数据结构与算法(Python)(六)—— 排序算法(5)快速排序

本文深入解析了快速排序算法的原理及其实现过程,介绍了通过选择中间值并比较两侧元素来进行排序的方法,递归地对左右子序列进行排序,最终实现整个序列的有序排列。

快速排序

  • 快速排序(Quicksort),又称划分交换排序(partition-exchange sort),将要排序的数列分割成独立的两部分,其中一部分的所有数据都比另外一部分的所有数据都要小,然后再按此方法对这两部分数据分别进行快速排序,整个排序过程可以递归进行,以此达到整个数据变成有序序列。

  • 希尔排序算法的具体运作如下:

    1. 记录数列第一个元素为中间值,设立两个游标,分别位于数列始末。
    2. 将末尾游标指向的值与中间值进行比较,若中间值大,则将末尾游标指向的值置于起始游标处,否则游标做左移处理。
    3. 上一步中,若未发生数列值的改变,则重复执行,直到数列值发生改变,则开始移动起始游标。
    4. 将起始游标指向的值与中间值进行比较,若中间值小,则将起始游标指向的值置于末尾游标处,否则游标做右移处理。
    5. 上一步中,若未发生数列值的改变,则重复执行,直到数列值发生改变,则再开始移动末尾游标。
    6. 重复以上步骤,直到起始游标与末尾游标重合,将中间值置于重合处。
    7. 对中间值的前半部分和后半部分分别进行以上步骤,递归完成排序。
  • 算法实现(分步)

ali = [54, 26, 93, 22, 77, 31, 44, 55, 20]
n = len(ali)  # 9

1.记录数列第一个元素为中间值,设立两个游标,分别位于数列始末。

def fast_sort(ali, first, last):
	mid_value = ali[first]
    low = first
    high = last

2.将末尾游标指向的值与中间值进行比较,若中间值大,则将末尾游标指向的值置于起始游标处,否则游标做左移处理。

if ali[high] < mid_value:
	ali[low] = ali[high]
	low += 1
else:
	high -= 1

3.上一步中,若未发生数列值的改变,则重复执行,直到数列值发生改变,则开始移动起始游标。将起始游标指向的值与中间值进行比较,若中间值小,则将起始游标指向的值置于末尾游标处,否则游标做右移处理。若未发生数列值的改变,则重复执行,直到数列值发生改变,则再开始移动末尾游标。

while low < high:
    if ali[high] < mid_value:
        ali[low] = ali[high]
        low += 1
        break
    else:
        high -= 1

while low < high:
    if ali[low] > mid_value:
        ali[high] = ali[low]
        high -= 1
        break
    else:
        low += 1

4.重复以上步骤,直到起始游标与末尾游标重合,将中间值置于重合处。

while low < high:
    while low < high:
        if ali[high] < mid_value:
            ali[low] = ali[high]
            low += 1
            break
        else:
            high -= 1

    while low < high:
        if ali[low] > mid_value:
            ali[high] = ali[low]
            high -= 1
            break
        else:
            low += 1
ali[low] = mid_value

5.对中间值的前半部分和后半部分分别进行以上步骤,递归完成排序。

fast_sort(ali, first, low - 1)
fast_sort(ali, low + 1, last)
  • 算法实现(整体)
import random

def fast_sort(ali, first, last):
    if first >= last:
        return
    mid_value = ali[first]
    low = first
    high = last
    while low < high:
        while low < high:
            if ali[high] < mid_value:
                ali[low] = ali[high]
                low += 1
                break
            else:
                high -= 1

        while low < high:
            if ali[low] > mid_value:
                ali[high] = ali[low]
                high -= 1
                break
            else:
                low += 1
    ali[low] = mid_value
    fast_sort(ali, first, low - 1)
    fast_sort(ali, low + 1, last)

if __name__ == '__main__':
    ali = [random.randint(0, 10000) for i in range(500)]
    print(ali)
    fast_sort(ali, 0, len(ali)-1)
    print(ali)

基于径向基函数神经网络RBFNN的自适应滑模控制学习(Matlab代码实现)内容概要:本文介绍了基于径向基函数神经网络(RBFNN)的自适应滑模控制方法,并提供了相应的Matlab代码实现。该方法结合了RBF神经网络的非线性逼近能力和滑模控制的强鲁棒性,用于解决复杂系统的控制问题,尤其适用于存在不确定性和外部干扰的动态系统。文中详细阐述了控制算法的设计思路、RBFNN的结构权重更新机制、滑模面的构建以及自适应律的推导过程,并通过Matlab仿真验证了所提方法的有效性和稳定性。此外,文档还列举了大量相关的科研方向和技术应用,涵盖智能优化算法、机器学习、电力系统、路径规划等多个领域,展示了该技术的广泛应用前景。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的研究生、科研人员及工程技术人员,特别是从事智能控制、非线性系统控制及相关领域的研究人员; 使用场景及目标:①学习和掌握RBF神经网络滑模控制相结合的自适应控制策略设计方法;②应用于电机控制、机器人轨迹跟踪、电力电子系统等存在模型不确定性或外界扰动的实际控制系统中,提升控制精度鲁棒性; 阅读建议:建议读者结合提供的Matlab代码进行仿真实践,深入理解算法实现细节,同时可参考文中提及的相关技术方向拓展研究思路,注重理论分析仿真验证相结合。
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