快速排序

今天把快速排序写好,贴上代码,后面简单把原理讲一下

 

/****************************************************************
    Function: sort_partion
        Date: 2010-06-10
      Author: Robbie
 Description: 将数列分割成两部分
       Input: INT *piData   待分割的数列
              INT iLeft     数列最左下标
              INT iRight    数列最右下标
      Output: None
      Return: 分割点
      Modify:
*****************************************************************/
STATIC UINT sort_Partition(IN INT *piData, IN INT iLeft, IN INT iRight)
{
    INT iKey = piData[iLeft];  /* 取第一个数为分割界限值 */

    while (iLeft < iRight)
    {
        while ((piData[iRight] >= iKey) && (iLeft < iRight))
        {
            iRight--;
        }
        piData[iLeft] = piData[iRight];  /* 将数据小于界限值的移到左边 */

        while ((piData[iLeft] <= iKey) && (iLeft < iRight))
        {
            iLeft++;
        }
        piData[iRight] = piData[iLeft]; /* 将数据大于界限值的移到右边 */
    }

    piData[iLeft] = iKey;  /* 界限值最后的位置 */
    return iLeft;

}

/****************************************************************
    Function: sort_Quick
        Date: 2010-06-10
      Author: Robbie
 Description: 递归分割
       Input: INT *piData   待排序的数列
              INT iLeft     数列最左下标
              INT iRight    数列最右下标
      Output: None
      Return: None
      Modify:
*****************************************************************/
STATIC VOID sort_Quick(IN INT *piData, IN INT iLeft, IN INT iRight)
{
    INT iKey;
      
    if (iLeft < iRight)
    {
        iKey = sort_Partition(piData, iLeft, iRight); /* 将数列一分为二 */
        sort_Quick(piData, iLeft, iKey - 1);  /* 对上半部分数列递归排序 */
        sort_Quick(piData, iKey + 1, iRight); /* 对下半部分数列递归排序 */
    }

}


/****************************************************************
    Function: SORT_Quick
        Date: 2010-06-10
      Author: Robbie
 Description: 快速排序
       Input: INT *piData  待排序的数列
              UINT uiNum   数列个数
      Output: None
      Return: None
      Modify:
*****************************************************************/
VOID SORT_Quick(IN INT *piData, IN UINT uiNum)
{
    if ((uiNum <= 1) || (NULL == piData)) /* 一个数或没有数据退出 */
    {
        return;
    }
   
    sort_Quick(piData, 0, (INT)(uiNum - 1));
}

 

 

快速排序是对冒泡排序的一种改进,它的基本思想是通过一趟排序将待排纪录分割成独立两部分,其中一部分数均比另外一半小,则可分别对这两部分数据继续进行排序,已达到整个序列有序。可采用递归方法。

第一趟排序:

 

初始:               49      38      65     97     76     13     27     49

                       left                                                            right    初始以49为分割界限(一般选第一个数为分割界限)

 

 

第一次交换后:   27      38      65     97     76     13              49

                       left                                                   right          

 

 

第二次交换后:   27      38               97     76     13     65      49

                                            left                               right          

 

 

第三次交换后:   27      38      13     97     76              65      49

                                            left                      right     

 

第四次交换后:   27      38      13              76     97     65      49

                                                     left             right     

 

第五次:            27      38      13              76     97     65      49

                                                     left             

                                                     right     

 

这时第一趟排序退出,可以看出比49大的数据都在右边,比49小的数据都在左边,原来数列分割成两部分了,

接下来分别对两个子数列进行分割:

第二趟排序

27 38 13       此子数列以27为分割界限,进行分割,类似上面

76 97 65 49  此子数列以76为分割界限,进行分割,类似上面

 

第二趟排序结束后,每个子数列又将分别分割成两个子数列,依次递归,直至无法分割

 

这样整个数列排序完成。

 

快速排序是一种不稳定排序,如序列为 5 3 3 4 3 8 9 10 11, 现在中枢元素5和3(第5个元素,下标从1开始计)交换就会把元素3的稳定性打乱。(嘿嘿,什么是不稳定排序?非常通俗的讲,在排序前后,相等的两个数的位置顺序不变,这里第5个元素3,原来是是在前面两个3后面,排序后在两个3前面了,因为位置顺序变了,懂了吧,是不是很简单。。。)

