插入排序&&归并排序

一直没自己写过 然后自己写了下

其实我主要查的wikipedia 插入排序https://zh.wikipedia.org/zh-hans/%E6%8F%92%E5%85%A5%E6%8E%92%E5%BA%8F

归并排序 https://zh.wikipedia.org/wiki/%E5%BD%92%E5%B9%B6%E6%8E%92%E5%BA%8F

先插排 插入排序英语:Insertion Sort)是一种简单直观的排序算法。它的工作原理是通过构建有序序列,对于未排序数据,在已排序序列中从后向前扫描,找到相应位置并插入。插入排序在实现上,通常采用in-place排序(即只需用到O(1)的额外空间的排序),因而在从后向前扫描过程中,需要反复把已排序元素逐步向后挪位,为最新元素提供插入空间。

算法描述

一般来说,插入排序都采用in-place在数组上实现。具体算法描述如下:

  1. 从第一个元素开始,该元素可以认为已经被排序
  2. 取出下一个元素,在已经排序的元素序列中从后向前扫描
  3. 如果该元素(已排序)大于新元素,将该元素移到下一位置
  4. 重复步骤3,直到找到已排序的元素小于或者等于新元素的位置
  5. 将新元素插入到该位置后
  6. 重复步骤2~5

如果比较操作的代价比交换操作大的话,可以采用二分查找法来减少比较操作的数目。该算法可以认为是插入排序的一个变种,称为二分查找插入排序

归并排序

归并排序英语:Merge sort,或mergesort),是创建在归并操作上的一种有效的排序算法,效率为O(n log n)。1945年由约翰·冯·诺伊曼首次提出。该算法是采用分治法(Divide and Conquer)的一个非常典型的应用,且各层分治递归可以同时进行。

算法描述

归并操作

归并操作(merge),也叫归并算法,指的是将两个已经排序的序列合并成一个序列的操作。归并排序算法依赖归并操作。

迭代法

  1. 申请空间,使其大小为两个已经排序序列之和,该空间用来存放合并后的序列
  2. 设定两个指针,最初位置分别为两个已经排序序列的起始位置
  3. 比较两个指针所指向的元素,选择相对小的元素放入到合并空间,并移动指针到下一位置
  4. 重复步骤3直到某一指针到达序列尾
  5. 将另一序列剩下的所有元素直接复制到合并序列尾

递归法

原理如下(假设序列共有n个元素):

  1. 将序列每相邻两个数字进行归并操作,形成{\displaystyle floor(n/2)}floor(n/2)个序列,排序后每个序列包含两个元素
  2. 将上述序列再次归并,形成{\displaystyle floor(n/4)}floor(n/4)个序列,每个序列包含四个元素
  3. 重复步骤2,直到所有元素排序完毕
上自己代码

