排序算法之插入排序、冒泡排序和选择排序

  将这三个排序放在一起的原因是在输入数据无序或者随机性较大的情况下,三种排序的时间复杂度都是O(n^2),下面将依次介绍这三种排序方法

1、插入排序

  所谓插入排序,就相当于将未排序的序列分为两部分,第一部分是已经有序的(初试状态下,第一部分只包含第一个元素,它肯定是有序的),第二部分是无序的,顺序遍历第二部分,将其插入到第一部分中合适的位置

  所以,插入排序需要两个主要步骤,第一个就是维持有序部分,第二个就是遍历无序序列并插入元素(插入过程中涉及到元素的移动)

  代码如下:

  

#include <iostream>
#include <algorithm>
#include <iterator>
using namespace std;
void insertSort(int data[],int length){
    if(data==NULL||length<=0)
        return ;
    for(int i=1;i<length;i++){   //遍历无序的第二部分
        int cur=data[i];     //记录当前的值,因为如果需要将该值插入到前面的有序部分,需要将该值前面的部分后移一位
        if(data[i-1]>cur){   //如果当前元素的值比它前面的值小,则需要插入操作,否则不需要
            int j=i-1
            for(;j>=0&&data[j]>cur;j--)  //找到对应的插入位置
                data[j+1]=data[j];    //移动元素
            data[j+1]=cur;            //插入当前值
        }
    }
}
int main(){
    int data[]={9,5,6,4,1,2,3,7,8,1};
    int length=sizeof(data)/sizeof(int);
    insertSort(data,length);
    copy(data,data+length,ostream_iterator<int>(cout,","));
    return 0;
}

  插入排序的时间复杂度分析:试想,如果数组本来有序,则第一层循环中的插入操作没有执行,整个排序过程只是遍历了一下数组,所以插入排序在数组有序的情况下,时间复杂度是O(n),当数组逆序的时候,第二部分的每一个数组都需要向前插入,时间复杂度是O(n^2),在平均情况下,时间复杂度也是O(n^2)

  插入排序的稳定性:由插入排序的过程可以知道,插入排序是稳定的

  总结:插入排序的时间复杂度原始数组有关系,最差和平均时间复杂度是O(n^2),最优情况下是O(n),插入排序是稳定的排序

2、冒泡排序

  冒泡排序的过程就像水中的气泡逐渐向上升的过程,深度越大的气泡越小,我们从最上面的气泡开始考虑,如果当前气泡小于它下面的气泡,则交换两个气泡的位置,这个过程依次向下执行,这样的一组比较过程称为一趟排序,经过一趟排序,总是有一个数组元素到达它应该在的位置上,因此,假设数组共有n个元素,则经历n-1趟排序就可使数组有序。

  代码如下:

#include <iostream>
#include <algorithm>
#include <iterator>
using namespace std;
void bubbleSort(int data[],int length){
    if(data==NULL||length<=0)
        return ;
    for(int i=0;i<length-1;i++){    //n-1趟排序过程
        bool flag=false;                //用来记录一趟排序中,数组元素是否进行了交换
        for(int j=length-1;j>i;j--){  //后到前依次比较
            if(data[j-1]>data[j]){
                swap(data[j],data[j-1]);
                flag=true;
            }
        }
        if(flag==false)
            return ;
    }
}
int main(){
    int data[]={6,9,5,4,5,6,2,1,3};
    int length=sizeof(data)/sizeof(int);
    bubbleSort(data,length);
    copy(data,data+length,ostream_iterator<int>(cout,","));
    return 0;
}

  冒泡排序的时间复杂度分析:由上面的代码可知,在一趟排序中,内循环执行了n-1次比较,如果数组有序,则交换的次数为0,函数退出,因此冒泡的最佳时间复杂度是O(n),如果数组逆序,每趟排序都需要(j-i)次交换,所以最坏的时间复杂度是O(n^2),平均时间复杂度也是O(n^2)

  冒泡排序的稳定性:由于是从上到下依次比较,因此,如果两个数相同,它们在原始数组中的相对位置和排序过后的相对位置应该不变,所以冒泡排序是稳定的排序

  总结:冒泡排序的时间复杂度和输入数组有关系,如果有序,则有最佳时间复杂度O(n),它的平均和最差时间复杂度是O(n^2),冒泡排序是稳定的排序

3、选择排序

  选择排序,顾名思义,就是每次从数组选择出最小的数字放置在数组中,是这三种排序中最简单的一种排序方法

  代码如下所示:

  

#include <iostream>
#include <algorithm>
#include <iterator>
using namespace std;
void selectSort(int data[],int length){
    if(data==NULL||length<=0)
        return ;
    for(int i=0;i<length-1;i++){
        int min=i;
        for(int j=i;j<length;j++){
            if(data[j]<data[min])
                min=j;
        }
        if(min!=i)
            swap(data[i],data[min]);
    }
}
int main(){
    int data[]={9,5,4,6,1,2,3,10,7,8};
    int length=sizeof(data)/sizeof(int);
    selectSort(data,length);
    copy(data,data+length,ostream_iterator<int>(cout,","));
    return 0;
}

  选择排序的时间复杂度分析:要排序n个数,只需要进行n-1次选择即可,但是每一次的选择过程都需要从当前位置的下一位置遍历到最后,所以选择排序的时间复杂度是O(n^2)

