归并排序和快速排序的浅析

本文详细解析了归并排序和快速排序两种经典排序算法。归并排序通过递归将数组分为更小的部分,然后合并已排序的部分实现排序,时间复杂度为O(nlog2n)。快速排序则选取一个枢纽元素,通过交换将小于枢纽的元素移到左边,大于枢纽的移到右边,重复这一过程直至整个数组排序完成。

这次记录下归并排序和快速排序,以及短作业优先调度的算法,咋一看,其实,前后并没有联系,确实,实际也是没有啥联系的。只是为了将要讲的东西都凑到一起,然后做个总结,仅此而已,先讲下归并排序吧,还是沿袭上一次的一个归纳的方式来给出。

归并排序:就是将一堆数从一小撮,归到一大撮,最后变成有序的数列。简而言之就是这样的一个现象,但具体是怎样表现的呢?最基本的一小撮可以理解为只有两个数,那么这两个数的大小是可以比较得出的,最终两个数的先后排序肯定是很容易的,这个我们很容易理解,基于这样一个思路,我们可以知道最后归并的时候,就是一整串数了,而这些数都是有序的,还是一样,我们来看它的核心部分算法,就是比较然后归并,这样一个核心部分,首先应该知道,归并肯定是有两撮数,那么我们需要做的就是将这两撮数归成一撮数,而且是有序的,在这个过程中,我们借助了中间数组的方法,来存放这组中间数,最后再将它们放回原先的数组。记住这个算法的核心部分代码,记住三个while,第一个是两组排序然后合并,顺利的情况下只需要运行这个while,第二三个while是将剩余的左边或者右边的数存进中间数组,最后复制。它的时间复杂度是O(nlog2n)核心代码如下:

Int temp=left;

Int tempArr=new int[arr.length];//定义中间数组,用作临时缓冲区

Int mid=center+1;

//从这里可以看出将原数组分为两部分,一部分是从left到center,一部分是从mid到right。

Int base=left;//后来将中间数组的数复制回原来的数组用的下标计数

While(left<=center&&mid<=right)//要求两边比较时,下标不能超过界限,这是最基本的

{

If(arr[left]<=arr[mid])//进行两边下标的比较,小的放中间数组,知道两边下标有一个超过

{

tempArr[temp++]=data[left++];

}

else

{

tempArr[temp++]=data[mid++];

}

}

While(left<=center)//可能右边数组都比左边大,那么左边剩下的直接插入到中间数组中

{

tempArr[temp++]=data[left++];

}

While(mid<=right)//同理,左边数组都比右边小,那么右边剩下的数直接插入到中间数组中

{

tempArr[temp++]=data[mid++];

}

While(base<=right)//将中间数组复制回原来的数组。

{

Data[base]=tempArr[base++];

}

第二部分的代码,虽不归结于核心,但是还是有递归的思想在里面:

将原始数组递归,最后归并:

Public void sort(int[] data,int left,int right)

{

If(left<right)

{

Center=(left+right)/2;

Sort(data,left,center);

Sort(data,center+1,right);

Merge(data,letf,center,right);

}

}

接下来讲下,最经典的快速排序,它是所有内排序中最快的一种,因此得名,快速排序的核心步骤是它从两边出发,比较到合适的赋值后,另一边开始比较,最后两个游标相等时,排序结束,将枢纽赋值给这两个游标对应的位置。以此类推,到最底部,就剩下两个数的比较了。一般快速排序都会有一个枢纽的选择,一般是第一个数,然后两边开始和这个数进行比较,大的放在右边,小的放在左边,左边和右边指的是当时游标对应的位置,而这个枢纽,我们可以假想它被放在一个特殊的地方,而它的位置是空的,最后这个空的位置再有枢纽来填写,这样,我们可以来分解下,先看核心代码:

int rule=arr[0];

int i=low;

int j=high;

while(low<high)

{

while(low<right&&arr[right]>rule)

{

Right–;

}//这个循环主要是为了从后面往前来和中枢比较,如果发现比其小,那么进行下面的操作

If(low<right)

{

Arr[low]=arr[right];

Low++;

}//发现后面的数比中枢小,那么将前面的游标对应的数赋值为该数,并将游标向后移

while(low<right&&arr[low]<rule)

{

Low++;

}//这个循环是从前向后和中枢比较,大的进行接下来的操作

If(low<right)

{

Arr[right]=arr[low];

Right–;

}

到这里为一个循环,即前面赋值一个数,后面赋值一个数,这是一次循环,如果low还是小right,那么继续这种循环

}

Arr[low]=rule;

当然,还包括递归算法

Sort(data,i,low-1);

Sort(data,low+1,j);

由于时间关系,要闭馆了,所以,就写这么多吧!短作业优先调度算法就等到下次再讲吧!如有不同想法的筒子,欢迎留言探讨哦!谢啦!


