Python:插入排序、选择排序与冒泡排序

本文深入探讨了三种基本的数组排序算法:插入排序、选择排序和冒泡排序。通过Python实现,详细解释了每种算法的工作原理,包括算法思想、步骤及代码实现。

在此之前,上篇博客介绍了关于插入排序与选择排序的栈的实现方法,而本文排序算法是基于数组(Python 列表)

  1. 插入排序

"""
        算法思想:
        n为序列长度

        将待排序序列分成两段,一段是已排序序列(初始长度为0),另一段是未排序序列(初始长度为n),
        (若待排序序列不为空,已排序序列长度初始也可以是1,这样可以少执行一次)

        算法每次从未排序序列中取出一个元素,随后找到它在已排序序列中的位置,并将它插入已排序序列
        共执行n次

"""

Python实现:

def insertion_sort(array):
    values = list(array)

    for i in range(1, len(values)):
        """找到value[i] 在 已排序序列values[0]~values[i-1]中的位置,并将之插入"""
        # 从小到大

        # 此处必须要tmp,否则在下面用到value[i]时,会因为value[i]已被改变而出错
        tmp = values[i]

        # j = 0 此处貌似 是PyCharm的问题,显示 j never be used
        for j in range(i - 1, -1, -1):
            if values[j] > tmp:
                values[j + 1] = values[j]
            else:
                values[j + 1] = tmp
                break
        # print(j)
    return type(array)(values)

2.选择排序(简单选择排序)

"""
选择排序:
        算法思想:
            假设 array 长度为 n

            对array[i],算法寻找出 序列{array[j>=i]} 的最小值(从小到大)array[j]
            交换array[i] 与array[j]
"""

Python实现:

def selection_sort(array):
    values = list(array)
    for i in range(0, len(values)):

        # 寻找最小值min_
        min_ = i
        for j in range(i, len(values)):
            if values[min_] > values[j]:
                min_ = j

        # 交换值
        a = values[min_]
        b = values[i]
        values[min_] = b
        values[i] = a

        # 使用异或或加减法,交换数组元素值时要特别注意,当min_==i时,下一步使用的值已经变了,导致结果错误,下面的就是如此:
        # values[min_] = values[min_] ^ values[i]
        # values[i] = values[min_] ^ values[i]
        # values[min_] = values[min_] ^ values[i]
        """
        原理:a^0 == a, 0 == a^a
        相似的还有加交换:
        a = a+b
        b = a-b
        a = a-b
        """

    return type(array)(values)

3.冒泡排序

"""
冒泡排序:
    算法思想:
        未排序的序列,必然存在两个不符合排序规则的相邻元素。
        array 长度 为 n
        一轮排序过程:
            对array[i],将之array[i+1]比较,并交换他们的值,然后i++,直到i = n-1-i(n-i~n-1是已经排好序的,再参与比较无意义)
        一轮排序结果:
            经过一轮排序后,会将0~n-i-1中的最大值放到后面n-i-1的位置

        (从大到小排序以从n-1~0的顺序执行,每轮排序会将未参与排序的序列中的最小值放到前面)

"""
def bubbleSort(array):
    values = list(array)

    for i in range(0, len(values)):

        for j in range(0, len(values) - i - 1):
            if values[j] > values[j + 1]:
                # 此处j == j+1 恒为假,可以放心使用异或 或 加减排序
                values[j] = values[j] ^ values[j + 1]
                values[j + 1] = values[j] ^ values[j + 1]
                values[j] = values[j] ^ values[j + 1]

    return type(array)(values)

PS:代码clone地址:https://github.com/Rlyslata/DataStauct-And-Algorithm

路径:数组排序算法/BubbleSort/  数组排序算法/InsertionSort/   数组排序算法/SelectSort/

内容概要:本文介绍了基于贝叶斯优化的CNN-LSTM混合神经网络在时间序列预测中的应用,并提供了完整的Matlab代码实现。该模型结合了卷积神经网络(CNN)在特征提取方面的优势长短期记忆网络(LSTM)在处理时序依赖问题上的强大能力,形成一种高效的混合预测架构。通过贝叶斯优化算法自动调参,提升了模型的预测精度泛化能力,适用于风电、光伏、负荷、交通流等多种复杂非线性系统的预测任务。文中还展示了模型训练流程、参数优化机制及实际预测效果分析,突出其在科研工程应用中的实用性。; 适合人群:具备一定机器学习基基于贝叶斯优化CNN-LSTM混合神经网络预测(Matlab代码实现)础Matlab编程经验的高校研究生、科研人员及从事预测建模的工程技术人员,尤其适合关注深度学习智能优化算法结合应用的研究者。; 使用场景及目标:①解决各类时间序列预测问题,如能源出力预测、电力负荷预测、环境数据预测等;②学习如何将CNN-LSTM模型贝叶斯优化相结合,提升模型性能;③掌握Matlab环境下深度学习模型搭建超参数自动优化的技术路线。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注贝叶斯优化模块混合神经网络结构的设计逻辑,通过调整数据集参数加深对模型工作机制的理解,同时可将其框架迁移至其他预测场景中验证效果。
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