2021-07-12

本文详细介绍了快速排序算法的三种实现:以数组第一个元素为数轴、以0为比较值以及以任意元素为数轴。每种实现都通过交换元素确保数轴两侧的元素按特定条件排列。代码示例展示了如何在C++中实现这些方法。

#include

using namespace std;
void part1(int arr[],int n)/part1是第一种划分方法,及以数组中的第一个数值为数轴进行划分/
{
int i =0;
int j=n-1;
int temp=arr[i];//用temp保存数轴的值
while(i<j)
{
while(i<j&&arr[j]>=temp)/此while与下面的while用来驱使i,j分别向右和向左/
/对于j,当找到比temp小的数值时,将i与j的值进行交换,并且i向右/
{
j–;
}
if(i<j)
{
arr[i]=arr[j]; //交换数值
i++; //i向右走一位
}
while(i<j&&arr[i]<=temp)
{
i++;
}
if(i<j)
{
arr[j]=arr[i];
j–; //同理

    }
                               
}               /*经历了多次循环后,ij相等,并且同时指向了数轴应该存在的位置*/
arr[i]=temp;     //将数轴值带入

}
void part2(int arr[],int n)/part2为数轴值与比较值不同,结果以比较值作为划分界限,但最后的ij依然指向数轴/
{
int i =0;
int j=n-1;
int temp1=0; //以temp1也就是0为比较值,而数轴值为数组第一个数
int temp=arr[i];
while(i<j)
{
while(i<j&&arr[j]>=temp1) //相较于part1,只需要改变循环中的条件即可,其他不变
{
j–;
}
if(i<j)
{
arr[i]=arr[j];
i++;
}
while(i<j&&arr[i]<=temp1)
{
i++;
}
if(i<j)
{
arr[j]=arr[i];
j–;
}

}
arr[i]=temp;

}
void part3(int arr[],int n,int k) //part3以数组中任意的值为数轴,而不是数组第一个值
/但只要将数轴值与数组第一个值进行交换,直接运行part1代码即可/
{
int i =0;
int j=n-1;
int temp=arr[k];
arr[k]=arr[i];
arr[i]=temp;
temp=arr[i];

while(i<j)
{
    while(i<j&&arr[j]>=temp)
    {
        j--;
    }
    if(i<j)
    {
        arr[i]=arr[j];
        i++;
    }
    while(i<j&&arr[i]<=temp)
    {
        i++;
    }
    if(i<j)
    {
        arr[j]=arr[i];
        j--;
    }
    
}
arr[i]=temp;

}
int main()
{
int a[]={1,5,6,4,-1,-5};
int num=6;
part1(a,num);
for(int i=0;i<6;i++)
{
std::cout << a[i] << std::endl;

}
int a1[]={9,8,6,2,56,-5,-4,-7};
num= 8;
part2(a1,num);
  for(int i=0;i<8;i++)
{
    std::cout << a1[i] << std::endl;
    
}

int a2[]={9,8,7,5,-1,-4,-7};
num=7;
part3(a2,num,4);
 for(int i=0;i<7;i++)
{
    std::cout << a2[i] << std::endl;
    
}

}
斜体样式

内容概要:本文介绍了一个基于冠豪猪优化算法(CPO)的无人机三维路径规划项目,利用Python实现了在复杂三维环境中为无人机规划安全、高效、低能耗飞行路径的完整解决方案。项目涵盖空间环境建模、无人机动力学约束、路径编码、多目标代价函数设计以及CPO算法的核心实现。通过体素网格建模、动态障碍物处理、路径平滑技术和多约束融合机制,系统能够在高维、密集障碍环境下快速搜索出满足飞行可行性、安全性与能效最优的路径,并支持在线重规划以适应动态环境变化。文中还提供了关键模块的代码示例,包括环境建模、路径评估和CPO优化流程。; 适合人群:具备一定Python编程基础和优化算法基础知识,从事无人机、智能机器人、路径规划或智能优化算法研究的相关科研人员与工程技术人员,尤其适合研究生及有一定工作经验的研发工程师。; 使用场景及目标:①应用于复杂三维环境下的无人机自主导航与避障;②研究智能优化算法(如CPO)在路径规划中的实际部署与性能优化;③实现多目标(路径最短、能耗最低、安全性最高)耦合条件下的工程化路径求解;④构建可扩展的智能无人系统决策框架。; 阅读建议:建议结合文中模型架构与代码示例进行实践运行,重点关注目标函数设计、CPO算法改进策略与约束处理机制,宜在仿真环境中测试不同场景以深入理解算法行为与系统鲁棒性。
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