冒泡排序

冒泡排序属于交换排序算法,交换排序算法的思想是两两比较待排序记录的关键字,若两个纪录的次序相反则交换这两个记录,直到没有反序的记录为止。


冒泡排序的基本思想是将待排序的数组看成从上到下排放,把关键字较小的记录看成“较轻的”,关键字值较大的记录看成“较重的”,较小记录好像水中的气泡向上浮,较大记录像水中的石块向下沉,当所有气泡按照关键字大小浮到相应位置时,并且所有的石块都沉到水中时,排序就结束了。


以具体事例为例,假设待排序的8个记录的关键字序列为{49,38,65,97,76,13,27,49},红色关键字是为了标明稳定性,冒泡排序的过程如下(图片转自网络):



冒泡排序步骤:

(1)置初值i=1

(2)在无序序列{r[0],r[1],r[2]....r[n-i]}中,从头到尾依次比较相邻的两个纪录r[j],r[j+1](0<=j<=n-i-1),若r[j] > r[j+1],交换两个纪录。

(3)i=i+1;

(4)重复步骤(2)~(3),直到步骤(2)中未发生记录交换或者i=n-1为止;


代码如下:

public static void bubble(int[] arr){
		if(arr == null || arr.length == 0)
			return ;
		int len = arr.length;
		for(int i=0;i<len;i++){
			int flag = 1;
			for(int j=1;j<len;j++){
				if(arr[j-1] > arr[j]){
					int temp = arr[j];
					arr[j] = arr[j-1];
					arr[j-1] = temp;
					flag = 0;   //发生交换时,设置标志位flag为0,证明有交换
				}
			}
			if(flag == 1){   //当没有发生交换时,说明序列已经有序了
				break;
			}
		}
	}


	/ * 优化
	 * 设立标志位flag表示后面的序列已经有序,不用进行比较,较少比较的次数
	 * 同时保存最后一次交换的下标,
	 */
	public static void BubbleSort3(int arr[], int len) {
		int i = 0;
		int j = 0;
		int k = len - 1;// 控制内部比较循环
		int n = 0;

		for (i = 0; i < len - 1; i++) {
			int flag = 1;
			n = 0;
			// 假定每次进入都是有序的 flag为1;
			for (j = 0; j < k; j++) {   //内部排序的时候只需比较至第k个位置,第k位置后的都有序无须比较
				if (arr[j] > arr[j + 1]) {
					int tmp = arr[j];
					arr[j] = arr[j + 1];
					arr[j + 1] = tmp;
					flag = 0;// 如果发生交换,则flag 置为0;
					n = j;// 保存最后一次交换的下标;
				}
			}

			if (flag == 1)// 如果这趟走完,没有发生交换,则原数组有序;
				break;
			k = n;// 最后一次交换的位置给k,减少比较的次数;
		}
	}// 最终优化


算法性能分析:

(1)空间复杂度:冒泡排序仅用了一个辅助单元,空间复杂度为O(1);

(2)时间复杂度:最好情况是排序已有序,在第一趟比较过程中,一次交换都未发生,所以在执行一趟排序后就结束,这时只需要比较n-1次,不需要移动记录,最坏情况为逆序状态,总共需要进行n-1趟冒泡排序,在第i趟排序中,比较次数为n-i,移动次数为3*(n-i),总的比较次数为1/2*n(n-1),总的移动次数为3/2*n(n-1),因此冒泡排序的时间复杂度为O(n^2)。

冒泡排序是一种稳定排序,排序后保持之前记录的相对位置。


【6层】一字型框架办公楼(含建筑结构图、计算书) 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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