数据结构与算法--归并排序实现

本文详细介绍了归并排序算法的实现过程,通过实例演示了如何将初始数组逐步分解为单个元素,然后重新合并成有序数组。代码示例清晰展示了递归调用和数组合并的具体操作。

初始值数组[24,13,26,1,2,27,38,15]

思路:
1.先分成两个大小相同的子数组[24,13,26,1][2,27,38,35]
2.在划分 [24,13][26,1][2.27][38,35]
3.再划分[24][13][36][1][2][27][38][35]
此时有8个数组,每个数组可以视为有序的数组
代码实现

public class MergeTest {
    public static void main(String[] args) {
        int[] data = {4,13,26,1,2,27,38,15};
        print(data);
        //data是待排序的数组,左下标,最右侧下标
        mergetsort(data,0,data.length-1);
        System.out.println("排序后的数组");
        print(data);
    }

    private static void mergetsort(int[] data, int left, int right) {
        if (left>=right) return;//左下标大于右下标时退出
        //找到拆分的中间的索引 7/2=3 前面4个数据
        int center = (left+ right)/2;

        //对左右进行递归调用
        mergetsort(data,left,center);
        mergetsort(data,center+1,right);

        //合并,归并原理
        merge(data,left,center,right);
    }
    /**
     *  data待排序的数组(子序列)
     *  left左侧数组的下标
     *  center 右侧数组左侧下标
     *  right 数组的最大下标
     **/
    private static void merge(int[] data, int ai, int center, int right) {
        //临时数组
        int[] tempArr = new int[data.length];
        //右侧数组的第一个下表
        int bi = center+1;
        //临时数组的下标
        int ti = ai;
        //缓存数组的第一个元素的下标
        int tmp = ai;
        while (ai<=center && bi<=right){
            if(data[ai]<=data[bi])
                tempArr[ti++] = data[ai++];
            else
                tempArr[ti++] = data[bi++];
        }
        while (bi<= right)
            tempArr[ti++] = data[bi++];
        while (ai <= center)
            tempArr[ti++] = data[ai++];
        //不返回数据类型,将临时数组拷贝到原数组中
        while (tmp<=right)
            data[tmp] = tempArr[tmp++];
    }

    private static void print(int[] data){
        for (int num :data){
            System.out.print(num + "  ");
        }
        System.out.println();
    }
}

输出结果为: 
4  13  26  1  2  27  38  15  
排序后的数组
1  2  4  13  15  26  27  38  
内容概要:本文系统阐述了企业新闻发稿在生成式引擎优化(GEO)时代下的全渠道策略效果评估体系,涵盖当前企业传播面临的预算、资源、内容效果评估四大挑战,并深入分析2025年新闻发稿行业五大趋势,包括AI驱动的智能化转型、精准化传播、首发内容价值提升、内容资产化及数据可视化。文章重点解析央媒、地方官媒、综合门户和自媒体四类媒体资源的特性、传播优势发稿策略,提出基于内容适配性、时间节奏、话题设计的策略制定方法,并构建涵盖品牌价值、销售转化GEO优化的多维评估框架。此外,结合“传声港”工具实操指南,提供AI智能投放、效果监测、自媒体管理舆情应对的全流程解决方案,并针对科技、消费、B2B、区域品牌四大行业推出定制化发稿方案。; 适合人群:企业市场/公关负责人、品牌传播管理者、数字营销从业者及中小企业决策者,具备一定媒体传播经验并希望提升发稿效率ROI的专业人士。; 使用场景及目标:①制定科学的新闻发稿策略,实现从“流量思维”向“价值思维”转型;②构建央媒定调、门户扩散、自媒体互动的立体化传播矩阵;③利用AI工具实现精准投放GEO优化,提升品牌在AI搜索中的权威性可见性;④通过数据驱动评估体系量化品牌影响力销售转化效果。; 阅读建议:建议结合文中提供的实操清单、案例分析工具指南进行系统学习,重点关注媒体适配性策略GEO评估指标,在实际发稿中分阶段试点“AI+全渠道”组合策略,并定期复盘优化,以实现品牌传播的长期复利效应。
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