选择排序及其优化方案

最新推荐文章于 2023-03-17 02:23:21 发布
VIP文章 最新推荐文章于 2023-03-17 02:23:21 发布
阅读量1.7k 收藏 6
点赞数
分类专栏： 算法-第四版 算法-排序篇 文章标签： 排序算法 性能 排序算法分析 优化算法 算法基础
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/tinyDolphin/article/details/72081881
版权

选择排序

  1. 基本思想
  2. 运行轨迹
  3. 代码实现
  4. 性能分析
  5. 优化方案

1、基本思想

这是一种思路最简单的排序算法。

①、找到数组中最小的那个元素
②、将它和数组的第一个元素交换位置（如果第一个元素就是最小元素那么它就和自己交换）
③、在剩下的元素中找到最小的元素，将它与数组的第二个元素交换位置
④、重复执行③，直到将整个数组排序。

为什么叫选择排序？就是因为它在不断地选择剩余元素之中的最小者。

2、运行轨迹

这里写图片描述

3、代码实现

根据排序算法类的模板实现选择排序（提醒：点蓝字查看详情）

/**
 * 选择排序
 *
 * @author TinyDolphin
 *         2017/5/14 19:20.
 */
public class Selection {
   
    /**
     * 排序实现
     * @param arr 待排序数组
     */
    public static void sort(Comparable[] arr) {
        int length = arr.length;//数组长度
        for (int indexI = 0; indexI < length; indexI++) {
            //将arr[indexI]和arr[indexI+1...length]中最小的元素交换
            int min = indexI;//最小元素的索引
            for (
最低0.47元/天 解锁文章
TinyDolphin
关注
  • 0
    点赞
  • 踩
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
冒泡排序及三种优化方式代码
03-28
此资源是本人演示冒泡排序及其优化方案的示例代码，欢迎大家下载。关于冒泡排序的介绍，也可以参考本人博文https://blog.csdn.net/Abel_Liujinquan/article/details/88880483
图解选择排序算法及优化
chenchenchencl的博客
08-26 6517
3分钟学会选择排序算法及其优化
选择排序及优化
幻欢子
05-16 2760
目录 一、普通实现 二、模板实现 三、优化版本一 四、优化版本二 和冒泡排序区别：冒泡排序是逐步对相邻元素进行操作（比较和交换位置）。而选择排序是从待排序数列中选择最大/小值，再将之放置到已排序数列中。 (有序区，无序区)。在无序区里找一个最小的元素跟在有序区后面。对数组：比较的多，换的少。 选择排序思路： 1、在未排序序列中找到最小（大）元素，...
排序算法 | 简单选择排序算法原理及实现和优化
挖坑埋你
10-22 2505
选择排序是一种非常简单的排序算法，就是在序列中依次选择最大（或者最小）的数，并将其放到待排序的数列的起始位置。 简单选择排序的原理 简单选择排序的原理非常简单，即在待排序的数列中寻找最大（或者最小）的一个数，与第 1 个元素进行交换，接着在剩余的待排序的数列中继续找最大（最小）的一个数，与第 2 个元素交换。以此类推，一直到待排序的数列中只有一个元素时为止。 也就是说，简单选择排序可分为两部分，...
选择排序算法优化
jainszhang的博客
08-18 548
1.默认选择排序算法实现 思路：记录最小数下标，重复一轮后，调换最小位置和前面位置，重复此过程。 private void selectSort(){ int[] array = {5,4,3,7,8,2,1,9,6}; for (int i = 0;i<array.length - 1;i++){//边界处理 int minPos = i; for (int index = i+1;index <
十大经典排序算法之选择排序及其优化
Kevinnsm的博客
03-06 897
一、简单选择排序 1.基本思想： 在长度为N的无序数组中，第一次遍历n-1个数，找到最小的数值与第一个元素交换； 第二次遍历n-2个数，找到最小的数值与第二个元素交换； 。。。 第n-1次遍历，找到最小的数值与第n-1个元素交换，排序完成。 2.过程 3.代码 public static void selectSort(int[] arr) { int minNum = 0; int temp = 0; int a = 0; for (i
