排序之归并排序

归并排序详解与实现

参考链接:http://www.cnblogs.com/jingmoxukong/p/4308823.html

参考链接:https://www.cnblogs.com/chengxiao/p/6194356.html

归并排序的时间复杂度为o( nlogn  ) 是一种稳定排序,并且最坏情况和最优情况时间复杂度相同;

#include<iostream>
using namespace std;
int  vec[1000];//原数组 
int temp[1000];//充当临时数组 
int ans=0;
void merst(int left,int mid, int right){//合并两个序列 
	int i=left;
	int j=mid;
	int n=mid+1;
	int m=right;
	int k=0;
	while(i<=j  && n<=m){
		if(vec[i]>vec[n]){
			temp[k++]=vec[n++];
			ans++;
		}
		else{
			temp[k++]=vec[i++];
		}
	}
	while(i<=j){
		temp[k++]=vec[i++];
	}
	while(n<=m){
		temp[k++]=vec[n++];
	} 
	
	for(int i=0;i<k;i++){
		vec[left+i]=temp[i];//将临时数组中的元素复制给原数组; 
	}
}


void msort(int left,int right){ 
	if(left<right){
		int mid=(left+right)/2; 
		msort(left,mid);//对左边半部分处理
		msort(mid+1,right);//对右边半部分处理 
		merst(left,mid,right);//将左右两半部分进行合并 
	}
}
int main(){
	int n;
	cin>>n;
	for(int i=0;i<n;i++){
		cin>>vec[i];
	}
	msort(0,n-1);
	for(int i=0;i<n;i++){
		cout<<vec[i]<<' ';
	}
	cout<<endl;
	
	
	return 0;
}

 

内容概要:本文围绕六自由度机械臂的人工神经网络(ANN)设计展开,重点研究了正向与逆向运动学求解、正向动力学控制以及基于拉格朗日-欧拉法推导逆向动力学方程,并通过Matlab代码实现相关算法。文章结合理论推导与仿真实践,利用人工神经网络对复杂的非线性关系进行建模与逼近,提升机械臂运动控制的精度与效率。同时涵盖了路径规划中的RRT算法与B样条优化方法,形成从运动学到动力学再到轨迹优化的完整技术链条。; 适合人群:具备一定机器人学、自动控制理论基础,熟悉Matlab编程,从事智能控制、机器人控制、运动学六自由度机械臂ANN人工神经网络设计:正向逆向运动学求解、正向动力学控制、拉格朗日-欧拉法推导逆向动力学方程(Matlab代码实现)建模等相关方向的研究生、科研人员及工程技术人员。; 使用场景及目标:①掌握机械臂正/逆运动学的数学建模与ANN求解方法;②理解拉格朗日-欧拉法在动力学建模中的应用;③实现基于神经网络的动力学补偿与高精度轨迹跟踪控制;④结合RRT与B样条完成平滑路径规划与优化。; 阅读建议:建议读者结合Matlab代码动手实践,先从运动学建模入手,逐步深入动力学分析与神经网络训练,注重理论推导与仿真实验的结合,以充分理解机械臂控制系统的设计流程与优化策略。
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