排序-选择排序-java实现

本文深入讲解了选择排序算法的工作原理及实现过程。通过定义一个待排序数组,算法首先找到未排序序列中的最小元素,将其放置在排序序列的起始位置。随后从剩余未排序元素中继续寻找最小元素,放入已排序序列的末尾。此过程重复进行,直至所有元素排序完毕。

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

选择排序

 

/**
     * 选择排序
     *
     * 首先在未排序序列中找到最小(大)元素,存放到排序序列的起始位置
     *
     * 再从剩余未排序元素中继续寻找最小(大)元素,然后放到已排序序列的末尾。
     *
     * 重复第二步,直到所有元素均排序完毕。
     */
    @Test
    public void sort2(){
        //定义一个待排序数组
        int[] arr = {2,7,3,5,9,6,1};

        //外循环,控制排序次数, N-1次,最后一次不比较
        for (int i = 0;i<arr.length-1;i++){
            //定义一个最小值
            int min = i;

            for (int j = i+1;j<arr.length; j++){
                if (arr[j] < arr[min]) {  //第一次循环找到最小元素
                    min = j;
                }
            }
            if(i != min){ //当i不等于最小值下标时, 换
                int temp = arr[i];
                arr[i] = arr[min];
                arr[min] = temp;
            }
        }

        for (int a : arr){
            System.out.print(a);
        }
    }

 

### 调用 Qwen2.5 模型执行 Function Call 的方法 为了在 MindIE 中调用 Qwen2.5 模型来执行 function call,需要遵循特定的配置流程和 API 接口设计[^1]。 #### 配置环境变量 首先,在使用之前需确认已安装并正确设置了所需的依赖库以及访问凭证。通常情况下,这涉及到设置 API 密钥和其他必要的认证信息: ```bash export MIND_IE_API_KEY="your_api_key_here" ``` #### 初始化客户端实例 创建一个用于与服务端通信的客户端对象,并指定要使用的具体模型版本: ```python from mind_ie import Client client = Client(api_key=os.getenv(&#39;MIND_IE_API_KEY&#39;), model_version=&#39;qwen-2_5&#39;) ``` #### 准备请求参数 构建包含目标函数名称及其所需输入参数的数据结构。这里假设有一个名为 `add_numbers` 的简单加法运算函数作为例子: ```json { "functions": [ { "name": "add_numbers", "arguments": {"a": 5, "b": 7} } ] } ``` 将其转换成 Python 字典形式以便于后续操作: ```python request_data = { &#39;functions&#39;: [{ &#39;name&#39;: &#39;add_numbers&#39;, &#39;arguments&#39;: {&#39;a&#39;: 5, &#39;b&#39;: 7}, }] } ``` #### 发送请求并处理响应 通过客户端发送准备好的数据到远程服务器,并接收返回的结果: ```python response = client.call_function(request_data) if response[&#39;success&#39;]: result = response.get(&#39;result&#39;, None) else: error_message = response.get(&#39;error&#39;, &#39;&#39;) raise Exception(f"Function call failed: {error_message}") ``` 以上就是完整的调用过程概述,实际应用时可根据需求调整细节部分[^1]。
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