通过构建有序序列，对于未排序序列，在已排序序列中从后向前扫描，找到相应位置并插⼊，需要反复把已排序元素逐步向后挪位，为最新元素腾出插⼊空间3.1算法描述1.从第⼀个元素开始，该元素可以认为已经被排序2.取出下⼀个元素（h），在已排序的元素序列中从后往前扫描3.如果当前元素⼤于h，将当前元素移到下⼀位置4.重复步骤3，直到找到已排序的元素⼩于等于h的位置5.将h插⼊到该位置6.重复步骤2-53.2动图演⽰3.3代码实现public static int[] insertionSort(int[] array) {if (array.length == 0)return array;int current;for (int i = 0; i < array.length - 1; i++) {current = array[i + 1];int preIndex = i;while (preIndex >= 0 && current < array[preIndex]) {array[preIndex + 1] = array[preIndex];preIndex--;}array[preIndex + 1] = current;}return array;}3.4算法分析最佳情况：T(n) = O(n) 最坏情况：T(n) = O(n2) 平均情况：T(n) = O(n2)4、希尔排序是简单插⼊排序经过改进之后的⼀个更⾼效的版本，也称为缩⼩增量排序，同时该算法是冲破O(n2）的第⼀批算法之⼀。
计算机软件技术编程基础 排序
21
47
48
56
85
89
对于长度为n的序列，选择序列需要扫描n-1遍，每次扫 描均从剩余的子表中找出最小的元素，然后将最小的元 素与子表中的第一个元素进行交换。
比较次数:(n-1)+(n-2)+…+2+1=n(n-1)/2
交换次数：n-1 时间复杂度O(n2)
四 归并排序
基本思想：将两个或两个以上的有序表合并成一个新的有序表。 步骤： 将整个表看成ｎ个有序子表，每个子表长度为１； 两两归并，得到长度为２的ｎ／２个子表； 再两两归并，一直得到长度为ｎ的有序表为止；
关键字最小的安置到最前面
对剩余的线性表重复操作 1 1 1 1 1 1 1 1 5 5 3 3 3 2 3 5 2 3 2 3 2 2 52 5 4 5 6 6 6 56 4 7 4 7 4 6 4 4 6 8 8 8 8 9 9 9 9
74 7 6 6 6 6 7 7
1
1
2
3
4
5
6
6
7
8
9
对线性表的每次来回操作都将最大的沉到表底，最小的像气 泡冒到表头。
２ 希尔排序——缩小增量排序
基本步骤： １ 取一个正整数h1=n/2, 每隔步长h1取一个元素，放在一个组中，在 各组中进行插入排序。
0
7
1
19
2
24
3
13
4
31
5
8
6
82
7
18
8
44
9
63
10
5
11
29
h1=12/2
7 19 24 13 31 8 82 18 44 63 5 29
程序设计竞赛常用算法
程序设计竞赛常用算法1.排序算法：排序是一个基本的算法问题，常见的排序算法有冒泡排序、选择排序、插入排序、快速排序、归并排序等。
这些排序算法有各自的优势和适用场景，需要根据具体问题需求选择合适的算法。
2.图论算法：图论是程序设计竞赛中经常出现的重要领域。
常见的图论算法有深度优先（DFS）、广度优先（BFS）、Dijkstra算法、Floyd-Warshall算法、拓扑排序、最小生成树等。
这些算法可以用于解决最短路径、连通性、最大流最小割等问题。
3.动态规划：动态规划是一种常用于解决优化问题的算法。
该算法通过将问题分解成子问题，并记录子问题的解来求解原问题的最优解。
常见的动态规划算法有背包问题、最长公共子序列（LCS）、最大子序列和等。
4.字符串处理算法：字符串处理是程序设计竞赛中常见的问题。
常见的字符串处理算法有KMP算法、哈希算法、字符串匹配等。
这些算法可以用于解决模式匹配、字符串、字符统计等问题。
5.数学算法：数学算法在程序设计竞赛中也经常被使用。
常见的数学算法有质因数分解、素数筛、快速乘法、高精度计算等。
这些算法可以用于解决数论、计算几何、概率等问题。
6.图形算法：图形算法主要用于处理图像和几何图形。
常见的图形算法有扫描线算法、凸包算法、几何运算等。
这些算法可以用于解决图像处理、三维建模等问题。
7.树和图的遍历算法：树和图的遍历算法是程序设计竞赛中常用的算法之一、常见的树和图的遍历算法有先序遍历、中序遍历、后序遍历、深度优先（DFS）、广度优先（BFS）等。
这些算法可以用于解决树和图的构建、路径等问题。
8.最大匹配和最小割算法：最大匹配算法用于求解二分图的最大匹配问题，常见的算法有匈牙利算法。
最小割算法用于求解图的最小割问题，常见的算法有Ford-Fulkerson算法。
这些算法可以用于解决网络流和二分图匹配等问题。
9.贪心算法：贪心算法是一种常用于优化问题的算法。
该算法通过每一步选择局部最优解来达到全局最优解。
排序算法十大经典方法
排序算法十大经典方法
排序算法是计算机科学中的经典问题之一，它们用于将一组元素按照一定规则排序。
以下是十大经典排序算法：
1. 冒泡排序：比较相邻元素并交换，每一轮将最大的元素移动到最后。
2. 选择排序：每一轮选出未排序部分中最小的元素，并将其放在已排序部分的末尾。
3. 插入排序：将未排序部分的第一个元素插入到已排序部分的合适位置。
4. 希尔排序：改进的插入排序，将数据分组排序，最终合并排序。
5. 归并排序：将序列拆分成子序列，分别排序后合并，递归完成。
6. 快速排序：选定一个基准值，将小于基准值的元素放在左边，大于基准值的元素放在右边，递归排序。
7. 堆排序：将序列构建成一个堆，然后一次将堆顶元素取出并调整堆。
8. 计数排序：统计每个元素出现的次数，再按照元素大小输出。
9. 桶排序：将数据分到一个或多个桶中，对每个桶进行排序，最后输出。
10. 基数排序：按照元素的位数从低到高进行排序，每次排序只考虑一位。
以上是十大经典排序算法，每个算法都有其优缺点和适用场景，选择合适的算法可以提高排序效率。
