软件编程经常用的算法都有哪些？ 计算机编程常用算法有哪些?
\u7f16\u7a0b\u4e2d\u7684\u7b97\u6cd5\u662f\u6307\u4ec0\u4e48\uff1f\u8d2a\u5fc3\u7b97\u6cd5\uff0c\u8681\u7fa4\u7b97\u6cd5\uff0c\u9057\u4f20\u7b97\u6cd5\uff0c\u8fdb\u5316\u7b97\u6cd5\uff0c\u57fa\u4e8e\u6587\u5316\u7684\u9057\u4f20\u7b97\u6cd5\uff0c\u7981\u5fcc\u7b97\u6cd5\uff0c\u8499\u7279\u5361\u6d1b\u7b97\u6cd5\uff0c\u6df7\u6c8c\u968f\u673a\u7b97\u6cd5\uff0c\u5e8f\u8d2f\u6570\u8bba\u7b97\u6cd5\uff0c\u7c92\u5b50\u7fa4\u7b97\u6cd5\uff0c\u6a21\u62df\u9000\u706b\u7b97\u6cd5\u3002
\u6a21\u62df\u9000\u706b+\u9057\u4f20\u7b97\u6cd5\u6df7\u5408\u7f16\u7a0b\u4f8b\u5b50\uff1a
http://zhidao.baidu.com/question/43266691.html
\u81ea\u9002\u5e94\u5e8f\u8d2f\u6570\u8bba\u7b97\u6cd5\u4f8b\u5b50\uff1a
http://zhidao.baidu.com/question/60173220.html
分类
在计算机科学所使用的排序算法通常被分类为：
计算的复杂度（最差、平均、和最好表现），依据串列（list）的大小（n）。一般而言，好的表现是O。(n log n)，且坏的行为是Ω(n2)。对於一个排序理想的表现是O(n)。仅使用一个抽象关键比较运算的排序算法总平均上总是至少需要Ω(n log n)。
记忆体使用量（以及其他电脑资源的使用）
稳定度：稳定排序算法会依照相等的关键（换言之就是值）维持纪录的相对次序。也就是一个排序算法是稳定的，就是当有两个有相等关键的纪录R和S，且在原本的串列中R出现在S之前，在排序过的串列中R也将会是在S之前。
一般的方法：插入、交换、选择、合并等等。交换排序包含冒泡排序（bubble sort）和快速排序（quicksort）。选择排序包含shaker排序和堆排序（heapsort）。
当相等的元素是无法分辨的，比如像是整数，稳定度并不是一个问题。然而，假设以下的数对将要以他们的第一个数字来排序。
(4, 1) (3, 1) (3, 7) (5, 6)
在这个状况下，有可能产生两种不同的结果，一个是依照相等的键值维持相对的次序，而另外一个则没有：
(3, 1) (3, 7) (4, 1) (5, 6) (维持次序)
(3, 7) (3, 1) (4, 1) (5, 6) (次序被改变)
不稳定排序算法可能会在相等的键值中改变纪录的相对次序，但是稳定排序算法从来不会如此。不稳定排序算法可以被特别地时作为稳定。作这件事情的一个方式是人工扩充键值的比较，如此在其他方面相同键值的两个物件间之比较，就会被决定使用在原先资料次序中的条目，当作一个同分决赛。然而，要记住这种次序通常牵涉到额外的空间负担。
排列算法列表
在这个表格中，n是要被排序的纪录数量以及k是不同键值的数量。
稳定的
冒泡排序（bubble sort） — O(n2)
鸡尾酒排序 (Cocktail sort, 双向的冒泡排序) — O(n2)
插入排序 （insertion sort）— O(n2)
桶排序 （bucket sort）— O(n); 需要 O(k) 额外 记忆体
计数排序 (counting sort) — O(n+k); 需要 O(n+k) 额外 记忆体
归并排序 （merge sort）— O(n log n); 需要 O(n) 额外记忆体
原地归并排序 — O(n2)
二叉树排序 （Binary tree sort） — O(n log n); 需要 O(n) 额外记忆体
鸽巢排序 (Pigeonhole sort) — O(n+k); 需要 O(k) 额外记忆体
基数排序 （radix sort）— O(n·k); 需要 O(n) 额外记忆体
Gnome sort — O(n2)
Library sort — O(n log n) with high probability, 需要 (1+ε)n 额外记忆体
不稳定
选择排序 （selection sort）— O(n2)
希尔排序 （shell sort）— O(n log n) 如果使用最佳的现在版本
