求助，采用类Python的伪代码完成该搜索算法 python伪代码
- 求求求！！！计算机懂行的人解答！！题目:用伪代码写顺序查找算法，包含目标找到或找不到时算法的终止条
- python 二分查找算法函数bi_search(),该函数实现检索任意一个整数在 prime() 函数生成的
- 设计一个用于解决八数码问题的爬山法搜索算法。请给出算法的伪代码。
- 如何利用python语言实现机器学习算法
求求求！！！计算机懂行的人解答！！题目:用伪代码写顺序查找算法，包含目标找到或找不到时算法的终止条
while(i++<50)
{
if(arr[i] == a)
{
cout<<找到了a，存放于数组第<<i<<个元素<<endl;
break;
}
}
if(i>50)
{
cout<<在数组中没有找到a<<endl;
}
懂了么
python 二分查找算法函数bi_search(),该函数实现检索任意一个整数在 prime() 函数生成的
展开全部
def prime(n):
if n<=2:
return []
result=[False,False]+[True]*(n-2)
for i in range(len(result)):
if result[i]==True:
for j in range(2*i,len(result),i):
result[j]=False
return [i for i in range(len(result)) if result[i]==True]
def bi_search(prime,primelist,start,end):
if start>end :
return -1
mid=(start+end)//2
if primelist[mid]==prime:
return mid
elif primelist[mid]>prime:
end=mid-1
else:
start=mid+1
return bi_search(prime,primelist,start,end)
if __name__=='__main__':
n=int(raw_input())
primelist=prime(n)
num=raw_input()
while num:
num=int(num)
index=bi_search(num,primelist,0,len(primelist)-1)
print(index)
num=raw_input()
设计一个用于解决八数码问题的爬山法搜索算法。请给出算法的伪代码。
program num8_str1； uses crt； type a33：array[1..3，1..3] of byte； {3x3的二维数组，用于存放棋盘布局} a4=array[1..4] of shortint; node=record {定义数据库中每个元素记录类型结构} ch: a33; si, sj: byte; pnt, dep: byte; end; const goal:a33 = ((1,2,3), (8,0,4), (7,6,5)); {目标布局} start:a33 =((2,8,3), (1,6,4), (7,0,5)); {初始布局} di:a4=(0,-1, 0, 1); dj:a4=(-1, 0, 1, 0); var data:array[1..100] of node; temp: node; r, k, ni, nj, head, tail, depth: integer; {变量depth存放当前搜索深度} function check(k: integer) :boolean; { 检查某步移动是否可行} begin hi:=temp.si+di[k] ; nj:=temp.sj+dj[k]; if (ni in [1..3]) and (nj in [1..3]) {~移动后新位置仍在棋盘中} then check:=true else check:= false; end; function dupe: boolean; { 检查队尾新存入布局是否已在队列中存在} var i,j, k: integer; buf:boolean; begin buf:= false; i: = 0; {变量将i依次指向队列中的各个布局(最后一个除外)的位置} repeat inc(i) ;buf:= true; for j:=1 to 3 do for k:=1 to 3 do if data[i].ch[j,k] < >data[tail].ch[j,k] {data[tail]是队列中最后一个元素，即新产生的布局} then bur:= false; until buf or (i> = tail-1); {buf=truee新布局与队列中布局有重复} dupe:= buf end; function goals: boolean; { 比较是否达到目标布局状态} var i,j :byte; begin goals:= true; for i:=1 to 3 do for j:=1 to 3 do if data[tail].ch[i,j] < >goa1[i,j] then goals:=false {未达到目标布局} end; procedure trace; var i,j :byte; begin write( 'cl=', head,' op=', tail); writeln('dep=',depth,'k=',k); fori:=1 to 3 do begin for j:= 1 to 3 do write(data[tail], ch[i,j]); writeln end; end; procedure print; {输出移动步骤} var buf: array[1..100] of integer; {数组buf存放起始态、目标态以及从起始态到目标态所经过的各态的位置} i,j, k, n: integer; begin n:= 1; i:= tail;buf[1]:= i; {buf[1]中是目标布局在队列中位置} repeat j:=data[i].pnt; {data[i].pnt的值是布局i的父结点的位置} inc(n); buf[n]:=j; i:=j until i=0; {根结点(初态)的父结点为0，即i=0} writeln(' staps:', depth + 1); for i:= 1 to 3 do {打印棋盘布局} begin for