Counting sort 计数排序

本文介绍了一种非比较型线性排序算法——计数排序,并提供了详细的C++实现代码。该算法适用于已知范围内的整数排序,通过构建索引来快速完成排序过程,时间复杂度为O(n)。
转载自


http://blog.youkuaiyun.com/joker0910/article/details/6278668

个人感觉,这个更像是索引排序:

 

这是一篇分析的  文章  :

 

我的实现:

 

 

  1. /* 
  2. *作者: JoKer  
  3. *时间:2011.3.25  
  4. *作用:线性排序,时间复杂度O(n) 
  5. *    这是一种非比较排序,所以速度比较快,但是有限制条件的  
  6. *   这个算法要求数组中的元素全是在已知范围的集合中,这里假设从0 到 dif_num的整数。 
  7. * 
  8. */  
  9. #include <iostream>  
  10. using namespace std;  
  11. int counting_sort( int* array, int dif_num, int len)  
  12. {  
  13.     int* index = new int[dif_num + 1];  
  14.     int* output = new int[len];  
  15.     int  i = 0;  
  16.     if(index == NULL)  
  17.     {  
  18.         cout << "alloc failed !" << endl;  
  19.         getchar();  
  20.         exit(0);  
  21.     }  
  22.     if(output == NULL)  
  23.     {  
  24.         cout << "alloc failed!!!" << endl;  
  25.         getchar();  
  26.         exit(0);  
  27.     }  
  28.     memset (index, 0, sizeof(int) * (dif_num + 1));  
  29.     memset (output, 0, sizeof(int) * len);  
  30.     for (i = 0; i < len; i++)  
  31.     {  
  32.         index[array[i]]++;  
  33.     }  
  34.       
  35.     for (i = 1; i < dif_num + 1; i++)  
  36.     {  
  37.         index[i] = index[i] + index[i-1];  
  38.     }  
  39.     for (i = 0; i < len; i++)  
  40.     {  
  41.         int n_index = --index[array[i]];  
  42.         output[n_index] = array[i];  
  43.     }  
  44.     for (i = 0; i < len; i++)  
  45.     {  
  46.         cout << output[i] << " " ;  
  47.     }  
  48.     return 0;  
  49. }  
  50. int main()  
  51. {  
  52.     int array[10] = {3,5,3,5,1,2,6,7,8,3};  
  53.     counting_sort(array, 8, 10);  
  54.     getchar();  
  55.     return 0;  
  56. }  

提供了基于BP(Back Propagation)神经网络结合PID(比例-积分-微分)控制策略的Simulink仿真模型。该模型旨在实现对杨艺所著论文《基于S函数的BP神经网络PID控制器及Simulink仿真》中的理论进行实践验证。在Matlab 2016b环境下开发,经过测试,确保能够正常运行,适合学习和研究神经网络在控制系统中的应用。 特点 集成BP神经网络:模型中集成了BP神经网络用于提升PID控制器的性能,使之能更好地适应复杂控制环境。 PID控制优化:利用神经网络的自学习能力,对传统的PID控制算法进行了智能调整,提高控制精度和稳定性。 S函数应用:展示了如何在Simulink中通过S函数嵌入MATLAB代码,实现BP神经网络的定制化逻辑。 兼容性说明:虽然开发于Matlab 2016b,但理论上兼容后续版本,可能会需要调整少量配置以适配不同版本的Matlab。 使用指南 环境要求:确保你的电脑上安装有Matlab 2016b或更高版本。 模型加载: 下载本仓库到本地。 在Matlab中打开.slx文件。 运行仿真: 调整模型参数前,请先熟悉各模块功能和输入输出设置。 运行整个模型,观察控制效果。 参数调整: 用户可以自由调节神经网络的层数、节点数以及PID控制器的参数,探索不同的控制性能。 学习和修改: 通过阅读模型中的注释和查阅相关文献,加深对BP神经网络与PID控制结合的理解。 如需修改S函数内的MATLAB代码,建议有一定的MATLAB编程基础。
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