数据结构之程序性能检测(一):三种排序算法·对比

本文通过一个程序性能检测程序,对比了选择排序、插入排序及冒泡排序三种算法在处理完全倒序数组时的表现。测试结果显示,在逆序数较多的情况下,选择排序表现更优。

先上代码:

#include<stdio.h>
#include<time.h>
# define MAX_SIZE 1001
void sort(int *a, int n);
void sort2(int *a, int n);
void sort3(int *a, int n);
void main()
{
    int n, i, step = 10;
    int a[MAX_SIZE];
    double duration;
    clock_t start;
    long repetitions;
    printf("    n                time  \n");
    for (n = 0; n <= 1000; n += step)
    {
        repetitions = 0;/*定义重复次数,便于排序耗时的计算,因为一次的话,时间太短 ,所以重复几次求平均.*/
        start = clock();/*调用系统时间,开始计时*/
        do 
        {
            repetitions ++;
            for (i = 0; i < n; i++)
                a[i] = n - i;
            sort3(a, n);
        } while (clock()-start<1000);
        duration = ((double)(clock() - start)) / CLOCKS_PER_SEC;/*取差 除以CLOCKS_PER_SEC 是得时间的秒数*/
        duration /= repetitions;
        printf("%6d   %9d   %f\n", n, repetitions, duration);
        if (n == 100) step = 100;
    }
    fflush(stdin);
    getchar();
}
void sort(int *a,int n)/*选择排序*/
{
    int i, j, temp, t;
    for (i = 0; i < n - 1; i++)
    {
        temp = a[i];
        t = i;
        for (j = i; j < n; j++)
        {
            if (a[j]>temp)
            {
                temp = a[j];
                t = j;
            }
        }
        temp = a[t];
        a[t] = a[i];
        a[i] = temp;
    }
}
void sort2(int *a,int n)/*插入排序*/
{
    int temp, f, b, i;
    for (b = 1; b < n; b++)
    {
        f = b - 1;
        temp = a[b];
        while (a[f]>temp&&f >= 0)
        {
            a[b] = a[f];
            f--;
            b--;
        }
        a[f + 1] = temp;
    }
}
void sort3(int *a,int n)/*冒泡排序*/
{
    int i, j, temp;
    for (i = 0; i < n - 1; i++)
    {
        for (j = 0; j < n - i - 1; j++)
        {
            if (a[j] > a[j + 1])
            {
                temp = a[j];
                a[j] = a[j + 1];
                a[j + 1] = temp;
            }
        }
    }
}

OK 那吗! 如上,这是一个程序性能检测程序,当然,其是针对某些特殊情况,应其特殊性,所以就没有了普遍性! 其所针对的特殊情况为,其数组全部为倒排列,要将其排序为升序。 如此那么,其并不代表程序的整体性能。
下面送上测试结果:
下面是选择排序的结果
下面是插入排序的结果
冒泡排序哈
那么,综上,不知是否可以得出当预测到逆序数比较多是,读者可以优先考虑一下选择排序呢?(依情况)

【负荷预测】基于VMD-CNN-LSTM的负荷预测研究(Python代码实现)内容概要:本文介绍了基于变分模态分解(VMD)、卷积神经网络(CNN)和长短期记忆网络(LSTM)相结合的VMD-CNN-LSTM模型在负荷预测中的研究与应用,采用Python代码实现。该方法首先利用VMD对原始负荷数据进行分解,降低序列复杂性并提取不同频率的模态分量;随后通过CNN提取各模态的局部特征;最后由LSTM捕捉时间序列的长期依赖关系,实现高精度的负荷预测。该模型有效提升了预测精度,尤其适用于非平稳、非线性的电力负荷数据,具有较强的鲁棒性和泛化能力。; 适合人群:具备定Python编程基础和深度学习背景,从事电力系统、能源管理或时间序列预测相关研究的科研人员及工程技术人员,尤其适合研究生、高校教师及电力行业从业者。; 使用场景及目标:①应用于日前、日内及实时负荷预测场景,支持智慧电网调度与能源优化管理;②为研究复合型深度学习模型在非线性时间序列预测中的设计与实现提供参考;③可用于学术复现、课题研究或实际项目开发中提升预测性能。; 阅读建议:建议读者结合提供的Python代码,深入理解VMD信号分解机制、CNN特征提取原理及LSTM时序建模过程,通过实验调试参数(如VMD的分解层数K、惩罚因子α等)优化模型性能,并可进步拓展至风电、光伏等其他能源预测领域。
【轴承故障诊断】基于融合鱼鹰和柯西变异的麻雀优化算法OCSSA-VMD-CNN-BILSTM轴承诊断研究【西储大学数据】(Matlab代码实现)内容概要:本文研究了种基于融合鱼鹰和柯西变异的麻雀优化算法(OCSSA)优化变分模态分解(VMD)参数,并结合卷积神经网络(CNN)与双向长短期记忆网络(BiLSTM)的轴承故障诊断模型。该方法利用西储大学轴承数据集进行验证,通过OCSSA算法优化VMD的分解层数K和惩罚因子α,有效提升信号去噪与特征提取能力;随后利用CNN提取故障特征的空间信息,BiLSTM捕捉时间序列的长期依赖关系,最终实现高精度的轴承故障识别。整个流程充分结合了智能优化、信号处理与深度学习技术,显著提升了复杂工况下故障诊断的准确性与鲁棒性。; 适合人群:具备定信号处理、机器学习及MATLAB编程基础的研究生、科研人员及从事工业设备故障诊断的工程技术人员。; 使用场景及目标:①解决传统VMD参数依赖人工经验选择的问题,实现自适应优化;②构建高效准确的轴承故障诊断模型,适用于旋转机械设备的智能运维与状态监测;③为类似机电系统故障诊断提供可借鉴的技术路线与代码实现参考。; 阅读建议:建议结合提供的Matlab代码进行实践操作,重点关注OCSSA算法的设计机制、VMD参数优化过程以及CNN-BiLSTM网络结构的搭建与训练细节,同时可尝试在其他故障数据集上迁移应用以加深理解。
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