第10周 算法思想-排序

本文详细介绍了四种不同的排序算法实现:堆排序中寻找第K个最大元素、基于频率的元素排序、字符串字符频率排序以及数组颜色排序。通过实例展示了不同排序算法的时间复杂度和空间复杂度,包括直接排序、堆排序、快速排序的partition思想以及计数排序。这些方法在解决实际问题中具有广泛的应用。

最大的第K个
class Solution {
public:
    int findKthLargest_sort(vector<int>& nums, int k) {
        /*
        思路:直接排序
        时间复杂度:O(nlogn)
        空间复杂度:O(1)
        */
        sort(nums.begin(), nums.end());
        return nums[nums.size() - k];
    }
    int findKthLargest_heap(vector<int>& nums, int k) {
        /*
        思路:堆
        时间复杂度:O(klogn)
        空间复杂度:O(1)
        */
        priority_queue<int> pq(nums.begin(), nums.end());   // 默认是最大堆
        
        while(k > 1){
            pq.pop();
            k -= 1;
        }
        
        return pq.top();
    }
    int findKthLargest(vector<int>& nums, int k) {
        /*
        思路:使用快速排序中用到的partion的思想,随机选值对数组进行划分,直到找到第k大的数
        时间复杂度:O(n)
        空间复杂度:O(1)
        */
        k = nums.size() - k;   // 第k大的数的index
        int left = 0, right = nums.size() - 1;
        while(left < right){
            int splited_idx = partion(nums, left, right);
            if(splited_idx == k)
                break;
            else if(splited_idx > k)
                right = splited_idx - 1;
            else if(splited_idx < k)
                left = splited_idx + 1;
        }
        return nums[k];
    }
    int partion(vector<int>& nums, int left, int right){
        int i = left+1, j = right;
        while(1){
            while(i < right && nums[i] <= nums[left])
                i += 1;
            while(j > left && nums[j] > nums[left])
                j -= 1;
            if(i >= j)
                break;            
            swap(nums[i], nums[j]);

        }
        swap(nums[left], nums[j]);
        return j;
    }
};

桶排序

出现频率最多的 k 个元素
typedef pair<int,int> P;
bool cmp(P& a, P& b){
    return a.second < b.second;
}

class Solution {
public:
    vector<int> topKFrequent(vector<int>& nums, int k) {
        /*
        思路:先用map进行计数,然后返回频率最高的top k
        时间复杂度:O(nlogn)
        空间复杂度:O(n)
        */
        map<int,int> mp;
        vector<int> ans;
        
        for(int num: nums)
            mp[num] += 1;
        
        vector<P> counter;
        
        for(auto k: mp)
            counter.push_back(make_pair(k.first, k.second));
        
        sort(counter.begin(), counter.end(), cmp);
        
        int n = counter.size();
        for(int i = n-1; i >= n-k; i--)
            ans.push_back(counter[i].first);
        
        return ans;
    }
};
按照字符出现次数对字符串排序
typedef pair<char,int> P;
bool cmp(P& a, P& b){
    return a.second > b.second;
}

class Solution {
public:
    string frequencySort(string s) {
        /*
        思路:先map计数,然后构造pair排序
        时间复杂度:O(nlogn)
        空间复杂度:O(n)
        */
        map<char, int> mp;
        for(int i = 0;i < s.size(); i++)
            mp[s[i]] += 1;
        
        vector<P> counter;
        
        for(auto item: mp)
            counter.push_back(item);
        
        sort(counter.begin(), counter.end(), cmp);
        
        string ans(s.size(), 'a');
        int index = 0;
        
        for(int i = 0;i <counter.size(); i++){
            for(int j = 0;j < counter[i].second; j++)
                ans[index++] = counter[i].first;
        }
        
