一文梳理快速排序-从数组到单链表

快递排序的第一种思想(以下都以升序为例):假设一个数组a, 设置一个基准数povit,然后两个指针分别指向数组的开始和结束,假设为i, j从j开始往前走,走到小于povit值得时候停下来,然后i从前往后走,走到大于povit的位置停下来,当i < j的时候进行交换,依次进行,知道i==j的停下来, 然后再交换povit和a[i]的值,最后递归处理[start, i - 1], [i + 1, end]。

show the code:

def quicksort(a, start, end):
    if start >= end:
        return
    i,j = [start, end]
    povit = a[start]
    while i < j:
        while i < j and a[j] >= povit:
            j -= 1
        while i < j and a[i] <= povit:
            i += 1
        if i != j:
            a[i], a[j] = a[j], a[i]
    a[i], a[start] = a[start], a[i]
    quicksort(a, start, i - 1)
    quicksort(a, i + 1, end)
a = [5,2,6,1,3]
quicksort(a, 0, len(a) - 1)
print(a)

接下来思考,单链表的快速排序怎么做呢?单链表只能够从前往后走,如果按照快速排序的思想,就是说,只能从前往后走,然后划分一个比基准数小的位置,和比基准数大的位置,可以用i, j两个指针表示,i表示前i个数都是比基准数小的,j用来遍历,当a[j] < 基准数povit的时候,i++,然后交换a[j],a[i];j++

show the code:

def quicksort(a, start, end):
    if start >= end:
        return 
    i,j = start, start + 1
    pivot = a[start]
    while j < end:
        if a[j] < pivot:
            i += 1
            a[i], a[j] = a[j], a[i]
        j += 1
    a[start], a[i] = a[i], a[start]
    quicksort(a, start, i)
    quicksort(a, i + 1, end)
a = [5,8,4,3,2,5,7,9]
quicksort(a,0,len(a))
print(a)
            

单链表的形式思路类似,show the code:

class node:
    def __init__(self, val):
        self.val = val
        self.next = None
root = node(5)
p = root
p.next = node(8)
p = p.next
p.next = node(4)
p = p.next
p.next = node(3)
p = p.next
p.next = node(2)
p = p.next
p.next = node(5)
p = p.next
p.next = node(7)
p = p.next
p.next = node(9)
def print_list(root):
    while root:
        print(root.val, end = ' ')
        root = root.next
        
def singlelist_quicksort(begin, end):
    if begin == end :
        return
    p, q = begin, begin.next
    pivot = begin.val
    while q:
        if q.val < pivot:
            p = p.next
            p.val, q.val = q.val, p.val
        q = q.next
    begin.val, p.val = p.val, begin.val
    singlelist_quicksort(begin, p)
    singlelist_quicksort(p.next, end)
# print_list(root)
singlelist_quicksort(root,None)            
print_list(root)
        
    
    

时间复杂度都是O(N log N)

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
Faster R-CNN是一种目标检测算法,用于在图像中定位和识别物体。它是R-CNN算法的改进版本,通过引入区域提议网络(Region Proposal Network,RPN)来提高检测的速度。 Faster R-CNN的工作流程可以分为两个阶段:区域提议和物体分类。 在区域提议阶段,首先使用卷积神经网络(CNN)对输入图像进行特征提取。然后,RPN通过滑动窗口在特征图上生成一系列候选区域。每个候选区域都有一个边界框(bounding box)和一个预测得分。RPN通过一个二分类器来判断每个候选区域是否包含感兴趣的物体,并根据得分对候选区域进行排序。 在物体分类阶段,对于每个候选区域,使用RoI池化层将其映射为固定大小的特征向量。然后,这些特征向量通过全连接层进行分类和回归,得到每个候选区域的类别预测和边界框坐标调整。 整个网络采用端到端的训练方式,在训练过程中同时优化RPN和分类网络。训练时,通过计算候选区域与真实标注框之间的IoU(交并比)来确定正负样本,并使用多任务损失函数进行优化。 Faster R-CNN相比于R-CNN,通过引入RPN网络实现了端到端的训练,避免了繁琐的候选区域提取过程,大大提高了检测的速度和准确性。同时,Faster R-CNN还可以通过改变RPN的输出尺度来检测不同大小的物体。这使得Faster R-CNN成为目标检测领域的重要方法之一。
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

打赏作者

江湖无为

感谢你们的鼓励

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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