درود دوستان! 👋
امروز می‌خوایم درباره دو تا از مهم‌ترین الگوریتم‌های برنامه‌نویسی صحبت کنیم: مرتب‌سازی سریع (Quick Sort) و الگوریتم‌های جست‌وجو (Search Algorithms). بریم که با این الگوریتم‌ها بیشتر آشنا بشیم! 🚀

📌 الگوریتم مرتب‌سازی سریع (Quick Sort)
الگوریتم Quick Sort یکی از کارآمدترین الگوریتم‌های مرتب‌سازی هست که از روش تقسیم و حل (Divide and Conquer) استفاده می‌کنه. این الگوریتم به صورت زیر کار می‌کنه:
1. انتخاب محور (Pivot): یک عنصر رو به عنوان محور انتخاب می‌کنیم.
2. تقسیم‌بندی: آرایه رو به دو بخش تقسیم می‌کنیم، طوری که عناصر کمتر از محور در یک بخش و عناصر بزرگتر در بخش دیگر قرار بگیرن.
3. بازگشت (Recursion): برای هر دو بخش به صورت بازگشتی همین کار رو انجام می‌دیم تا آرایه کاملاً مرتب بشه.

مزیت Quick Sort سرعت بالا و کارایی خوبش در اکثر موارده، هر چند که در بدترین حالت می‌تونه O(n^2) باشه. ولی با انتخاب مناسب محور، معمولاً کارایی اون به O(n log n) می‌رسه.

نمونه کد Quick Sort :

def quick_sort(arr):
    if len(arr) <= 1:
        return arr
    pivot = arr[len(arr) // 2]
    left = [x for x in arr if x < pivot]
    middle = [x for x in arr if x == pivot]
    right = [x for x in arr if x > pivot]
    return quick_sort(left) + middle + quick_sort(right)

# استفاده
arr = [3, 6, 8, 10, 1, 2, 1]
print("Sorted array:", quick_sort(arr))

📌 الگوریتم‌های جست‌وجو (Search Algorithms)
الگوریتم‌های جست‌وجو برای پیدا کردن یک عنصر خاص در یک مجموعه داده استفاده می‌شن. دو تا از پرکاربردترین این الگوریتم‌ها عبارتند از:

1. جست‌وجوی خطی (Linear Search):
- ساده‌ترین روش جست‌وجو هست.
- به ترتیب هر عنصر مجموعه رو بررسی می‌کنه تا عنصر مورد نظر رو پیدا کنه.
- زمان اجرای این الگوریتم O(n) هست.

نمونه کد جست‌وجوی خطی :

def linear_search(arr, target):
    for i in range(len(arr)):
        if arr[i] == target:
            return i
    return -1

# استفاده
arr = [3, 6, 8, 10, 1, 2, 1]
target = 10
print("Element found at index:", linear_search(arr, target))

2. جست‌وجوی دودویی (Binary Search):
- این الگوریتم برای آرایه‌های مرتب‌شده مناسبه.
- به این صورت کار می‌کنه که عنصر وسط رو بررسی می‌کنه. اگر عنصر مورد نظر بزرگتر یا کوچکتر از عنصر وسط باشه، جست‌وجو رو در نیمه مناسب ادامه می‌ده.
- زمان اجرای این الگوریتم O(log n) هست که خیلی سریع‌تر از جست‌وجوی خطیه.

نمونه کد جست‌وجوی دودویی :

def binary_search(arr, target):
    left, right = 0, len(arr) - 1
    while left <= right:
        mid = (left + right) // 2
        if arr[mid] == target:
            return mid
        elif arr[mid] < target:
            left = mid + 1
        else:
            right = mid - 1
    return -1

# استفاده
arr = sorted([3, 6, 8, 10, 1, 2, 1])
target = 10
print("Element found at index:", binary_search(arr, target))

استفاده از این الگوریتم‌ها به شما کمک می‌کنه تا برنامه‌هاتون بهینه‌تر و سریع‌تر عمل کنن.