 

快速排序的平均时间为knlnn,n为待排序个数,k为某个常数,经验证明,在所有同数量级排序方法中,快速排序的常数因子k最小,具体为什么,我也懒得推导了。。。偶也不会。因此,就平均时间而言,快速排序是目前被认为最好的一种内部排序方法。 

内容概要:该PPT详细介绍了企业架构设计的方法论,涵盖业务架构、数据架构、应用架构和技术架构四大核心模块。首先分析了企业架构现状,包括业务、数据、应用和技术四大架构的内容和关系,明确了企业架构设计的重要性。接着,阐述了新版企业架构总体框架(CSG-EAF 2.0)的形成过程,强调其融合了传统架构设计(TOGAF)和领域驱动设计(DDD)的优势,以适应数字化转型需求。业务架构部分通过梳理企业级和专业级价值流,细化业务能力、流程和对象,确保业务战略的有效落地。数据架构部分则遵循五大原则,确保数据的准确、一致和高效使用。应用架构方面,提出了分层解耦和服务化的设计原则,以提高灵活性和响应速度。最后,技术架构部分围绕技术框架、组件、平台和部署节点进行了详细设计,确保技术架构的稳定性和扩展性。 适合人群:适用于具有一定企业架构设计经验的IT架构师、项目经理和业务分析师,特别是那些希望深入了解如何将企业架构设计与数字化转型相结合的专业人士。 使用场景及目标:①帮助企业和组织梳理业务流程,优化业务能力,实现战略目标;②指导数据管理和应用开发,确保数据的一致性和应用的高效性;③为技术选型和系统部署提供科学依据,确保技术架构的稳定性和扩展性。 阅读建议:此资源内容详尽,涵盖企业架构设计的各个方面。建议读者在学习过程中,结合实际案例进行理解和实践,重点关注各架构模块之间的关联和协同,以便更好地应用于实际工作中。
资 源 简 介 独立分量分析(Independent Component Analysis,简称ICA)是近二十年来逐渐发展起来的一种盲信号分离方法。它是一种统计方法,其目的是从由传感器收集到的混合信号中分离相互独立的源信号,使得这些分离出来的源信号之间尽可能独立。它在语音识别、电信和医学信号处理等信号处理方面有着广泛的应用,目前已成为盲信号处理,人工神经网络等研究领域中的一个研究热点。本文简要的阐述了ICA的发展、应用和现状,详细地论述了ICA的原理及实现过程,系统地介绍了目前几种主要ICA算法以及它们之间的内在联系, 详 情 说 明 独立分量分析(Independent Component Analysis,简称ICA)是近二十年来逐渐发展起来的一种盲信号分离方法。它是一种统计方法,其目的是从由传感器收集到的混合信号中分离相互独立的源信号,使得这些分离出来的源信号之间尽可能独立。它在语音识别、电信和医学信号处理等信号处理方面有着广泛的应用,目前已成为盲信号处理,人工神经网络等研究领域中的一个研究热点。 本文简要的阐述了ICA的发展、应用和现状,详细地论述了ICA的原理及实现过程,系统地介绍了目前几种主要ICA算法以及它们之间的内在联系,在此基础上重点分析了一种快速ICA实现算法一FastICA。物质的非线性荧光谱信号可以看成是由多个相互独立的源信号组合成的混合信号,而这些独立的源信号可以看成是光谱的特征信号。为了更好的了解光谱信号的特征,本文利用独立分量分析的思想和方法,提出了利用FastICA算法提取光谱信号的特征的方案,并进行了详细的仿真实验。 此外,我们还进行了进一步的研究,探索了其他可能的ICA应用领域,如音乐信号处理、图像处理以及金融数据分析等。通过在这些领域中的实验和应用,我们发现ICA在提取信号特征、降噪和信号分离等方面具有广泛的潜力和应用前景。
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

robbie1314

你的鼓励将是我创作的最大动力

¥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