        return ans;
    }
};
按颜色进行排序
class Solution {
public:
    void sortColors(vector<int>& nums) {
        /*
        思路:用index0和index2分别表示下一个0,2该放的位置,从头开始遍历,遍历过程中发现0则放到index0处,发现2则放到2处,发现1则不用管,直接遍历下一个
        时间复杂度:O(n)
        空间复杂度:O(1)
        */
        int index0 = 0, curr = 0, index2 = nums.size() - 1;
        while(curr <= index2){
            if(nums[curr] == 0){
                swap(nums[index0], nums[curr]);
                index0 += 1;
                curr += 1;
            }
            else if(nums[curr] == 1)
                curr += 1;
            else{
                swap(nums[curr], nums[index2]);
                index2 -= 1;
            }
        }
    }
};
内容概要:本文详细介绍了一种基于Simulink的表贴式永磁同步电机(SPMSM)有限控制集模型预测电流控制(FCS-MPCC)仿真系统。通过构建PMSM数学模型、坐标变换、MPC控制器、SVPWM调制等模块,实现了对电机定子电流的高精度跟踪控制,具备快速动态响应和低稳态误差的特点。文中提供了完整的仿真建模步骤、关键参数设置、核心MATLAB函数代码及仿真结果分析,涵盖转速、电流、转矩和三相电流波形,验证了MPC控制策略在动态性能、稳态精度和抗负载扰动方面的优越性,并提出了参数自整定、加权代价函数、模型预测转矩控制和弱磁扩速等优化方向。; 适合人群:自动化、电气工程及其相关专业本科生、研究生,以及从事电机控制算法研究与仿真的工程技术人员;具备一定的电机原理、自动控制理论和Simulink仿真基础者更佳; 使用场景及目标:①用于永磁同步电机模型预测控制的教学演示、课程设计或毕业设计项目;②作为电机先进控制算法(如MPC、MPTC)的仿真验证平台;③支撑科研中对控制性能优化(如动态响应、抗干扰能力)的研究需求; 阅读建议:建议读者结合Simulink环境动手搭建模型,深入理解各模块间的信号流向与控制逻辑,重点掌握预测模型构建、代价函数设计与开关状态选择机制,并可通过修改电机参数或控制策略进行拓展实验,以增强实践与创新能力。
根据原作 https://pan.quark.cn/s/23d6270309e5 的源码改编 湖北省黄石市2021年中考数学试卷所包含的知识点广泛涉及了中学数学的基础领域,涵盖了实数、科学记数法、分式方程、几何体的三视图、立体几何、概率统计以及代数方程等多个方面。 接下来将对每道试题所关联的知识点进行深入剖析:1. 实数与倒数的定义:该题目旨在检验学生对倒数概念的掌握程度,即一个数a的倒数表达为1/a,因此-7的倒数可表示为-1/7。 2. 科学记数法的运用:科学记数法是一种表示极大或极小数字的方法,其形式为a×10^n,其中1≤|a|<10,n为整数。 此题要求学生运用科学记数法表示一个天文单位的距离,将1.4960亿千米转换为1.4960×10^8千米。 3. 分式方程的求解方法:考察学生解决包含分母的方程的能力,题目要求找出满足方程3/(2x-1)=1的x值,需通过消除分母的方式转化为整式方程进行解答。 4. 三视图的辨认:该题目测试学生对于几何体三视图(主视图、左视图、俯视图)的认识,需要识别出具有两个相同视图而另一个不同的几何体。 5. 立体几何与表面积的计算:题目要求学生计算由直角三角形旋转形成的圆锥的表面积,要求学生对圆锥的底面积和侧面积公式有所了解并加以运用。 6. 统计学的基础概念:题目涉及众数、平均数、极差和中位数的定义,要求学生根据提供的数据信息选择恰当的统计量。 7. 方程的整数解求解:考察学生在实际问题中进行数学建模的能力,通过建立方程来计算在特定条件下帐篷的搭建方案数量。 8. 三角学的实际应用:题目通过在直角三角形中运用三角函数来求解特定线段的长度。 利用正弦定理求解AD的长度是解答该问题的关键。 9. 几何变换的应用:题目要求学生运用三角板的旋转来求解特定点的...
