快速排序整理(老粗糙了)

现附上经典源代码

#include<iostream>
using namespace std;
void kp(int a[],int l,int r)
{
    if(l>=r)return;
    int i=l;
    int j=r;
    int p=a[l];
    while(i<j)
    {
        while(i<j&&a[j]>=p)j--;
        while(i<j&&a[i]<=p)i++;
        swap(a[i],a[j]);

    }
    swap(a[l],a[j]);
    kp(a,l,j-1);
    kp(a,j+1,r);

}
int main()
{
    int n;
    cin>>n;
    int a[100005];
    for(int i=0;i<=n-1;i++)
    {
        cin>>a[i];
    }
    kp(a,0,n-1);
    for(int i=0;i<=n-1;i++)
    {
        cout<<a[i]<<' ';
    }
    return 0;
}
现在看来,快排就是基于pivot的一项操作之的递归,然后逐渐得到排序后的数组。

每次操作就是把第一个数作为基准(pivot),把它放到一个合适的位置,让前面的数比它小,后面的数比它大,就可以了。

也就是这一段:

while(i<j)
    {
        while(i<j&&a[j]>=p)j--;//从前面开始找,找到一个比pivot大的
        while(i<j&&a[i]<=p)i++;//从后面开始找,找到一个比pivot小的
        swap(a[i],a[j]);//把前面比pivot基准大的,与后面比pivot基准小的互换位置。

    }

//当循环出来时,i和j相等了,也就是说在i=j这个位置上,前面的,和后面的都符合这个所谓“合适的位置”
    swap(a[l],a[j]);

//然后这个时候我们把基准放在这个位置,就行了。

接下来就是递归的过程了

    kp(a,l,j-1);
    kp(a,j+1,r);

把i=j这个位置前面和后面都以相同的方法排序。

就做完了。

然后这个方法会被洛谷卡,因为当数据为1,2,3,4,5,6......n的时候,我们这个方法一次就移动了一次,退化为了一个O(n^2)复杂度的算法了。。。

所以,我偷了一波鸡,以中间的位置上的数为基准,就过了。

就像这样:

void kp2(int l,int r)
{
    if(l>=r)return;
    int ll=l;
    int rr=r;
    int tt=a[(l+r)/2];
    while(ll<=rr)
    {
        while(tt<a[rr])
        {
            rr--;
        }
        while(tt>a[ll])
        {
            ll++;
        }
        if(ll<=rr)
        {
            swap(a[ll],a[rr]);
            ll++;
            rr--;
        }
    }
    if(l<rr)kp2(l,rr);
    if(r>ll)kp2(ll,r);
}

以前觉得吧,我排序用sort不就无敌了吗,学那些排序干啥?

现在觉得,知道一个排序的算法实现,思考一个算法的运作过程,才是最有意义的。

欢迎各位大佬指出我的问题。

内容概要:本文介绍了一个基于冠豪猪优化算(CPO)的无人机三维路径规划项目,利用Python实现了在复杂三维环境中为无人机规划安全、高效、低能耗飞行路径的完整解决方案。项目涵盖空间环境建模、无人机动力学约束、路径编码、多目标代价函数设计以及CPO算的核心实现。通过体素网格建模、动态障碍物处理、路径平滑技术和多约束融合机制,系统能够在高维、密集障碍环境下快速搜索出满足飞行可行性、安全性与能效最优的路径,并支持在线重规划以适应动态环境变化。文中还提供了关键模块的代码示例,包括环境建模、路径评估和CPO优化流程。; 适合人群:具备一定Python编程基础和优化算基础知识,从事无人机、智能机器人、路径规划或智能优化算研究的相关科研人员与工程技术人员,尤其适合研究生及有一定工作经验的研发工程师。; 使用场景及目标:①应用于复杂三维环境下的无人机自主导航与避障;②研究智能优化算(如CPO)在路径规划中的实际部署与性能优化;③实现多目标(路径最短、能耗最低、安全性最高)耦合条件下的工程化路径求解;④构建可扩展的智能无人系统决策框架。; 阅读建议:建议结合文中模型架构与代码示例进行实践运行,重点关注目标函数设计、CPO算改进策略与约束处理机制,宜在仿真环境中测试不同场景以深入理解算行为与系统鲁棒性。
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