排序算法

本文将介绍6种排序算法:冒泡排序,选择排序,插入排序,希尔排序,归并排序,快速排序。


冒泡排序(每趟排序会将当前序列最大值沉到尾部):
这里写图片描述

选择排序(每趟排序将当前序列的最小值沉到首部):
这里写图片描述

插入排序(每趟排序将当前元素插到其之前序列合适位置):
这里写图片描述

希尔排序(每趟排序将步长为n所在位置的数进行排序):
这里写图片描述

归并排序(每趟排序将相邻的两个区间合并成一个有序区间):
这里写图片描述

快速排序(每趟排序取首元素划分区间,使得左区间元素小于此元素,右区间大于此元素,返回此元素划分位置的索引,递归划分左右子区间):
这里写图片描述

下面为6种排序算法的实现(冒泡排序,选择排序,插入排序,希尔排序,归并排序,快速排序):

/**
 * 排序
 * @author zxy
 *
 */
public class Sort {

    /**
     * 冒泡排序
     * @param A
     * @param n
     * 复杂度O(n^2)
     * 稳定
     */
    public static void bubble(int[] A, int n){
        for(int pass=n-1;pass>=1;pass--){
            for(int i=0;i<=pass-1;i++){
                if(A[i+1]<A[i]){
                    int temp=A[i];
                    A[i]=A[i+1];
                    A[i+1]=temp;
                }
            }
        }
    }

    /**
     * 选择排序
     * @param A
     * @param n
     * 复杂度O(n^2)
     * 不稳定
     */
    public static void selection(int[] A, int n){
        int i,j,min,temp;
        for(i=0;i<n-1;i++){
            min=i;
            //找到i+1元素到最后一个元素之间的最小值
            for(j=i+1;j<=n-1;j++){
                if(A[j]<A[min]){
                    min=j;
                }
            }
            if(min!=i){
                temp=A[i];
                A[i]=A[min];
                A[min]=temp;
            }
        }
    }

    /**
     * 插入排序
     * @param A
     * @param n
     * 复杂度O(n^2)
     * 稳定
     */
    public static void insertion(int[] A, int n){
        int flag,e;
        for(int i=1;i<=n-1;i++){
            //取出当前位置的坐标和值
            flag=i;
            e=A[i];
            //将较大值后移,指针前移
            while(flag>=1 && A[flag-1]>e){
                A[flag]=A[flag-1];
                flag--;
            }
            //指针位置插入当前元素
            A[flag]=e;             
        }
    }

    /**
     * 希尔排序
     * @param A
     * @param n
     * 复杂度步长决定  最好情况O(n) 最差情况O(n(logn)^2)
     * 不稳定
     */
    public static void shell(int[] A, int n){
        int h = 0;
        // 生成初始增量
        while (h <= n){ 
            h = 3 * h + 1;
        }
        while (h >= 1){
            for (int i = h; i < n; i++){
                int j = i - h;
                int get = A[i];
                while (j >= 0 && A[j] > get){
                    A[j + h] = A[j];
                    j = j - h;
                }
                A[j + h] = get;
            }
            // 递减增量
            h = (h - 1) / 3;
        }
    }

    /**
     * 归并排序
     * @param A
     * @param left
     * @param right
     * 复杂度O(nlogn)
     * 稳定
     */
    public static void merge(int[] A, int left, int right){
        int mid;
        if(left<right){
            mid=(left+right)/2;
            //递归划分子区间
            merge(A,left,mid);
            merge(A,mid+1,right);
            //子区间合并
            mergeSort(A,left,mid,right);
        }
    }

    /**
     * 将A[left,right]划分为A[left,mid]和A[mid+1,right]两个区间,并再合并成一个有序区间
     * @param A
     * @param left
     * @param mid
     * @param right
     */
    public static void mergeSort(int[] A, int left, int mid, int right){
        //定义辅助数组的大小,即区间大小
        int size=right-left+1;

        //定义辅助数组
        int[] temp=new int[size];

        //定义辅助数组的起始坐标
        int index=0;

        //定义两个指针分别指向两个区间的起始位置:A[left,mid]和A[mid+1,right]
        int i=left;
        int j=mid+1;

