七大排序java实现

本文详细介绍了七种经典的排序算法:直接插入排序、希尔排序、选择排序、归并排序、快速排序、冒泡排序和堆排序。每种算法都附有详细的代码实现及核心算法解析,帮助读者深入理解各种排序方法的特点及应用场景。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

package 七大排序;

public class Heapsort {
	public static void main(String[] args) {
		int a[]={5,4,9,8,7,6,0,1,3,2,1};
		//int[] b={5,4,9,8,7,6,0,1,3,2};数组初始化的两种等价的方式
		
		//七大排序
		heapsort(a);
		//bublesort(a);
		//mergesort(a);
		//quiksort(a,0,a.length-1);
		//selectsort(a);
		//insertsort(a);
		//shellsort(a);
		for(int i=0;i<a.length;i++){
			System.out.print(a[i]+" ");
		}
	}
	//三个比较简单的排序,排序最近每天写一遍,瞬间手写出来,在面试的时候
	
	//直接插入排序
	public static void insertsort(int[] a){
		for(int i=1;i<a.length;i++){
			int temp=a[i];
			int j=0;
			
			//核心算法位置,操作难点
			for(j=i-1;j>=0&&a[j]>temp;j--){
				a[j+1]=a[j];
			}
			a[j+1]=temp;
		}
	}
	//希尔排序,插入排序的变式,代码复杂一点
	public static void shellsort(int[] a){
		int gap=a.length/2;
		int j=0;
		while(gap>=1){//步长临界值,循环结束的标志,当步长为1之后,希尔排序的数列有序,满足我们的要求
		for(int i=gap;i<a.length;i++){
			int temp=a[i];//从步长位置向后移动
			
			//核心算法理解
			for(j=i-gap;j>=0;j=j-gap){
				if(a[j]>temp){
					a[i]=a[j];
				}else{
					break;
				}
			}
			a[j+gap]=temp;//难点:将减去的gap加上去,实现位置的交换
		}
		gap=gap/2;
		}
	}
	//选择排序
	public static void selectsort(int[] a){
		for(int i=0;i<a.length-1;i++){//注意边界条件,易错点
			int n=i;
			for(int j=i+1;j<a.length;j++){//条件起点是从第二个开始j=i+1
				if(a[j]<a[n]){//易错点!!!这里是,找到后面的最小值,不要错误的用a[i],导致出错,依次向下找
					n=j;
				}
			}
			if(a[n]!=a[i]){//交换条件比较好,防止出现相等的情况
				int temp=a[n];
				a[n]=a[i];
				a[i]=temp;
			}
		}
	}
	
	
	//归并
	public static void mergesort(int[] a){
		int mid=a.length/2;
		//拆分数组,直至都是一个
		if(a.length>1){//数组拆分递归结束的条件是都是单个元素时
			
			int[] a1=new int[mid];
			System.arraycopy(a, 0, a1, 0, mid);//注意边界,数组拷贝时,不包括mid位置的值,只是0--(mid-1),其中五个变量的位置和依据是重点
			mergesort(a1);//接着进行拆分
			
			int[] a2=new int[a.length-mid];
			System.arraycopy(a, mid, a2, 0, a.length-mid);
			mergesort(a2);
			
			int[] temp=mergearr(a1,a2);
			System.arraycopy(temp, 0, a, 0, a.length);
			
		}

		
	}
	
	public static int[] mergearr(int[] a1,int[] a2){
		int[] temp=new int[a1.length+a2.length];
		
		//以下是三个数组的索引,用于操作后面的三个数组,比较经典
		int c1=0;
		int c2=0;
		int c3=0;
		
		//排列两个有序的数组的核心算法,while 配合++ --代替for循环变得比较简单,尤其是一些逼近算法中常用
		while(c1<a1.length&&c2<a2.length){
			if(a1[c1]<a2[c2]){
				temp[c3++]=a1[c1++];
			}else{
				temp[c3++]=a2[c2++];
			}
		}
		
		while(c1<a1.length){
			temp[c3++]=a1[c1++];
		}
		
		while(c2<a2.length){
			temp[c3++]=a2[c2++];
		}
		
		return temp;
	}
	
	//快排
	public static void quiksort(int[] a,int low,int high){
		
		//没有下面的条件栈会溢出
		if(low>=high){
			return;//递归结束的条件
		}
		
		int temp=a[low];
		int i=low;
		int j=high;
		
