排序算发---计数排序

前面已经记录过插入排序,归并排序,快速排序,堆排序等四种排序。它们都有个共性,就是通过多次比较来得出前后顺序,这种叫做比较排序,当然除此之外也有非比较排序。今天记录的计数排序就是一种非比较排序。
算发思想: 有一串数据,如果我们知道每一个元素升序在数组中的第几个,那么我们就知道了升序的结果。而对于如何知道每个元素在数组中的第几个,可以创建一个cout为数组中最大元素值得数组a,初始化都为0,然后遍历数组,每碰到一个元素,以此元素为下标对应的a[元素]++;然后遍历数组a输出对应的索引值,多个就输出多次 输出结果既是排序后结果。

时间复杂度: 当数组中最大元素为k时,若k=O(n),运行时间为 Θ(nlgn)

c++实现:

// test_1.cpp : 此文件包含 "main" 函数。程序执行将在此处开始并结束。
//

#include <iostream>
#include<vector>
using namespace std;
#pragma region 计数排序

void JishuSort(vector<int>& list)
{
    int* a = new int[11];
    for (int i = 0; i < 11; i++)
    {
        a[i] = 0;
    }
    for (int i = 0; i < list.size(); i++)
    {
        a[list[i]]++;
    }
    int index = 0;
    for (int i = 0; i < 11; i++)
    {
        int num = a[i];
        for (int j = 0; j < num; j++)
        {
            list[index] = i;
            index++;
        }
    }
}

#pragma endregion


int main()
{
    int index = 1;
    vector<int> intput_array;
    int num;

    cout << "输入一串数组(取值范围0(包含)-10(包含)):";
    while (true)
    {
        cin >> num;
        intput_array.push_back(num);
        if (cin.get() == '\n')
            break;
    }
    int length = intput_array.size();

    cout << "排序结果为:" << endl;

#pragma region 计数排序

    JishuSort(intput_array);
    for (int i = 0; i < length; i++)
    {
        printf("%d ", intput_array[i]);
    }
#pragma endregion

    return 0;
}
使用优化法,以优化VMD法的惩罚因子惩罚因子 (α) 和分解层数 (K)。 1、将量子粒子群优化(QPSO)法与变分模态分解(VMD)法结合 VMD法背景: VMD法是一种自适应信号分解法,主要用于分解信号为不同频率带宽的模态。 VMD的关键参数包括: 惩罚因子 α:控制带宽的限制。 分解层数 K:决定分解出的模态数。 QPSO法背景: 量子粒子群优化(QPSO)是一种基于粒子群优化(PSO)的一种改进法,通过量子行为模型增强全局搜索能力。 QPSO通过粒子的量子行为使其在搜索空间中不受位置限制,从而提高法的收敛速度与全局优化能力。 任务: 使用QPSO优化VMD中的惩罚因子 α 和分解层数 K,以获得信号分解的最佳效果。 计划: 定义适应度函数:适应度函数根据VMD分解的效果来定义,通常使用重构信号的误差(例如均方误差、交叉熵等)来衡量分解的质量。 初始化QPSO粒子:定义粒子的位置和速度,表示 α 和 K 两个参数。初始化时需要在一个合理的范围内为每个粒子分配初始位置。 执行VMD分解:对每一组 α 和 K 参数,运行VMD法分解信号。 更新QPSO粒子:使用QPSO法更新粒子的状态,根据适应度函数调整粒子的搜索方向和位置。 迭代求解:重复QPSO的粒子更新步骤,直到满足终止条件(如适应度函数达到设定阈值,或最大迭代次数)。 输出优化结果:最终,QPSO法会返回一个优化的 α 和 K,从而使VMD分解效果最佳。 2、将极光粒子(PLO)法与变分模态分解(VMD)法结合 PLO的优点与适用性 强大的全局搜索能力:PLO通过模拟极光粒子的运动,能够更高效地探索复杂的多峰优化问题,避免陷入局部最优。 鲁棒性强:PLO在面对高维、多模态问题时有较好的适应性,因此适合海上风电时间序列这种非线性、多噪声的数据。 应用场景:PLO适合用于优化VMD参数(α 和 K),并将其用于风电时间序列的预测任务。 进一步优化的建议 a. 实现更细致的PLO更新策略,优化极光粒子的运动模型。 b. 将PLO优化后的VMD应用于真实的海上风电数据,结合LSTM或XGBoost等模型进行风电功率预测。
评论 2
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