【排序】选择排序及其优化
金金金金金的博客
04-05 379
void SelectSort(int* array, int size) { //size-1：每次都会排好一个数据，所以每次都需要进行-1 for (int i = 0; i < size - 1; i++) { //用maxPos标记最大的数据 int maxPos = 0; //size-i：后面数据已经排好序了，...
选择排序--优化
果车的博客
02-01 181
选择排序 选择排序（Selection sort）是一种简单直观的排序算法 选择排序的原理：   第一次从待排序的数据中选出最小（或最大）的一个元素，存放在序列的起始位置，然后再从剩余的未排序元素中寻找到最小（大）元素，然后放到已排序的序列的末尾。以此类推，直到全部待排序的数据元素的个数为零。 注：选择排序是不稳定的排序方法。 冒泡排序算法的过程： 一个数组（将数组从小到大排序）：   第一轮：3...
选择排序SelectSort全面解读+代码+优化+分析复杂度+稳定性，看这篇就够了
Jenis57的博客
03-17 1102
我们在内嵌循环中写的判断语句改为三元表达式j++) {j : minPos;....第五遍，数组只剩一个5，说明比对 完毕，排序完毕欸发现没有，事实上最后一次的外循环是毫无意义的，因为整个数组只剩他一位了，而他难道还需要进一次循环判断判断有没有比他小的吗，显然不用，所以我们这里把代码稍微修改一下i++){j++) {j : minPos;System.out.println("第"+(i+1)+"遍查找排序");print(arr);
排序算法-选择排序及其优化
Weber's blog
04-17 1704
Select Sort
优化冒泡排序和选择排序
02-27
冒泡排序和选择排序均用两种方法实现，原始方法和在原始方法上的改进和优化，对应博客地址：http://blog.csdn.net/ns_code/article/details/20065107
leetcode最难-Interview-Prep:规范面试问题及其解决方案
06-30
为问题选择合适的数据结构通常是最难的部分。 一旦你有了一个数据结构（或数据结构的变体），实际实现解决方案就非常简单了。 因此，我认为在准备面试时优化时间的最佳方法是识别不同类别的问题以及解决这些问题所需...
论文研究-一种权重融合模型的物联网频谱分配方案及其免疫实现.pdf
07-22
采用认知无线电技术, 设计了一种空闲频谱资源选择排序方法。在进行频谱选择时, 提出了一种无偏好信息的主客观权重融合方法, 提高权重设置的合理性, 并将求解权重转换为一个最优化问题, 通过免疫优化算法进行求解。...
aix 优化及维护案例
07-01
3.3 如何在某个目录及其所属子目录的所有文件中查找字符串？ 165 3.4 如何对/etc/inittab文件中的一行进行注释？ 165 3.5 如何转换DOS和AIX两种格式的文本文件？ 165 3.6 如何设置用户的文件大小限制？ 166 3.7 如何...
SQLServer2008查询性能优化 2/2
03-02
内容涵盖了数据库应用系统中各种性能瓶颈的表现形式及其发生的根源和解决方法，从硬件瓶颈到查询、索引设计以及数据库管理等，贯穿了数据库系统知识的各个方面。最后以一个实际的工作负载将所有技巧联系起来，并且...
选择排序及其优化
yuxing_miao的博客
04-17 308
 一、原始的选择排序       选择排序（Selection sort）是一种简单直观的排序算法。它的工作原理是每一次从待排序的数据元素中选出最小（或最大）的一个元素，存放在序列的起始位置，直到全部待排序的数据元素排完。#include&lt;iostream&gt; using namespace std; void selectionSort(int arr[],int n)/* 选择排序*...
选择排序算法的实现和优化
m0_64365419的博客
01-18 2972
，通过n-1次关键字的比较，从第n个记录中选出关键字最小的记录，并和第一个记录进行交换，通过n-2次关键字的比较，从第n-1个记录中选出关键字最小的记录，并和第二个记录进行交换…，通过n-i次关键字的比较，从n-i+1个记录中选择出关键字最小的记录，并和第i个记录进行交换反复进行上述步骤，经过n-1趟选择排序，将把n-1个记录排到位，最后剩下的那个元素同样已经就位，所以共需进行n-1趟选择排序将数组分为两个子集，排序的和未排序的，每一轮从未排序的子集中选出最小的元素，放入排序子集，重复上述步骤，直至整个数组
选择排序优化
Orange_Fanta的博客
02-04 127
在每次循环中同时找到最大值和最小值 # include <stdio.h> void print(int * a, int len) { for(int i=0; i<len; i++) printf("%d ", a[i]); printf("\n"); } void swap(int * a, int * b) { int t = *a; *a = *b; *b = t; } void selsort(int * a, int len) { int i=0,
