简单的选择排序

一趟简单选择排序的操作为:通过n-i次关键字的比较,从n-i+1个记录中选出关键字最小(大)记录,并和第i个记录交换之;所需进行记录移动的次数最小值为0,最大值为3(n-1),关键字之间的比较次数是n(n-1)/2,所以时间复杂度为O(n*n);

如下的例子所示:

 

#include<iostream>
using namespace std;
#define size 10

void selectsort(int n,int arr[])
{
 int k=0,temp=0;
 for(int i=0;i<n;i++)
 { k=i;
  for(int j=i+1;j<n;j++)
   if(arr[j]<arr[k])
    k=j;
   if(i!=k)
   {
    temp=arr[i];
    arr[i]=arr[k];
    arr[k]=temp;
   }
 }
}

void output(int n,int arr[])
{
 for(int i=0;i<n;i++)
  cout<<arr[i]<<"\t";
 cout<<endl;
}

void main()
{
 int arr[size]={45,23,9,35,22,90,100,456,67,1};
    selectsort(size,arr);
 output(size,arr);
}


 

内容概要:《中文大模型基准测评2025年上半年报告》由SuperCLUE团队发布,详细评估了2025年上半年中文大模型的发展状况。报告涵盖了大模型的关键进展、国内外大模型全景图及差距、专项测评基准介绍等。通过SuperCLUE基准,对45个国内外代表性大模型进行了六大任务(数学推理、科学推理、代码生成、智能体Agent、精确指令遵循、幻觉控制)的综合测评。结果显示,海外模型如o3、o4-mini(high)在推理任务上表现突出,而国内模型如Doubao-Seed-1.6-thinking-250715在智能体Agent和幻觉控制任务上表现出色。此外,报告还分析了模型性价比、效能区间分布,并对代表性模型如Doubao-Seed-1.6-thinking-250715、DeepSeek-R1-0528、GLM-4.5等进行了详细介绍。整体来看,国内大模型在特定任务上已接近国际顶尖水平,但在综合推理能力上仍有提升空间。 适用人群:对大模型技术感兴趣的科研人员、工程师、产品经理及投资者。 使用场景及目标:①了解2025年上半年中文大模型的发展现状与趋势;②评估国内外大模型在不同任务上的表现差异;③为技术选型和性能优化提供参考依据。 其他说明:报告提供了详细的测评方法、评分标准及结果分析,确保评估的科学性和公正性。此外,SuperCLUE团队还发布了多个专项测评基准,涵盖多模态、文本、推理等多个领域,为业界提供全面的测评服务。
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

打赏作者

霍师傅hgd613

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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