一些排序的简单归纳

一、排序的分类  

1.排序算法从存储位置分为:内排序(在内存上存储)和外排序(在磁盘上存储)

2.八大排序:

    (1)插入排序:直接插入、希尔排序

    (2)  选择排序:简单选择排序、堆排序

    (3)交换排序:冒泡排序、快速排序

    (4)归并排序

    (5)基数排序

二、各个排序具体的算法思想及代码实现

  1.直接插入排序

   是指每次从无序表中取出第一个元素,把他插入到有序表的合适位置,使有序表仍然有序

   该算法思想为:找到数据合适的位置,再把数据插进去。

   算法分析:时间复杂度为O(n^2),空间复杂度O(1)。在最优情况下,时间复杂度为O(n).越有序越快。 稳定

   代码实现:

void  Insert_Sort(int *arr,int len)
{
	int tmp;
	int i=1;//待排序部分的起始位置
	int j=i-1;//已排序部分的末尾位置
	for(i=1;i<len;i++)
	{
		tmp=arr[i];
		for(j=i-1;j>=0;j--)//寻找比tmp小的元素   j>=0已排序部分还没有遍历完   4,85,69,32,12,54,25,36,48,100
		{
			if(arr[j]>tmp)//没有找到合适的位置,大的元素后移
			{
				arr[j+1]=arr[j];
			}	

		}
      arr[j+1]=tmp;
	}	
}

 2.希尔排序

   思想:将元素进行分组,使小组内元素趋于有序,整体逐渐趋于有序。

   流程: 1.划分小组,是小组内元素趋于有序;2.增量缩减,整体趋于有序;3.最后增量为1,做了一次直接插入。

   算法分析:时间复杂度O(n^1.3~n^1.5), 空间复杂度为O(1)。 不稳定

   希尔排序是插入排序的一种优化,当增量为1时,直接为插入排序。

   

void Shell_Adjust(int *arr,int len,int gap)//gap表示间隔gap个元素划分成N个小组
{
	int i;//待排序的起始位置
	int j;//已排序的末尾位置
	int temp;
	for(i=gap;i<len;i++)
	{
		temp=arr[i];
		for(j=i-gap;j>=0;j-=gap)
		{
			if(arr[j]>temp)
			{
			arr[j+gap]=arr[j];
		}
			else
			{
				break;
			}
			}
		arr[j+gap]=temp;
	}
}
void Shell_Sort(int *arr,int len)
{
	int dk[]={5,3,1}; //划分时间隔设置为质数,避免将相同元素划分到同一组
	int size=sizeof(dk)/sizeof(dk[0]);
	for(int i=0;i<size;i++)
	{
		Shell_Adjust(arr,len ,dk[i]);
	}

}

   3.简单选择排序

      思想:每次找到当前最小元素放到适当位置;

     算法分析:时间复杂度O(n^2),    空间复杂度为O(1)。 稳定

void Simple_Sort(int *arr,int len)//将当前最小的元素放在对应的位置
{
	int i=0;//待排序第一个元素
	int j=0;//待排序第二个元素
	int min=0;//标记当前最小元素的下标
	for(i;i<len-1;i++)
	{
		min=i;
		for(j=i+1;j<len;j++)
		{
			if(arr[min]>arr[j])
			{
				min=j;
			}
		}
		if(i!=min)
		{
			int temp=arr[i];
			arr[i]=arr[min];
			arr[min]=temp;
		}
	}

}

   4.堆排序                         

     堆:满足完全二叉树。 分为大顶堆和小顶堆。

     大顶堆:堆顶的元素大于左右孩子元素; 升序排列  堆顶放的是当前最大的元素

     小顶堆:堆顶元素小于左右孩子元素。降序排列     堆顶放的是当前最小的元素

     思想:首先将所有按照堆的形式建立成大顶堆,然后将堆顶元素与最后元素交换。在建立大顶堆时,通过计算得到最后一个父节点,找出左右孩子中最大节点max,然后与父节点比较。若父节点小于max,将他们进行交换。顺序是从后向前进行调整。在进行堆调整时,顺序是从上往下。将堆顶元素与最后一个节点交换,然后大顶堆进行调整;然后堆顶元素与第二个元素交换,然后大顶堆进行调整,以此类推.......  

