堆排序(HeapSort)

本文介绍了一种基于最大堆的数据排序算法——堆排序,并提供了完整的Java实现代码。通过构建最大堆并反复调整堆结构来实现数组元素的升序排列。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >


public class HeapSort {
	
	public static void main(String[] args) {
		// TODO Auto-generated method stub

		int[] A = {4,1,3,2,16,9,10,14,8,7};
		
		heapSort(A);
		for(int i : A){
			System.out.println(i);
		}
		
	}
	
	
	
	/**
	 * HEAP-SORT(A)
	 * BUILD-MAX-HEAP(A)
	 * for i = length[A] downto 2
	 * 	do exchange A[1]<->A[i]
	 * 		heap-size[A]<-heap-size[A]-1
	 * 		MAX-HEAPIFY(A,1)
	 * 
	 * */
	private static void heapSort(int[] A){
		buildMaxHeap(A);
		for(int i=A.length-1; i>=1; i--){
			int temp = A[0];
			A[0] = A[i];
			A[i] = temp;
			maxHeapify(A,i,1);
		}
		
	}
	
	
	/**
	 * BUILD-MAX-HEAP(A)
	 * heap-size[A] = length[A]
	 * for i = length[A]/2 downto 1
	 * 	do MAX-HEAPIFY(A,i)
	 * 
	 * */
	private static void buildMaxHeap(int[] A){
		int heapSize = A.length;
		for(int i = heapSize/2; i>0; i--){
			maxHeapify(A,heapSize, i);
		}
		
	}
	
	
	
	
	/**
	 * MAX-HEAPIFT(A,i)
	 * 
	 * 	l = left(i)
	 * 	r = right(i)
	 * 	if l<=heap-size[A] and A[l]>A[i]
	 * 		then largest = l
	 * 		else largest = i
	 * 	if r<=heap-size[A] and A[r]>A[largest]
	 * 		then largest = r
	 * 	if largest!=i
	 * 		then exchange A[i]<->A[largest]
	 * 			MAX-HEAPIFY(A,largest) 
	 * 
	 * 
	 * */
	private static int[] maxHeapify(int[] A,int heapsize, int i){
		int l = left(i)-1;
		int r = right(i)-1;
		i--;
		int largest = 0;
		if(l<heapsize && A[l]>A[i]){
			largest = l;
		}else{
			largest = i;
		}
		
		if(r<heapsize && A[r]>A[largest]){
			largest = r;
		}
		
		if(largest != i){
			int temp = A[i];
			A[i] = A[largest];
			A[largest] = temp;
			maxHeapify(A,heapsize,largest+1); 
		}
		
		return A;
	}
	
	/**
	 * 父节点
	 * PARENT(i)
	 * 	RETURN i/2
	 * 
	 * */
	private static int parent(int i){
		
		return i/2;
	}

	/**
	 * 左侧子节点
	 * LEFT(i)
	 * 	RETURN 2i
	 * 
	 * */
	private static int left(int i){
		return 2*i;
	}
	
	/**
	 * 右侧子节点
	 * RIGTH(i)
	 * 	RETURN 2i+1
	 * 
	 * */
	private static int right(int i){
		return 2*i+1;
	}
	
	
	

}


内容概要:本文针对国内加密货币市场预测研究较少的现状,采用BP神经网络构建了CCi30指数预测模型。研究选取2018年3月1日至2019年3月26日共391天的数据作为样本,通过“试凑法”确定最优隐结点数目,建立三层BP神经网络模型对CCi30指数收盘价进行预测。论文详细介绍了数据预处理、模型构建、训练及评估过程,包括数据归一化、特征工程、模型架构设计(如输入层、隐藏层、输出层)、模型编译与训练、模型评估(如RMSE、MAE计算)以及结果可视化。研究表明,该模型在短期内能较准确地预测指数变化趋势。此外,文章还讨论了隐层节点数的优化方法及其对预测性能的影响,并提出了若干改进建议,如引入更多技术指标、优化模型架构、尝试其他时序模型等。 适合人群:对加密货币市场预测感兴趣的研究人员、投资者及具备一定编程基础的数据分析师。 使用场景及目标:①为加密货币市场投资者提供一种新的预测工具和方法;②帮助研究人员理解BP神经网络在时间序列预测中的应用;③为后续研究提供改进方向,如数据增强、模型优化、特征工程等。 其他说明:尽管该模型在短期内表现出良好的预测性能,但仍存在一定局限性,如样本量较小、未考虑外部因素影响等。因此,在实际应用中需谨慎对待模型预测结果,并结合其他分析工具共同决策。
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