qsort函数应用大全

七种qsort排序实例
本文介绍了使用C语言标准库中的qsort函数实现的七种排序方法,包括基本数据类型如int、double、char的排序,以及如何对结构体进行一级或多级排序,并提供了具体的示例代码。
七种qsort排序方法 


<本文中排序都是采用的从小到大排序> 


一、对int类型数组排序 

int num[100]; 


Sample: 


int cmp ( const void *a , const void *b ) 
{ 
return *(int *)a - *(int *)b; 
} 


qsort(num,100,sizeof(num[0]),cmp); 

二、对char类型数组排序(同int类型) 

char word[100]; 


Sample: 


int cmp( const void *a , const void *b ) 
{ 
return *(char *)a - *(int *)b; 
} 


qsort(word,100,sizeof(word[0]),cmp); 


三、对double类型数组排序(特别要注意) 

double in[100]; 


int cmp( const void *a , const void *b ) 
{ 
return *(double *)a > *(double *)b ? 1 : -1; 
} 


qsort(in,100,sizeof(in[0]),cmp); 


四、对结构体一级排序 

struct In 
{ 
double data; 
int other; 
}s[100] 


//按照data的值从小到大将结构体排序,关于结构体内的排序关键数据data的类型可以很多种,参考上面的例子写 


int cmp( const void *a ,const void *b) 
{ 
return (*(In *)a)->data > (*(In *)b)->data ? 1 : -1; 
} 


qsort(s,100,sizeof(s[0]),cmp); 


五、对结构体二级排序 

struct In 
{ 
int x; 
int y; 
}s[100]; 


//按照x从小到大排序,当x相等时按照y从大到小排序 


int cmp( const void *a , const void *b ) 
{ 
struct In *c = (In *)a; 
struct In *d = (In *)b; 
if(c->x != d->x) return c->x - d->x; 
else return d->y - c->y; 
} 


qsort(s,100,sizeof(s[0]),cmp); 


六、对字符串进行排序 

struct In 
{ 
int data; 
char str[100]; 
}s[100]; 


//按照结构体中字符串str的字典顺序排序 


int cmp ( const void *a , const void *b ) 
{ 
return strcmp( (*(In *)a)->str , (*(In *)b)->str ); 
} 


qsort(s,100,sizeof(s[0]),cmp); 


七、计算几何中求凸包的cmp 

int cmp(const void *a,const void *b) //重点cmp函数,把除了1点外的所有点,旋转角度排序 
{ 
struct point *c=(point *)a; 
struct point *d=(point *)b; 
if( calc(*c,*d,p[1]) < 0) return 1; 
else if( !calc(*c,*d,p[1]) && dis(c->x,c->y,p[1].x,p[1].y) < dis(d->x,d->y,p[1].x,p[1].y)) //如果在一条直线上,则把远的放在前面 
return 1; 
else return -1; 
} 


PS: 


其中的qsort函数包含在<stdlib.h>的头文件里,strcmp包含在<string.h>的头文件里

转载于:https://www.cnblogs.com/hehehaha/p/6332413.html

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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