快速排序

1、双边循环法

package cn.di4zhang;

import java.util.Arrays;

public class PivotDouble {
public static void quickSort(int[] arr,int startIndex,int endIndex){
//递归结束条件:startIndex大于或等于endIndex时
if(startIndex>=endIndex){
return;
}
//得到基准元素位置
int pivotIndex = partition(arr,startIndex,endIndex);
//根据基准元素,分成两部分进行递归排序
quickSort(arr,startIndex,pivotIndex-1);
quickSort(arr,pivotIndex+1,endIndex);
}

/**
 * 分冶(双边循环法)
 * @param arr			待交换的数组
 * @param startIndex	起始下标
 * @param endIndex		结束下标
 */
private static int partition(int[] arr, int startIndex, int endIndex) {
	//取第1个位置(也可以选择随机位置)的元素作为基准元素
	int pivot = arr[startIndex];
	int left = startIndex;
	int right = endIndex;
	
	while(left !=right){
		//控制right指针比较并左移
		while(left<right  &&  arr[right]>pivot){
			right--;
		}
		//控制left和right指针比较并右移
		while(left<right &&  arr[left]<=pivot){
			left++;
		}
		//交换left和right指针所指向的元素
		if(left<right){
			int p=arr[left];
			arr[left] = arr[right];
			arr[right]=p;
		}
	}
	//pivot和指针重合点交换
	arr[startIndex] = arr[left];
	arr[left] = pivot;
	
	return left;
}
public static void main(String[] args) {
	// TODO Auto-generated method stub
	int[] arr = new int[]{3,4,4,6,5,3,2,8,1};
	quickSort(arr,0,arr.length-1);
	System.out.println(Arrays.toString(arr));
}

}

**

2、单边循环法

**
package cn.di4zhang;

import java.util.Arrays;

public class PivotOne {
public static void quickSort(int[] arr,int startIndex,int endIndex){
//递归结束条件:startIndex大于或等于endIndex时
if(startIndex>=endIndex){
return;
}
//得到基准元素位置
int pivotIndex = partition(arr,startIndex,endIndex);
}
/**
* 分冶(单边循环法)
* @param arr 待交换的数组
* @param startIndex 起始下标
* @param endIndex 结束下标
*/
private static int partition(int[] arr, int startIndex, int endIndex) {
//取第1个位置(也可以选择随机位置)的元素作为基准元素
int pivot = arr[startIndex];
int mark = startIndex;

	for(int i = startIndex+1;i<=endIndex;i++){
		if(arr[i]<pivot){
			mark++;
			int p = arr[mark];
			arr[mark] = arr[i];
			arr[i] = p;
		}
	}
	arr[startIndex] = arr[mark];
	arr[mark] = pivot;
	return mark;
}
public static void main(String[] args) {
	int[] arr = new int[]{3,4,4,6,5,3,2,8,1};
	quickSort(arr,0,arr.length-1);
	System.out.println(Arrays.toString(arr));

}

}

3、非递归实现

package cn.di4zhang;

import java.util.Arrays;
import java.util.HashMap;
import java.util.Map;
import java.util.Stack;

public class NoRecursion {
public static void quickSort(int[] arr,int startIndex,int endIndex){
//用一个集合栈来代替递归的函数栈
Stack<Map<String,Integer>>quickSortStack = new Stack<Map<String,Integer>>();
//整个数列的起止下标
Map rootParam = new HashMap();
rootParam.put(“startIndex”, startIndex);
rootParam.put(“endIndex”, endIndex);
quickSortStack.push(rootParam);

	//循环结束条件:栈为空时
	while(!quickSortStack.isEmpty()){
		//栈丁元素出栈,得到起止下标
		Map<String,Integer> param = quickSortStack.pop();
		//得到基准元素位置
		int pivotIndex = partition(arr,param.get("startIndex"),param.get("endIndex"));
		//根据基准元素分成两部分,把每一部分的起止下标入栈
		if(param.get("startIndex")<pivotIndex-1){
			Map<String,Integer>leftParam = new HashMap<String,Integer>();
			leftParam.put("startIndex", param.get("startIndex"));
			leftParam.put("endIndex", pivotIndex-1);
			quickSortStack.push(leftParam);
		}
		if(pivotIndex+1<param.get("endIndex")){
			Map<String,Integer>rightParam = new HashMap<String,Integer>();
			rightParam.put("startIndex", pivotIndex+1);
			rightParam.put("endIndex", param.get("endIndex"));
			quickSortStack.push(rightParam);
		}
	}
}
/**
 * 分冶(单边循环法)
 * @param arr			待交换的数组
 * @param startIndex	起始下标
 * @param endIndex	           结束下标
 */
private static int partition(int[] arr, int startIndex, int endIndex) {
	//取第1个位置(也可以选择随机位置)的元素作为基准元素
	int pivot = arr[startIndex];
	int mark = startIndex;
	for(int i = startIndex+1;i<=endIndex;i++){
		if(arr[i]<pivot){
			mark++;
			int p = arr[mark];
			arr[mark] = arr[i];
			arr[i] = p;
		}
	}
	arr[startIndex] = arr[mark];
	arr[mark] = pivot;
	return mark;
}
public static void main(String[] args) {
	int[] arr = new int[]{3,4,7,6,4,5,2,8,1};
	quickSort(arr,0,arr.length-1);
	System.out.println(Arrays.toString(arr));

}

}

内容概要:本文详细介绍了一个基于Java和Vue的联邦学习隐私保护推荐系统的设计与实现。系统采用联邦学习架构,使用户数据在本地完成模型训练,仅上传加密后的模型参数或梯度,通过中心服务器进行联邦平均聚合,从而实现数据隐私保护与协同建模的双重目标。项目涵盖完整的系统架构设计,包括本地模型训练、中心参数聚合、安全通信、前后端解耦、推荐算法插件化等模块,并结合差分隐私与同态加密等技术强化安全性。同时,系统通过Vue前端实现用户行为采集与个性化推荐展示,Java后端支撑高并发服务与日志处理,形成“本地训练—参数上传—全局聚合—模型下发—个性化微调”的完整闭环。文中还提供了关键模块的代码示例,如特征提取、模型聚合、加密上传等,增强了项目的可实施性与工程参考价值。 适合人群:具备一定Java和Vue开发基础,熟悉Spring Boot、RESTful API、分布式系统或机器学习相关技术,从事推荐系统、隐私计算或全栈开发方向的研发人员。 使用场景及目标:①学习联邦学习在推荐系统中的工程落地方法;②掌握隐私保护机制(如加密传输、差分隐私)与模型聚合技术的集成;③构建高安全、可扩展的分布式推荐系统原型;④实现前后端协同的个性化推荐闭环系统。 阅读建议:建议结合代码示例深入理解联邦学习流程,重点关注本地训练与全局聚合的协同逻辑,同时可基于项目架构进行算法替换与功能扩展,适用于科研验证与工业级系统原型开发。
源码来自:https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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