程序员的算法工具箱：常用算法详解及代码实现

最新推荐文章于 2025-11-15 09:53:56 发布

原创最新推荐文章于 2025-11-15 09:53:56 发布 · 608 阅读

4 ·

CC 4.0 BY-SA版权

文章标签：

#算法

作为程序员，掌握一些基本算法不仅能帮助解决日常开发中的问题，还能在面试中加分。这篇博客将向你介绍几种程序员常用的算法，包括它们的基本思想、应用场景以及Python代码实现。

1. 二分查找（Binary Search）

二分查找是在一个有序数组中查找特定元素的高效算法。它每次将查找区间减半，从而将时间复杂度降低到O(log n)。

应用场景：快速查找有序集合中的元素。
代码实现：

def binary_search(arr, target):
    left, right = 0, len(arr) - 1
    while left <= right:
        mid = (left + right) // 2
        if arr[mid] == target:
            return mid
        elif arr[mid] < target:
            left = mid + 1
        else:
            right = mid - 1
    return -1

2. 快速排序（Quick Sort）

快速排序是一种高效的排序算法，通过选取一个“基准”元素将数组分为两个子数组，然后递归地对子数组进行快速排序。

应用场景：对大数据集进行排序。
代码实现：

def quick_sort(arr):
    if len(arr) <= 1:
        return arr
    pivot = arr[len(arr) // 2]
    left = [x for x in arr if x < pivot]
    middle = [x for x in arr if x == pivot]
    right = [x for x in arr if x > pivot]
    return quick_sort(left) + middle + quick_sort(right)

3. 动态规划（Dynamic Programming）

动态规划是解决具有重叠子问题和最优子结构性质问题的方法，它通过记忆化以避免重复计算，实现高效求解。

应用场景：斐波那契数列、背包问题、最长公共子序列等。
代码实现：斐波那契数列

def fib(n, memo={}):
    if n in memo:
        return memo[n]
    if n <= 2:
        return 1
    memo[n] = fib(n-1, memo) + fib(n-2, memo)
    return memo[n]

4. 深度优先搜索（DFS）和广度优先搜索（BFS）

DFS和BFS是在树或图中搜索特定节点的算法。DFS使用栈（或递归）实现，而BFS使用队列实现。

DFS：

def dfs(graph, start, visited=None):
    if visited is None:
        visited = set()
    visited.add(start)
    print(start)
    for next in graph[start] - visited:
        dfs(graph, next, visited)
    return visited

BFS：

def bfs(graph, start):
    visited, queue = set(), [start]
    while queue:
        vertex = queue.pop(0)
        if vertex not in visited:
            visited.add(vertex)
            queue.extend(graph[vertex] - visited)
    return visited