本文目录导读：
图片来源于网络，如有侵权联系删除
排序算法
1、冒泡排序（Bubble Sort）：通过相邻元素的比较和交换，将数组中的元素按顺序排列。
2、选择排序（Selection Sort）：在未排序序列中找到最小（大）元素，存放到排序序列的起始位置，再从剩余未排序元素中继续寻找最小（大）元素，然后放到已排序序列的末尾。
3、插入排序（Insertion Sort）：将一个记录插入到已排序好的有序表中，从而得到一个新的、记录数增加1的有序表。
4、快速排序（Quick Sort）：通过一趟排序将待排序的记录分隔成独立的两部分，其中一部分记录的关键字均比另一部分的关键字小，则可分别对这两部分记录继续进行排序。
5、归并排序（Merge Sort）：将已有序的子序列合并，得到完全有序的序列。
6、堆排序（Heap Sort）：利用堆这种数据结构所设计的一种排序算法。
7、希尔排序（Shell Sort）：也称递减增量排序算法，是插入排序的一种更高效的改进版本。
8、基数排序（Radix Sort）：根据整数位数来分配数字，然后按每个位的比较结果来排序。
查找算法
1、顺序查找（Sequential Search）：从线性表的第一个元素开始，依次将线性表中的元素与要查找的元素进行比较。
2、二分查找（Binary Search）：在有序数组中，通过将查找的值与中间值进行比较，缩小查找范围，直到找到目标值或确定不存在。
图片来源于网络，如有侵权联系删除
3、斐波那契查找（Fibonacci Search）：利用斐波那契数列的性质，将查找区间缩小为较小的区间。
4、散列查找（Hash Search）：通过散列函数将待查找的元素映射到散列表中的位置，然后进行查找。
动态规划算法
1、最长公共子序列（Longest Common Subsequence）：找出两个序列中共同的子序列，且该子序列的长度最长。
2、最长递增子序列（Longest Increasing Subsequence）：找出一个序列中，以某个元素结尾的最长递增子序列。
3、0-1背包问题（Knapsack Problem）：给定n件物品和一个容量为W的背包，求物品的最大价值。
4、最短路径问题（Shortest Path Problem）：在加权图中，找出从源点到各个顶点的最短路径。
5、最小生成树（Minimum Spanning Tree）：在一个加权无向连通图中，找出包含图中所有顶点的、边的权值之和最小的生成树。
图算法
1、深度优先搜索（Depth-First Search，DFS）：从某个顶点出发，沿着某条路径一直走到底，然后回溯。
2、广度优先搜索（Breadth-First Search，BFS）：从某个顶点出发，先访问它的邻接点，然后再访问邻接点的邻接点。
3、最小生成树（Minimum Spanning Tree，MST）：在一个加权无向连通图中，找出包含图中所有顶点的、边的权值之和最小的生成树。
图片来源于网络，如有侵权联系删除
4、最大流（Maximum Flow）：在流网络中，找出从源点到汇点的最大流量。
5、单源最短路径（Single-Source Shortest Path）：在加权图中，找出从源点到各个顶点的最短路径。
其他算法
1、动态规划（Dynamic Programming，DP）：将复杂问题分解为更小的子问题，然后通过子问题的解来构造原问题的解。
2、分治算法（Divide and Conquer）：将一个复杂问题分解为两个或多个相似的子问题，递归求解子问题，然后将子问题的解合并为原问题的解。
3、贪心算法（Greedy Algorithm）：在每一步选择中，都采取当前状态下最好或最优的选择，从而得到最终的最优解。
4、启发式算法（Heuristic Algorithm）：通过启发式规则来搜索解空间，从而在有限时间内找到足够好的解。
5、机器学习算法：如决策树、支持向量机、神经网络等，用于处理大量数据，并从中学习规律。
计算机算法种类繁多，涵盖了排序、查找、动态规划、图算法等多个领域，了解这些算法及其应用场景，有助于我们更好地解决实际问题。
标签： #计算机算法有哪些算法
评论列表