排序算法小结

排序算法

概述

排序算法的目的实现一组无序元素的有序化。排序通常分为主存排序和外部排序,主存排序是数据量不是太大,整个排序过程在内存中完成,外部排序由于数据量太大在主存中没法完成排序,需要在磁盘或磁带上完成的排序。

主存排序包括:插入排序(O(N2))、希尔排序(O(N2))、归并排序(O(NlogN))、堆排序(O(NlogN))、快速排序(O(NlogN))、桶式排序(O(N))。

算法分析

在算法分析中,将会对各种排序算法的特点,实现原理进行介绍说明,源码大家可以去网上搜索或留言。

插入排序

插入排序由N-1趟排序组成,对于p=1到N-1趟,插入排序保证从位置0到位置p上的元素为已排序状态。当进行第k次排序时,从0到k-1个元素都是已排序状态,第k个元素依次与k-1到0个元素进行比较,直到第k个元素大于被比较元素,停止。

希尔排序

希尔排序通过比较相隔一定元素来工作,比较的间隔距离随着算法的进行而减小,直到只比较相邻元素的最后一趟排序为止。希尔排序使用一个序列h1,h2……ht作为增量序列,作为每次比较间隔的元素个数,该增量序列的选择非常重要,决定着整个算法的计算时间。增量序列的一个流程的选择是使用Shell建议的序列:ht=N/2和hk=h(k+1)/2。伪代码为:

For从gap=length/2到1,变换因子除2

  For i从gap到a.length,++

     For j从i到gap,j-=gap

       Tmp=a[i];

       若a[j]大于a[i],则a[i]=a[j];

     a[j]=tmp;

堆排序

堆排序主要是利用了优先队列数据结构,完成步骤包括构造二叉堆(花费O(N)),然后在进行N次删除根节点(花费O(NlogN)),把删除的根节点存储到一个新的数组中(花费O(N))。有一个问题在于它使用了一个附加的数组。关键代码为上虑代码,其伪代码如下:

perDown(a[],int i,int length)

int temp=a[i];

a[i]=a[length];

int child;

for(int j=i;2*child+1<length;i=child){

child=2*i;

if(a[2*i]>a[2*i+1])

child++;

if(a[i]>a[child])

{

a[i]=a[child]

}else{

Break;

}

a[i]=temp;

}

归并排序

归并排序的核心为递归思想,并对两个已经排好序的表进行排序,花费时间为O(NlogN)。如表1和表2为已经排好序的表,两个表的排序结果存储在表3中,代码实现为:

public void mergeSort(int left,int right,int[] input,int[] tmp){

       if(left>=right)

           return;

       int middle=(left+right)/2;

       mergeSort(left,middle,input,tmp);

       mergeSort(middle+1,right,input,tmp);

      

      

    }

   

    private void merge(int left,int middle,int end,int[] a,int[] tmp){

       int right=middle+1;

       int tmpPos=left;

       while(left<=middle && right<=end){

           if(tmp[left]>tmp[right]){

              tmp[tmpPos++]=tmp[right++];

           }else{

              tmp[tmpPos++]=tmp[left++]; 

           }

       }

       while(left<=middle){

           tmp[tmpPos++]=a[left];

           left++;

       }

       while(right<=end){

           tmp[tmpPos++]=a[right];

           right++;

       }

      

       for(int i=0;i<a.length;i++){

           a[i]=tmp[i];

       }

    }

快速排序

快速排序平均运行时间是O(NlogN),该算法也是一种分治的递归算法。其排序过程主要包括三个过程:

1、  选取枢纽元,作为比较的关键元素;

2、  根据枢纽元的位置把表分为两个部分A和B,比该元素小的放到左边,比该元素大的放到右边;

3、  对A和B两个部分在进行快速排序。

具体代码实现为:

public void quickSort(int start, int end, int[] input) {

       media(start, end, input);

       int left = start;

       int right = end - 1;

       while (left < right) {

           while (input[left] < input[end]) {

              left++;

           }

           while (input[right] > input[end]) {

              right--;

           }

           int tmp = input[left];

           input[left] = input[right];

           input[right] = tmp;

       }

 

 

       int tmp= input[left + 1];

       input[left + 1] = input[end];

       input[end] = tmp;

 

       quickSort(start, left, input);

       quickSort(left + 1, end, input);

 

