快排的诡异之处

如果in-place做quick sort,选择放置pivot的位置会影响到代码细节。

同样的实现方式,选择第一个元素为pivot时,恢复pivot位置就得以hi为准。
public class TestQuickSort {
public static void main(String[] args) {
int[] arr = { 1, 4, 2, 3, 6, 5, 0 };
quickSort(arr, 0, arr.length - 1);
for (int i : arr) System.out.println(i);
}

public static void quickSort(int[] arr, int left, int right) {
if (left >= right) return;
int pivot = arr[left];
int lo = left;
int hi = right + 1;
while (true) {
while (arr[++lo] < pivot) { if (lo == right) break; }
while (arr[--hi] > pivot) { }
if (lo >= hi) break;
swap(arr, lo, hi);
}
swap(arr, left, hi);
quickSort(arr, left, hi - 1);
quickSort(arr, hi + 1, right);
}

public static void swap(int[] arr, int i, int j) {
int temp = arr[i];
arr[i] = arr[j];
arr[j] = temp;
}
}

反之,以最后一个元素为pivot时,恢复pivot就得以lo为准。
public class TestQuickSort {
public static void main(String[] args) {
int[] arr = { 1, 4, 2, 3, 6, 5, 0 };
quickSort(arr, 0, arr.length - 1);
for (int i : arr) System.out.println(i);
}

public static void quickSort(int[] arr, int left, int right) {
if (left >= right) return;
int pivot = arr[right];
int lo = left - 1;
int hi = right;
while (true) {
while (arr[++lo] < pivot) { }
while (arr[--hi] > pivot) { if (hi == left) break; }
if (lo >= hi) break;
swap(arr, lo, hi);
}
swap(arr, right, lo);
quickSort(arr, left, lo - 1);
quickSort(arr, lo + 1, right);
}

public static void swap(int[] arr, int i, int j) {
int temp = arr[i];
arr[i] = arr[j];
arr[j] = temp;
}
}


这是因为这种实现方式中,在选取恢复pivot的下标时,应选取“安全”的那个,也就是永远不会超过pivot所在位置的那个。
如果选取中间的元素为pivot,则无需恢复pivot,而且无论以lo还是hi为基准继续快排都行,因为在满足循环的结束条件时它们肯定相等。
public class TestQuickSort {
public static void main(String[] args) {
int[] arr = { 1, 4, 2, 3, 6, 5, 0 };
quickSort(arr, 0, arr.length - 1);
for (int i : arr) System.out.println(i);
}

public static void quickSort(int[] arr, int left, int right) {
if (left >= right) return;
int pivot = arr[(left + right) / 2];
int lo = left - 1;
int hi = right + 1;
while (true) {
while (arr[++lo] < pivot) { }
while (arr[--hi] > pivot) { }
if (lo >= hi) break;
swap(arr, i, j);
}
quickSort(arr, left, lo - 1);
quickSort(arr, lo + 1, right);
}

public static void swap(int[] arr, int i, int j) {
System.out.println("swap " + i + " with " + j);
int temp = arr[i];
arr[i] = arr[j];
arr[j] = temp;
}
}
【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
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