冒泡排序

冒泡排序

定义:他重复走访要排序的元素列,一次比较两个 相邻的元素,如果他们不是按顺序排列就将他们交换,直到没有要交换的元素就说明排序完成。
冒泡代码

#define _CRT_SECURE_NO_WARNINGS 1
#include"stdio.h"
void Maopao(int *arr, int len)
{
	int i = 0;
	int flag;
    for(i = 0; i < len - 1; i++)//比较的趟数
	{
		int j = 0;
		flag = 0;
		for(j = 0; j < len - 1 - i; j++)//每趟比较的次数
		{
			
			if(arr[j]>arr[j + 1])
			{
				 int temp = arr[j];
				arr[j] = arr[j + 1];
				arr[j + 1] = temp;
				flag = 1;
			}
		}
		if (!flag)
		{
			break;
		}
	}
}
void show(int *arr, int len)
{
	int i;
	for (i = 0; i < len; i++)
	{
		printf("%d ", arr[i]);
	}
	printf("\n");
}
int main()
{

	int arr[10] = { 12, 15, 19, 28, 64, 58, 17, 5, 6, 47 };
	int len = (sizeof(arr) / sizeof(arr[0]));
	Maopao(arr, len);
	show(arr, len);
	return 0;


}
}

运行结果
在这里插入图片描述
2.冒泡代码

#define _CRT_SECURE_NO_WARNINGS 1
#include"stdio.h"
int _cmpint(const void  *p1, const void *p2)
{
	return *(int*)p1 - *(int*)p2;
}
void _swap(void*p1, void*p2, int size)
{
	int i = 0;
	for (i = 0; i < size; i++)
	{
		char tmp = *(((char*)p1) + i);
		*(((char*)p1) + i) = *(((char*)p2) + i);
		*(((char*)p2) + i) = tmp;
	}
}
void MyQsort(void *base, int len, int size, int(*cmp)(const void*p1, const void *p2))
{
	int i = 0;
	for (i = 0; i < len - 1; i++)
	{
		int j = 0;
		for (j = 0; j < len - 1 - i; j++)
		{
			if (cmp((char*)base + j*size, (char*)base + (j + 1)*size)>0)
			{
				_swap((char*)base + j*size, (char*)base + (j + 1)*size, size);
			}
		}
	}
}
void show(int *arr, int len)
{
	int i = 0;
	for (i = 0; i < len; i++)
	{
		printf("%d ", arr[i]);
	}
	printf("\n");
}
int main()
{
	int arr[10] = { 12, 20, 15, 58, 63, 69, 99, 58, 4, 2 };
	int len = sizeof(arr) / sizeof(arr[0]);
	MyQsort(arr, len, sizeof(int), _cmpint);
	show(arr, len);
	return 0;
}

执行结果
在这里插入图片描述

内容概要:本文介绍了一个基于MATLAB实现的无人机三维路径规划项目,采用蚁群算法(ACO)与多层感知机(MLP)相结合的混合模型(ACO-MLP)。该模型通过三维环境离散化建模,利用ACO进行全局路径搜索,并引入MLP对环境特征进行自适应学习与启发因子优化,实现路径的动态调整与多目标优化。项目解决了高维空间建模、动态障碍规避、局部最优陷阱、算法实时性及多目标权衡等关键技术难题,结合并行计算与参数自适应机制,提升了路径规划的智能性、安全性和工程适用性。文中提供了详细的模型架构、核心算法流程及MATLAB代码示例,涵盖空间建模、信息素更新、MLP训练与融合优化等关键步骤。; 适合人群:具备一定MATLAB编程基础,熟悉智能优化算法与神经网络的高校学生、科研人员及从事无人机路径规划相关工作的工程师;适合从事智能无人系统、自动驾驶、机器人导航等领域的研究人员; 使用场景及目标:①应用于复杂三维环境下的无人机路径规划,如城市物流、灾害救援、军事侦察等场景;②实现飞行安全、能耗优化、路径平滑与实时避障等多目标协同优化;③为智能无人系统的自主决策与环境适应能力提供算法支持; 阅读建议:此资源结合理论模型与MATLAB实践,建议读者在理解ACO与MLP基本原理的基础上,结合代码示例进行仿真调试,重点关注ACO-MLP融合机制、多目标优化函数设计及参数自适应策略的实现,以深入掌握混合智能算法在工程中的应用方法。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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