C语言入门必学—10个经典C语言算法
C语言入门必学—10个经典C语言算法C语言是一种广泛使用的编程语言，具有高效、灵活和易学的特点。
它不仅在软件开发中被广泛应用，也是计算机科学专业的必修课。
在学习C语言的过程中，掌握一些经典的算法是非常重要的。
本文将介绍10个经典C语言算法，帮助读者更好地了解和掌握C语言。
一、冒泡排序算法（Bubble Sort）冒泡排序算法是最简单、也是最经典的排序算法之一。
它通过不断比较相邻的元素并交换位置，将最大（或最小）的元素逐渐“冒泡”到数组的最后（或最前）位置。
二、选择排序算法（Selection Sort）选择排序算法是一种简单但低效的排序算法。
它通过不断选择最小（或最大）的元素，并与未排序部分的第一个元素进行交换，将最小（或最大）的元素逐渐交换到数组的前面（或后面）。
三、插入排序算法（Insertion Sort）插入排序算法是一种简单且高效的排序算法。
它通过将数组分为已排序和未排序两个部分，依次将未排序部分的元素插入到已排序部分的合适位置。
四、快速排序算法（Quick Sort）快速排序算法是一种高效的排序算法。
它采用了分治的思想，通过将数组分为较小和较大两部分，并递归地对两部分进行排序，最终达到整个数组有序的目的。
五、归并排序算法（Merge Sort）归并排序算法是一种高效的排序算法。
它采用了分治的思想，将数组一分为二，递归地对两个子数组进行排序，并将结果合并，最终得到有序的数组。
六、二分查找算法（Binary Search）二分查找算法是一种高效的查找算法。
它通过不断将查找范围折半，根据中间元素与目标值的大小关系，缩小查找范围，最终找到目标值所在的位置。
七、递归算法（Recursive Algorithm）递归算法是一种通过自我调用的方式解决问题的算法。
在C语言中，递归算法常用于解决树的遍历、问题分解等情况。
八、斐波那契数列算法（Fibonacci Sequence）斐波那契数列是一列数字，其中每个数字都是前两个数字的和。
世界十大经典算法
世界十大经典算法世界十大经典算法算法是计算机科学中非常重要的概念，它是一种解决问题的方法和步骤的描述。
以下是世界上广泛应用且被业界认可的十大经典算法： 1. 二分查找算法（Binary Search Algorithm）：在有序数组中查找目标元素的算法。
通过将目标元素与数组中间元素进行比较，可以将搜索范围缩小一半，从而提高搜索效率。
2. 快速排序算法（Quick Sort Algorithm）：一种基于分治法的排序算法。
它通过选择一个基准元素，将数组分为两个子数组，其中一个子数组的元素都小于等于基准元素，另一个子数组的元素都大于等于基准元素，然后递归地对子数组进行排序。
3. 归并排序算法（Merge Sort Algorithm）：一种基于分治法的排序算法。
它将数组分成两个子数组，然后递归地对子数组进行排序，并将排序好的子数组合并成一个有序的数组。
4. 广度优先搜索算法（Breadth-First Search Algorithm）：用于图遍历的一种算法。
它从图的某个顶点开始，逐层遍历其邻接顶点，直到遍历完所有顶点。
广度优先搜索常用于寻找最短路径或解决迷宫等问题。
5. 深度优先搜索算法（Depth-First Search Algorithm）：用于图遍历的一种算法。
它从图的某个顶点开始，沿着一条路径一直向下遍历，直到无法继续为止，然后回溯到上一个没有遍历完的邻接顶点，继续遍历其他路径。
深度优先搜索常用于生成迷宫、图的连通性问题等。
6. Dijkstra算法（Dijkstra's Algorithm）：用于求解单源最短路径问题的一种算法。
它根据权重赋值给每条边，计算出从源节点到其他节点的最短路径。
7. 动态规划算法（Dynamic Programming Algorithm）：一种基于分治法的优化算法。
动态规划在问题可分解为重叠子问题时，通过保存子问题的解，避免重复计算，从而提高算法效率。
十大排序算法
⼗⼤排序算法算法之排序排序算法基本上是我们⽆论是在项⽬中还是在⾯试中都会遇到的问题，加上最近在看《算法》这本书，所以就准备好好的将排序算法整理⼀下。
所有排序算法都是基于 Java 实现，为了简单，只使⽤了int类型，从⼩到⼤排序基本排序⾼效的排序各⼤排序的时间测试如何选择排序排序之基本排序算法准备阶段：有⼀个交换位置的函数exc/*** 交换a数组中i和j的位置* @param a 需要交换的数组* @param i 位置* @param j 位置*/public static void exc(int a[],int i,int j){// 当他们相等的时候就没必要进⾏交换if(a[i] != a[j]){a[i] ^= a[j];a[j] ^= a[i];a[i] ^= a[j];}}基本排序算法主要是分为插⼊排序，选择排序，冒泡排序和梳排序。
选择排序原理：选择排序的原理很简单，就是从需要排序的数据中选择最⼩的（从⼩到⼤排序），然后放在第⼀个，选择第⼆⼩的放在第⼆个……代码：/*** 选择排序* @param a 进⾏排序的数组*/public static int[] selectionSort(int a[]){int min;for(int i=0;i<a.length;i++){min = i;// 这个for循环是为了找出最⼩的值for (int j = i+1; j < a.length; j++) {if(a[min]>a[j]){min = j;}}/** 如果第⼀个取出的元素不是最⼩值，就进⾏交换* 意思就是：如果取出的元素就是最⼩值，那么就没有必要进⾏交换了 */if(min != i){// 进⾏交换exc(a, i, min);}}return a;}选择排序的动画演⽰img假如数组的长度是N，则时间复杂度：进⾏⽐较的次数：(N-1)+(N-2)+……+1 = N(N-1)/2进⾏交换的次数：N特点：（稳定）1. 运⾏时间与输⼊⽆关。
【十大经典排序算法(动图演示)】 必学十大经典排序算法
