排序算法Java实现

选择排序(升序):

 public static void sort(int[] a){
      int N=a.length;
      for(int i=0;i<N;i++)
         {
             int min=i;
             for(int j=i+1;j<N;j++)
              {
                  if(a[j]<a[min])
                    min=j;
              }
              int t=a[i];
              a[i]=a[min];
              a[min]=t;
         }
    }

冒泡排序(升序):

 public static void sort(int[] a){
      int N=a.length;
      for(int i=0;i<N-1;i++){
        for(int j=0;j<N-1;j++)
            {
                if(a[j]>a[j+1])
                {
                    int t=a[j];
                    a[j]=a[j+1];
                    a[j+1]=t;
                }
            }
      }
    }
插入排序(升序):
public static void sort(int[] a){
      int N=a.length;
      for(int i=1;i<N;i++){
        for(int j=i;j>0&&a[j]<a[j-1];j--)
        {
          int t=a[j];
          a[j]=a[j-1];
          a[j-1]=t;
        }
      }
    }

希尔排序(升序):

 public static void sort(int[] a){
      int N=a.length;
      int h=1;
      while(h<N/3) h=3*h+1;
      while(h>=1){
      for(int i=h;i<N;i++){
        for(int j=i;j>=h&&a[j]<a[j-h];j-=h)
        {
          int t=a[j];
          a[j]=a[j-h];
          a[j-h]=t;
        }
      }
       h=h/3;
      }
    }

归并排序(升序):

public class Main {
    public static int aux[];
    public static void sort(int[] a){
        aux=new int[a.length];
       sort(a,0,a.length-1);
    }
    
    public static void sort(int[] a,int lo,int hi){
        if(hi<=lo) return ;
        int mid=lo+(hi-lo)/2;
        sort(a,lo,mid);
        sort(a,mid+1,hi);
        merge(a,lo,mid,hi);
    }
    public static void merge(int [] a,int lo,int mid,int hi){
     int i=lo,j=mid+1;
     for(int k=lo;k<=hi;k++){
        aux[k]=a[k];
     }
     for(int k=lo;k<=hi;k++){
        if(i>mid)   a[k]=aux[j++];
        else if(j>hi) a[k]=aux[i++];
        else if(a[i]<a[j]) a[k]=aux[i++];
        else a[k]=aux[j++];
     }
    }
    public static void main (String[] args) {
        int a[]={2,1,4,3,5,4,7,8,10};
        sort(a);
        for(int i=0;i<a.length;i++){
            System.out.print(a[i]+" ");
        }
    }
}
快速排序(升序)
public class Main {
    public static void sort(int[] a){
        sort(a,0,a.length-1);
    }
    public static void sort(int[] a,int lo,int hi){
        if(hi<=lo) return ;
        int j=partiton(a,lo,hi);
        sort(a,lo,j);
        sort(a,j+1,hi);
    }
    public static int partiton(int []a,int l,int h){
        int key=a[l];
        while(l<h){
            while(a[h]>=key&&h>l) {h--;}
            a[l]=a[h];
            while(a[l]<=key&&h>l) {l++;}
            a[h]=a[l];
        }
        a[h]=key;
        return h;
    }
    public static void main (String[] args) {
        int a[]={2,1,4,3,5,4,7,8,10};
        sort(a);
        for(int i=0;i<a.length;i++){
            System.out.print(a[i]+" ");
        }
    }

}
堆排序(大根堆,升序):
public class Main {
    public static void sink(int a[],int k,int N){
        while(k*2<=N){
            int j=2*k;
            if(j<N&&a[j]<a[j+1]) j++;
            if(a[k]>=a[j]) break;
            int t=a[j];
            a[j]=a[k];
            a[k]=t;
            k=j;
        }
    }
    public static void sort(int a[]){
        int N=a.length-1;
        for(int i=N/2;i>=1;i--){
            sink(a,i,N);
        }
        while(N>=1){
            int t=a[1];
            a[1]=a[N];
            a[N]=t;
            N--;
            sink(a,1,N);
        }
    }
    public static void main (String[] args) {
        int a[]={0,2,1,4,3,5,4,7,8,10};
        sort(a);
        for(int i=1;i<a.length;i++){
            System.out.print(a[i]+" ");
        }
    }

}

内容概要:本文介绍了一个基于MATLAB实现的无人机三维路径规划项目,采用蚁群算法(ACO)与多层感知机(MLP)相结合的混合模型(ACO-MLP)。该模型通过三维环境离散化建模,利用ACO进行全局路径搜索,并引入MLP对环境特征进行自适应学习与启发因子优化,实现路径的动态调整与多目标优化。项目解决了高维空间建模、动态障碍规避、局部最优陷阱、算法实时性及多目标权衡等关键技术难题,结合并行计算与参数自适应机制,提升了路径规划的智能性、安全性和工程适用性。文中提供了详细的模型架构、核心算法流程及MATLAB代码示例,涵盖空间建模、信息素更新、MLP训练与融合优化等关键步骤。; 适合人群:具备一定MATLAB编程基础,熟悉智能优化算法与神经网络的高校学生、科研人员及从事无人机路径规划相关工作的工程师;适合从事智能无人系统、自动驾驶、机器人导航等领域的研究人员; 使用场景及目标:①应用于复杂三维环境下的无人机路径规划,如城市物流、灾害救援、军事侦察等场景;②实现飞行安全、能耗优化、路径平滑与实时避障等多目标协同优化;③为智能无人系统的自主决策与环境适应能力提供算法支持; 阅读建议:此资源结合理论模型与MATLAB实践,建议读者在理解ACO与MLP基本原理的基础上,结合代码示例进行仿真调试,重点关注ACO-MLP融合机制、多目标优化函数设计及参数自适应策略的实现,以深入掌握混合智能算法在工程中的应用方法。
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