#include<iostream>
#include <stdio.h>
#include<vector>
#include<algorithm>
using namespace std;
//之前一直没有写过插入排序和归并排序,所以就很方
//插入排序
void insertion_sort(int arr[], int len)
{
    int i, j;
    int temp;
    for (i = 1; i < len; i++)
    {
    temp = arr[i];
//與已排序的數逐一比較,大於temp時,該數向後移
    j = i - 1;
 // 如果将赋值放到下一行的for循环内, 会导致在第10行出现j未声明的错误
 	    for (; j >= 0 && arr[j] > temp; j--)
        { //j循环到-1时,由于[[短路求值]](http://zh.wikipedia.org/wiki/短路求值),不会运算array[-1]
 			arr[j + 1] = arr[j];
 	    }
 	arr[j + 1] = temp;
     //被排序数放到正确的位置
     }
 }
//写个非递归的归并排序
int min(int x, int y) {
	return x < y ? x : y;
}
void merge_sort_d(int arr[], int len) {
	int* a = arr;
	int* b = (int*) malloc(len * sizeof(int));
	int seg, start;
	for (seg = 1; seg < len; seg += seg) {
		for (start = 0; start < len; start += seg + seg) {
			int low = start, mid = min(start + seg, len), high = min(start + seg + seg, len);
			int k = low;
			int start1 = low, end1 = mid;
			int start2 = mid, end2 = high;
			while (start1 < end1 && start2 < end2)
				b[k++] = a[start1] < a[start2] ? a[start1++] : a[start2++];
			while (start1 < end1)
				b[k++] = a[start1++];
			while (start2 < end2)
				b[k++] = a[start2++];
		}
		int* temp = a;
		a = b;
		b = temp;
	}
	if (a != arr) {
		int i;
		for (i = 0; i < len; i++)
			b[i] = a[i];
		b = a;
	}
	free(b);
}
//递归的归并排序
void merge_sort_recursive(int arr[], int reg[], int start, int end) {
	if (start >= end)
		return;
	int len = end - start, mid = (len >> 1) + start;
	int start1 = start, end1 = mid;
	int start2 = mid + 1, end2 = end;
	merge_sort_recursive(arr, reg, start1, end1);
	merge_sort_recursive(arr, reg, start2, end2);
	int k = start;
	while (start1 <= end1 && start2 <= end2)
		reg[k++] = arr[start1] < arr[start2] ? arr[start1++] : arr[start2++];
	while (start1 <= end1)
		reg[k++] = arr[start1++];
	while (start2 <= end2)
		reg[k++] = arr[start2++];
	for (k = start; k <= end; k++)
		arr[k] = reg[k];
}
void merge_sort_r(int arr[], const int len) {
	int reg[len];
	merge_sort_recursive(arr, reg, 0, len - 1);
}
int main()
{
    int a[10]= {12,23,32,15,25,36,53,75,98,16};
    insertion_sort(a,10);
    cout<<"插入排序:"<<endl;
    for(int i=0; i<10; i++)
        cout<<a[i]<<" ";
        cout<<endl;
    merge_sort_r(a,10);
    cout<<"递归法归并排序:"<<endl;
    for(int i=0; i<10; i++)
        cout<<a[i]<<" ";
        cout<<endl;
    merge_sort_d(a,10);
    cout<<"非递归归并排序:"<<endl;
    for(int i=0; i<10; i++)
        cout<<a[i]<<" ";
        cout<<endl;

}
















### 将 SCConv 集成到 YOLOv11 对于希望在 YOLOv11 中集成 SCConv 来增强模型性能的需求,可以借鉴之前版本的成功经验并应用相似的技术路径。尽管具体的实现可能因框架更新而有所差异,基本思路仍然适用。 #### 修改主干网络结构 为了使 YOLOv11 能够利用 SCConv 提升检测效果,在 `models/yolov8.py` 文件中找到对应的卷积层定义部分,并将其替换为 SCConv 层[^2]。需要注意的是,由于不同版本之间可能存在架构上的变化,因此建议先仔细阅读官方文档或源码以确认最新的文件名及类名。 ```python from models.common import Conv # 假设这是原始导入语句 import torch.nn as nn class SCConv(nn.Module): # 定义SCConv模块 def __init__(self, c_in, c_out, k=3, s=1, p=None): super(SCConv, self).__init__() if not p: p = (k - 1) // 2 self.spatial_conv = nn.Conv2d(c_in, c_out//2, kernel_size=k, stride=s, padding=p) self.channel_reconstruct = nn.Sequential( nn.AdaptiveAvgPool2d(1), nn.Conv2d(c_out//2, c_out//2, kernel_size=1), nn.Sigmoid() ) def forward(self, x): spatial_feature = self.spatial_conv(x) channel_weight = self.channel_reconstruct(spatial_feature).expand_as(spatial_feature) output = spatial_feature * channel_weight + spatial_feature return output ``` 此代码片段展示了如何创建一个简单的 SCConv 类,该类继承自 PyTorch 的 Module 并实现了空间和通道重建的功能。接下来就是用这个新的 SCConv 替代原有的标准卷积操作。 #### 更新配置文件 除了修改 Python 源代码外,还需要调整训练配置文件(通常是 YAML 或 JSON 格式的),以便正确加载新加入的组件。这一步骤涉及到指定所使用的骨干网以及任何其他必要的参数设置。 ---
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