学习日志

本文介绍了一种在已排序数组中插入新元素的方法,并提供了完整的C语言实现代码。通过寻找合适位置并移动元素,确保数组保持有序状态。

刷题记录10

数组插入处理
题目描述
已有一个已正序排好的9个元素的数组,今输入一个数要求按原来排序的规律将它插入数组中。
输入
第一行,原始数列。 第二行,需要插入的数字。
输出
排序后的数列
代码

#include <stdio.h>
int main(void)
{
    int a[10], temp, i;
    for(i = 0; i < 9; ++i)            //读入数组本该有的数据
    {
        scanf("%d", &a[i]);
    }
    scanf("%d", &temp);               //要插入的数据
    for(i = 0; i < 9; ++i)
    {
        if(temp < a[i])           //找到插入位置
        {
            break;
        }
    }
    for(int j = 9; j > i; --j)        //把要插入的位置上的元素及后面的元素同意向后移动一位
    {
        a[j] = a[j-1];
    }
    a[i] = temp;                      //把要插入的数据放在移动之后空出的位置
    for(int j = 0; j < 10; ++j)
    {
        printf("%d\n", a[j]);
    }
    return 0;
}

解题思路
数组本身是有序的,我们只用找到最后输入的数据应该放到的位置,然后把该位置及后面的元素统一向后移动一位;最后把最后的数据方法移动之后空出来的位置上。

【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
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