面向对象深入_07冒泡优化和二分查找

本文介绍冒泡排序算法及其优化实现,并通过示例代码详细解释了其工作原理。此外,还介绍了二分法查找算法,演示了如何通过排序数组进行高效查找。

冒泡排序

算法内容:重复地走访要排序地数列,一次比较两个元素,如果顺序错误就把他们交换过来,结果是越大地元素会经由交换慢慢“浮”到数列地顶端
冒泡优化如下:

package text;
import java.util.Arrays;
public class text01 {
	public static void main(String[] args) {
		
		 int[] values = { 3, 1, 6, 2, 9, 0, 7, 4, 5, 8 };
		 int  temp = 0 ;
		 for(int i=0;i<values.length-1;i++){
			 boolean  flag = true;
			 for(int  j=0; j<values.length-1-i; j++){
				 //比较大小,换顺序
				 if(values[j]>values[j+1]){
					 temp = values[j];
					 values[j] = values[j+1];
					 values[j+1] = temp;
					 //false说明有交换
					 flag = false;
				 }
				 System.out.println(Arrays.toString(values));
			 }
			 if(flag){
				 System.out.println("结束!!!");
				 break;
			 }		 
		 }
	}
}

二分法查找

定义:又称折半查找,设数组中地元素从小到大有序的存放在数组中,先将给定值key与数组中间位置元素的关键码比较,如果相等则检索成功;否则,若key小,则在数组的前半部分继续进行二分法查找;若key大,则在数组的后半部分继续进行二分法查找。直到结束

package text;
import java.util.Arrays;
public class text01 {
	public static void main(String[] args) {
		 int[] arr = { 30,20,50,10,80,9,7,12,100,40,8};
		 Arrays.sort(arr);//先排序
		 System.out.println(Arrays.toString(arr));//打印数组元素
		 System.out.println(myBinarySearch(arr, 7));//查找7
	}
	
	public static  int  myBinarySearch(int[] arr, int value){
		int low = 0;
		int high = arr.length-1; 
		 
		 while(low<=high){
			 int  mid = (low+high)/2;
			 //key和中间值相等——直接找到了目标
			 if(value==arr[mid]){
				 	return mid;
			 }
			//否则,折半
			 
			 if(value>arr[mid]){
				 low = mid+1;
			 }
			 if(value<arr[mid]){
				 high = mid-1;
			 } 
		 }
		 return  -1;
	}
}

具有多种最大功率点跟踪(MPPT)方法的光伏发电系统(P&O-增量法-人工神经网络-模糊逻辑控制-粒子群优化)之使用粒子群算法的最大功率点追踪(MPPT)(Simulink仿真实现)内容概要:本文介绍了一个涵盖多个科研领域的综合性MATLAB仿真资源集合,重点聚焦于光伏发电系统中基于粒子群优化(PSO)算法的最大功率点追踪(MPPT)技术的Simulink仿真实现。文档还列举了多种MPPT方法(如P&O、增量电导法、神经网络、模糊逻辑控制等),并展示了该团队在电力系统、智能优化算法、机器学习、路径规划、无人机控制、信号处理等多个方向的技术服务能力与代码实现案例。整体内容以科研仿真为核心,提供大量可复现的Matlab/Simulink模型优化算法应用实例。; 适合人群:具备一定电力电子、自动控制或新能源背景,熟悉MATLAB/Simulink环境,从事科研或工程仿真的研究生、科研人员及技术人员。; 使用场景及目标:①学习并实现光伏系统中基于粒子群算法的MPPT控制策略;②掌握多种智能优化算法在电力系统与自动化领域的建模与仿真方法;③获取可用于论文复现、项目开发技术攻关的高质量仿真资源。; 阅读建议:建议结合提供的网盘资料,按照研究方向选取对应模块进行实践,重点关注Simulink模型结构与算法代码逻辑的结合,注重从原理到仿真实现的全过程理解,提升科研建模能力。
热成像人物检测数据集 一、基础信息 数据集名称:热成像人物检测数据集 图片数量: 训练集:424张图片 验证集:121张图片 测试集:61张图片 总计:606张热成像图片 分类类别: - 热成像人物:在热成像图像中的人物实例 - 非热成像人物:在非热成像或普通图像中的人物实例,用于对比分析 标注格式: YOLO格式,包含边界框类别标签,适用于目标检测任务。数据来源于热成像视觉图像,覆盖多种场景条件。 二、适用场景 热成像监控与安防系统开发: 数据集支持目标检测任务,帮助构建能够在低光、夜间或恶劣环境下自动检测定位人物的AI模型,提升监控系统的可靠性实时响应能力。 红外视觉应用研发: 集成至红外摄像头或热成像设备中,实现实时人物检测功能,应用于安防、军事、救援工业检测等领域。 学术研究与创新: 支持计算机视觉与热成像技术的交叉研究,助力开发新算法用于人物行为分析或环境适应型检测模型。 教育与培训: 可用于高校或培训机构,作为学习热成像人物检测AI模型开发的教学资源,提升实践技能。 三、数据集优势 精准标注与多样性: 每张图片均由专业标注员标注,确保边界框定位准确,类别分类清晰。包含热成像非热成像类别,提供对比数据,增强模型的泛化能力鲁棒性。 场景实用性强: 数据覆盖多种环境条件,如不同光照天气,模拟真实世界应用,适用于复杂场景下的人物检测任务。 任务适配性高: YOLO标注格式兼容主流深度学习框架(如YOLOv5、YOLOv8等),可直接加载使用,支持快速模型开发评估。 应用价值突出: 专注于热成像人物检测,在安防、监控特殊环境检测中具有重要价值,支持早期预警高效决策。
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