        //两个指针满足一个溢出区间时退出循环
        //A[i,mid],A[j,right]
        while(i<=mid && j<=right){
            //将两个指针指向位置的较小值插入辅助数组当前坐标处,较小值的指针后移
            temp[index++]=A[i]<=A[j]?A[i++]:A[j++];
        }

        //将指针尚未溢出的区间的值全部插入辅助数组,两者有且仅有一者满足条件
        while(i<=mid){
            temp[index++]=A[i++];
        }
        while(j<=right){
            temp[index++]=A[j++];
        }

        //将辅助数组中的值由A[left,right]的起始位置依次插入
        for(i=0;i<size;i++){
            A[left++]=temp[i];
        }
    }

    /**
     * 快速排序
     * @param A
     * @param low
     * @param high
     * 复杂度O(nlogn)
     * 不稳定
     */
    public static void quick(int[] A, int left, int right){
        int pivot;
        if(left<right){
            //找出当前索引处
            pivot=partition(A, left, right);
            //递归划分为前后两个子区间
            quick(A, left, pivot-1);
            quick(A, pivot+1, right);
        }
    }

    /**
     * 在A中找出索引pivot,使得A[left,pivot-1]所有的值都小于A[pivot+1,right]的值
     * @param A
     * @param left
     * @param right
     * @return
     */
    public static int partition(int[] A, int left, int right){
        //取区间的起始元素作为基准
        int index=A[left];

        //定义两个指针,分别指向区间的两头
        int i=left; //头指针
        int j=right; //尾指针

        //指针重合时,空出的位置是基准的位置,即为索引处
        while(i<j){
            //尾指针向前找出小于基准的值,传给头指针当前位置,头指针后移
            while(i<j && index<=A[j]){
                j--;
            }
            if(i<j){
                A[i++]=A[j];
            }

            //头指针向后找出大于基准的值,传给尾指针当前位置,尾指针前移
            while(i<j && index>=A[i]){
                i++;
            }
            if(i<j){
                A[j--]=A[i];
            }
        }
        A[i]=index;
        return i;
    }

    /**
     * 测试
     * @param args
     */
    public static void main(String[] args) {
        int[] A=new int[]{9,8,10,4,5,3,7,2,12,11,36,35,25,87,21,23,46,14};
//      Sort.bubble(A, A.length);
//      Sort.selection(A, A.length);
//      Sort.insertion(A, A.length);
//      Sort.shell(A, A.length);
//      Sort.merge(A, 0, A.length-1);
//      Sort.quick(A, 0, A.length-1);
        for(int i=0;i<A.length;i++){
            System.out.print(A[i]+" ");
        }
    }

}
源码地址: https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
《基于STM32微控制器集成温湿度监测与显示功能的系统实现方案》 本方案提供了一套完整的嵌入式系统设计参考,实现了环境参数的实时采集、可视化呈现与异常状态提示。系统核心采用意法半导体公司生产的STM32系列32位微控制器作为主控单元,负责协调各外设模块的工作流程。 系统通过数字式温湿度复合传感器周期性获取环境参数,该传感器采用单总线通信协议,具有响应迅速、数据可靠的特点。采集到的数值信息通过两种途径进行处理:首先,数据被传输至有机发光二极管显示屏进行实时图形化显示,该显示屏支持高对比度输出,能够在不同光照条件下清晰呈现当前温度与湿度数值;其次,所有采集数据同时通过通用异步收发传输接口输出,可供上位机软件进行记录与分析。 当监测参数超出预设安全范围时,系统会启动声学警示装置,该装置可发出不同频率的提示音,以区分温度异常或湿度异常状态。所有功能模块的驱动代码均采用模块化设计原则编写,包含完整的硬件抽象层接口定义、传感器数据解析算法、显示缓冲区管理机制以及串口通信协议实现。 本参考实现重点阐述了多外设协同工作的时序控制策略、低功耗数据采集模式的应用方法,以及确保系统稳定性的错误处理机制。代码库中包含了详细的初始化配置流程、中断服务程序设计和各功能模块的应用程序接口说明,为嵌入式环境监测系统的开发提供了可靠的技术实现范例。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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