  算法分析:时间复杂度O(Nlog N),空间复杂度O(1),不稳定

void Heap_Adjust(int *arr,int tmp,int len )//tmp表示父节点下标
{
	int j=tmp*2+1;//表示左下标
	int swap;
	for(j;j<len;j=2*tmp+1)
	{
		if((j<len-1)&&(arr[j]<arr[j+1]))
		{
			j++;
		}
		if(arr[j]<arr[tmp])//父亲节点的数据大于孩子节点中的数据
		    break;	
		
			swap=arr[tmp];
			arr[tmp]=arr[j];
			arr[j]=swap;

		tmp=j;//父节点的位置,标识左右孩子需要发生调整的支路上去
	}
}
void HeapSort(int *arr,int len)
{
	int i=(len-2)/2;//表示最后一个父节点的位置,建立大顶堆
	for(i;i>=0;i--)// 4 3 2 1 0
	{
		Heap_Adjust(arr,i,len);
	}
	int tmp;
	for(int j=len-1;j>0;j--)//将堆顶与最后一个节点元素交换
	{
		tmp=arr[0];
		arr[0]=arr[j];
		arr[j]=tmp;
		Heap_Adjust(arr,0,j);
	}
}

   5.归并排序

    思想:分治策略。 分:将所有元素划分为小组,使小组内元素趋于有序,整体趋于有序。合:将小组进行合并,归并后的小组依然有序。在划分时,直到每个小组都是有序的。(小组内只有一个元素)

    算法分析:时间复杂度:O(Nlog N),空间复杂度O(N)稳定的

//按照划分小组的组数(5 4 3 2 1)这样的顺序是小组内的元素排列有序.将左边小组与右边小组中的元素比较,存入临时数组tmp中
void Merge_Adjust(int arr[],int tmp[],int start,int mid,int end)
{
	    int i=start;//标识左边小组第一个元素开始的位置
		int j=mid+1;//标识右边小组第一个元素开始的位置
		int k=start;//标识tmp区的起止位置
		while(i<mid+1&&j<end+1)
		{
			if(arr[i]<=arr[j])
			{
			/*	tmp[k]=arr[j];	k++; 	i++;*/
				tmp[k++]=arr[i++];
			}
			else
			{
				tmp[k++]=arr[j++];
			}
		}
		while(i<mid+1)//左边小组没越界,右边小组越界
		{
			tmp[k++]=arr[i++];
		}
		while(j<end+1)//右边小组没越界,左边小组越界
		{
			tmp[k++]=arr[j++];
		
		}
		for(int m=start;i<end;i++)
		{
			arr[m]=tmp[m];
		}
}
//将数组里面的数据进行小组划分,直到组内有序。当组内只有一个元素时。
void Merge_divide(int arr[],int tmp[], int start,int end)
{

	if(start<end)//每次划分时使小组内排列有序
	{
		 int mid=(start+end)/2;
		Merge_divide(arr,tmp,start,mid);//将左边小组元素继续进行划分
		Merge_divide(arr,tmp,mid+1,end);//将右边小组元素进行划分
		Merge_Adjust(arr,tmp, start, mid,end);
	}

}

void MergeSort(int arr[],int len)
{
	    int *tmp=(int *)malloc(sizeof(int)*len);
		Merge_divide(arr,tmp,0,len-1);
		free(tmp);
	
}

     6.冒泡排序

       思想:两两比较,大的往后走,小的往前走。

       算法分析:空间复杂度O(n^2),空间复杂度O(1) 稳定  没有优化

void Bubble(int *arr,int len)
{
	int tmp;
	for(int i=0;i<len;i++)
	{
		for(int j=0;j<len-i-1;j++)
		{
			if(arr[j]>arr[j+1])
			{
				tmp=arr[j];
				arr[j]=arr[j+1];
				arr[j+1]=tmp;
			}
		}
	}
}

  7.基数排序

    思想:将每个数据进行按照个/十/百/千的顺序进行排序。 我们找出所有元素中最大数然后计算出他的位数,然后根据他的位数,对所以元素进行取余操作(各位、十位、百位等)。我们有0~9个容器,余数为1放进1号容器,余数为2放进2号容器,依次操作。然后将容器内的数据依照容器号拿出来,拿出的所有元素逐渐趋于有序。然后对十位取余,余数为1放进1号容器,余数为2放进2号容器,依次操作。然后将容器内的数据依照容器号拿出来,拿出的所有元素逐渐趋于有序。直到最大数字进行最高位取余结束。

  8.快速排序

  思想:我们在所有元素中任意选择一个元素作为基准,然后以基准所在的元素下标为划分点,进行一次划分。这是第一个我们要划分的函数。接下来是元素调整。首先我们在传参的时候,然后传入数组,开始位置,尾结点位置。在基准的左边,找比基准小的数字,往前移。在基准的右边找比基准大的元素,往后移。循环终止条件是开始位置大于等于结束位置。

 算法分析:数据越有序,效率越差。空间复杂度和时间复杂度都为O(log N)。不稳定。

int Partion(int *arr,int low,int high)//一次划分
{
	int tmp=arr[low];
	while(low<high)
	{
		while(low<=high&&arr[high]>=tmp)
		{
				;
		high--;
		}
	arr[low]=arr[high];
	
	while(low<high&&arr[low]<=tmp)//找比基准小的
	{
		low++;
	}
	arr[high]=arr[low];
	
    }
	arr[low]=tmp;
	return low;
}
void Quick(int *arr,int low,int high)
{
	int par=Partion(arr,low,high);
	if(low<par)
	{
		Quick(arr,low,par-1);
	}
	if(high>par)
	{
		Quick(arr,par+1,high);
	
	}
}
void QuickSort(int *arr,int len)
{
	Quick(arr,0,len-1);
}
void Show(int *arr,int len)
{
	for(int i=0;i<len;i++)
	{
		printf("%d ",arr[i]);
	}
}

   快排的优化参考博客:

   https://blog.youkuaiyun.com/weixin_42636552/article/details/82258184?

