Algorithm - Find k-th order element in a list (课堂笔记)

课上讲的是找unsorted list中的中位数,这里换成了kth-order elements;时间复杂度为O(n)

FindKthElement( unsortedList, k ):
    // select pivot;
    randomly select a pivot m in unsortedList;
    // partition;
    put all elements smaller than unsortedList[m] into L; all elems greater than unsorted[m] into R;
    // compare L.length, R.length, k
    if L.length<k:
        FindKthElement(R, k-L.length):
    else if L.length = k:
        return unsortedList[L.length+1];
    else if L.length>k:
        FindKthElement(L, k);

    

转载于:https://my.oschina.net/vegechick/blog/1588174

facility-location-in-genetic-algorithm-master 是一个基于遗传算法的设施选址优化程序。设施选址是指在某个区域内选择最佳的位置来建设设施,以满足特定需求。这个程序的目标是通过使用遗传算法来确定最佳的设施选址解决方案。 遗传算法是一种仿生计算方法,模拟自然界的进化过程。它通过以染色体和基因为基础的群体演化来搜索问题的解空间。在设施选址问题中,遗传算法的基本思想是将每个可能的设施选址解表示为染色体,然后通过交叉、变异等操作对染色体进行演化,从而得到更优的解。 facility-location-in-genetic-algorithm-master 程序的主要特点是它能够处理大规模的设施选址问题,并且在运行过程中能够自动搜索最佳解。用户只需定义问题的目标函数和约束条件,程序便能够根据这些信息进行搜索。 该程序的使用方法相对简单,用户只需运行主程序并设置相关参数即可。例如,用户可以设置种群大小、迭代次数、交叉和变异概率等参数。程序根据设定的参数和目标函数,使用遗传算法逐步搜索最佳的设施选址解。最终,程序会输出最优解的位置和评价指标。 facility-location-in-genetic-algorithm-master 是一个功能强大的设施选址优化工具,通过使用遗传算法来帮助用户在设施选址问题中获得最佳解。无论是在商业、物流、城市规划或其他领域,该程序都可以提供有力的支持和指导,帮助用户做出明智的决策。
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