Comb sort — O(n log n)
堆排序 （heapsort）— O(n log n)
Smoothsort — O(n log n)
快速排序 （quicksort）— O(n log n) 期望时间, O(n2) 最坏情况; 对於大的、乱数串列一般相信是最快的已知排序
Introsort — O(n log n)
Patience sorting — O(n log n + k) 最外情况时间, 需要 额外的 O(n + k) 空间, 也需要找到最长的递增子序列（longest increasing subsequence）
不实用的排序算法
Bogo排序 — O(n × n!) 期望时间, 无穷的最坏情况。
Stupid sort — O(n3); 递回版本需要 O(n2) 额外记忆体
Bead sort — O(n) or O(√n), 但需要特别的硬体
Pancake sorting — O(n), 但需要特别的硬体
排序的算法
排序的算法有很多，对空间的要求及其时间效率也不尽相同。下面列出了一些常见的排序算法。这里面插入排序和冒泡排序又被称作简单排序，他们对空间的要求不高，但是时间效率却不稳定；而后面三种排序相对于简单排序对空间的要求稍高一点，但时间效率却能稳定在很高的水平。基数排序是针对关键字在一个较小范围内的排序算法。
插入排序
冒泡排序
选择排序
快速排序
堆排序
归并排序
基数排序
希尔排序
插入排序
插入排序是这样实现的：
首先新建一个空列表，用于保存已排序的有序数列（我们称之为"有序列表"）。
从原数列中取出一个数，将其插入"有序列表"中，使其仍旧保持有序状态。
重复2号步骤，直至原数列为空。
插入排序的平均时间复杂度为平方级的，效率不高，但是容易实现。它借助了"逐步扩大成果"的思想，使有序列表的长度逐渐增加，直至其长度等于原列表的长度。
冒泡排序
冒泡排序是这样实现的：
首先将所有待排序的数字放入工作列表中。
从列表的第一个数字到倒数第二个数字，逐个检查：若某一位上的数字大于他的下一位，则将它与它的下一位交换。
重复2号步骤，直至再也不能交换。
冒泡排序的平均时间复杂度与插入排序相同，也是平方级的，但也是非常容易实现的算法。
选择排序
选择排序是这样实现的：
设数组内存放了n个待排数字，数组下标从1开始，到n结束。
i=1
从数组的第i个元素开始到第n个元素，寻找最小的元素。
将上一步找到的最小元素和第i位元素交换。
如果i=n－1算法结束，否则回到第3步
选择排序的平均时间复杂度也是O(n²)的。
快速排序
现在开始，我们要接触高效排序算法了。实践证明，快速排序是所有排序算法中最高效的一种。它采用了分治的思想：先保证列表的前半部分都小于后半部分，然后分别对前半部分和后半部分排序，这样整个列表就有序了。这是一种先进的思想，也是它高效的原因。因为在排序算法中，算法的高效与否与列表中数字间的比较次数有直接的关系，而"保证列表的前半部分都小于后半部分"就使得前半部分的任何一个数从此以后都不再跟后半部分的数进行比较了，大大减少了数字间不必要的比较。但查找数据得另当别论了。
堆排序
堆排序与前面的算法都不同，它是这样的：
首先新建一个空列表，作用与插入排序中的"有序列表"相同。
找到数列中最大的数字，将其加在"有序列表"的末尾，并将其从原数列中删除。
重复2号步骤，直至原数列为空。
堆排序的平均时间复杂度为nlogn,效率高（因为有堆这种数据结构以及它奇妙的特征，使得"找到数列中最大的数字"这样的操作只需要O(1)的时间复杂度，维护需要logn的时间复杂度），但是实现相对复杂（可以说是这里7种算法中比较难实现的）。
看起来似乎堆排序与插入排序有些相像，但他们其实是本质不同的算法。至少，他们的时间复杂度差了一个数量级，一个是平方级的，一个是对数级的。
平均时间复杂度
插入排序 O(n2)
冒泡排序 O(n2)
选择排序 O(n2)
快速排序 O(n log n)
堆排序 O(n log n)
归并排序 O(n log n)
基数排序 O(n)
希尔排序 O(n1.25)
冒泡排序
654
比如说这个，我想让它从小到大排序，怎么做呢？
第一步：6跟5比，发现比它大，则交换。564
第二步：5跟4比，发现比它大，则交换。465
第三步：6跟5比，发现比它大，则交换。456
绛旓細涓夈佸浘绠楁硶 Java涓篃鏈夎澶氱敤浜庡鐞嗗浘鐨勭畻娉曪紝濡鏈鐭矾寰勬悳绱㈢畻娉锛堝Dijkstra绠楁硶鍜孊ellman-Ford绠楁硶锛夈佹渶灏忕敓鎴愭爲绠楁硶锛堝Prim绠楁硶鍜孠ruskal绠楁硶锛夌瓑銆傝繖浜涚畻娉曞湪澶勭悊璇稿绀句氦缃戠粶銆佸湴鍥惧鑸瓑鍦烘櫙鏃堕潪甯告湁鐢ㄣ傚洓銆鏍戝舰绠楁硶 Java涓父鐢ㄧ殑鏍戝舰绠楁硶鍖呮嫭浜屽弶鏍戦亶鍘嗐佸爢鎺掑簭绛銆備簩鍙夋爲閬嶅巻鐢ㄤ簬澶勭悊瀛樺偍鍦ㄦ爲缁撴瀯...