【十大经典排序算法（动图演示）】必学十大经典排序算法0.1 算法分类十种常见排序算法可以分为两大类：比较类排序：通过比较来决定元素间的相对次序，由于其时间复杂度不能突破O(nlogn)，因此也称为非线性时间比较类排序。
非比较类排序：不通过比较来决定元素间的相对次序，它可以突破基于比较排序的时间下界，以线性时间运行，因此也称为线性时间非比较类排序。
0.2 算法复杂度0.3 相关概念稳定：如果a原本在b前面，而a=b，排序之后a仍然在b的前面。
不稳定：如果a原本在b的前面，而a=b，排序之后a 可能会出现在b 的后面。
时间复杂度：对排序数据的总的操作次数。
反映当n变化时，操作次数呈现什么规律。
空间复杂度：是指算法在计算机内执行时所需存储空间的度量，它也是数据规模n的函数。
1、冒泡排序（Bubble Sort）冒泡排序是一种简单的排序算法。
它重复地走访过要排序的数列，一次比较两个元素，如果它们的顺序错误就把它们交换过来。
走访数列的工作是重复地进行直到没有再需要交换，也就是说该数列已经排序完成。
这个算法的名字由来是因为越小的元素会经由交换慢慢“浮”到数列的顶端。
1.1 算法描述比较相邻的元素。
如果第一个比第二个大，就交换它们两个；对每一对相邻元素作同样的工作，从开始第一对到结尾的最后一对，这样在最后的元素应该会是最大的数；针对所有的元素重复以上的步骤，除了最后一个；重复步骤1~3，直到排序完成。
1.2 动图演示1.3 代码实现1.unction bubbleSort(arr) {2. varlen = arr.length;3. for(vari = 0; i arr[j+1]) {// 相邻元素两两对比6. vartemp = arr[j+1];// 元素交换7. arr[j+1] = arr[j];8. arr[j] = temp;9. }10. }11. }12. returnarr;13.}2、选择排序（Selection Sort）选择排序(Selection-sort)是一种简单直观的排序算法。
10种常用典型算法
10种常用典型算法1. 冒泡排序（Bubble Sort）：通过比较相邻元素的大小，将较大的元素交换到后面，较小的元素交换到前面，从而实现排序。
时间复杂度为O(n^2)。
2. 插入排序（Insertion Sort）：将待排序的元素插入到有序子数组中的合适位置，逐步构建有序数组。
时间复杂度为O(n^2)。
3. 选择排序（Selection Sort）：找到未排序部分最小的元素，并将其放到已排序部分的末尾，不断重复这个过程，直到排序完成。
时间复杂度为O(n^2)。
4. 归并排序（Merge Sort）：将数组不断二分，然后将二分后的小数组进行排序合并，最终得到一个排序好的数组。
时间复杂度为O(nlogn)。
5. 快速排序（Quick Sort）：从数组中选择一个基准元素，将比基准元素小的元素放到基准元素的左边，比基准元素大的元素放到基准元素的右边，然后递归地对左右两个部分进行排序。
时间复杂度为O(nlogn)。
6. 堆排序（Heap Sort）：将待排序的数组构建成一个最大堆（或最小堆），然后依次从堆顶取出最大（或最小）元素，再进行调整，直到堆为空。
时间复杂度为O(nlogn)。
7. 计数排序（Counting Sort）：统计数组中每个元素出现的次数，然后根据元素的出现次数将其放到相应的位置上，最终得到一个有序的数组。
时间复杂度为O(n+k)，其中k为数组中的最大值。
8. 基数排序（Radix Sort）：按照元素的位数将数组进行排序，从低位到高位依次排序。
时间复杂度为O(d*(n+k))，其中d为数组中元素的位数，k为基数。
9. 希尔排序（Shell Sort）：将待排序的数组按照一定的间隔（增量）分成多个子数组，对每个子数组进行插入排序，然后不断减小增量，最终进行一次完整的插入排序。
时间复杂度为O(nlogn)。
10. 鸽巢排序（Pigeonhole Sort）：适用于元素范围较小且元素重复较多的数组，通过统计元素的出现次数，将元素按照其出现的次数放入鸽巢中，然后按次数从小到大依次取出元素，得到一个有序的数组。
经典十大排序算法
经典⼗⼤排序算法前⾔排序种类繁多，⼤致可以分为两⼤类：⽐较类排序：属于⾮线性时间排序，时间复杂度不能突破下界O(nlogn);⾮⽐较类排序：能达到线性时间O(n)，不是通过⽐较来排序，有基数排序、计数排序、桶排序。
了解⼀个概念：排序的稳定性稳定是指相同⼤⼩的元素多次排序能保证其先后顺序保持不变。
假设有⼀些学⽣的信息，我们先根据他们的姓名进⾏排序，然后我们还想根据班级再进⾏排序，如果这时使⽤的时不稳定的排序算法，那么第⼀次的排序结果可能会被打乱，这样的场景需要使⽤稳定的算法。
堆排序、快速排序、希尔排序、选择排序是不稳定的排序算法，⽽冒泡排序、插⼊排序、归并排序、基数排序是稳定的排序算法。
1、冒泡排序⼤多数⼈学编程接触的第⼀种排序，名称很形象。
每次遍历排出⼀个最⼤的元素，将⼀个最⼤的⽓泡冒出⽔⾯。
时间复杂度：平均：O(n2)；最好：O(n)；最坏：O(n2)空间复杂度：O(1)public static void bubbleSort(int[] arr) {/*** 总共⾛len-1趟即可，每趟排出⼀个最⼤值放在最后*/for (int i = 0; i < arr.length - 1; i++) {for (int j = 0; j < arr.length - i - 1; j++) {if (arr[j] > arr[j + 1]) {int tp = arr[j];arr[j] = arr[j + 1];arr[j + 1] = tp;}}}}2、选择排序最直观易理解的排序算法，每次排出⼀个最⼩的元素。
也是最稳定的算法，时间复杂度稳定为O(n^2)。
需要⼀个变量记录每次遍历最⼩元素的位置。
