MergeSort

本文详细介绍了合并排序算法的原理与实现过程。首先通过递归将序列分解为若干个单元素序列,然后逐步合并这些序列,最终形成一个完全有序的序列。文章提供了完整的C++代码示例,并通过一个具体的例子演示了整个排序过程。

前提引入
在数列的排序中,如果只有两个数,只用比较一次就可以完成排序。那么,我们是否可以将一个数列通过递归不断分为二分之一,直到只剩下一两个的时候进行排序,然后对他在进行合并,执行一个和分解相反的过程,从而完成一个有序的序列呢?

简析
上面所说的就是合并排序,其主要的思想就是采用分治的策略,将一个大的问题分解成很多的小问题,先解决各个局部的排序,然后再解决大问题。对于传入函数中的子序列,将他不断分解为两个规模相等的子序列,如果不宜排序,那么继续分解,直到子序列中的元素个数为1。然后再把分解排序好的子序列合并为一个完整有序的序列。
比如说对于序列:2 4 7 5 8 1 3 6
先分为两段:2 4 7 5和8 1 3 6
此时分解的子序列还是不宜排序
继续分解为4个子序列:2 4、7 5、8 1、 3 6
发现还是可以分解:2–4–7–5–8–1–3–6
分解至此,已经不能也每必要分解了。
然后就是一一合并,直到最后得到:1 2 3 4 5 6 7 8

分解实现

void MergeSort ( int * A, int low, int high )
{
    int mid = ( low + high ) / 2;
    if ( low < high ) {
        MergeSort( A, low, mid );   //分解左边序列
        MergeSort( A, mid + 1, high );  //分解右边序列
        Merge( A, low, high );  //合并两个序列
    }
}

合并实现

void Merge ( int *A, int low, int high )
{
    int k = 0;
    int mid = (low + high) / 2;
    int i = low;
    int j = mid + 1;
    int * B = new int [high - low + 1];
    while ( i <= mid && j <= high ) {
        if ( A[i] < A[j] )  B[k++] = A[i++];
        else    B[k++] = A[j++];
    }
    while ( i <= mid )  B[k++] = A[i++];
    while ( j <= high ) B[k++] = A[j++];
    //PAY ATTENTION:loop from low,not from 0
    for ( i = low, k = 0; i <= high; i++ )  A[i] = B[k++];
}

合并算法简析
对于传入的序列,把他一分为二,然后分别设置两个初始位置均为首元素的指针,按照排序规则(升序、降序)逐一比较,符合规则的放入一个辅助数组中,循环直到任意一个子序列结束为止。这个时候肯定会有且仅有一个序列里面的元素没有进行比较,所以把剩下来的元素全部放入辅助数组中去,最后将辅助数组值一一赋给传入的数组。需要特别注意的是,重新给传入的数组赋值不是从下标为0开始,而是应该从传入的low位置开始,以保证当前操作只是对分解的局部进行。

全部源码

#include <iostream>
using namespace std;

void Merge ( int *A, int low, int high )
{
    int k = 0;
    int mid = (low + high) / 2;
    int i = low;
    int j = mid + 1;
    int * B = new int [high - low + 1];
    while ( i <= mid && j <= high ) {
        if ( A[i] < A[j] )  B[k++] = A[i++];
        else    B[k++] = A[j++];
    }
    while ( i <= mid )  B[k++] = A[i++];
    while ( j <= high ) B[k++] = A[j++];
    //PAY ATTENTION:loop from low,not from 0
    for ( i = low, k = 0; i <= high; i++ )  A[i] = B[k++];
}

void MergeSort ( int * A, int low, int high )
{
    int mid = ( low + high ) / 2;
    if ( low < high ) {
        MergeSort( A, low, mid );   //分解左边序列
        MergeSort( A, mid + 1, high );  //分解右边序列
        Merge( A, low, high );  //合并两个序列
    }
}

int main()
{
    freopen( "F://input.txt","r",stdin );
    int N;
    cout << "enter the num:";
    cin >> N;
    int * A = new int [N + 1];
    cout << endl << "input the number:" << endl;
    for ( int i = 0; i < N; i++ )   cin >> A[i];
    MergeSort( A, 0, N - 1 );
    for ( int i = 0; i < N; i++ )   cout << A[i] << " ";
    cout << endl;
    return 0;
}

测试样例
8
42 15 20 6 8 38 50 12

对应输出
6 8 12 15 20 38 42 50

数据驱动的两阶段分布鲁棒(1-范数和∞-范数约束)的电热综合能源系统研究(Matlab代码实现)内容概要:本文围绕“数据驱动的两阶段分布鲁棒(1-范数和∞-范数约束)的电热综合能源系统研究”展开,提出了一种结合数据驱动与分布鲁棒优化方法的建模框架,用于解决电热综合能源系统在不确定性环境下的优化调度问题。研究采用两阶段优化结构,第一阶段进行预决策,第二阶段根据实际场景进行调整,通过引入1-范数和∞-范数约束来构建不确定集,有效刻画风电、负荷等不确定性变量的波动特性,提升模型的鲁棒性和实用性。文中提供了完整的Matlab代码实现,便于读者复现和验证算法性能,并结合具体案例分析了不同约束条件下系统运行的经济性与可靠性。; 适合人群:具备一定电力系统、优化理论和Matlab编程基础的研究生、科研人员及工程技术人员,尤其适合从事综合能源系统、鲁棒优化、不确定性建模等相关领域研究的专业人士。; 使用场景及目标:①掌握数据驱动的分布鲁棒优化方法在综合能源系统中的应用;②理解1-范数和∞-范数在构建不确定集中的作用与差异;③学习两阶段鲁棒优化模型的建模思路与Matlab实现技巧,用于科研复现、论文写作或工程项目建模。; 阅读建议:建议读者结合提供的Matlab代码逐段理解算法实现细节,重点关注不确定集构建、两阶段模型结构设计及求解器调用方式,同时可尝试更换数据或调整约束参数以加深对模型鲁棒性的理解。
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