插入排序

本文详细介绍了插入排序算法的工作原理及实现步骤,并通过一个具体的调试案例解析了常见错误及其修正方法。

插入排序:从第二个数开始,将每个数插入到前面合适的位置(往前移动),即前面保持有序,后面每个数依次插入到前面有序的数组,直至到最后一个数。

插入过程采用使用临时变量保存当前待插入元素,将前面大于该待插入元素的数往后挪,腾出合适的插入位置,将待插入元素插入。

//插入排序
#include<iostream>
#include<cstdlib>

using namespace std;

void InsertSort(int *a, int n)
{
	for (int i = 1; i < n; i++)
	{
		int j, temp;
		temp = a[i];
		for (j = i - 1; j >= 0 && a[j] >temp; j--)
			a[j + 1] = a[j];
		a[j+1] = temp;
	}
}

int main()
{
	int a[10] = { 3,5,9,8,0,1,2,7,6,10 };
	int n = 10;
	for (int i = 0; i < 10; i++)
		cout << a[i] << " ";
	cout << endl;
	InsertSort(a, n);
	for (int i = 0; i < 10; i++)
		cout << a[i] << " ";

	system("pause");
	return 0;
}

今日再写了一次插入排序,按照算法的原理书写,结果老是排不对,与之前的代码只有一行之差

void InsertSort(int *a, int n)
{
	int j;
	for (int i = 1; i < n; i++)
	{
		int temp = a[i];
		
		for ( j = i - 1; j >= 0; j--)
		{
			if (a[j] > temp)
			{
				a[j + 1] = a[j];
			}
		}
		a[j + 1] = temp;
	}
}

经过多次调试,发现问题出在第8行开始的循环中,这个循环并没有将(a[j]>temp)作为循环的结束条件,即无论循环里面的内容如何,每一次循环,j最终都将变为0,那么在  第15行,每次都是a[1]变为了temp,造成与我们想要表达的内容不符,解决方法是,在循环内if(a[j]>temp),则使用break立刻退出循环,此时的j是正确的插入位置

void InsertSort(int *a, int n)
{
	int j;
	for (int i = 1; i < n; i++)
	{
		int temp = a[i];
		cout << "i = " << i << " a[i] = " << a[i] << endl;
		
		for ( j = i - 1; j >= 0; j--)
		{
			if (a[j] > temp)
			{
				cout << "a[" << j + 1 << "] = " << a[j + 1] << " a[" << j << "] = " << a[j] << "交换" << endl;
				a[j + 1] = a[j];
			}
			else
				break;
		}
		a[j + 1] = temp;
		for (int k = 0; k <= i; k++)
			cout << a[k] << " ";
		cout << endl;
		/*
		for (j = i - 1; j >= 0 && a[j] > temp; j--)
		{
			cout << "a[" << j + 1 << "] = " << a[j + 1] << " a[" << j << "] = " << a[j] << endl;
			a[j + 1] = a[j];
			
		}
		a[j + 1] = temp;*/
	}
}


内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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