		//核心代码区
		while(i<j){
		while(a[j]>=temp&&i<j){
			j--;
		}
		if(i<j){
		a[i++]=a[j];
		}
		while(a[i]<temp&&i<j){
			i++;
		}
		if(i<j){//没有这个条件会错过i的正确位置,可能会跑到对边上去
		a[j--]=a[i];
		}
		
		}
		a[i]=temp;
		quiksort(a,low,i-1);
		quiksort(a,i+1,high);
		
	}
	
	//冒泡排序
	public static void bublesort(int[] a){
		int temp=0;
		boolean flag=true;//用于优化算法,避免不必要的冒泡,告别简单粗暴
		
		for(int k=1;k<a.length&&flag;k++){//最差的情况是冒泡a.length-1次
			flag=false;
			for(int i=0;i<a.length-k;i++){
				if(a[i]>a[i+1]){
					temp=a[i];
					a[i]=a[i+1];
					a[i+1]=temp;
					flag=true;
				}
			}
		}
	}
	
	//堆排序优化算法如下,将根节点的编号为1,但是在数组中的存储为0的位置,这种错位在程序设计中务必要-1当调整数组元素的时候
	public static void heapsort(int[] a){
		int i;
		int len=a.length;
		
		//创建堆
		for(i=len/2;i>0;i--){
			adjustheap(a,i,len);
		}
		
		//建堆之后开头的最大值与最后一个元素对调,之后再调整
		for(i=len;i>0;i--){
			int temp=a[0];
			a[0]=a[i-1];
			a[i-1]=temp;
			adjustheap(a,1,i-1);//再次调整堆的时候,只需要考虑对调过去的根节点即可
			
		}
	}
	
	//调整堆是堆排序的核心算法部分
	public static void adjustheap(int[] a,int n,int len){

		int left=2*n;
		int right=2*n+1;
		int max=n;
		
		if(left<=len&&a[left-1]>a[max-1]){
			max=left;
		}
		
		if(right<=len&&a[right-1]>a[max-1]){
			max=right;
		}
		
		if(max!=n){
			int temp=a[n-1];
			a[n-1]=a[max-1];
			a[max-1]=temp;
			adjustheap(a,max,len);
		}
		
	}

}

内容概要:本文档详细介绍了一个基于MATLAB实现的跨尺度注意力机制(CSA)结合Transformer编码器的多变量时间序列预测项目。项目旨在精准捕捉多尺度时间序列特征,提升多变量时间序列的预测性能,降低模型计算复杂度与训练时间,增强模型的解释性和可视化能力。通过跨尺度注意力机制,模型可以同时捕获局部细节和全局趋势,显著提升预测精度和泛化能力。文档还探讨了项目面临的挑战,如多尺度特征融合、多变量复杂依赖关系、计算资源瓶颈等问题,并提出了相应的解决方案。此外,项目模型架构包括跨尺度注意力机制模块、Transformer编码器层和输出预测层,文档最后提供了部分MATLAB代码示例。 适合人群:具备一定编程基础,尤其是熟悉MATLAB和深度学习的科研人员、工程师和研究生。 使用场景及目标:①需要处理多变量、多尺度时间序列数据的研究和应用场景,如金融市场分析、气象预测、工业设备监控、交通流量预测等;②希望深入了解跨尺度注意力机制和Transformer编码器在时间序列预测中的应用;③希望通过MATLAB实现高效的多变量时间序列预测模型,提升预测精度和模型解释性。 其他说明:此项目不仅提供了一种新的技术路径来处理复杂的时间序列数据,还推动了多领域多变量时间序列应用的创新。文档中的代码示例和详细的模型描述有助于读者快速理解和复现该项目,促进学术和技术交流。建议读者在实践中结合自己的数据集进行调试和优化,以达到最佳的预测效果。
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