排序(希尔、 堆 归并 快速)

本文详细介绍了四种经典的排序算法:希尔排序、堆排序、归并排序和快速排序。分别阐述了每种算法的原理、步骤及优缺点,帮助读者深入理解排序算法。

排序(希尔排序  堆排序   归并 排序,  快速排序)

-------------------学习笔记

希尔排序:

		int temp;
		int gab = num.length;
		do{
			gab  = gab / 3 + 1;
			for (int i=gab; i <num.length; i++){
				temp = num[i];
				int j;
				for (j=i-gab; j>=0 && num[j] > temp; j-=gab){
					num[j+gab] = num[j];
				}
				num[j+gab] = temp;
			}
		}while (gab > 1);


堆排序:

	public static void main(String[] args) {
		int num[] = new int[]{9,8,7,6,5,4,3,2,1};
		int length = num.length;
		
		for (int i=length/2; i>=0; i--){
			HeapAdjust(num, i, length);
		}
		for (int i=length-1; i>0; i--){
			swap(num, 0, i);
			HeapAdjust(num, 0, i);
		}

		//for (int num1 : num)
			//System.out.println(num1);
	}
	
	private static void swap(int num[], int x, int y){
		int temp = num[x];
		num[x] = num[y];
		num[y] = temp;
	}
	private static void HeapAdjust(int num[], int s, int m){
		int temp = num[s];
		for (int j=2*s+1; j<m; j=2*s+1){
			if (j <m-1 && num[j] < num[j+1])
				j++;
			if (num[j] < temp)
				break;
			num[s] = num[j];
			s = j;
		}
		num[s] = temp;
	}

归并排序:

public class mergeSort {
	int[] arr;
	
	private void merge(int low, int mid, int high){
		int[] temp = new int[high - low + 1];
		int i = low, j = mid+1;
		int k = 0;
		while (i <= mid && j <= high){
			if (arr[i] < arr[j]){
				temp[k++] = arr[i++];
			}else{
				temp[k++] = arr[j++];
			}
		}
		while (i <= mid){
			temp[k++] = arr[i++];
		}
		while (j <= high){
			temp[k++] = arr[j++];
		}
		for (i=0; i<=high-low; i++){
			arr[i+low] = temp[i];
		}
	}
	private void sort(int low, int high){
		int mid = (low + high) / 2;
		if (low < high){
			sort(low, mid);
			sort(mid+1, high);
			merge(low, mid, high);
		}
		return;
	}
	public mergeSort(int[] arr1){
		arr = arr1;
		sort(0, arr.length-1);
	}
}



快速排序:


public class QuickSort {
	private int[] arr;
	private void swap(int x, int y){
		int temp = arr[x];
		arr[x] = arr[y];
		arr[y] = temp;
	}
	private void QuickSortRecursive(int start, int end){
		if (start >= end)
			return;
		int pivotkey = arr[end];
		int left = start;
		int right = end - 1;	
		while (left < right){
			while(arr[left] < pivotkey && left < right)
				left++;
			while(arr[right] >= pivotkey && left < right)
				right--;
			swap(left, right);
		}
		if (arr[left] >= pivotkey)
			swap(left, end);
		else
			left++;
		QuickSortRecursive(start, left-1);
		QuickSortRecursive(left+1, end);
	}
	public void sort(){
		QuickSortRecursive( 0, arr.length -1);
	}
	public QuickSort(int[] arr1){
		arr =  arr1;
	}	
}

优化:
public class QuickSort {
	private int[] arr;
	private final int maxSize = 7; 
	private void swap(int x, int y){
		int temp = arr[x];
		
		arr[x] = arr[y];
		arr[y] = temp;
	}
	private void median(int start, int end ){
		int mid  = (start - end) /2 + end;
		if (arr[start] > arr[end]){
			swap(start, end);		
		if (arr[start] > arr[mid])
			swap(start, mid);
		if (arr[mid] < arr[end])
			swap(mid, end);
		}
	}
	private void insertSort(int start, int end){
		int temp, j;
		for (int i=start+1; i<=end; i++){
			temp = arr[i];
			for (j =i;j>start && arr[j-1] > temp; j--){
					arr[j] = arr[j-1];
			}
			arr[j] = temp;
		}
	}
	private void QuickSortRecursive(int start, int end){
		if (maxSize <(start - end)){
			median(start, end);
			int pivotkey = arr[end];
			int left = start;
			int right = end - 1;	
			while (left < right){
				while(arr[left] < pivotkey && left < right)
					left++;
				while(arr[right] >= pivotkey && left < right)
					right--;
				swap(left, right);
			}
			if (arr[left] >= pivotkey)
				swap(left, end);
			else
				left++;
			QuickSortRecursive(start, left-1);
			QuickSortRecursive(left+1, end);
		}
		else
			insertSort(start, end);
			
	}
		public QuickSort(int[] arr1){
			arr =  arr1;
			QuickSortRecursive( 0, arr.length -1);
	}
	
}




同步定位与地图构建(SLAM)技术为移动机器人或自主载具在未知空间中的导航提供了核心支撑。借助该技术,机器人能够在探索过程中实时构建环境地图确定自身位置。典型的SLAM流程涵盖传感器数据采集、数据处理、状态估计及地图生成等环节,其核心挑战在于有效处理定位与环境建模中的各类不确定性。 Matlab作为工程计算与数据可视化领域广泛应用的数学软件,具备丰富的内置函数与专用工具箱,尤其适用于算法开发与仿真验证。在SLAM研究方面,Matlab可用于模拟传感器输出、实现定位建图算法进行系统性能评估。其仿真环境能显著降低实验成本,加速算法开发与验证周期。 本次“SLAM-基于Matlab的同步定位与建图仿真实践项目”通过Matlab平台完整再现了SLAM的关键流程,包括数据采集、滤波估计、特征提取、数据关联与地图更新等核心模块。该项目不仅呈现了SLAM技术的实际应用场景,更为机器人导航与自主移动领域的研究人员提供了系统的实践参考。 项目涉及的核心技术要点主要包括:传感器模型(如激光雷达与视觉传感器)的建立与应用、特征匹配与数据关联方法、滤波器设计(如扩展卡尔曼滤波与粒子滤波)、图优化框架(如GTSAM与Ceres Solver)以及路径规划与避障策略。通过项目实践,参与者可深入掌握SLAM算法实现原理,提升相关算法的设计与调试能力。 该项目同时注重理论向工程实践的转化,为机器人技术领域的学习者提供了宝贵的实操经验。Matlab仿真环境将复杂的技术问题可视化与可操作化,显著降低了学习门槛,提升了学习效率与质量。 实践过程中,学习者将直面SLAM技术在实际应用中遇到的典型问题,包括传感器误差补偿、动态环境下的建图定位挑战以及计算资源优化等。这些问题的解决对推动SLAM技术的产业化应用具有重要价值。 SLAM技术在工业自动化、服务机器人、自动驾驶及无人机等领域的应用前景广阔。掌握该项技术不仅有助于提升个人专业能力,也为相关行业的技术发展提供了重要支撑。随着技术进步与应用场景的持续拓展,SLAM技术的重要性将日益凸显。 本实践项目作为综合性学习资源,为机器人技术领域的专业人员提供了深入研习SLAM技术的实践平台。通过Matlab这一高效工具,参与者能够直观理解SLAM的实现过程,掌握关键算法将理论知识系统应用于实际工程问题的解决之中。 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