 

 

 

### 光流法C++源代码解析与应用 #### 光流法原理 光流法是一种在计算机视觉领域中用于追踪视频序列中运动物体的方法。它基于亮度不变性假设,即场景中的点在时间上保持相同的灰度值,从而通过分析连续帧之间的像素变化来估计运动方向和速度。在数学上,光流场可以表示为像素位置和时间的一阶导数,即Ex、Ey(空间梯度)和Et(时间梯度),它们共同构成光流方程的基础。 #### C++实现细节 在给定的C++源代码片段中,`calculate`函数负责计算光流场。该函数接收一个图像缓冲区`buf`作为输入,并初始化了几个关键变量:`Ex`、`Ey`和`Et`分别代表沿x轴、y轴和时间轴的像素强度变化;`gray1`和`gray2`用于存储当前帧和前一帧的平均灰度值;`u`则表示计算出的光流矢量大小。 #### 图像处理流程 1. **初始化和预处理**:`memset`函数被用来清零`opticalflow`数组,它将保存计算出的光流数据。同时,`output`数组被填充为白色,这通常用于可视化结果。 2. **灰度计算**:对每一像素点进行处理,计算其灰度值。这里采用的是RGB通道平均值的计算方法,将每个像素的R、G、B值相加后除以3,得到一个近似灰度值。此步骤确保了计算过程的鲁棒性和效率。 3. **光流向量计算**:通过比较当前帧和前一帧的灰度值,计算出每个像素点的Ex、Ey和Et值。这里值得注意的是,光流向量的大小`u`是通过`Et`除以`sqrt(Ex^2 + Ey^2)`得到的,再乘以10进行量化处理,以减少计算复杂度。 4. **结果存储与阈值处理**:计算出的光流值被存储在`opticalflow`数组中。如果`u`的绝对值超过10,则认为该点存在显著运动,因此在`output`数组中将对应位置标记为黑色,形成运动区域的可视化效果。 5. **状态更新**:通过`memcpy`函数将当前帧复制到`prevframe`中,为下一次迭代做准备。 #### 扩展应用:Lukas-Kanade算法 除了上述基础的光流计算外,代码还提到了Lukas-Kanade算法的应用。这是一种更高级的光流计算方法,能够提供更精确的运动估计。在`ImgOpticalFlow`函数中,通过调用`cvCalcOpticalFlowLK`函数实现了这一算法,该函数接受前一帧和当前帧的灰度图,以及窗口大小等参数,返回像素级别的光流场信息。 在实际应用中,光流法常用于目标跟踪、运动检测、视频压缩等领域。通过深入理解和优化光流算法,可以进一步提升视频分析的准确性和实时性能。 光流法及其C++实现是计算机视觉领域的一个重要组成部分,通过对连续帧间像素变化的精细分析,能够有效捕捉和理解动态场景中的运动信息
微信小程序作为腾讯推出的一种轻型应用形式,因其便捷性与高效性,已广泛应用于日常生活中。以下为该平台的主要特性及配套资源说明: 特性方面: 操作便捷,即开即用:用户通过微信内搜索或扫描二维码即可直接使用,无需额外下载安装,减少了对手机存储空间的占用,也简化了使用流程。 多端兼容,统一开发:该平台支持在多种操作系统与设备上运行,开发者无需针对不同平台进行重复适配,可在一个统一的环境中完成开发工作。 功能丰富,接口完善:平台提供了多样化的API接口,便于开发者实现如支付功能、用户身份验证及消息通知等多样化需求。 社交整合,传播高效:小程序深度嵌入微信生态,能有效利用社交关系链,促进用户之间的互动与传播。 开发成本低,周期短:相比传统应用程序,小程序的开发投入更少,开发周期更短,有助于企业快速实现产品上线。 资源内容: “微信小程序-项目源码-原生开发框架-含效果截图示例”这一资料包,提供了完整的项目源码,并基于原生开发方式构建,确保了代码的稳定性与可维护性。内容涵盖项目结构、页面设计、功能模块等关键部分,配有详细说明与注释,便于使用者迅速理解并掌握开发方法。此外,还附有多个实际运行效果的截图,帮助用户直观了解功能实现情况,评估其在实际应用中的表现与价值。该资源适用于前端开发人员、技术爱好者及希望拓展业务的机构,具有较高的参考与使用价值。欢迎查阅,助力小程序开发实践。资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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