这次记录下归并排序和快速排序,以及短作业优先调度的算法,咋一看,其实,前后并没有联系,确实,实际也是没有啥联系的。只是为了将要讲的东西都凑到一起,然后做个总结,仅此而已,先讲下归并排序吧,还是沿袭上一次的一个归纳的方式来给出。归并排序:就是将一堆数从一小撮,归到一大撮,最后变成有序的数列。简而言之就是这样的一个现象,但具体是怎样表现的呢?最基本的一小撮可以理解为只有两个数,那么这两个数的大小是可以比较得出的,最终两个数的先后排序肯定是很容易的,这个我们很容易理解,基于这样一个思路,我们可以知道最后归并的时候,就是一整串数了,而这些数都是有序的,还是一样,我们来看它的核心部分算法,就是比较然后归并,这样一个核心部分,首先应该知道,归并肯定是有两撮数,那么我们需要做的就是将这两撮数归成一撮数,而且是有序的,在这个过程中,我们借助了中间数组的方法,来存放这组中间数,最后再将它们放回原先的数组。记住这个算法的核心部分代码,记住三个while,第一个是两组排序然后合并,顺利的情况下只需要运行这个while,第二三个while是将剩余的左边或者右边的数存进中间数组,最后复制。它的时间复杂度是O(nlog2n)核心代码如下:Int temp=left;Int tempArr=new int[arr.length];//定义中间数组,用作临时缓冲区Int mid=center+1;//从这里可以看出将原数组分为两部分,一部分是从left到center,一部分是从mid到right。Int base=left;//后来将中间数组的数复制回原来的数组用的下标计数While(left<=center&&mid<=right)//要求两边比较时,下标不能超过界限,这是最基本的{If(arr[left]<=arr[mid])//进行两边下标的比较,小的放中间数组,知道两边下标有一个超过{tempArr[temp++]=data[left++];}else{tempArr[temp++]=data[mid++];}}While(left<=center)//可能右边数组都比左边大,那么左边剩下的直接插入到中间数组中{tempArr[temp++]=data[left++];}While(mid<=right)//同理,左边数组都比右边小,那么右边剩下的数直接插入到中间数组中{tempArr[temp++]=data[mid++];}While(base<=right)//将中间数组复制回原来的数组。{Data[base]=tempArr[base++];}第二部分的代码,虽不归结于核心,但是还是有递归的思想在里面:将原始数组递归,最后归并:Public void sort(int[] data,int left,int right){If(left<right){Center=(left+right)/2;Sort(data,left,center);Sort(data,center+1,right);Merge(data,letf,center,right);}}接下来讲下,最经典的快速排序,它是所有内排序中最快的一种,因此得名,快速排序的核心步骤是它从两边出发,比较到合适的赋值后,另一边开始比较,最后两个游标相等时,排序结束,将枢纽赋值给这两个游标对应的位置。以此类推,到最底部,就剩下两个数的比较了。一般快速排序都会有一个枢纽的选择,一般是第一个数,然后两边开始和这个数进行比较,大的放在右边,小的放在左边,左边和右边指的是当时游标对应的位置,而这个枢纽,我们可以假想它被放在一个特殊的地方,而它的位置是空的,最后这个空的位置再有枢纽来填写,这样,我们可以来分解下,先看核心代码:int rule=arr[0];int i=low;int j=high;while(low<high){while(low rule){Right–;}//这个循环主要是为了从后面往前来和中枢比较,如果发现比其小,那么进行下面的操作If(low<right){Arr[low]=arr[right];Low++;}//发现后面的数比中枢小,那么将前面的游标对应的数赋值为该数,并将游标向后移while(low<right&&arr[low]<rule){Low++;}//这个循环是从前向后和中枢比较,大的进行接下来的操作If(low<right){Arr[right]=arr[low];Right–;}到这里为一个循环,即前面赋值一个数,后面赋值一个数,这是一次循环,如果low还是小right,那么继续这种循环}Arr[low]=rule;当然,还包括递归算法:Sort(data,i,low-1);Sort(data,low+1,j);由于时间关系,要闭馆了,所以,就写这么多吧!短作业优先调度算法就等到下次再讲吧!如有不同想法的筒子,欢迎留言探讨哦!谢啦! <script type="text/javascript" src="http://pagead2.googlesyndication.com/pagead/show_ads.js"></script>
