算法导论第二章-练习2.1-2

本文详细介绍了如何通过修改插入排序算法的比较条件,实现数组元素的升序排列。通过具体的C语言代码示例,展示了如何在while循环中将原有的降序比较条件改为升序比较条件,从而完成对数组的升序排序。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

重写插入排序,按照升序排序

按照原有的插入排序算法,只需要改变交换值的判断条件即可:

此处贴上代码仅供参考:

#include<stdio.h>
int main(void) {
 int number[10]={11,51,31,21,61,41,71,91,81,101};
 int key,j;
 for(int i=1;i<10;i++) {
  key=number[i];
  j=i-1;
  while(**number[j]<key**&&j>=0) {
   number[j+1]=number[j];
   j--;
  }
  number[j+1]=key;
 }
 for(int i=0;i<10;i++) {
  printf("%d  ",number[i]);
}
} 

输出示例如下:
在keke这里插入图片描述
在升序的基础上只需要将在while循环中的条件number[j]>key改成number[j]<key即可。

//////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////

鄙人第一次写博客 讲的可能有错误,也可能讲的不明白,有问题可以提出来,大家一起学习,一起进哈!

内容概要:该论文研究增程式电动汽车(REEV)的能量管理策略,针对现有优化策略实时性差的问题,提出基于工况识别的自适应等效燃油消耗最小策略(A-ECMS)。首先建立整车Simulink模型和基于规则的策略;然后研究动态规划(DP)算法和等效燃油最小策略;接着通过聚类分析将道路工况分为四类,并设计工况识别算法;最后开发基于工况识别的A-ECMS,通过高德地图预判工况类型并自适应调整SOC分配。仿真显示该策略比规则策略节油8%,比简单SOC规划策略节油2%,并通过硬件在环实验验证了实时可行性。 适合人群:具备一定编程基础,特别是对电动汽车能量管理策略有兴趣的研发人员和技术爱好者。 使用场景及目标:①理解增程式电动汽车能量管理策略的基本原理;②掌握动态规划算法和等效燃油消耗最小策略的应用;③学习工况识别算法的设计和实现;④了解基于工况识别的A-ECMS策略的具体实现及其优化效果。 其他说明:此资源不仅提供了详细的MATLAB/Simulink代码实现,还深入分析了各算法的原理和应用场景,适合用于学术研究和工业实践。在学习过程中,建议结合代码调试和实际数据进行实践,以便更好地理解策略的优化效果。此外,论文还探讨了未来的研究方向,如深度学习替代聚类、多目标优化以及V2X集成等,为后续研究提供了思路。
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

打赏作者

name大权子

有钱的捧个钱场

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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