时间复杂度：O(n2)空间复杂度：O(1)public static void selectSort(int[] arr){int n = arr.length;for (int i = 0; i < n; i++) {int maxIdx = 0;for(int j = 1; j < n - i; j++){if(arr[maxIdx] < arr[j]){maxIdx = j;}}int tp = arr[maxIdx];arr[maxIdx] = arr[n - 1 - i];arr[n - 1 - i] = tp;}}3、插⼊排序⼀种直观的排序算法，从第⼆个元素开始，每次往前⾯遍历找到⾃⼰该在的位置。
描述将10个数按从大到小顺序排列的基本思路与算法流程。
描述将10个数按从大到小顺序排列的基本思路与算法流程。
将10个数按从大到小顺序排列的基本思路是采用排序算法，其中最常用的算法是冒泡排序和快速排序。
冒泡排序的基本思路是依次比较相邻的元素，如果前一个元素比后一个元素大，则交换它们的位置，每次遍历都会将待排序序列中最大的元素放置在序列的末尾。
具体流程如下：
1. 从序列的第一个元素开始，比较相邻的元素。
2. 如果前一个元素比后一个元素大，则交换它们的位置。
3. 对整个序列进行一次遍历后，最大的元素会被放置在序列的末尾。
4. 对剩余的n-1 个元素进行遍历，重复上述操作直到整个序列有序。
快速排序的基本思路是选取一个基准元素，将序列中所有小于基准元素的元素放置在基准元素的左侧，所有大于或等于基准元素的元素放置在右侧，然后对左右两侧的序列分别进行递归排序。
具体流程如下：
1. 选择一个基准元素（通常是序列的第一个元素）。
2. 从左到右找到第一个大于或等于基准元素的元素，从右到左找到第一个小于基准元素的元素，交换这两个元素。
3. 重复上述操作直到左指针大于等于右指针。
4. 将基准元素和左指针所指向的元素交换位置，此时基准元素左侧的元素都小于基准元素，右侧的元素都大于或等于基准元素。
5. 递归地对左侧和右侧的子序列进行排序，直到整个序列有序。
无论是冒泡排序还是快速排序，都需要对整个序列进行一次遍历，所以它们的时间复杂度都是O(n^2)。
在实际应用中，可以选择其他的排序算法，如堆排序、归并排序等，以提高排序效率。
十大算法
算法一：快速排序算法快速排序是由东尼·霍尔所发展的一种排序算法。
在平均状况下，排序 n 个项目要Ο(n log n)次比较。
在最坏状况下则需要Ο(n2)次比较，但这种状况并不常见。
事实上，快速排序通常明显比其他Ο(n log n) 算法更快，因为它的内部循环（inner loop）可以在大部分的架构上很有效率地被实现出来。
快速排序使用分治法（Divide and conquer）策略来把一个串行（list）分为两个子串行（sub-lists）。
算法步骤：1 从数列中挑出一个元素，称为“基准”（pivot），2 重新排序数列，所有元素比基准值小的摆放在基准前面，所有元素比基准值大的摆在基准的后面（相同的数可以到任一边）。
在这个分区退出之后，该基准就处于数列的中间位置。
这个称为分区（partition）操作。
3 递归地（recursive）把小于基准值元素的子数列和大于基准值元素的子数列排序。
递归的最底部情形，是数列的大小是零或一，也就是永远都已经被排序好了。
虽然一直递归下去，但是这个算法总会退出，因为在每次的迭代（iteration）中，它至少会把一个元素摆到它最后的位置去。
算法二：堆排序算法堆排序（Heapsort）是指利用堆这种数据结构所设计的一种排序算法。
堆积是一个近似完全二叉树的结构，并同时满足堆积的性质：即子结点的键值或索引总是小于（或者大于）它的父节点。
堆排序的平均时间复杂度为Ο(nlogn) 。
算法步骤：创建一个堆H[0..n-1]把堆首（最大值）和堆尾互换3. 把堆的尺寸缩小1，并调用shift_down(0),目的是把新的数组顶端数据调整到相应位置4. 重复步骤2，直到堆的尺寸为1算法三：归并排序归并排序（Merge sort，台湾译作：合并排序）是建立在归并操作上的一种有效的排序算法。
该算法是采用分治法（Divide and Conquer）的一个非常典型的应用。
算法步骤：1. 申请空间，使其大小为两个已经排序序列之和，该空间用来存放合并后的序列2. 设定两个指针，最初位置分别为两个已经排序序列的起始位置3. 比较两个指针所指向的元素，选择相对小的元素放入到合并空间，并移动指针到下一位置4. 重复步骤3直到某一指针达到序列尾5. 将另一序列剩下的所有元素直接复制到合并序列尾算法四：二分查找算法二分查找算法是一种在有序数组中查找某一特定元素的搜索算法。
头歌数据结构十大经典排序算法
头歌数据结构十大经典排序算法导言在计算机科学中，排序算法是一类常见且重要的算法。
通过对一组元素进行排序，我们可以提高数据的组织性和检索效率。
本文将介绍头歌数据结构十大经典排序算法，包括冒泡排序、选择排序、插入排序、希尔排序、归并排序、快速排序、堆排序、计数排序、桶排序和基数排序。
冒泡排序冒泡排序是一种简单直观的排序算法。
它通过多次比较和交换相邻元素的方式，将较大（或较小）的元素逐渐交换至数组的一端，从而达到排序的目的。
选择排序选择排序是一种简单且高效的排序算法。
它通过每次选择未排序部分的最小元素，并将其交换至已排序部分的末尾，从而逐步构建有序序列。
插入排序插入排序是一种自然而然的排序算法。
它通过将待排序元素逐个插入已排序序列的正确位置，不断扩大已排序部分的范围，从而完成排序。
希尔排序希尔排序是一种高效的插入式排序算法。
它通过将待排序元素分组，分组内进行插入排序，然后逐步减小分组的大小，以达到整体有序的目的。
归并排序归并排序是一种高效且稳定的排序算法。
它将已排序的子序列合并，不断递归地执行该操作，直到合并整个序列，从而实现排序。
快速排序快速排序是一种高效的分治排序算法。
它通过选择一个基准元素，将序列分割成两部分，并分别对这两部分进行排序，最终将序列有序地整合起来。
堆排序堆排序是一种高效且稳定的排序算法。
它利用堆这种特殊的数据结构，在每次构建堆过程中，获取最大（或最小）元素，并将其放入已排序部分的末尾，从而完成排序。
计数排序计数排序是一种非比较性的排序算法。
它通过统计每个元素出现的次数，计算每个元素应该在有序序列中的位置，从而完成排序。
桶排序桶排序是一种高效的排序算法。