绛旓細甯哥敤鐨勭畻娉曟湁锛氶掓帹娉曘佽椽蹇冩硶銆佸垪涓炬硶銆侀掑綊娉曘佸垎娌绘硶鍜屾ā鎷熸硶 鍘熷垯锛1. 鎵庡疄鐨勫熀纭銆傛暟鎹粨鏋勩佺鏁ｆ暟瀛︺佺紪璇戝師鐞嗭紝杩欎簺鏄墍鏈夎绠楁満绉戝鐨勫熀纭锛屽鏋滀笉鎺屾彙浠栦滑锛屽緢闅惧啓鍑洪珮姘村钩鐨勭▼搴忋傛嵁鎴戠殑瑙傚療锛屽璁＄畻鏈轰笓涓氱殑浜烘瘮瀛﹀叾浠栦笓涓氱殑浜烘洿鑳藉啓鍑洪珮璐ㄩ噺鐨勮蒋浠躲傜▼搴忎汉浜洪兘浼氬啓锛屼絾褰撲綘鍙戠幇鍐欏埌涓瀹氱▼...
绛旓細2銆侀掑綊绠楁硶锛堣嫳璇細recursion algorithm锛夊湪璁＄畻鏈虹瀛︿腑鏄寚涓绉嶉氳繃閲嶅灏嗛棶棰樺垎瑙ｄ负鍚岀被鐨勫瓙闂鑰岃В鍐抽棶棰樼殑鏂规硶銆傞掑綊寮忔柟娉曞彲浠ヨ鐢ㄤ簬瑙ｅ喅寰堝鐨勮绠楁満绉戝闂锛屽洜姝ゅ畠鏄绠楁満绉戝涓崄鍒嗛噸瑕佺殑涓涓蹇点傞掑綊绠楁硶鑳藉瑙ｅ喅鐨勯棶棰 鏁版嵁鐨勫畾涔夋槸鎸夐掑綊瀹氫箟鐨勩傚Fibonacci鍑芥暟銆傞棶棰樿В娉曟寜閫掑綊绠楁硶瀹炵幇銆傚H...
绛旓細涓锛夊熀鏈畻娉 : 1.鏋氫妇 2.鎼滅储: 娣卞害浼樺厛鎼滅储 骞垮害浼樺厛鎼滅储 鍚彂寮忔悳绱 閬椾紶绠楁硶 锛堜簩锛夋暟鎹粨鏋鐨勭畻娉 锛堜笁锛夋暟璁轰笌浠ｆ暟绠楁硶 锛堝洓锛夎绠楀嚑浣曠殑绠楁硶锛氭眰鍑稿寘 锛堜簲锛夊浘璁 绠楁硶锛 1.鍝堝か鏇肩紪鐮 2.鏍戠殑閬嶅巻 3.鏈鐭矾寰 绠楁硶 4.鏈灏忕敓鎴愭爲 绠楁硶 ...
绛旓細鎼炲畾杩32澶х畻娉曚綘灏辨槸缂栫▼澶т浆 1.A鎼滅储绠楁硶 2.闆嗘潫鎼滅储 3.浜屽垎鏌ユ壘 4.鍒嗘敮鐣屽畾绠楁硶 5.Buchberger绠楁硶 6.鏁版嵁鍘嬬缉 7.瀵嗛挜浜ゆ崲绠楁硶 8.Djk stra绠楁硶 9.绂绘暎寰垎绠 10.鍔ㄦ佽鍒掔畻娉 11.娆у嚑閲屽緱绠楁硶 12.鏈熸湜鏈澶х畻娉 13.蹇熷倕閲屽彾鍙樻崲 14.姊害涓嬮檷 15.鍝堝笇绠楁硶 16.鍫嗘帓搴 17.鐗涢】娉 18.LLL绠楁硶 19.鍚堝苟...
