冒泡排序

直接写代码, 

 

void BulleSort(int a[] ,int n)
{
	int i,j;
	for(i=1;i<n;i++)
	{
		for(j=0;j<n-i;j++)
		{
			if(a[j]>a[j+1])
				SWAP(&a[j],&a[j+1]);
		}
	}
}

void SWAP(int *a,int *b)
{
	int temp ;
	
	temp = *a;
	*a=*b;
	*b=temp;
}


 改进下 ,加一个 排序标记。

#include<iostream>
using namespace std;


void BubbleSort(int a[],int n)
{
	int i=1,
		tag=0,//数据转换标记
		j;
	do
	{
		for(j=n-1;j>=i;j--)
			if(a[j]<a[j-1])
			{
				swap(a[j],a[j-1]);
				tag=1;
			}

		i++;
	}while(i<=n && tag==1);
}
void swap(int &a ,int &b)
{
     int temp;
	 temp = a;
	 a=b;
	 b=temp;
}

int main()
{
	int a[]={1,2,4,5,6,7,8,9};
	int len = sizeof(a)/sizeof(int);
	BubbleSort(a,len);
	for(int i =0;i<len;i++)
	{
		cout<<a[i]<<endl;
	}

 return 0;
}
也就是说 ,当原数组已经有序时 ,只进行一次排序。 或者当进行一次或几次排序后数组已经有序了,那么后面就不用比较排序了。。

【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
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