p1常用排序算法

本文介绍了排序算法的基础知识,包括选择排序、冒泡排序和插入排序的原理及实现代码。这三种算法虽然时间复杂度相同为O(n^2),但思路各有特点,是理解排序算法的良好起点。选择排序通过每次挑选最小元素来逐步排序;冒泡排序通过相邻元素比较交换实现排序;插入排序则是将元素插入到已排序部分的合适位置。

学习算法和数据结构最开始一般都是排序算法。想象一下如果一本字典是无序的,我们要查一个词得花多少时间,幸好市面上的字典的内容都是按照一定顺序排列好的。

进入正题,先学习一下最容易理解的3个算法。
1、选择排序
选择排序的思路是,每次从待排数组中pick出最小的(问题规模每次减一)

function selectSort(a) {
		let arr = JSON.parse(JSON.stringify(a));
		let len = arr.length;
		for(let i=0;i< len; i++) {
			for(let j = i + 1; j< len; j++) {
				log(arr[i]);
				if (arr[i] > arr[j]) {
					[arr[i], arr[j]] = [arr[j], arr[i]];
				}
			}
		}
		return arr;
	}	

2、冒泡排序

// 冒泡排序的思路是:每次比较相邻的两个,这样每第n轮,倒数第n个就是排列好的
	function bubbleSort(a) {
		let arr = JSON.parse(JSON.stringify(a));
		let len = arr.length;
		for (let i = 0; i < len; i++) {
			// 减一是因为每次和后一个比较, -i 是因为第i轮结束时已经排好了最后面的i个
			for(j = 0; j < len - i - 1; j++) {
				if (arr[j] > arr[j + 1]) {
					[arr[j], arr[j + 1]] = [arr[j + 1], arr[j]];
				}
			}
		}
		return arr;
	}

3、插入排序

// 插入排序的思路是: 从待排数组中取出一个i,放到已排好的新数组里正确的位置
	function resertSort(a) {
		let arr = JSON.parse(JSON.stringify(a));
		let len = arr.length;
		let res = [arr[0]];
		for (let i = 1; i < len; i++) {
			// 减一是因为每次和后一个比较, -i 是因为第i轮结束时已经排好了最后面的i个
			let cur = res.length;
			for (let j = 0; j < res.length; j++) {
				if(arr[i] < res[j]) {
					cur = j;
					break;
				}
			}
			res = res.slice(0, cur).concat(arr[i], res.slice(cur));
		}
		return res;
	}

以上三种是最基础最好理解的3种排序算法都是O(n2)O(n^{2})O(n2)后面我们再研究下更快的排序算法,未完待续

数据集介绍:电力线目标检测数据集 一、基础信息 数据集名称:电力线目标检测数据集 图片数量: 训练集:2898张图片 验证集:263张图片 测试集:138张图片 总计:3299张图片 分类类别: 类别ID: 0(电力线) 标注格式: YOLO格式,包含对象标注信息,适用于目标检测任务。 数据格式:JPEG/PNG图片,来源于空中拍摄或监控视觉。 二、适用场景 电力设施监控与巡检: 数据集支持目标检测任务,帮助构建能够自动识别和定位电力线的AI模型,用于无人机或固定摄像头巡检,提升电力设施维护效率和安全性。 能源与公用事业管理: 集成至能源管理系统中,提供实时电力线检测功能,辅助进行风险 assessment 和预防性维护,优化能源分配。 计算机视觉算法研究: 支持目标检测技术在特定领域的应用研究,促进AI在能源和公用事业行业的创新与发展。 专业培训与教育: 数据集可用于电力行业培训课程,作为工程师和技术人员学习电力线检测与识别的重要资源。 三、数据集优势 标注精准可靠: 每张图片均经过专业标注,确保电力线对象的定位准确,适用于高精度模型训练。 数据多样性丰富: 包含多种环境下的电力线图片,如空中视角,覆盖不同场景条件,提升模型的泛化能力和鲁棒性。 任务适配性强: 标注格式兼容YOLO等主流深度学习框架,便于快速集成和模型开发,支持目标检测任务的直接应用。 实用价值突出: 专注于电力线检测,为智能电网、自动化巡检和能源设施监控提供关键数据支撑,具有较高的行业应用价值。
【弹簧阻尼器】基于卡尔曼滤波弹簧质量阻尼器系统噪声测量实时状态估计研究(Matlab代码实现)内容概要:本文围绕“基于卡尔曼滤波的弹簧质量阻尼器系统噪声测量与实时状态估计”展开研究,利用Matlab代码实现对系统状态的精确估计。重点在于应用卡尔曼滤波技术处理系统中存在的噪声干扰,提升对弹簧质量阻尼器系统动态行为的实时观测能力。文中详细阐述了系统建模、噪声特性分析及卡尔曼滤波算法的设计与实现过程,展示了滤波算法在抑制测量噪声、提高状态估计精度方面的有效性。同时,该研究属于更广泛的信号处理与状态估计技术应用范畴,适用于复杂动态系统的监控与控制。; 适合人群:具备一定控制系统理论基础和Matlab编程经验的高校研究生、科研人员及工程技术人员,尤其适合从事动态系统建模、状态估计与滤波算法研究的相关人员。; 使用场景及目标:①应用于机械、航空航天、自动化等领域中对振动系统状态的高精度实时估计;②为噪声环境下的传感器数据融合与状态预测提供算法支持;③作为卡尔曼滤波算法在实际物理系统中应用的教学与科研案例。; 阅读建议:建议读者结合Matlab代码实践,深入理解系统建模与滤波器设计的关键步骤,关注噪声建模与滤波参数调优对估计性能的影响,并可进一步拓展至扩展卡尔曼滤波(EKF)或无迹卡尔曼滤波(UKF)在非线性系统中的应用。
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