插入排序

插入排序:所谓插入排序,即是顺序选择未排序的数字,并将其移动已插入已经排好序的数字的相应位置
下面是最初的写法:
public class Insertion {
	public static boolean less(Comparable w, Comparable v)//若w<v则返回true
	{
		return w.compareTo(v) < 0;
	}
	public static void exch(Comparable[] a,int i, int j)
	{
		Comparable temp = a[i];
		a[i] = a[j];
		a[j] = temp;
	}
	public static void sort(Comparable[] a)//插入排序
	{
		int len = a.length;//获取数组的长度
		int i, j, k;
		for(i = 1; i < len; i++)//i为选择第i个数据将之插入已经排序的数据,其前面i-1个数据已经排好序
		{
			for(j = 0; j < i; j++ )//将要插入的数据插入合适位置,i-1为已经排好序的最大值的索引
			{
				if(less(a[i],a[j]))//若要插入的数字小于某个排好序的数字,则将其插入该数据的位置,并将已经排好序的数据都后移一位
				{
					for(k = i - 1; k >= j; k--)
						exch(a, k, k + 1);
				}
			}
		}
	}
	public static void main(String[] args) {
		// TODO Auto-generated method stub
		String[] a = {"S","O","R","T","E","X","A","M","P","L","E"};
		sort(a);
		int i;
		for(i = 0;i < a.length;i++)
		{
			System.out.print(a[i] + " ");
		}
	}

}

不过sort方法中三层循环嵌套效率过于低下,可以更改为要插入的数据与已经排好序的数字从最后开始比较,若比之小,则交换位置,然后在继续与前面一个数据比较即可,这样可以提高效率,不必三层循环。
public static void sort(Comparable[] a)//插入排序
	{
		int len = a.length;//数组长度
		int i, j;
		for(i = 1; i < len; i++)
		{
			for(j = i;j >= 1 && less(a[j], a[j-1]); j--)
			{
					exch(a, j, j-1 );
			}
		}
	}


MATLAB代码实现了一个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参数(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参数spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 性能对比:对比不同优化算法在训练集和测试集上的预测性能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 数据准备:导入数据,随机打乱,划分训练集和测试集(默认7:3)。 数据归一化:使用mapminmax将输入和输出归一化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读取算法文件)优化spread参数。 使用优化后的spread重新训练RBF网络。 评估预测结果,保存性能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
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