归并排序

import java.util.Arrays;

/**
 * Created by Alan on 2016/12/24.
 */
public class MergeSortUpdate {
    /**
     * 将两个已经分别排好序数组进行归并排序,两个数组的元素从头到尾依次比较,将较小者放到newArray数组。当其中一个数组元素放完之后,另一数组的剩余元素继续依次放到newArray数组。
     * 将一个oldArray数组进行归并排序
     * @param oldArray 数组
     * @param newArray 数组
     * @param left 最左边元素的索引
     * @param mid 中间元素的索引
     * @param right 最右边元素的索引
     * @param <T> 数组类型
     */
    public static <T extends Comparable<?super T>>void merge(T[] oldArray,T[] newArray,int left,int mid,int right){
        int len=right-left+1;//newArray数组中的元素个数,小于或等于newArray数组的长度
        int i=left;
        int j=mid+1;
        int k=0;
        while(i<=mid && j<=right){
            if(oldArray[i].compareTo(oldArray[j])<=0){
                newArray[k++]=oldArray[i++];
            }else{
                newArray[k++]=oldArray[j++];
            }
        }
        while(i<=mid){
            newArray[k++]=oldArray[i++];
        }
        while(j<=right){
            newArray[k++]=oldArray[j++];
        }
        for(int x=0;x<len;x++){
            oldArray[x+left]=newArray[x];
        }
    }

    /**
     * 将oldArray数组分为左右两部分,通过merge方法进行归并排序,但是merge方法要求进行排序的两个数组分别排好序。
     * 所以通过迭代的方法对分成的两部分继续进行归并排序
     * @param oldArray 数组
     * @param newArray 数组
     * @param left 最左边元素的索引
     * @param right 最右边元素的索引
     * @param <T> 数组类型
     */
    public static <T extends Comparable<?super T>>void sort(T[] oldArray,T[] newArray,int left,int right){
        if(left<right){
            int mid=(left+right)/2;
            sort(oldArray, newArray, left, mid);
            sort(oldArray, newArray, mid + 1, right);
            merge(oldArray,newArray,left,mid,right);
        }
    }
    public static void main(String[] args) {
        //int[] a;实例化
        //a=new int[10];初始化
        //a[0]=10;给数组a的成员赋值
        Integer[] test=new Integer[]{2,3,5,4,7,9,1325,45,34,23,46,78};
        Integer[] newArray=new Integer[test.length];
        //Integer是包装类,而不是基本数据类型。
        // Integer[] newArray=new Integer[test.length]已经对数组进行初始化了,只不过其中元素都默认初始化为null
        //必须对其中元素重新赋值,不然会抛NullPointerException异常。
        //下面把元素全部赋值为0。
        //int[] a=new int[10];元素全部默认初始化为0
        //Integer[] a=new Integer[10];元素全部默认初始化为null
        for(int i=0;i<newArray.length;i++){
            newArray[i]=0;
        }
        sort(test,newArray,0,test.length-1);
        System.out.println(Arrays.toString(test));
    }
}
最初在写merge方法的时候,误以为len就是newArray.length,抛出了ArrayIndexOutOfBoundsException异常。main方法里面,最开始没有对newArray数组进行重新赋值,抛出了NullPointerException。
基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究(Matlab代码实现)内容概要:本文围绕“基于数据驱动的Koopman算子的递归神经网络模型线性化”展开,旨在研究纳米定位系统的预测控制方法。通过结合数据驱动技术与Koopman算子理论,将非线性系统动态近似为高维线性系统,进而利用递归神经网络(RNN)建模并实现系统行为的精确预测。文中详细阐述了模型构建流程、线性化策略及在预测控制中的集成应用,并提供了完整的Matlab代码实现,便于科研人员复现实验、优化算法并拓展至其他精密控制系统。该方法有效提升了纳米级定位系统的控制精度与动态响应性能。; 适合人群:具备自动控制、机器学习或信号处理背景,熟悉Matlab编程,从事精密仪器控制、智能制造或先进控制算法研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①实现非线性动态系统的数据驱动线性化建模;②提升纳米定位平台的轨迹跟踪与预测控制性能;③为高精度控制系统提供可复现的Koopman-RNN融合解决方案; 阅读建议:建议结合Matlab代码逐段理解算法实现细节,重点关注Koopman观测矩阵构造、RNN训练流程与模型预测控制器(MPC)的集成方式,鼓励在实际硬件平台上验证并调整参数以适应具体应用场景。
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
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