排序算法。。

本文详细解读冒泡排序的简单比较与交换,快速排序的分区递归思想,归并排序的分治合并过程,以及堆排序的构建和调整技巧。通过实例演示,理解这些高效排序算法的工作原理。

算法复杂度冒泡排序
1比较相邻的元素,如果前一个比后一个大,就把它们两个调换位置。
2.对每一对相邻元素作同样的工作,从开始第一对到结尾的最后一对。这步做完后,最后的元素会是最大的数。
3针对所有的元素重复以上的步骤,除了最后一个。
4.持续每次对越来越少的元素重复上面的步骤,直到没有任何一对数字需要比较
冒泡排序

快速排序:
① 选取一个数组作为基准pivolt(自己习惯选中间数)
②然后把小于pivolt的都放在左边
③把大于pivolt的都放在右边
④递归重复前三步
快速排序归并排序:
①确定分界点,从中间分为两部分
②递归排序左边和右边,左右都正确排序了
③合二为一,把两边合起来归并排序
堆排序:
1.将无序序列建成一个堆
2.输出堆顶元素
3.用最后一个元素代替堆顶元素
4.将剩余的n-1个元素继续调整成一个堆
5.再重复执行,直到堆只剩一个元素在这里插入图片描述
希尔排序: :首先定义一个增量序列,比如是10,那么第一个增量就是10/2=5,第二个就是5/2=2,第三个就是2/2=1
从第一个数字开始以此数五个,然后比较大小,把小的放在前边,大的放在后边,用swap交换
经过上一轮的排序之后,再按第二个增量3来重复一遍,以此类推。
希尔排序

插入排序
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
重复步骤2~5
插入排序

【CNN-GRU-Attention】基于卷积神经网络和门控循环单元网络结合注意力机制的多变量回归预测研究(Matlab代码实现)内容概要:本文介绍了基于卷积神经网络(CNN)、门控循环单元网络(GRU)与注意力机制(Attention)相结合的多变量回归预测模型研究,重点利用Matlab实现该深度学习模型的构建与仿真。该模型通过CNN提取输入数据的局部特征,利用GRU捕捉时间序列的长期依赖关系,并引入注意力机制增强关键时间步的权重,从而提升多变量时间序列回归预测的精度与鲁棒性。文中涵盖了模型架构设计、训练流程、参数调优及实际案例验证,适用于复杂非线性系统的预测任务。; 适合人群:具备一定机器学习与深度学习基础,熟悉Matlab编程环境,从事科研或工程应用的研究生、科研人员及算法工程师,尤其适合关注时间序列预测、能源预测、智能优化等方向的技术人员。; 使用场景及目标:①应用于风电功率预测、负荷预测、交通流量预测等多变量时间序列回归任务;②帮助读者掌握CNN-GRU-Attention混合模型的设计思路与Matlab实现方法;③为学术研究、毕业论文或项目开发提供可复现的代码参考和技术支持。; 阅读建议:建议读者结合Matlab代码逐模块理解模型实现细节,重点关注数据预处理、网络结构搭建与注意力机制的嵌入方式,并通过调整超参数和更换数据集进行实验验证,以深化对模型性能影响因素的理解。
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