python算法

文章源码在Github：https://github.com/jinchenghao/TSP 关于TSP问题网上有很多介绍，这里再简单描述一下。旅行商问题(TravelingSalesmanProblem，TSP)一个商品推销员要去若干个城市推销商品，该推销员从一个城市出发，需要遍历所有城市一次且只能一次，回到出发地。应如何选择行进路线，以使总的行程最短。目前解决TSP问题的方法有许多种，比如：贪心算法、动态规划算法、分支限界法；也有智能算法，比如：蚁群算法、遗传算法、A*等。由于网上使用python解决这类问题的比较少，所以我会用python实现这些算法。本文先介绍贪心算法： 数据格式 数据格式如下： 城市 X Y City1 100 200 City2 150 200 City3 345 313 ... 即输入的数据有3列，第一列是城市编号，第二列和第三列是城市坐标(x,y)。 算法简介 贪心算法非常容易理解，是一种解决实际问题中的常用方法，经常用来和其他算法进行比较。所谓贪心算法是指，在对问题求解时，总是做出在当前看来是最好的选择。也就是说，不从整体最优上加以考虑，他所做出的仅是在某种意义上的局部最优解。贪心算法没有固定的算法框架，算法设计的关键是贪心策略的选择。必须注意的是，贪心算法不是对所有问题都能得到整体最优解，选择的贪心策略必须具备无后效性

Window 10家庭中文版，Python 3.6.4， 于是，就有了一段200来行的程序和本文了。 功能名称： 查找Python包的依赖包（语句） 功能介绍： 找到Python包（包括子目录）中所有Python语句中的from、import语句，from语句获取import前面的部分，import语句获取整行。 使用方法： 使用 包的绝对路径 建立类 ModuleYilai（模块依赖） 的实例，然后调用实例方法yilais就可以获得Python包的依赖包呢，以列表形式返回。 程序介绍： class ModuleYilai 查找包依赖类； def ispackage(dirpath) 检查文件夹是否是Python包，判断是否含有__init__.py文件； def get_all_dirs(dirpath, level=True) 获取给定dirpath目录及其子目录的绝对路径的列表，level为True时包含目录本身；用到了递归，内部使用时，level为False； def get_all_pyfiles(dirpath) 获取目录下的所有Python文件（*.py）； def get_pyfile_yilais(pyfile) 获取Python文件中所有的from子句、import子句； 需要说明的是，在建立正则表达时是，会忽略了from子句、import子句位于文件开头的情况

from graphics import * from math import * import numpy as np def ai(): """ AI计算落子位置 """ maxmin(True, DEPTH, -99999999, 99999999) return next_point[0], next_point[1] def maxmin(is_ai, depth, alpha, beta): """ 负值极大算法搜索 alpha + beta剪枝 """ # 游戏是否结束 | | 探索的递归深度是否到边界 if game_win(list1) or game_win(list2) or depth == 0: return evaluation(is_ai) blank_list = list(set(list_all).difference(set(list3))) order(blank_list) # 搜索顺序排序 提高剪枝效率 # 遍历每一个候选步 for next_step in blank_list[0:60]: # 如果要评估的位置没有相邻的子， 则不去评估 减少计算 if not has_neightnor(next_step): continue if is_ai: list1.append(next_step) else: list2.append

最近学习社会媒体挖掘，需要完成几个实验，Python的第三方模块networkx几乎都囊括了这些实现的接口，Python的好处就是开源，所以它的第三方模块的源码都可以看到，我看了实现的源码做了部分修改，算是完成了实验。下面对这个库做一些介绍。 1. introduction networkX是一款Python的软件包，用于创造、操作复杂网络，以及学习复杂网络的结构、动力学及其功能。 有了networkX你就可以用标准或者不标准的数据格式加载或者存储网络，它可以产生许多种类的随机网络或经典网络，也可以分析网络结构，建立网络模型，设计新的网络算法，绘制网络等等。 2. install 对于已经装了pip的环境，安装第三方模块很简单，只需要pip install networkx即可。没有安装pip环境的机器可以先安装pip，Python3默认都是安装了pip的。 3. tutorial Creating a graph 创建一个空图，不包含任何结点和边。 import networkx as nx G = nx. Graph () 图是顶点集和确定的顶点之间的边集组成。在NetworkX中，顶点可以是任何可以哈希的对象，比如文本，图片，XML对象，其他的图对象，任意定制的节点对象，等等。（Python中的None对象不可以作为结点类型。） Nodes 图的增长有几种方式