标题SpringBoot智能在线预约挂号系统研究AI更换标题第1章引言介绍智能在线预约挂号系统的研究背景、意义、国内外研究现状及论文创新点。1.1研究背景与意义阐述智能在线预约挂号系统对提升医疗服务效率的重要性。1.2国内外研究现状分析国内外智能在线预约挂号系统的研究与应用情况。1.3研究方法及创新点概述本文采用的技术路线、研究方法及主要创新点。第2章相关理论总结智能在线预约挂号系统相关理论,包括系统架构、开发技术等。2.1系统架构设计理论介绍系统架构设计的基本原则常用方法。2.2SpringBoot开发框架理论阐述SpringBoot框架的特点、优势及其在系统开发中的应用。2.3数据库设计与管理理论介绍数据库设计原则、数据模型及数据库管理系统。2.4网络安全与数据保护理论讨论网络安全威胁、数据保护技术及其在系统中的应用。第3章SpringBoot智能在线预约挂号系统设计详细介绍系统的设计方案,包括功能模块划分、数据库设计等。3.1系统功能模块设计划分系统功能模块,如用户管理、挂号管理、医生排班等。3.2数据库设计与实现设计数据库表结构,确定字段类型、主键及外键关系。3.3用户界面设计设计用户友好的界面,提升用户体验。3.4系统安全设计阐述系统安全策略,包括用户认证、数据加密等。第4章系统实现与测试介绍系统的实现过程,包括编码、测试及优化等。4.1系统编码实现采用SpringBoot框架进行系统编码实现。4.2系统测试方法介绍系统测试的方法、步骤及测试用例设计。4.3系统性能测试与分析对系统进行性能测试,分析测试结果并提出优化建议。4.4系统优化与改进根据测试结果对系统进行优化改进,提升系统性能。第5章研究结果呈现系统实现后的效果,包括功能实现、性能提升等。5.1系统功能实现效果展示系统各功能模块的实现效果,如挂号成功界面等。5.2系统性能提升效果对比优化前后的系统性能
在金融行业中,对信用风险的判断是核心环节之一,其结果对机构的信贷政策风险控制策略有直接影响。本文将围绕如何借助机器学习方法,尤其是Sklearn工具包,建立用于判断信用状况的预测系统。文中将涵盖逻辑回归、支持向量机等常见方法,并通过实际操作流程进行说明。 一、机器学习基本概念 机器学习属于人工智能的子领域,其基本理念是通过数据自动学习规律,而非依赖人工设定规则。在信贷分析中,该技术可用于挖掘历史数据中的潜在规律,进而对未来的信用表现进行预测。 二、Sklearn工具包概述 Sklearn(Scikit-learn)是Python语言中广泛使用的机器学习模块,提供多种数据处理建模功能。它简化了数据清洗、特征提取、模型构建、验证与优化等流程,是数据科学项目中的常用工具。 三、逻辑回归模型 逻辑回归是一种常用于分类任务的线性模型,特别适用于二类问题。在信用评估中,该模型可用于判断借款人是否可能违约。其通过逻辑函数将输出映射为0到1之间的概率值,从而表示违约的可能性。 四、支持向量机模型 支持向量机是一种用于监督学习的算法,适用于数据维度高、样本量小的情况。在信用分析中,该方法能够通过寻找最佳分割面,区分违约与非违约客户。通过选用不同核函数,可应对复杂的非线性关系,提升预测精度。 五、数据预处理步骤 在建模前,需对原始数据进行清理与转换,包括处理缺失值、识别异常点、标准化数值、筛选有效特征等。对于信用评分,常见的输入变量包括收入水平、负债比例、信用历史记录、职业稳定性等。预处理有助于减少噪声干扰,增强模型的适应性。 六、模型构建与验证 借助Sklearn,可以将数据集划分为训练集测试集,并通过交叉验证调整参数以提升模型性能。常用评估指标包括准确率、召回率、F1值以及AUC-ROC曲线。在处理不平衡数据时,更应关注模型的召回率与特异性。 七、集成学习方法 为提升模型预测能力,可采用集成策略,如结合多个模型的预测结果。这有助于降低单一模型的偏差与方差,增强整体预测的稳定性与准确性。 综上,基于机器学习的信用评估系统可通过Sklearn中的多种算法,结合合理的数据处理与模型优化,实现对借款人信用状况的精准判断。在实际应用中,需持续调整模型以适应市场变化,保障预测结果的长期有效性。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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