各类排序算法的理解

(1)冒泡排序:时间复杂度O(N^2)  ; 额外空间复杂度:O(1);

      目的:令一个无序数组按照从小到大的规则排列;

       从第一个位置的值即arr【0】开始,每一个数都和它的下一个位置的值进行比较即arr【i】与arr【i+1】比较,如果当前值大于它的下一个位置的值两个位置的值将进行交换。一直到当前值为arr【length-2】与arr【length-1】比较,得到最大值放在最后位置。

      下一个循环依然从arr【0】开始,但是因为最后一个值已经是数组内最大的值,所以没有必要再比较,所以这次循环直到arr【length-3】与arr【length-2】比较得到最大值放在arr【length-2】位置。以此类推。

       时间复杂度:第一次循环进行N-1次比较;第二次循环进行N-2次比较,,,最后一次循环进行1次比较。循环次数为一个等差数列,求得aN^2+bN+c,只看最高次幂,且不看系数   时间复杂度为O(N^2);

    额外空间复杂度:即完成方法运转需要的额外空间,在值交换的时候需要新的变量,但是不会因为N的值改变而该变,所以为常数,所以额外空间复杂度为O(1);

    public viod bubbleSort(int []arr){

    if(arr==null||arr.length<2){

    return;

    }

    for(int e=length-1;e>0;e--){

      for(int i=0;i<e;i++){

        if(arr[i]>arr[i+1]){

          swap(arr , i , i+1 );

         }

      }

   }

}

         public void swap(int []arr ,int i ,int  j ){

         arr[i]=arr[i]^arr[j];

         arr[j]=arr[i]^arr[j];

         arr[i]=arr[i]^arr[j];

}

        最后抖个小机灵:在不使用第三个变量的情况下,使两个值互相交换,通过异或运算获得。      首先将arr[i]^arr[j]交给 arr[i],第二行arr[j]=arr[i]^arr[j]^arr[j],而arr[j]^arr[j]为0,arr[j]^0为arr[j]。所以arr[j]为arr[i],同理arr[i]就是最初的arr[i]^arr[i]^arr[j]为arr[j]。

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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