数据结构排序算法

#include <iostream>
#include <algorithm> 
using namespace std;

//快速顺序
void swap(int* arr, int index1, int index2)
{
       int temp = arr[index1];
       arr[index1] = arr[index2];
       arr[index2] = temp;
}

int partition(int* arr, int L, int R)
{
       int more = R;
       while (L < more)
       {
              if (arr[L]>arr[R])
                     swap(arr, L, --more);
              else
                     L++;
       }
       swap(arr, more, R);
       return more;
}

void quicksort(int*arr, int L, int R)
{
       if (L < R)
       {
              int mid = partition(arr, L, R);
              quicksort(arr, L, mid - 1);
              quicksort(arr, mid + 1, R);
       }
}

//归并排序
void merge(int* arr, int L, int M, int R)
{
       int *help = new int[R - L + 1];
       int t = 0;
       int i = L;
       int j = M  + 1;
       while (i <= M && j <= R)
       {
              help[t++] = arr[i] < arr[j] ? arr[i++] : arr[j++];
       }
       while (i <= M)
       {
              help[t++] = arr[i++];
       }
       while (j <= R)
       {
              help[t++] = arr[j++];
       }
       for (int t = 0; t <= (R - L); t++)
              arr[L + t] = help[t];
}

void sortprocess(int* arr, int L, int R)
{
       if (L == R)
       {
              return;
       }
       int mid = L + (R - L) / 2;
       sortprocess(arr, L, mid);
       sortprocess(arr, mid + 1, R);
       merge(arr, L, mid, R);
}

void merfesort(int* arr, int n)
{
       if (arr == NULL || n < 2)
              return;
       sortprocess(arr, 0, n - 1);
}

//堆排序

//输出序列
void printout(int* arr,int N)
{
       for (int i = 0; i < N; i++)
              cout << arr[i] << " ";
       cout << endl;
}

void run(int* arr,int n,int N)
{
       if (N - 1 == n)
       {
              printout(arr, N);
              return;
       }
       for (int i = n; i < N; i++)
       {
              swap(arr, n, i);
              run(arr, n + 1, N);
              swap(arr, n, i);
       }
}

void print(char s[]){
       char *p = s;
       while (*p != '\0'){
              cout << *p;
              p++;
       }
       cout << endl;
}

void swap(char s[], int l, int i)
{
       char temp = s[l];
       s[l] = s[i];
       s[i] = temp;
}

void perm(char s[], int L, int R){
       if (L == R){
              print(s);
              return;
       }

       for (int i = L; i <= R; i++){
              swap(s, L, i);
              perm(s, L + 1, R);
              swap(s, L, i);
       }
}


int main()
{
       char str[] = "123";
       perm(str, 0, 2);
       int ar[] = { 1, 2, 3, 4};
       int n = sizeof(ar) / sizeof(int);
       run(ar, 0, n);
       int arr[] = { 2, 8, 7, 1, 3, 4, 2, 9, 7, 1, 5, 12 };
       int num = sizeof(arr) / sizeof(int);
       merfesort(arr, num);
       cout << "归并排序结果:";
       for (int i = 0; i < num; i++)
       {
              cout << arr[i] << " ";
       }
       cout << endl;
       quicksort(arr, 0, num-1);
       cout << "快速排序结果:";
       for (int i = 0; i < num; i++)
       {
              cout << arr[i] << " ";
       }
       cout << endl;
       system("pause");

       return 0;
}

 

内容概要:本文围绕EKF SLAM(扩展卡尔曼滤波同步定位与地图构建)的性能展开多项对比实验研究,重点分析在稀疏与稠密landmark环境下、预测与更新步骤同时进行与非同时进行的情况下的系统性能差异,并进一步探讨EKF SLAM在有色噪声干扰下的鲁棒性表现。实验考虑了不确定性因素的影响,旨在评估不同条件下算法的定位精度与地图构建质量,为实际应用中EKF SLAM的优化提供依据。文档还提及多智能体系统在遭受DoS攻击下的弹性控制研究,但核心内容聚焦于SLAM算法的性能测试与分析。; 适合人群:具备一定机器人学、状态估计或自动驾驶基础知识的科研人员及工程技术人员,尤其是从事SLAM算法研究或应用开发的硕士、博士研究生和相关领域研发人员。; 使用场景及目标:①用于比较EKF SLAM在不同landmark密度下的性能表现;②分析预测与更新机制同步与否对滤波器稳定性与精度的影响;③评估系统在有色噪声等非理想观测条件下的适应能力,提升实际部署中的可靠性。; 阅读建议:建议结合MATLAB仿真代码进行实验复现,重点关注状态协方差传播、观测更新频率与噪声模型设置等关键环节,深入理解EKF SLAM在复杂环境下的行为特性。稀疏 landmark 与稠密 landmark 下 EKF SLAM 性能对比实验,预测更新同时进行与非同时进行对比 EKF SLAM 性能对比实验,EKF SLAM 在有色噪声下性能实验
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