📢 به دوستانتون هم بگین بیاین اینجا تا با هم بیشتر یاد بگیریم! 🌟

[اینم کانال منه]

#برنامه_نویسی #آموزش #الگوریتم #مرتب_سازی #جستجو #یادگیری #QuickSort #SearchAlgorithms

آموزش استفاده از کلاس‌ها برای پیاده‌سازی الگوریتم مرتب‌سازی سریع (QuickSort) 📚

مرتب‌سازی سریع (QuickSort) یکی از محبوب‌ترین و کارآمدترین الگوریتم‌های مرتب‌سازی است. در این آموزش، نحوه پیاده‌سازی این الگوریتم با استفاده از کلاس‌ها در پایتون را به شما نشان می‌دهیم. 🚀

مرحله 1: تعریف کلاس QuickSort 🧩

ابتدا کلاس QuickSort را تعریف می‌کنیم که شامل متدهای مختلف برای مرتب‌سازی است.

class QuickSort:
    def __init__(self, array):
        self.array = array  # آرایه‌ای که باید مرتب شود

    def sort(self):
        self._quick_sort(0, len(self.array) - 1)  # فراخوانی متد مرتب‌سازی سریع
        return self.array  # بازگشت آرایه مرتب شده

    def _quick_sort(self, low, high):
        if low < high:
            pivot_index = self._partition(low, high)  # پیدا کردن نقطه محوری
            self._quick_sort(low, pivot_index - 1)  # مرتب‌سازی بخش چپ از نقطه محوری
            self._quick_sort(pivot_index + 1, high)  # مرتب‌سازی بخش راست از نقطه محوری

    def _partition(self, low, high):
        pivot = self.array[high]  # انتخاب عنصر پایانی به عنوان نقطه محوری
        i = low - 1  # اندیس اولین عنصر کوچکتر از نقطه محوری
        for j in range(low, high):
            if self.array[j] <= pivot:
                i += 1
                self.array[i], self.array[j] = self.array[j], self.array[i]  # تعویض عناصر
        self.array[i + 1], self.array[high] = self.array[high], self.array[i + 1]  # تعویض نقطه محوری با عنصر در جایگاه i+1
        return i + 1

initit__: متد سازنده که آرایه‌ای که باید مرتب شود را دریافت می‌کند.
- sort: متدی که مرتب‌سازی را شروع کرده و آرایه مرتب شده را باز می‌گرداند.
- _quick_sort: متد خصوصی برای اجرای الگوریتم مرتب‌سازی سریع.
- _partition: متد خصوصی برای تقسیم آرایه به دو بخش بر اساس نقطه محوری.

مرحله 2: استفاده از کلاس QuickSort 📝

حالا با استفاده از کلاس QuickSort، آرایه‌ای را مرتب می‌کنیم:

nameme__ mainin__":
    array = [10, 7, 8, 9, 1, 5]  # آرایه نمونه
    sorter = QuickSort(array)  # ایجاد نمونه‌ای از کلاس QuickSort
    sorted_array = sorter.sort()  # مرتب‌سازی آرایه
    print("Sorted array:", sorted_array)  # نمایش آرایه مرتب شده

- تعریف آرایه: یک آرایه نمونه برای مرتب‌سازی.
- ایجاد نمونه: یک نمونه از کلاس QuickSort با استفاده از آرایه ورودی.
- مرتب‌سازی: فراخوانی متد sort برای مرتب‌سازی آرایه.
- نمایش نتیجه: نمایش آرایه مرتب شده.

توضیحات:
1. تعریف کلاس: کلاس QuickSort را تعریف کردیم که شامل متدهای مختلف برای مرتب‌سازی است.
2. متد سازنده: مinitit__ آرایه‌ای که باید مرتب شود را دریافت می‌کند.
3. متد sort: متد sort عملیات مرتب‌سازی را شروع کرده و آرایه مرتب شده را باز می‌گرداند.
4. متدهای خصوصی: متدهای _quick_sort و _partition برای اجرای الگوریتم مرتب‌سازی سریع به کار می‌روند.
5. استفاده از کلاس: یک نمونه از کلاس QuickSort` ایجاد کرده و آرایه را مرتب کردیم.

استفاده از کلاس‌ها در پایتون می‌تواند برنامه‌نویسی شیءگرا را ساده‌تر و قابل مدیریت‌تر کند. امیدوارم این آموزش برای شما مفید باشد! 😊

(آموزش بیشتر کانال ما)

#Python #QuickSort #آموزش #برنامه_نویسی #مرتب‌سازی