• 复习点算法知识,水仙花数加冒泡排序,以及一道算法题


    • for i in range(10,1000):
    • sum=0 #各个位数的立方和
    • temp=i
    • while temp:
    • sum=sum+(temp%10)**3 #累加
    • temp//=10 #地板除
    • if sum==i:
    • print(i)
    
    博客:https://blog.csdn.net/u013132719/article/details/43448013

    冒泡排序的时间复杂度是O(N^2)

    冒泡排序的思想: 每次比较两个相邻的元素, 如果他们的顺序错误就把他们交换位置

    比如有五个数: 12, 35, 99, 18, 76, 从大到小排序, 对相邻的两位进行比较

    • 第一趟:
    • 第一次比较: 35, 12, 99, 18, 76
    • 第二次比较: 35, 99, 12, 18, 76
    • 第三次比较: 35, 99, 18, 12, 76
    • 第四次比较: 35, 99, 18, 76, 12

    经过第一趟比较后, 五个数中最小的数已经在最后面了, 接下来只比较前四个数, 依次类推

    • 第二趟
      99, 35, 76, 18, 12
    • 第三趟
      99, 76, 35, 18, 12
    • 第四趟
      99, 76, 35, 18, 12
      比较完成

    冒泡排序原理: 每一趟只能将一个数归位, 如果有n个数进行排序,只需将n-1个数归位, 也就是说要进行n-1趟操作(已经归位的数不用再比较)

    #!/usr/bin/env python
    # coding:utf-8
    
    def bubbleSort(nums):
        for i in range(len(nums)-1):    # 这个循环负责设置冒泡排序进行的次数
            for j in range(len(nums)-i-1):  # j为列表下标
                if nums[j] > nums[j+1]:
                    nums[j], nums[j+1] = nums[j+1], nums[j]
        return nums
    
    nums = [5,2,45,6,8,2,1]
    
    print bubbleSort(nums)

    缺点: 冒泡排序解决了桶排序浪费空间的问题, 但是冒泡排序的效率特别低

    https://www.cnblogs.com/qlshine/p/6017957.html

    题目描述

    设有n个正整数,将他们连接成一排,组成一个最大的多位整数。
    如:n=3时,3个整数13,312,343,连成的最大整数为34331213。
    如:n=4时,4个整数7,13,4,246连接成的最大整数为7424613。

    输入描述:

    有多组测试样例,每组测试样例包含两行,第一行为一个整数N(N<=100),第二行包含N个数(每个数不超过1000,空格分开)。

    本人解法,使用类似冒泡排序的方式

    second = [123,345,444,444412,897,999,456]

    for ii in range(len(second)-1):
    for i in range(len(second)-1):
    num1 = int(str(second[i])+str(second[i+1]))
    num2 = int(str(second[i+1])+str(second[i]))
    # print(num1,num2,num1-num2)
    if num1<num2:
    second[i+1],second[i] = second[i],second[i+1]
    print(2222,second)
  • 相关阅读:
    Docker的镜像与容器
    【目标检测】YOLOv4中的Mish激活函数
    【深度学习】医学图像分割损失函数简介
    【深度学习】归一化方法
    【机器学习】Bagging与Boosting算法原理小结
    【目标检测】RCNN算法
    【机器学习】误差逆传播算法(反向传播算法)
    【机器学习】解决数据不平衡问题
    【干货总结】| Deep Reinforcement Learning 深度强化学习
    【深度学习】迁移学习Transfer Learning
  • 原文地址:https://www.cnblogs.com/mypath/p/9323205.html
Copyright © 2020-2023  润新知