### 快速排序算法的实现与原理 快速排序是一种基于分治思想的高效排序算法,其核心在于通过选择一个基准值(pivot)将数组划分为两个子数组[^1]。左侧子数组的所有元素均小于或等于基准值,右侧子数组的所有元素均大于基准值。然后递归地对这两个子数组进行相同的操作,直到整个数组有序。 #### 快速排序的基本原理 快速排序的核心步骤可以分为三步: 1. **选择基准值**:从数组中选取一个元素作为基准值(pivot)。通常可以选择第一个元素、最后一个元素或中间位置的元素。 2. **分区操作**:重新排列数组,使得所有小于等于基准值的元素位于基准值左侧,所有大于基准值的元素位于右侧。 3. **递归排序**:对基准值左右两侧的子数组分别递归应用上述过程。 #### 时间复杂度分析 快速排序的时间复杂度取决于分区操作的平衡性。在平均情况下,快速排序的时间复杂度为 \(O(n \log n)\)[^3],其中 \(n\) 为待排序数组的长度。然而,在最坏情况下(例如数组已经有序且每次都选择最左或最右元素作为基准值),时间复杂度会退化为 \(O(n^2)\)[^4]。尽管如此,由于快速排序在实际应用中的常数因子较小,因此它仍然是最常用的排序算法之一。 #### 空间复杂度分析 快速排序的空间复杂度主要由递归调用栈决定。在理想情况下(即每次分区都能均匀分割数组),递归深度为 \(O(\log n)\),因此空间复杂度为 \(O(\log n)\)。但在最坏情况下,递归深度可能达到 \(O(n)\),导致空间复杂度退化为 \(O(n)\)[^1]。 #### Java实现代码 以下是一个使用Java语言实现的快速排序算法示例: ```java public class QuickSort { public static void quickSort(int[] arr, int low, int high) { if (low < high) { // 找到分区点 int pivotIndex = partition(arr, low, high); // 对左侧子数组进行递归排序 quickSort(arr, low, pivotIndex - 1); // 对右侧子数组进行递归排序 quickSort(arr, pivotIndex + 1, high); } } private static int partition(int[] arr, int low, int high) { // 选择最右元素作为基准值 int pivot = arr[high]; int i = low - 1; for (int j = low; j < high; j++) { if (arr[j] <= pivot) { i++; // 交换元素 swap(arr, i, j); } } // 将基准值放置到正确位置 swap(arr, i + 1, high); return i + 1; } private static void swap(int[] arr, int i, int j) { int temp = arr[i]; arr[i] = arr[j]; arr[j] = temp; } public static void main(String[] args) { int[] arr = {10, 7, 8, 9, 1, 5}; quickSort(arr, 0, arr.length - 1); System.out.println("Sorted array: "); for (int num : arr) { System.out.print(num + " "); } } } ``` #### Python实现代码 以下是使用Python语言实现的快速排序算法示例: ```python def quick_sort(arr): if len(arr) <= 1: return arr else: # 选择基准值 pivot = arr[len(arr) // 2] # 分别存放比基准小和大的元素 left = [x for x in arr if x < pivot] middle = [x for x in arr if x == pivot] right = [x for x in arr if x > pivot] # 递归地对左右两边进行快排,并合并结果 return quick_sort(left) + middle + quick_sort(right) # 测试代码 if __name__ == "__main__": arr = [10, 7, 8, 9, 1, 5] sorted_arr = quick_sort(arr) print("Sorted array:", sorted_arr) ``` #### 快速排序的特点 - **高效性**:快速排序在大多数情况下比其他 \(O(n \log n)\) 的排序算法更快[^1]。 - **不稳定性**:快速排序是一种不稳定的排序算法,即相等元素的相对顺序可能会改变[^2]。 - **适用场景**:适用于大规模数据的排序任务,尤其是在内存访问成本较低的情况下表现优异。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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