题目： 1 Create a classification dataset (n samples 1000, n features 10) 2 Split the dataset using 10-fold cross validation 3 Train the algorithms GaussianNB SVC (possible C values [1e-02, 1e-01, 1e00, 1e01, 1e02], RBF kernel) RandomForestClassifier (possible n estimators values [10, 100, 1000]) 4 Evaluate the cross-validated performance Accuracy F1-score AUC ROC 5 Write a short report summarizing the methodology and the results from sklearn import datasets,cross_validation from sklearn.naive_bayes import GaussianNB from sklearn.svm import SVC from sklearn.ensemble import RandomForestClassifier

《流畅的Python》笔记。 本篇主要讲述Python中使用函数来实现策略模式和命令模式，最后总结出这种做法背后的思想。 策略模式如果用面向对象的思想来简单解释的话，其实就是“多态”。父类指向子类，根据子类对同一方法的不同重写，得到不同结果。 下图是经典的策略模式的UML类图： 《设计模式：可复用面向对象软件的基础》一书这样描述策略模式： 定义一系列算法，把它们封装起来，且使它们能相互替换。本模式使得算法可独立于使用它的客户而变化。 下面以一个电商打折的例子来说明策略模式，打折方案如下： 有1000及以上积分的顾客，每个订单享5%优惠； 同一订单中，每类商品的数量达到20个及以上时，该类商品享10%优惠； 订单中的不同商品达10个及以上时，整个订单享7%优惠。 为此我们需要创建5个类： Order 类：订单类，相当于上述UML图中的 Context 上下文； Promotion 类：折扣类的父类，相当于UML图中的 Strategy 策略类，实现不同策略的共同接口； 具体策略类： FidelityPromo ， BulkPromo 和 LargeOrderPromo 依次对应于上述三个打折方案。 以下是经典的策略模式在Python中的实现： from abc import ABC , abstractmethod from collections import namedtuple

类提供了将数据和功能捆绑在一起的手段。 创建一个新类创建一个新类型的对象，允许创建该类型的新实例。 每个类实例都可以附加属性以保持其状态。 类实例也可以有方法（由其类定义）来修改其状态。 与其他编程语言相比，Python的类机制为类添加了最少量的新语法和语义。 它是C ++和Modula-3中的类机制的混合体。 Python类提供了面向对象编程的所有标准功能：类继承机制允许多个基类，派生类可以重写其基类或类的任何方法，并且方法可以调用具有相同名称的基类的方法。 对象可以包含任意数量和种类的数据。 与模块一样，类也具有Python的动态特性：它们是在运行时创建的，并且可以在创建后进一步修改。 **在C++术语中，通常类成员（包括数据成员）是公有的（例外见下面的Privat Variables），并且所有的成员函数都是虚的（virtual）。和Modula-3中一样， 没有快捷的办法从对象的方法中来引用对象的成员：方法的第一个显示函数代表了对象本身，对对象本身的调用是隐式的。和Smaltalk中一样，类本身也是对象。 这为导入和重命名提供了语义。不像C++和Modula-3，内置类型可以作为基类来扩展。同样，和C++中的一样，大部分内置操作符有特殊的语法（算术操作符， 下标等），它们可以在类实例中重定义。** （由于缺乏普遍接受的术语来讨论类，我偶尔会使用Smalltalk和C +