它通过将元素分配到不同的桶中，并对每个桶进行排序，从而得到排序结果。
基数排序基数排序是一种高效的排序算法。
它通过将待排序元素按照个位、十位、百位等进行排序，最终得到有序序列。
结语头歌数据结构十大经典排序算法是计算机科学中不可或缺的内容。
初级编程必背算法知识点
初级编程必背算法知识点1. 排序算法排序算法是编程中常用的算法之一，它能够将一组数据按照特定的顺序进行排列。
以下是一些初级编程必背的排序算法：1.1 冒泡排序冒泡排序是一种简单但效率较低的排序算法。
它通过多次比较和交换相邻元素的值来将最大的元素逐渐“冒泡”到最后一位。
冒泡排序的时间复杂度为O(n^2)。
1.2 选择排序选择排序是一种简单直观的排序算法。
它通过不断选择剩余元素中最小的一个，并与当前位置进行交换来逐渐建立有序序列。
选择排序的时间复杂度也为O(n^2)。
1.3 插入排序插入排序是一种简单且稳定的排序算法。
它将待排序的元素分成已排序和未排序两部分，每次从未排序部分取出一个元素，插入到已排序部分的适当位置，直到所有元素都插入完毕。
插入排序的时间复杂度为O(n^2)。
1.4 快速排序快速排序是一种高效的排序算法。
它通过选择一个基准元素，将序列分成比基准元素小和大的两部分，然后对这两部分进行递归排序，直到整个序列有序。
快速排序的时间复杂度为O(nlogn)。
2. 查找算法查找算法用于在给定元素集合中寻找特定值的位置或信息。
以下是一些初级编程必背的查找算法：2.1 线性查找线性查找是一种简单直观的查找算法。
它从集合的第一个元素开始逐个比较，直到找到目标元素或遍历完整个集合。
线性查找的时间复杂度为O(n)。
2.2 二分查找二分查找是一种高效的查找算法，但要求待查找的集合必须是有序的。
它通过将待查找区间缩小一半来逐步接近目标元素，直到找到目标元素或确认不存在。
二分查找的时间复杂度为O(logn)。
3. 数据结构数据结构是编程中用于组织和存储数据的方式。
以下是一些初级编程必背的数据结构：3.1 数组数组是一种线性的数据结构，可以存储多个相同类型的元素。
它通过索引来访问和操作元素，具有高效的随机访问能力。
数组的大小在创建时确定并不可变。
3.2 链表链表是一种动态的数据结构，由一系列节点组成。
每个节点包含数据和指向下一个节点的引用。
Java常用排序算法程序员必须掌握的8大排序算法
分类：1）插入排序（直接插入排序、希尔排序）2）交换排序（冒泡排序、快速排序）3）选择排序（直接选择排序、堆排序）4）归并排序5）分配排序（基数排序）所需辅助空间最多：归并排序所需辅助空间最少：堆排序平均速度最快：快速排序不稳定：快速排序，希尔排序，堆排序。
先来看看8种排序之间的关系：1.直接插入排序（1）基本思想：在要排序的一组数中，假设前面(n-1)[n>=2] 个数已经是排好顺序的，现在要把第n个数插到前面的有序数中，使得这n个数也是排好顺序的。
如此反复循环，直到全部排好顺序。
（2）实例（3）用java实现12345678911121314151617181920package com.njue;publicclass insertSort {public insertSort(){inta[]={49,38,65,97,76,13,27,49,78,34,12,64,5,4,62,99,98,54,56,17,18,23,34,15,35,2 5,53,51};int temp=0;for(int i=1;i<a.length;i++){int j=i-1;temp=a[i];for(;j>=0&&temp<a[j];j--){a[j+1]=a[j]; //将大于temp的值整体后移一个单位}a[j+1]=temp;}for(int i=0;i<a.length;i++){System.out.println(a[i]);}2. 希尔排序（最小增量排序）（1）基本思想：算法先将要排序的一组数按某个增量d（n/2,n为要排序数的个数）分成若干组，每组中记录的下标相差 d.对每组中全部元素进行直接插入排序，然后再用一个较小的增量（d/2）对它进行分组，在每组中再进行直接插入排序。
当增量减到1时，进行直接插入排序后，排序完成。
（2）实例：（3）用java实现123456789101112131415161718192122232425262728293031publicclass shellSort { publicshellSort(){int a[]={1,54,6,3,78,34,12,45,56,100}; double d1=a.length;int temp=0;while(true){d1= Math.ceil(d1/2);int d=(int) d1;for(int x=0;x<d;x++){for(int i=x+d;i<a.length;i+=d){int j=i-d;temp=a[i];for(;j>=0&&temp<a[j];j-=d){a[j+d]=a[j];}a[j+d]=temp;}}if(d==1){break;}for(int i=0;i<a.length;i++){System.out.println(a[i]);}}3.简单选择排序（1）基本思想：在要排序的一组数中，选出最小的一个数与第一个位置的数交换；然后在剩下的数当中再找最小的与第二个位置的数交换，如此循环到倒数第二个数和最后一个数比较为止。
计算机十大经典算法
计算机十大经典算法计算机科学领域有许多经典的算法，这些算法在解决各种问题时起到了重要的作用。
本文将介绍十大经典算法，分别是：二分查找算法、冒泡排序算法、选择排序算法、插入排序算法、快速排序算法、归并排序算法、堆排序算法、动态规划算法、贪心算法和图的深度优先搜索算法。
一、二分查找算法二分查找算法是一种在有序数组中查找目标元素的算法。
该算法的基本思想是将数组分为两部分，然后判断目标元素在哪一部分中，继续在该部分中进行二分查找，直到找到目标元素或者确定目标元素不存在。
二、冒泡排序算法冒泡排序算法是一种简单的排序算法，它重复地遍历要排序的数组，每次比较相邻的两个元素，如果它们的顺序错误就交换它们，直到没有任何一对元素需要交换为止。