绛旓細鍫嗘帓搴忎笌鍓嶉潰鐨勭畻娉曢兘涓嶅悓锛屽畠鏄繖鏍风殑锛氶鍏堟柊寤轰竴涓┖鍒楄〃锛屼綔鐢ㄤ笌鎻掑叆鎺掑簭涓殑"鏈夊簭鍒楄〃"鐩稿悓銆傛壘鍒版暟鍒椾腑鏈澶х殑鏁板瓧锛屽皢鍏跺姞鍦"鏈夊簭鍒楄〃"鐨勬湯灏撅紝骞跺皢鍏朵粠鍘熸暟鍒椾腑鍒犻櫎銆傞噸澶2鍙锋楠わ紝鐩磋嚦鍘熸暟鍒椾负绌恒傚爢鎺掑簭鐨勫钩鍧囨椂闂村鏉傚害涓簄logn,鏁堢巼楂橈紙鍥犱负鏈夊爢杩欑鏁版嵁缁撴瀯浠ュ強瀹冨濡欑殑鐗瑰緛锛屼娇寰"鎵惧埌...
绛旓細鏈鍩烘湰Tracing绠楁硶鏄"Mark and Sweep" 鍨冨溇鍥炴敹鍣ㄧ殑鍙﹀涓涓矗浠绘槸娓呴櫎鍫嗕笂鐨勭鐗(Fragmentation)銆傚浜嶮ark and Sweep鐨勫瀮鍦惧洖鏀跺櫒閫氬父鏈変袱绉嶅疄鐜版柟娉曟潵鍑忓皯鍫嗕笂鐨勭鐗: 鍘嬬缉(Compacting)鍜屾嫹璐(Copying)鍦缂栫▼璇█Python涓紝浣跨敤涔熸槸寮曠敤璁℃暟绠楁硶銆傝妭鐐规嫹璐濈畻娉 鑺傜偣鎷疯礉绠楁硶鏄妸鏁翠釜鍫嗗垎鎴愪袱涓崐鍖猴紙From锛...
绛旓細鎴戜滑杩欎簺鏅氱▼搴忓憳缂栧啓绋嬪簭鐨勬椂鍊欙紝澶у鏁版椂鍊欐槸鐢ㄤ笉鍒颁綘鎻愬埌鐨勯偅浜涘熀鏈绠楁硶鐨勶紝灏辩畻寮鍙戞暟鎹簱锛宻ql璇█杩樿嚜甯︽帓搴忓憿銆傛垜浠敤鐨勬洿澶氱殑鏄娉曘侀昏緫銆杞欢缁撴瀯鍙婃祦绋嬨傝繖浜涚畻娉曞ぇ澶氭槸楂樼骇杞欢寮鍙戜汉鍛樺叧蹇冪殑銆備緥濡傦紝鎴戜滑鐭ラ亾锛孋#涓殑array锛堝垪琛╨ist锛夋湁涓竴涓帓搴忕殑鍔熻兘锛屾垜浠湪浣跨敤鐨鏃跺欙紝鐩存帴璋冪敤sort...
绛旓細娓告垙寮鍙戠殑甯哥敤杞欢鏈C++銆丏irectX銆丅ox2D銆丆ocos2d-x銆乁nity锛屼笉鑳借鍝鏈濂界敤锛屽洜涓鸿繖鏄父鎴忓紑鍙戣繃绋嬩腑閮借鐢ㄥ埌鐨勮蒋浠讹紝蹇呴』閮界簿閫氥侰++鏄湪C璇█鐨勫熀纭涓婂紑鍙戠殑涓绉嶉氱敤缂栫▼璇█锛屽簲鐢ㄥ箍娉涖侱irectX锛岋紙Direct eXtension锛岀畝绉癉X锛夋槸鐢卞井杞叕鍙稿垱寤虹殑澶氬獟浣撶紪绋嬫帴鍙ｃ侭ox2D鏄竴涓敤浜庢ā鎷2D鍒氫綋鐗╀綋鐨...
绛旓細杩欏濞樿繕鐪熸槸鑿滈笩涓鏋氾紝鍙杩嘋璇█銆侺ingo鏄敤鏉ユ眰瑙ｄ紭鍖栨ā鍨嬶紝閫傚悎瑙勫垝闂锛岃鍒掍綘鐭ラ亾鍚э紝姣斿绾挎ц鍒掑拰闈炵嚎鎬ц鍒掋傚浜庣粡鍏鐨勭畻娉锛岄仐浼狅紝铓佺兢锛岄鐏紝璐┆鐨勮繖浜涚畻娉曪紝Lingo涓嶉傚悎锛屽缓璁敤Matlab锛岃瑷姣擟璇█绠鍗曪紝缁樺浘鍒嗘瀽鏂逛究銆傛兂瑕佸叿浣撲粈涔堢畻娉曪紝鍘诲浘涔﹂鏁板鎴栬绠楁満鍘绘煡鏌ヨ祫鏂欍
