JavaWeb开发实战指南----数组算法-最大值 插入

本文聚焦于JavaWeb开发中的数组算法应用,详细讲解如何在实践中找到数组的最大值以及如何进行有效插入。通过实例解析,帮助读者深化理解并提升编程技能。
摘要由CSDN通过智能技术生成
/**
*@Title: ${filename}
*@Package: ${package_name}
*@Description: ${todo}
*
算法:
最大值, 插入
*
*@author:  源代码资料尽在"清哥好课堂"公众号:qghktit
*@date: ${date}${time}
*@version: 1.0
*/
public class ArraryAlgorithm2 
{
	public static void main(String[] args) 
	{
		//插入算法的第二种方式
		int[] arr = {1,3,5,7,9,0};   //0是为要插入的元素预留的位置 空间
		int n = 5;
		
		//1、把n插入到数组的最后一个位置上
		arr[arr.length-1] = n;
		//2、要保持元素有序,所有
		//从后往前,依次比较,如果后一个元素,比前一个元素小,交换
		//直到前面的数比它小,就停止
		
		for (int i=arr.length-1; i>0; i--)
		{
			if (arr[i] < arr[i-1])
			{
				//交换
				int t = arr[i];
				arr[i] = arr[i-1];
				arr[i-1] = t;
			}
		}
//		if (arr[4] < arr[3])
//		{
//			//交换
//		}
//		if (arr[3] < arr[2])
//		{
//			//交换
//		}
//		if (arr[2] < arr[1])
//		{
//			//交换
//		}
//		if (arr[1] < arr[0])
//		{
//			//交换
//		}
		//输出数组中的元素
		for (int i=0; i<arr.length; i++)
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
项目完整可用,配合压缩包内数据库可直接运行使用。 eclipse+mysql5.7+jdk1.8 功能:推荐引擎利用特殊的信息过滤(IF,Information Filtering)技术,将不同的内容(例如电影、音乐、书籍、新闻、图片、网页等)推荐给可能感兴趣的用户。通常情况下,推荐引擎的实现是通过将用户的个人喜好与特定的参考特征进行比较,并试图预测用户对一些未评分项目的喜好程度。参考特征的选取可能是从项目本身的信息中提取的,或是基于用户所在的社会或社团环境。 根据如何抽取参考特征,我们可以将推荐引擎分为以下四大类: • 基于内容的推荐引擎:它将计算得到并推荐给用户一些与该用户已选择过的项目相似的内容。例如,当你在网上购书时,你总是购买与历史相关的书籍,那么基于内容的推荐引擎就会给你推荐一些热门的历史方面的书籍。 • 基于协同过滤的推荐引擎:它将推荐给用户一些与该用户品味相似的其他用户喜欢的内容。例如,当你在网上买衣服时,基于协同过滤的推荐引擎会根据你的历史购买记录或是浏览记录,分析出你的穿衣品位,并找到与你品味相似的一些用户,将他们浏览和购买的衣服推荐给你。 • 基于关联规则的推荐引擎:它将推荐给用户一些采用关联规则发现算法计算出的内容。关联规则的发现算法有很多,如 Apriori、AprioriTid、DHP、FP-tree 等。 • 混合推荐引擎:结合以上各种,得到一个更加全面的推荐效果。
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