三、选择排序算法选择排序算法是一种简单的排序算法，它每次从待排序的数组中选择最小的元素，并将其放到已排序数组的末尾，直到所有元素都排序完成。
四、插入排序算法插入排序算法是一种简单直观的排序算法，它的工作原理是通过构建有序序列，对于未排序数据，在已排序序列中从后向前扫描，找到相应位置并插入。
五、快速排序算法快速排序算法是一种高效的排序算法，它的基本思想是通过一趟排序将待排序的数组分割成两部分，其中一部分的所有元素都比另一部分的所有元素小，然后再按此方法对两部分进行快速排序，整个过程递归进行，直到整个数组有序。
六、归并排序算法归并排序算法是一种稳定的排序算法，它的基本思想是将待排序的数组不断地划分为更小的数组，直到每个小数组只有一个元素，然后将这些小数组两两合并，直到合并成一个有序的数组。
七、堆排序算法堆排序算法是一种利用堆的数据结构进行排序的算法，它的基本思想是将待排序的数组构造成一个大顶堆或小顶堆，然后依次取出堆顶元素并调整堆，直到所有元素都被取出，最后得到一个有序的数组。
八、动态规划算法动态规划算法是一种解决多阶段决策过程最优化的算法，它的基本思想是将原问题拆分成多个子问题，通过求解子问题的最优解来求解原问题的最优解。
python常用排序算法
python常用排序算法排序算法是计算机科学中的基本算法之一，它的主要作用是将一组数据按照一定的规则进行排序。
在Python中，常用的排序算法包括冒泡排序、选择排序、插入排序、快速排序、归并排序等。
下面将对这些排序算法进行详细的介绍。
1. 冒泡排序冒泡排序是一种简单的排序算法，它的基本思想是通过不断交换相邻的元素，将较大的元素逐渐向后移动，直到整个序列有序为止。
具体实现过程如下：```pythondef bubble_sort(arr):n = len(arr)for i in range(n):for j in range(0, n-i-1):if arr[j] > arr[j+1]:arr[j], arr[j+1] = arr[j+1], arr[j]return arr```2. 选择排序选择排序是一种简单的排序算法，它的基本思想是每次从未排序的元素中选择最小的元素，将其放到已排序的元素末尾。
具体实现过程如下：```pythondef selection_sort(arr):n = len(arr)for i in range(n):min_idx = ifor j in range(i+1, n):if arr[j] < arr[min_idx]:min_idx = jarr[i], arr[min_idx] = arr[min_idx], arr[i]return arr```3. 插入排序插入排序是一种简单的排序算法，它的基本思想是将未排序的元素逐个插入到已排序的元素中，使得插入后的序列仍然有序。
具体实现过程如下：```pythondef insertion_sort(arr):n = len(arr)for i in range(1, n):key = arr[i]j = i - 1while j >= 0 and arr[j] > key:arr[j+1] = arr[j]j -= 1arr[j+1] = keyreturn arr```4. 快速排序快速排序是一种高效的排序算法，它的基本思想是通过分治的方式将序列分成两个子序列，然后对子序列进行递归排序，最终将子序列合并成一个有序的序列。
c语言十大算法案例
c语言十大算法案例C语言是一种广泛应用于编程的高级语言，具有简单、灵活、高效等特点。
在C语言中，有许多经典的算法案例，这些算法案例不仅有助于提高编程能力，还能帮助我们理解计算机科学的基本原理。
下面列举了十个C语言的经典算法案例。
1. 冒泡排序算法：冒泡排序是一种简单但效率较低的排序算法，它通过多次比较和交换相邻元素的方式将最大或最小的元素逐步移动到数组的一端。
2. 快速排序算法：快速排序是一种常用的排序算法，它通过选择一个基准元素，将数组分成两个子数组，然后对子数组进行递归排序。
3. 二分查找算法：二分查找是一种高效的查找算法，它通过将查找范围缩小一半来快速定位目标元素。
4. 链表反转算法：链表反转是一种常见的操作，它可以将链表中的节点顺序逆转。
5. 汉诺塔算法：汉诺塔是一种经典的递归问题，它通过将圆盘从一个柱子移动到另一个柱子来演示递归的思想。
6. 最大公约数算法：最大公约数是指能够同时被两个或多个整数整除的最大正整数，求最大公约数的算法有多种，如辗转相除法和欧几里德算法。
7. 斐波那契数列算法：斐波那契数列是一个数列，其中每个数字都是前两个数字之和，求斐波那契数列的算法有多种，如递归和循环。
8. 图的深度优先搜索算法：深度优先搜索是一种用于遍历图的算法，它通过递归的方式依次访问图中的每个节点。
9. 图的广度优先搜索算法：广度优先搜索也是一种用于遍历图的算法，它通过队列的方式依次访问图中的每个节点。
10. 最短路径算法：最短路径算法用于找到图中两个节点之间的最短路径，常用的最短路径算法有迪杰斯特拉算法和弗洛伊德算法。
这些算法案例涵盖了排序、查找、链表操作、递归、图算法等多个方面，是C语言学习中不可或缺的部分。
通过学习和理解这些经典算法案例，我们可以提高自己的编程能力，并在解决实际问题时能够选择合适的算法。
希望本文能够对读者有所帮助，激发他们对C 语言算法的兴趣，并在编程的道路上不断进步。
c语言十大排序算法
c语言十大排序算法C语言是一种广泛应用于计算机领域的编程语言，在数据处理过程中，排序算法是最常用的操作之一。
在C语言中，有许多经典的排序算法，下面将介绍十大排序算法并讨论其特点和适用场景。
1.冒泡排序算法冒泡排序算法是一种简单的排序方法，其基本思想是将要排序的数组分为两部分：已排序部分和未排序部分。
进入排序过程后，每一次排序将未排序部分中的第一个数与第二个数进行比较，若第二个数小于第一个数，则交换它们的位置，依次往后，直到最后一个未排序的数。
冒泡排序的时间复杂度为O(n^2)，空间复杂度为O(1)，适用于数据量较小的排序场景。
