冒泡

冒泡排序

一、基本思想

冒泡排序的基本思想:所谓的冒泡排序就是泡泡一个一个往上冒,体积最轻的浮在最上面,然后按照重量往下依次排序。

二、动图演示

三、案例

var a=[12,3,43,11,56,90,7,66,82];

拿上面数组举例,我们要做一个升序排列。第一轮循环我们就得把值最大的数从数组中找出来放在数组最后面,即索引为a.length-1。也就是从a[0]开始依次比较相邻两个数的大小。

首先,a[0]与a[1]比较,如果a[0]>a[1],那么两者交换位置反之不交换。a[0]是12,a[1]是3,所以得交换位置,交换完之后的数组是[3,12,43,11,56,90,7,66,82],然后比较a[1]和a[2],(a[1] = 12) < (a[2] = 43),不用交换位置,同理往后比较a[2]和a[3],(a[2] = 43) < (a[3] = 11),交换位置,此时的数组是[3,12,11,43,56,90,7,66,82],以此类推,只要a[j]>a[j+1]就交换值,反之则不交换。

注意:一般来说,交换两个位置的值,需要一个中间变量来转换。比如:var a=“a”,b=“b”,让a和b交换值,需要一个中介变量:var temp=a,a=b,b=temp。

四、代码

第一轮外层循环完成之后,我们得到的数据是[3,12,11,43,56,7,66,82,90],把最大的数90放到了最后;

第二轮外层循环,我们只需要比较到a.length-2的位置即可,因为最后一项a[a.length-1]已经确定为90了;

第三轮外层循环,我们只需要比较到a.length-3的位置即可,所以内重循环j的值为j<a.length-1-i,通过两重循环,冒泡排序就完成了。

 function bubbleSort(arr){
        var n=arr.length; //获取数组的长度,即有n个数在排序
        var temp=null; //定义一个临时变量,交换数据用
        for(var i=0; i<n-1; i++){ //外层循环n-1次
            for(var j=0; j<n-1-i; j++){ //内层每次循环n-1-i次,每次循环完,都能从剩下的数当中找出一个最大的放在n-1-i的位置
                if(arr[j]>arr[j+1]){ //如果a[j]>a[j+1]则交换位置
                    temp=arr[j];
                    arr[j]=arr[j+1];
                    arr[j+1]=temp;
                }
            }
        }
        return arr; //返回排好序的数组
    }

冒泡排序优化:(防止初始顺序是排好的)

function bubbleSort(arr){
        var n=arr.length;
        var temp=null;
        var flag=false;//设置标志位,初始值为false
        for(var i=0; i<n-1; i++){
            for(var j=0; j<n-1-i; j++){
                if(arr[j]>arr[j+1]){
                    temp=arr[j];
                    arr[j]=arr[j+1];
                    arr[j+1]=temp;
                    flag=true;//只要交换了标识就设为true
                }
            }
            if(flag){//只要交换了位置,flag的值就重新设置为false
                flag=false;
            }else{//如果没有交换,说明数组已经排好序,可以结束循环了
                break;
            }
        }
        return arr;
    }
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