k:=n-1 down to 1 do begin for j:= 1 to 3 do write(data[buf[k]].ch[i,j]); if i = 2 then write( ' - > ') else write(' '); end; writeln; end; readln; halt end; { main program = } begin head:= 0; tail:= 1; with data[1] do {队列中存入第一个元素(初始状态)} begin ch:= start; si:= 3; sj:= 2; pnt:= 0; dep:= 0; end; repeat inc(head);temp:=data[head]; {取队首记录} depth:= temp.dep; for r:= 1 to 4 do {对取出记录进行扩展} if check(r) then {布局中空格向某方向移动成功} begin inc(tail);data[tail]:= temp; {新产生布局存入队尾} with data[tail] do begin ch[si,si]:= ch[nj,nj]; ch[ni,nj]:=0;si:=nj;si:=nj; pnt:=head;{记录此布局的上一布局在队列中的位置} dep:= depth + 1;{记录本布局的搜索深度} end; trace; if dupe then dec(tail) {dec(tail删除新产生的结点)} else if goals then print; end; until head>=tail; {队列空} writeln('no solution');readln end
如何利用python语言实现机器学习算法
基于以下三个原因，我们选择Python作为实现机器学习算法的编程语言：(一) Python的语法清晰；(二) 易于操作纯文本文件；(三) 使用广泛，存在大量的开发文档。 可执行伪代码 Python具有清晰的语法结构，大家也把它称作可执行伪代码（executable pseudo-code）。默认安装的Python开发环境已经附带了很多高级数据类型，如列表、元组、字典、集合、队列等，无需进一步编程就可以使用这些数据类型的操作。使用这些数据类型使得实现抽象的数学概念非常简单。此外，读者还可以使用自己熟悉的编程风格，如面向对象编程、面向过程编程、或者函数式编程。不熟悉Python的读者可以参阅附录A，该附录详细介绍了Python语言、Python使用的数据类型以及安装指南。 Python语言处理和操作文本文件非常简单，非常易于处理非数值型数据。Python语言提供了丰富的正则表达式函数以及很多访问Web页面的函数库，使得从HTML中提取数据变得非常简单直观。 Python比较流行 Python语言使用广泛，代码范例也很多，便于读者快速学习和掌握。此外，在开发实际应用程序时，也可以利用丰富的模块库缩短开发周期。 在科学和金融领域，Python语言得到了广泛应用。SciPy和NumPy等许多科学函数库都实现了向量和矩阵操作，这些函数库增加了代码的可读性，学过线性代数的人都可以看懂代码的实际功能。另外，科学函数库SciPy和NumPy使用底层语言（C和Fortran）编写，提高了相关应用程序的计算性能。本书将大量使用Python的NumPy。 Python的科学工具可以与绘图工具Matplotlib协同工作。Matplotlib可以绘制二D、三D图形，也可以处理科学研究中经常使用到的图形，所以本书也将大量使用Matplotlib。 Python开发环境还提供了交互式shell环境，允许用户开发程序时查看和检测程序内容。 Python开发环境将来还会集成Pylab模块，它将NumPy、SciPy和Matplotlib合并为一个开发环境。在本书写作时，Pylab还没有并入Python环境，但是不远的将来我们肯定可以在Python开发环境找到它。 Python语言的特色 诸如MATLAB和Mathematica等高级程序语言也允许用户执行矩阵操作，MATLAB甚至还有许多内嵌的特征可以轻松地构造机器学习应用，而且MATLAB的运算速度也很快。然而MATLAB的不足之处是软件费用太高，单个软件授权就要花费数千美元。虽然也有适合MATLAB的第三方插件，但是没有一个有影响力的大型开源项目。 Java和C等强类型程序设计语言也有矩阵数学库，然而对于这些程序设计语言来说，最大的问题是即使完成简单的操作也要编写大量的代码。程序员首先需要定义变量的类型，对于Java来说，每次封装属性时还需要实现getter和setter方法。另外还要记着实现子类，即使并不想使用子类，也必须实现子类方法。为了完成一个简单的工作，我们必须花费大量时间编写了很多无用冗长的代码。Python语言则与Java和C完全不同，它清晰简练，而且易于理解，即使不是编程人员也能够理解程序的含义，而Java和C对于非编程人员则像天书一样难于理解。 所有人在小学二年级已经学会了写作，然而大多数人必须从事其他更重要的工作。 ——鲍比·奈特 也许某一天，我们可以在这句话中将“写作”替代为“编写代码”，虽然有些人对于编写代码很感兴趣，但是对于大多数人来说，编程仅是完成其他任务的工具而已。Python语言是高级编程语言，我们可以花费更多的时间处理数据的内在含义，而无须花费太多精力解决计算机如何得到数据结果。Python语言使得我们很容易表达自己的目的。 Python语言的缺点 Python语言唯一的不足是性能问题。Python程序运行的效率不如Java或者C代码高，但是我们可以使用Python调用C编译的代码。这样，我们就可以同时利用C和Python的优点，逐步地开发机器学习应用程序。我们可以首先使用Python编写实验程序，如果进一步想要在产品中实现机器学习，转换成C代码也不困难。如果程序是按照模块化原则组织的，我们可以先构造可运行的Python程序，然后再逐步使用C代码替换核心代码以改进程序的性能。C++ Boost库就适合完成这个任务，其他类似于Cython和PyPy的工具也可以编写强类型的Python代码，改进一般Python程序的性能。 如果程序的算法或者思想有缺陷，则无论程序的性能如何，都无法得到正确的结果。如果解决问题的思想存在问题，那么单纯通过提高程序的运行效率，扩展用户规模都无法解决这个核心问题。从这个角度来看，Python快速实现系统的优势就更加明显了，我们可以快速地检验算法或者思想是否正确，如果需要，再进一步优化代码