2.插入排序算法插入排序算法是一种稳定的排序方法，其中以第一个元素作为基准，与后面的元素进行比较，若后面的元素小于前一个元素，则将其插入到合适位置，依次往后，直到最后一个元素。
插入排序的时间复杂度为O(n^2)，空间复杂度为O(1)，适用于数据量较小的排序场景。
3.选择排序算法选择排序算法是一种简单的排序算法，其基本思想是每次选择一个最小（或最大）的元素，在未排序部分找出最小的元素，并放到已排序部分的最后一个位置。
选择排序的时间复杂度为O(n^2)，空间复杂度为O(1)，适用于数据量较小的排序场景。
4.归并排序算法归并排序算法是一种稳定的排序算法，其基本思想是将数组分成两半，然后递归地将每个子数组排序，最后将两个排好序的子数组归并到一起。
归并排序的时间复杂度为O(nlogn)，空间复杂度为O(n)，适用于数据量较大的排序场景。
5.快速排序算法快速排序算法是一种常用的排序算法，其基本思想是将待排序的数组分为两个子数组，设置一个基准值，小于基准值的元素放到左边，大于基准值的元素放到右边，然后递归地对左右两个子数组进行排序。
快速排序的时间复杂度为O(nlogn)，空间复杂度为O(nlogn)，适用于数据量较大的排序场景。
6.计数排序算法计数排序算法是一种稳定的排序算法，其基本思想是先统计序列中每个元素出现的次数，将其存入临时数组中，然后从临时数组中按照顺序取出元素。
常用排序算法
功能：堆排序 输入：数组名称（也就是数组首地址）、数组中元素个数 ================================================ */ /* ==================================================== 算法思想简单描述： 堆排序是一种树形选择排序，是对直接选择排序的有效改进。 堆的定义如下：具有n个元素的序列（h1,h2,...,hn),当且仅当 满足（hi>=h2i,hi>=2i+1）或（hi<=h2i,hi<=2i+1）(i=1,2,...,n/2) 时称之为堆。在这里只讨论满足前者条件的堆。 由堆的定义可以看出，堆顶元素（即第一个元素）必为最大项。完全二 叉树可以 很直观地表示堆的结构。堆顶为根，其它为左子树、右子树。 初始时把要排序的数的序列看作是一棵顺序存储的二叉树，调整它们的 存储顺序， 使之成为一个堆，这时堆的根节点的数最大。然后将根节点与堆的最后 一个节点 交换。然后对前面(n-1)个数重新调整使之成为堆。依此类推，直到只 有两个节点 的堆，并对它们作交换，最后得到有n个节点的有序序列。 从算法描述来看，堆排序需要两个过程，一是建立堆，二是堆顶与堆的 最后一个元素 交换位置。所以堆排序有两个函数组成。一是建堆的渗透函数，二是反 复调用渗透函数 实现排序的函数。 堆排序是不稳定的。算法时间复杂度O(nlog2n)。 */ /* 功能：渗透建堆 输入：数组名称（也就是数组首地址）、参与建堆元素的个数、从第几 个元素开始 */ void sift(int *x, int n, int s) { int t, k, j;
t = *(x+s); /*暂存开始元素*/ k = s; /*开始元素下标*/ j = 2*k + 1; /*右子树元素下标*/ while (j<n) { if (j<n-1 && *(x+j) < *(x+j+1))/*判断是否满足堆的条件：满足 就继续下一轮比较，否则调整。*/ { j++; } if (t<*(x+j)) /*调整*/ { *(x+k) = *(x+j); k = j; /*调整后，开始元素也随之调整*/ j = 2*k + 1; } else /*没有需要调整了，已经是个堆了，退出循环。*/ { break; } } *(x+k) = t; /*开始元素放到它正确位置*/ } /* 功能：堆排序 输入：数组名称（也就是数组首地址）、数组中元素个数 */ void heap_sort(int *x, int n) { int i, k, t; int *p; for (i=n/2-1; i>=0; i--) { sift(x,n,i); /*初始建堆*/ } for (k=n-1; k>=1; k--)
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
十大排序编程算法
算法一：快速排序算法
快速排序是由东尼·霍尔所发展的一种排序算法。
在平均状况下，排序 n 个项目要
Ο(n log n)次比较。
在最坏状况下则需要Ο(n2)次比较，但这种状况并不常见。
事实上，快速排序通常明显比其他Ο(n log n) 算法更快，因为它的内部循环（inner loop）可以在大部分的架构上很有效率地被实现出来。
快速排序使用分治法（Divide and conquer）策略来把一个串行（list）分为两个子
串行（sub-lists）。
算法步骤：
1 从数列中挑出一个元素，称为 “基准”（pivot），
2 重新排序数列，所有元素比基准值小的摆放在基准前面，所有元素比基准值大的摆
在基准的后面（相同的数可以到任一边）。
在这个分区退出之后，该基准就处于数列的中
间位置。
这个称为分区（partition）操作。
3 递归地（recursive）把小于基准值元素的子数列和大于基准值元素的子数列排序。
递归的最底部情形，是数列的大小是零或一，也就是永远都已经被排序好了。
虽然一
直递归下去，但是这个算法总会退出，因为在每次的迭代（iteration）中，它至少会把一个元素摆到它最后的位置去。
算法二：堆排序算法
堆排序（Heapsort）是指利用堆这种数据结构所设计的一种排序算法。
堆积是一个近似完全二叉树的结构，并同时满足堆积的性质：即子结点的键值或索引总是小于（或者大于）它的父节点。
堆排序的平均时间复杂度为Ο(nlogn)。
算法步骤：
创建一个堆H[0..n-1]
把堆首（最大值）和堆尾互换
3. 把堆的尺寸缩小1，并调用shift_down(0),目的是把新的数组顶端数据调整到相应位置
4. 重复步骤2，直到堆的尺寸为1
算法三：归并排序
