希尔排序用插入实现

本文通过对比希尔排序与插入排序在不同数据规模下的运行效率,展示了希尔排序在处理大规模数据集时的优势。实验中,当数据量达到80万时,希尔排序与插入排序的性能差距显著,希尔排序表现更优。

在数据为8万的时候与插入排序速度差不多。在80万的时候明显拉开差距代码如下

package a;

import java.util.Arrays;

public class InsetShell {
    public static void main(String[] args) {
//        int var  = 8;
        int var  = 800000;
        int [] arr = new int[var];
        for (int i = 0; i < arr.length; i++) {
            arr[i] = (int)(Math.random()*80000000);

        }
        long sta = System.currentTimeMillis();
        for (int gap = arr.length/2; gap>0; gap/=2) {//这个就是希尔排序的思路,一直2 知道最后 是1
            for (int i =gap ; i < arr.length; i++) {//这个是用于次数,每一次找到一个,所以也就是少了gap次
              int index = i;
                int value = arr[index];//这个就是用于记录当前变量 上边是索引
                while (index-gap>=0&&arr[index] < arr[index - gap]) {//前边为什么要用-gap,是为了数据下标
                    arr[index] = arr[index-gap];//把上一个移动到当前。
                    index-=gap;
                }
                arr[index] = value;

            }

        }
        long end = System.currentTimeMillis();
        System.out.println((end-sta));
//        System.out.println(Arrays.toString(arr));
    }
}

基于径向基函数神经网络RBFNN的自适应滑模控制学习(Matlab代码实现)内容概要:本文介绍了基于径向基函数神经网络(RBFNN)的自适应滑模控制方法,并提供了相应的Matlab代码实现。该方法结合了RBF神经网络的非线性逼近能力和滑模控制的强鲁棒性,用于解决复杂系统的控制问题,尤其适用于存在不确定性和外部干扰的动态系统。文中详细阐述了控制算法的设计思路、RBFNN的结构与权重更新机制、滑模面的构建以及自适应律的推导过程,并通过Matlab仿真验证了所提方法的有效性和稳定性。此外,文档还列举了大量相关的科研方向和技术应用,涵盖智能优化算法、机器学习、电力系统、路径规划等多个领域,展示了该技术的广泛应用前景。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的研究生、科研人员及工程技术人员,特别是从事智能控制、非线性系统控制及相关领域的研究人员; 使用场景及目标:①学习和掌握RBF神经网络与滑模控制相结合的自适应控制策略设计方法;②应用于电机控制、机器人轨迹跟踪、电力电子系统等存在模型不确定性或外界扰动的实际控制系统中,提升控制精度与鲁棒性; 阅读建议:建议读者结合提供的Matlab代码进行仿真实践,深入理解算法实现细节,同时可参考文中提及的相关技术方向拓展研究思路,注重理论分析与仿真验证相结合。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值