nsga2优化多目标函数代码
最新发布
06-25
### 回答1： NSGA-II（Nondominated Sorting Genetic Algorithm II）是一种经典的演化算法，用于解决多目标优化问题。实现NSGA-II程序的关键是理解它的核心步骤。 首先，将目标函数的结果归一化，然后用快速非占优排序算法将所有的结果分为多个不同的级别。过程中，被支配次数小于等于1的点组成了第一级。在排序之后，进化算法必须用不同的交叉、突变和选择算子重组不同的个体，并使用非占优排序算法来筛选优秀的解决方案。这样就可以选择出一组最佳的解决方案，而这些方案并不会彼此牺牲。 要实现NSGA-II算法，需要考虑哪些因素呢？首先，随机生成新的种群，然后计算每个个体的目标函数值，并归一化处理。其次，在多次进化的过程中，通过不同的算子重组和变异，帮助种群逐步汇聚到最优解。最后，在不断更新种群的同时，使用非占优排序算法对演化结果进行分类，分级，并选择最佳的结果。 总的来说，实现NSGA-II算法有一定的难度，但通过理解其核心步骤和原理，以及编写高效的代码，可以得到高质量的多目标优化结果。 ### 回答2： NSGA-II是一种广泛应用于解决多目标优化问题的算法，本文将介绍如何使用NSGA-II优化多目标函数代码。 首先，我们需要定义一个多目标函数，例如： ```python def multi_objective_func(x): return [(x[0]+1)**2+(x[1]+2)**2, (x[0]-1)**2+(x[1]-2)**2] ``` 此函数有两个目标，我们希望最小化这两个目标。 然后，我们需要导入NSGA-II算法实现，可以使用Python的pymoo库： ```python from pymoo.algorithms.nsga2 import NSGA2 from pymoo.factory import get_problem from pymoo.model.problem import Problem ``` 接着我们需要定义一个问题，继承Problem类，实现evaluate方法来计算目标函数及其约束条件。例如： ```python class MultiObjectiveProblem(Problem): def __init__(self): super().__init__(n_var=2, n_obj=2, n_constr=0, xl=-5, xu=5) def _evaluate(self, x, out, *args, **kwargs): f1 = (x[0]+1)**2+(x[1]+2)**2 f2 = (x[0]-1)**2+(x[1]-2)**2 out["F"] = [f1, f2] ``` 然后，我们就可以使用NSGA-II算法进行优化： ```python problem = MultiObjectiveProblem() algorithm = NSGA2(pop_size=100) res = algorithm.solve(problem) ``` 其中pop_size是种群大小，res是NSGA-II算法得到的结果，包括每个个体的决策变量值、目标函数值等。 最后，我们可以输出NSGA-II算法得到的最优解及其目标函数值： ```python print("Best solution: ", res.X) print("Best objectives: ", res.F) ``` NSGA-II是一种极具优势的优化算法，它可以在多个目标函数中优化，同时也可以优化约束条件。通过以上的实现，可以使用NSGA-II优化多目标函数代码，取得更好的优化效果。 ### 回答3： NSGA-II（Non-dominated Sorting Genetic Algorithm II）是一种基于遗传算法的多目标优化算法。它通过非支配排序、拥挤度距离和进化操作来快速高效地寻找多目标函数最优解。 NSGA-II的代码实现首先需要定义适应度函数和个体编码方式。适应度函数通常由多个目标函数的加权和组成，其中权重要根据具体问题的需求进行调整。个体编码方式一般可以采用二进制编码、实数编码等，需要根据问题特性进行选择。 在NSGA-II中，个体的选择、交叉和变异等进化运算需要按照一定的概率随机进行，以保证解空间的多样性和收敛性。在进化过程中，通过非支配排序以及拥挤度距离的计算来维护种群的多样性和收敛性。 NSGA-II算法的优点是在求解多目标优化问题时能够快速地求出前沿解集，对于非凸、非线性问题具有较好的优化效果。在实际应用中，NSGA-II已经被广泛运用于工程、金融、能源等领域的优化问题中。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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