归并排序（Merge sort，台湾译作：合并排序）是建立在归并操作上的一种有效的排序算法。
该算法是采用分治法（Divide and Conquer）的一个非常典型的应用。
算法步骤：
1. 申请空间，使其大小为两个已经排序序列之和，该空间用来存放合并后的序列
2. 设定两个指针，最初位置分别为两个已经排序序列的起始位置
3. 比较两个指针所指向的元素，选择相对小的元素放入到合并空间，并移动指针到下一位置
4. 重复步骤3直到某一指针达到序列尾
5. 将另一序列剩下的所有元素直接复制到合并序列尾
算法四：二分查找算法
二分查找算法是一种在有序数组中查找某一特定元素的搜索算法。
搜素过程从数组的中间元素开始，如果中间元素正好是要查找的元素，则搜素过程结束；如果某一特定元素大于或者小于中间元素，则在数组大于或小于中间元素的那一半中查找，而且跟开始一样从中间元素开始比较。
如果在某一步骤数组为空，则代表找不到。
这种搜索算法每一次比较都使搜索范围缩小一半。
折半搜索每次把搜索区域减少一半，时间复杂度为
Ο(logn)。
算法五：BFPRT(线性查找算法)
BFPRT算法解决的问题十分经典，即从某n个元素的序列中选出第k大（第k小）的元素，通过巧妙的分析，BFPRT可以保证在最坏情况下仍为线性时间复杂度。
该算法的
思想与快速排序思想相似，当然，为使得算法在最坏情况下，依然能达到o(n)的时间复杂度，五位算法作者做了精妙的处理。
算法步骤：
1. 将n个元素每5个一组，分成n/5(上界)组。
2. 取出每一组的中位数，任意排序方法，比如插入排序。
3. 递归的调用selection算法查找上一步中所有中位数的中位数，设为x，偶数个中位数的情况下设定为选取中间小的一个。
4. 用x来分割数组，设小于等于x的个数为k，大于x的个数即为n-k。
5. 若i==k，返回x；若i<k，在小于x的元素中递归查找第i小的元素；若i>k，在大于x的元素中递归查找第i-k小的元素。
终止条件：n=1时，返回的即是i小元素。
算法六：DFS（深度优先搜索）
深度优先搜索算法（Depth-First-Search），是搜索算法的一种。
它沿着树的深度遍历树的节点，尽可能深的搜索树的分支。
当节点v 的所有边都己被探寻过，搜索将回溯到发现节点v的那条边的起始节点。
这一过程一直进行到已发现从源节点可达的所有节点为止。
如果还存在未被发现的节点，则选择其中一个作为源节点并重复以上过程，整个进程反复进行直到所有节点都被访问为止。
DFS属于盲目搜索。
深度优先搜索是图论中的经典算法，利用深度优先搜索算法可以产生目标图的相应拓扑排序表，利用拓扑排序表可以方便的解决很多相关的图论问题，如最大路径问题等等。
一般用堆数据结构来辅助实现DFS算法。
深度优先遍历图算法步骤：
1. 访问顶点v；
2. 依次从v的未被访问的邻接点出发，对图进行深度优先遍历；直至图中和v有路径相通的顶点都被访问；
3. 若此时图中尚有顶点未被访问，则从一个未被访问的顶点出发，重新进行深度优先遍历，直到图中所有顶点均被访问过为止。
上述描述可能比较抽象，举个实例：
DFS 在访问图中某一起始顶点 v 后，由 v 出发，访问它的任一邻接顶点 w1；再从 w1 出发，访问与 w1邻接但还没有访问过的顶点 w2；然后再从 w2 出发，进行类似的访问，… 如此进行下去，直至到达所有的邻接顶点都被访问过的顶点 u 为止。
接着，退回一步，退到前一次刚访问过的顶点，看是否还有其它没有被访问的邻接顶点。
如果有，则访问此顶点，之后再从此顶点出发，进行与前述类似的访问；如果没有，就再退回一步进行搜索。
重复上述过程，直到连通图中所有顶点都被访问过为止。
算法七：BFS(广度优先搜索)
广度优先搜索算法（Breadth-First-Search），是一种图形搜索算法。
简单的说，BFS 是从根节点开始，沿着树(图)的宽度遍历树(图)的节点。
如果所有节点均被访问，则算法中止。
BFS同样属于盲目搜索。
一般用队列数据结构来辅助实现BFS算法。
算法步骤：
1. 首先将根节点放入队列中。
2. 从队列中取出第一个节点，并检验它是否为目标。
如果找到目标，则结束搜寻并回传结果。
否则将它所有尚未检验过的直接子节点加入队列中。
3. 若队列为空，表示整张图都检查过了——亦即图中没有欲搜寻的目标。
结束搜寻并回传“找不到目标”。
4. 重复步骤2。
算法八：Dijkstra算法
戴克斯特拉算法（Dijkstra’s algorithm）是由荷兰计算机科学家艾兹赫尔·戴克斯特拉提出。
迪科斯彻算法使用了广度优先搜索解决非负权有向图的单源最短路径问题，算法最终得到一个最短路径树。
该算法常用于路由算法或者作为其他图算法的一个子模块。
该算法的输入包含了一个有权重的有向图 G，以及G中的一个来源顶点 S。
我们以 V 表示 G 中所有顶点的集合。
每一个图中的边，都是两个顶点所形成的有序元素对。
(u, v) 表示从顶点 u 到 v 有路径相连。
我们以 E 表示G中所有边的集合，而边的权重则由权重函数 w: E → [0, ∞]定义。
因此，w(u, v) 就是从顶点 u 到顶点 v 的非负权重（weight）。
边的权重可以想像成两个顶点之间的距离。
任两点间路径的权重，就是该路径上所有边的权重总和。
已知有 V 中有顶点 s 及 t，Dijkstra 算法可以找到 s 到 t的最低权重路径(例如，最短路径)。
这个算法也可以在一个图中，找到从一个顶点 s 到任何其他顶点的最短路径。
对于不含负权的有向图，Dijkstra算法是目前已知的最快的单源最短路径算法。
算法步骤：
1. 初始时令 S={V0},T={其余顶点}，T中顶点对应的距离值
若存在<v0,vi>，d(V0,Vi)为<v0,vi>弧上的权值
若不存在<v0,vi>，d(V0,Vi)为∞
2. 从T中选取一个其距离值为最小的顶点W且不在S中，加入S
3. 对其余T中顶点的距离值进行修改：若加进W作中间顶点，从V0到Vi的距离值缩短，则修改此距离值
重复上述步骤2、3，直到S中包含所有顶点，即W=Vi为止
算法九：动态规划算法
转自：/news-450017_all.htm。