黑马程序员---冒泡排序和选择排序的理解

本文深入探讨了Java中的两种经典排序算法:选择排序与冒泡排序。详细介绍了这两种算法的工作原理、实现步骤,并通过实例代码演示了它们在实际应用中的操作流程。了解这些基础排序算法对于提升编程技能和理解数据结构至关重要。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

------ Java培训、Android培训、iOS培训、.Net培训、期待与您交流! -------



选择排序:    相邻的两个元素相互比较,如果前面的大于后面的,则互换,一直比较到结尾。每次外层换前面的数 a[i] , a[j]每一轮都走到底。每次确定一个最小的留在前面。
int a[12]={23,1,54,68,12,12,44,84,98,13,54,96,11};
   	int i,j,temp;
   	for (i=0;i<11-1;i++){
   		for(j=i+1;j<11;j++){
   			if(a[i]>a[j]){
   				temp=a[i];
   				a[i]=a[j];
   				a[j]=temp;
   				}
  }  }
   for(i=0;i<12;i++){
   		printf("%d\t",a[i]);


冒泡: 共循环 len 次。 每次内层开始为0,从a[0]开始依次和a[1] a[2]比较,大的数不断和后面的元素互换位置。每次确定一个大数在末尾。所以外层需要循环 len-1次。
int a[12]={23,1,54,68,12,12,44,84,98,13,54,96,11};
   	int i,j,temp;
   	for (i=0;i<11;i++){
   		for(j=0;j<11-i;j++){
     这里的判断条件是大于的话,则大数下沉,
                                                小于的话,则小数下沉。
   			if(a[j]>a[j+1]){
   				temp=a[j];
   				a[j]=a[j+1];
   				a[j+1]=temp;
   				}
    }   }
   for(i=0;i<12;i++){
   		printf("%d\t",a[i]);
   	}
  

资源下载链接为: https://pan.quark.cn/s/140386800631 通用大模型文本分类实践的基本原理是,借助大模型自身较强的理解推理能力,在使用时需在prompt中明确分类任务目标,并详细解释每个类目概念,尤其要突出类目间的差别。 结合in-context learning思想,有效的prompt应包含分类任务介绍及细节、类目概念解释、每个类目对应的例子待分类文本。但实际应用中,类目样本较多易导致prompt过长,影响大模型推理效果,因此可先通过向量检索缩小范围,再由大模型做最终决策。 具体方案为:离线时提前配置好每个类目的概念及对应样本;在线时先对给定query进行向量召回,再将召回结果交给大模型决策。 该方法不更新任何模型参数,直接使用开源模型参数。其架构参考GPT-RE并结合相关实践改写,加入上下文学习以提高准确度,还使用BGE作为向量模型,K-BERT提取文本关键词,拼接召回的相似例子作为上下文输入大模型。 代码实现上,大模型用Qwen2-7B-Instruct,Embedding采用bge-base-zh-v1.5,向量库选择milvus。分类主函数的作用是在向量库中召回相似案例,拼接prompt后输入大模型。 结果方面,使用ICL时accuracy达0.94,比bert文本分类的0.98低0.04,错误类别6个,处理时添加“家居”类别,影响不大;不使用ICL时accuracy为0.88,错误58项,可能与未修改prompt有关。 优点是无需训练即可有较好结果,例子优质、类目界限清晰时效果更佳,适合围绕通用大模型api打造工具;缺点是上限不高,仅针对一个分类任务部署大模型不划算,推理速度慢,icl的token使用多,用收费api会有额外开销。 后续可优化的点是利用key-bert提取的关键词,因为核心词语有时比语意更重要。 参考资料包括
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