首先一般考虑“万能的”暴力穷举（递归、回溯）。但因为穷举时间复杂度通常过高，所以需要考虑更好的方法，如分治法（通过分而治之，然后归并），以及空间换时间（如活用哈希表）。
此外，选择合适的数据结构可以显著提升效率，如寻找最小的k个数中，用堆代替数组。
再有，如果题目允许排序，则可以考虑排序。比如，寻找和为定值的两个数中，先排序，然后用前后两个指针往中间扫。而如果如果已经排好序了（如杨氏矩阵查找中），则想想有无必要二分。但是，如果题目不允许排序呢？这个时候，我们可以考虑不改变数列顺序的贪心算法（如最小生成树Prim、Kruskal及最短路dijkstra），或动态规划（如 01背包问题，每一步都在决策）。
2.1 寻找最小的k个数：解法1， 解法4
快速排序使用分治法（Divide and conquer）策略来把一个序列（list）分为两个子序列（sub-lists）。
步骤为：
- 从数列中挑出一个元素，称为"基准"（pivot），
- 重新排序数列，所有元素比基准值小的摆放在基准前面，所有元素比基准值大的摆在基准的后面（相同的数可以到任一边）。在这个分区退出之后，该基准就处于数列的中间位置。这个称为分区（partition）操作。
- 递归地（recursive）把小于基准值元素的子数列和大于基准值元素的子数列排序。
import random
import timeit
def quickSort(numbers):
if len(numbers) <= 1:
return numbers
pivot = random.choice(numbers)
less = [i for i in numbers if i < pivot]
equal = [i for i in numbers if i == pivot]
greater = [i for i in numbers if i > pivot]
return quickSort(less) + equal + quickSort(greater)
def quickSelect(numbers, k):
pivot = random.choice(numbers)
less = [i for i in numbers if i < pivot]
equal = [i for i in numbers if i == pivot]
greater = [i for i in numbers if i > pivot]
if k <= len(less):
return quickSelect(less, k)
elif k <= len(less) + len(equal):
return less + equal
else:
return less + equal + quickSelect(greater, k - len(less) - len(equal))
def main():
k = 3
numbers = [18, 27, 9, 65, 33]
tmpNumbers = quickSort(numbers)
print tmpNumbers[:k]
tmpNumbers = quickSelect(numbers, k)
print tmpNumbers
if __name__ == ‘__main__‘:
main()
.csharpcode, .csharpcode pre
{
font-size: small;
color: black;
font-family: consolas, "Courier New", courier, monospace;
background-color: #ffffff;
/*white-space: pre;*/
}
.csharpcode pre { margin: 0em; }
.csharpcode .rem { color: #008000; }
.csharpcode .kwrd { color: #0000ff; }
.csharpcode .str { color: #006080; }
.csharpcode .op { color: #0000c0; }
.csharpcode .preproc { color: #cc6633; }
.csharpcode .asp { background-color: #ffff00; }
.csharpcode .html { color: #800000; }
.csharpcode .attr { color: #ff0000; }
.csharpcode .alt
{
background-color: #f4f4f4;
100%;
margin: 0em;
}
.csharpcode .lnum { color: #606060; }