最近要考算法设计，所以把排序算法总结一下。经典的排序算法包括：冒泡排序，选择排序，插入排序，快速排序，归并排序，堆排序和希尔排序。全部程序都用python3实现，默认从小到大排序。 参考文章：https://blog.csdn.net/ls5718/article/details/51809866，博主的文章里面有演示动图，不懂的时候可以看下动图。 介绍： 让两数比较大的值一直滚动到最右侧，类似泡泡一直往上飘，每次滚动都要进行比较 思路： 临近的数字两两进行比较，按照从小到大的顺序进行交换，这样一趟过去，最大的数字就被交换到了最后一位， 然后再从头开始两两比较交换，直到导数第二位时结束 步骤： 1、比较相邻的元素，如果前一个比后一个大，就交换它们两个 2、对第0个到第n-1个数据做同样的工作，这时，最小的数就会‘浮’到数组的最左边位置 3、对所以的元素重复上面的步骤，除了单一个 4、持续每次对越来越少的元素重复上面的步骤，知道没有任何一个数字需要比较 时间复杂度： O(n**2) 如果未优化的冒泡排序，最好的情况也是O（n**2）,优化后的最好情况是O(n) 具体代码： 介绍： 保持最小元素在最左侧，用最左侧的元素依次和右边的元素比较，谁小谁放在左边。 思路：每一趟从待排序的记录中选出关键字最小的记录，顺序放在已排好序的子序列前面，直到全部记录排序完毕 步骤：1

先看一个题目： 题面描述 小明很喜欢学数学，并且喜欢做一些奇怪的题，这天他想知道对于给定的 N ，有多少个 M 满足“ M<=N, gcd(N,M)==1, M 是偶数”。请你编写程序帮助小明解决这个问题。 输入数据 输入数据第一行为一个正整数 T ，表示测试数据的组数。 接下来的 T 组测试数据中， 每组测试数据为一行，包含一个整数 N （1≤T≤100， 1≤N≤10000 ）。 输出数据 对于每一组输入数据，在单独的一行中输出 ”Case #id: M”, 表示第 id 组数据结果是 M ， id 从 1 开始； 样例输入 4 1 2 11 23 样例输出 Case #1: 0 Case #2: 0 Case #3: 5 Case #4: 11 Hint: gcd(a,b)==1 表示 a 与 b 的最大公约数为 1 ，即 a 与 b 互素。 讲讲算法思路 分析输入输出与显示 源代码与递归函数的精华所在 1.两个数互素：最小公约数为1。我们只要把大一点的数%较小的数，上一轮较小的数%这个余数又得到一个余数，每次判断这个余数是0还是1。只要有0出现就不互素。 2.输入用list[]保存。输出的序号可以在循环里面计数。输出赋值：print('Case #%d: %d'%(x,y)) 3. #求法，可能会用到函数，递归函数等 def gcd(x,y):#定义递归函数 if x>=y

1、从排序数组中删除重复项 给定一个排序数组，你需要在 原地 删除重复出现的元素，使得每个元素只出现一次，返回移除后数组的新长度。 不要使用额外的数组空间，你必须在 原地 修改输入数组 并在使用 O(1) 额外空间的条件下完成。 给定数组 nums = [1,1,2] , 函数应该返回新的长度 2 , 并且原数组 nums 的前两个元素被修改为 1 , 2 。 你不需要考虑数组中超出新长度后面的元素。 给定 nums = [0,0,1,1,1,2,2,3,3,4] , 函数应该返回新的长度 5 , 并且原数组 nums 的前五个元素被修改为 0 , 1 , 2 , 3 , 4 。 你不需要考虑数组中超出新长度后面的元素。 代码如下: class Solution: def removeDuplicates(self, nums): """ :type nums: List[int] :rtype: int """ i = 0 while i < len(nums) -1: if nums[i] == nums[i+1]: nums.remove(nums[i]) else: i += 1 return len(nums) 2、买卖股票的最佳时机 II i i 设计一个算法来计算你所能获取的最大利润。你可以尽可能地完成更多的交易（多次买卖一支股票）。 注意： 你不能同时参与多笔交易