交换排序之快速排序

快速排序算法详解与实现

快速排序也是一个比较基本的排序,面试考算法的话,这个排序的命中率比较高,那么下面就说说快速排序。

1、基本思想:选择一个基准元素,通常是第一个元素或者最后一个元素,通过一趟扫描,将待排序列分成两部分,一部分比基准元素小,一部分大于基准元素,此时,基准元素在其排好序后的正确位置,然后再用同样的方法递归的排序划分的两部分。

这段话什么意思呢?我们举个例子来说说:

还是那个数组{3,5,2,10,1,7},最后的顺序依然是要求从左到右,从小到大,我们选第一个元素3作为基准元素,第一趟排序先拿3和最后一个7比较,发现3小于7,符合从小到大,7在基准元素3的右边,也符合排序思想,继续往前一位拿1和3比较,发现1小于3,那么不符合从小到大了,也不符合在右边的为比基准元素3大的排序思想,那么就将1和3互换位置,那么现在的数组是{1,5,2,10,3,7},那么现在已经换了位置,就只能从前面开始继续排序,比较1和3,符合从小到大,也符合比基准元素3小的在左边的排序思想,所以继续用5和3比较,发现5比3大,不符合从小到大,也不符合比3大的在3右边,就将5和3互换位置,现在的数组为{1,3,2,10,5,7},如此继续直到3在整个数组的中部,符合在左边的比3小,在右边的比3大,那么3的位置就确定了,那么就3左边的和右边的分别进行快速排序,直到整个数组排好。

快速排序是不稳定的排序,当数组基本有序,用快速排序反而不好,当数量大并且很无序的时候,用快速排序比较好。

下面来看一段实现代码:

/*
 * To change this license header, choose License Headers in Project Properties.
 * To change this template file, choose Tools | Templates
 * and open the template in the editor.
 */
package algorithm;

/**
 * 1、算法思想: 通过一趟排序将要排序的数据分割成独立的两部分, 其中一部分的所有数据都比另外一部分的所有数据都要小,
 * 然后再按此方法对这两部分数据分别进行快速排序, 整个排序过程可以递归进行,以此达到整个数据变成有序序列。
 * 会选择一个基准元素,此元素通常为第一个元素或者最后一个元素。
 * 2、适用场景:快速排序是不稳定的排序。快速排序的时间复杂度为O(nlogn)。当n较大时使用快排比较好,当序列基本有序时用快排反而不好。
 * 当数据较多较为杂乱的时候使用快速排序较好,当元素较少并且基本有序的时候,使用快速排序不好。
 */
public class QuickSort {

    public void quickSort(int... args) {
        if (args != null && args.length > 0) {
            this.recursiveSort(0, args.length - 1, args);
        }
    }

    /**
     * 递归版本
     *
     * @param low
     * @param high
     * @param args
     */
    private void recursiveSort(int low, int high, int... args) {
        if (args != null && high < args.length && low >= 0 && low < high) {
            int pivotIndex = this.partition(low, high, args);
            this.recursiveSort(0, pivotIndex - 1, args);
            this.recursiveSort(pivotIndex + 1, high, args);
        }
    }

    private int partition(int low, int high, int... args) {
        int pivotIndex = -1;
        if (args != null && high < args.length && low >= 0 && low < high) {
            int temp = args[low];
            while (low < high) {
                while (low < high && args[high] >= temp) {
                    high--;
                }
                args[low] = args[high];
                while (low < high && args[low] <= temp) {
                    low++;
                }
                args[high] = args[low];
            }
            args[low] = temp;
            pivotIndex = low;
        }
        return pivotIndex;
    }

    public static void main(String[] args) {
        QuickSort qs = new QuickSort();
        int[] array = {3, 5, 2, 10, 1, 7};
        for (int temp : array) {
            System.out.print(temp + " ");
        }
        System.out.println();
        qs.quickSort(array);
        for (int temp : array) {
            System.out.print(temp + " ");
        }
    }
}


内容概要:本文介绍了一个基于冠豪猪优化算法(CPO)的无人机三维路径规划项目,利用Python实现了在复杂三维环境中为无人机规划安全、高效、低能耗飞行路径的完整解决方案。项目涵盖空间环境建模、无人机动力学约束、路径编码、多目标代价函数设计以及CPO算法的核心实现。通过体素网格建模、动态障碍物处理、路径平滑技术和多约束融合机制,系统能够在高维、密集障碍环境下快速搜索出满足飞行可行性、安全性与能效最优的路径,并支持在线重规划以适应动态环境变化。文中还提供了关键模块的代码示例,包括环境建模、路径评估和CPO优化流程。; 适合人群:具备一定Python编程基础和优化算法基础知识,从事无人机、智能机器人、路径规划或智能优化算法研究的相关科研人员与工程技术人员,尤其适合研究生及有一定工作经验的研发工程师。; 使用场景及目标:①应用于复杂三维环境下的无人机自主导航与避障;②研究智能优化算法(如CPO)在路径规划中的实际部署与性能优化;③实现多目标(路径最短、能耗最低、安全性最高)耦合条件下的工程化路径求解;④构建可扩展的智能无人系统决策框架。; 阅读建议:建议结合文中模型架构与代码示例进行实践运行,重点关注目标函数设计、CPO算法改进策略与约束处理机制,宜在仿真环境中测试不同场景以深入理解算法行为与系统鲁棒性。
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