    }

 

    private void media(int start, int end, int[] input) {

       int middle = (start + end) / 2;

       if (input[start] > input[middle]) {

           int tmp = input[start];

           input[start] = input[middle];

           input[middle] = tmp;

       }

       if (input[middle] > input[end]) {

           int tmp = input[middle];

           input[end] = input[middle];

           input[middle] = tmp;

           if (input[start] > input[middle]) {

              tmp = input[start];

              input[start] = input[middle];

              input[middle] = tmp;

           }

       }

       int tmp = input[middle];

       input[end] = input[middle];

       input[middle] = tmp;

    }

桶式排序

桶式排序是计算总量花费O(N),相当于是一个时空的转换过程,对排序的数据有一定的限制作用,必须为整数类型元素,输入数据A1、A2、……必须只由小于M的正整数组成,算法很简单:使用一个大小为M的count数据,它被初始化为全0,于是,具有M个单元或称为桶。当读Ai时,count[Ai]=1。在所有输入数据读入后,扫描数据count,打印出排序后的表。

 

 

 

 

下载前可以先看下教程 https://pan.quark.cn/s/a426667488ae 标题“仿淘宝jquery图片左右切换带数字”揭示了这是一个关于运用jQuery技术完成的图片轮播机制,其特色在于具备淘宝在线平台普遍存在的图片切换表现,并且在整个切换环节中会展示当前图片的序列号。 此类功能一般应用于电子商务平台的产品呈现环节,使用户可以便捷地查看多张商品的照片。 说明中的“NULL”表示未提供进一步的信息,但我们可以借助标题来揣摩若干核心的技术要点。 在构建此类功能时,开发者通常会借助以下技术手段:1. **jQuery库**:jQuery是一个应用广泛的JavaScript框架,它简化了HTML文档的遍历、事件管理、动画效果以及Ajax通信。 在此项目中,jQuery将负责处理用户的点击动作(实现左右切换),并且制造流畅的过渡效果。 2. **图片轮播扩展工具**:开发者或许会采用现成的jQuery扩展,例如Slick、Bootstrap Carousel或个性化的轮播函数,以达成图片切换的功能。 这些扩展能够辅助迅速构建功能完善的轮播模块。 3. **即时数字呈现**:展示当前图片的序列号,这需要通过JavaScript或jQuery来追踪并调整。 每当图片切换时,相应的数字也会同步更新。 4. **CSS美化**:为了达成淘宝图片切换的视觉效果,可能需要设计特定的CSS样式,涵盖图片的排列方式、过渡效果、点状指示器等。 CSS3的动画和过渡特性(如`transition`和`animation`)在此过程中扮演关键角色。 5. **事件监测**:运用jQuery的`.on()`方法来监测用户的操作,比如点击左右控制按钮或自动按时间间隔切换。 根据用户的交互,触发相应的函数来执行...
垃圾实例分割数据集 一、基础信息 • 数据集名称:垃圾实例分割数据集 • 图片数量: 训练集:7,000张图片 验证集:426张图片 测试集:644张图片 • 训练集:7,000张图片 • 验证集:426张图片 • 测试集:644张图片 • 分类类别: 垃圾(Sampah) • 垃圾(Sampah) • 标注格式:YOLO格式,包含实例分割的多边形点坐标,适用于实例分割任务。 • 数据格式:图片文件 二、适用场景 • 智能垃圾检测系统开发:数据集支持实例分割任务,帮助构建能够自动识别和分割图像中垃圾区域的AI模型,适用于智能清洁机器人、自动垃圾桶等应用。 • 环境监控与管理:集成到监控系统中,用于实时检测公共区域的垃圾堆积,辅助环境清洁和治理决策。 • 计算机视觉研究:支持实例分割算法的研究和优化,特别是在垃圾识别领域,促进AI在环保方面的创新。 • 教育与实践:可用于高校或培训机构的AI课程,作为实例分割技术的实践数据集,帮助学生理解计算机视觉应用。 三、数据集优势 • 精确的实例分割标注:每个垃圾实例都使用详细的多边形点进行标注,确保分割边界准确,提升模型训练效果。 • 数据多样性:包含多种垃圾物品实例,覆盖不同场景,增强模型的泛化能力和鲁棒性。 • 格式兼容性强:YOLO标注格式易于与主流深度学习框架集成,如YOLO系列、PyTorch等,方便研究人员和开发者使用。 • 实际应用价值:直接针对现实世界的垃圾管理需求,为自动化环保解决方案提供可靠数据支持,具有重要的社会意义。
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