  选择排序的稳定性:由于每次选择都需要进行遍历数组,在原始数组中两个相同的数字A、B,在选择时B可能会先于A被选择,所以选择排序不是稳定的排序

  总结:选择排序和输入数组没有关系,它的时间复杂度总是O(n^2),选择排序是不稳定的排序。

转载于:https://www.cnblogs.com/sjinsa/p/4749890.html

本项目是一个基于SSM(Spring+SpringMVC+MyBatis)后端框架与Vue.js前端框架开发的疫情居家办公系统。该系统旨在为居家办公的员工提供一个高效、便捷的工作环境,同时帮助企业更好地管理远程工作流程。项目包含了完整的数据库设计、前后端代码实现以及详细的文档说明,非常适合计算机相关专业的毕设学生和需要进行项目实战练习的Java学习者。 系统的核心功能包括用户管理、任务分配、进度跟踪、文件共享和在线沟通等。用户管理模块允许管理员创建和管理用户账户,分配不同的权限。任务分配模块使项目经理能够轻松地分配任务给团队成员,并设置截止日期。进度跟踪模块允许员工实时更新他们的工作状态,确保项目按计划进行。文件共享模块提供了一个安全的平台,让团队成员可以共享和协作处理文档。在线沟通模块则支持即时消息和视频会议,以增强团队之间的沟通效率。 技术栈方面,后端采用了Spring框架来管理业务逻辑,SpringMVC用于构建Web应用程序,MyBatis作为ORM框架简化数据库操作。前端则使用Vue.js来实现动态用户界面,搭配Vue Router进行页面导航,以及Vuex进行状态管理。数据库选用MySQL,确保数据的安全性和可靠性。 该项目不仅提供了一个完整的技术实现示例,还为开发者留下了扩展和改进的空间,可以根据实际需求添加新功能或优化现有功能。
本项目是一个基于SSM(Spring+SpringMVC+MyBatis)后端框架与Vue.js前端框架开发的网上球鞋竞拍系统。该项目旨在为球鞋爱好者提供一个便捷、高效的在线竞拍平台,用户可以在此平台上浏览、搜索、竞拍心仪的球鞋,并参与到各种有趣的竞拍活动中。 系统的主要功能包括用户注册登录、球鞋信息展示、竞拍活动创建与管理、实时竞拍以及交易安全保障等。用户可以通过注册账号后,浏览平台上发布的各类球鞋信息,包括品牌、型号、颜色、尺码以及当前竞拍状态等。系统支持用户创建和管理自己的竞拍活动,设定竞拍规则和时间,同时提供实时竞拍功能,确保公平、透明的交易过程。 在技术实现上,后端采用SSM框架进行开发,Spring负责业务逻辑层,SpringMVC处理Web请求,MyBatis进行数据库操作,保证了系统的稳定性和扩展性。前端则使用Vue.js框架,结合Axios进行数据请求,实现了前后端分离,提高了开发效率和用户体验。 数据库设计方面,系统采用了MySQL数据库,存储用户信息、球鞋信息、竞拍活动等数据,确保数据的安全性和完整性。此外,项目还包含了详细的文档资料,包括需求分析、系统设计、数据库设计以及测报告等,为项目的实施和维护提供了有力的支持。 该项目不仅适合作为计算机相关专业学生的毕业设计题目,也适合Java学习者进行实战练习,通过在此基础上进行功能扩展和改进,可以进一步提升编程技能和项目管理能力。
【使用教程】 一、环境配置 1、建议下载anaconda和pycharm 在anaconda中配置好环境,然后直接导入到pycharm中,在pycharm中运行项目 anaconda和pycharm安装及环境配置参考网上博客,有很多博主介绍 2、在anacodna中安装requirements.txt中的软件包 命令为:pip install -r requirements.txt 或者改成清华源后再执行以上命令,这样安装要快一些 软件包都安装成功后才算成功 3、安装好软件包后,把anaconda中对应的python导入到pycharm中即可(不难,参考网上博客) 二、环境配置好后,开始训练(也可以训练自己数据集) 1、数据集准备 需要准备yolo格式的目标检测数据集,如果不清楚yolo数据集格式,或者有其他数据训练需求,请看博主yolo格式各种数据集集合链接:https://blog.csdn.net/DeepLearning_/article/details/127276492 里面涵盖了上百种yolo数据集,且在不断更新,基本都是实际项目使用。来自于网上收集、实际场景采集制作等,自己使用labelimg标注工具标注的。数据集质量绝对有保证! 本项目所使用的数据集,见csdn该资源下载页面中的介绍栏,里面有对应的下载链接,下载后可直接使用。 2、数据准备好,开始修改配置文件 参考代码中data文件夹下的banana_ripe.yaml,可以自己新建一个不同名称的yaml文件 train:训练集的图片路径 val:验证集的图片路径 names: 0: very-ripe 类别1 1: immature 类别2 2: mid-ripe 类别3 格式按照banana_ripe.yaml照葫芦画瓢就行,不需要过多参考网上的 3、修改train_dual.py中的配置参数,开始训练模型 方式一: 修改点: a.--weights参数,填入'yolov9-s.pt',博主训练的是yolov9-s,根据自己需求可自定义 b.--cfg参数,填入 models/detect/yolov9-c.yaml c.--data参数,填入data/banana_ripe.yaml,可自定义自己的yaml路径 d.--hyp参数,填入hyp.scratch-high.yaml e.--epochs参数,填入100或者200都行,根据自己的数据集可改 f.--batch-size参数,根据自己的电脑性能(显存大小)自定义修改 g.--device参数,一张显卡的话,就填0。没显卡,使用cpu训练,就填cpu h.--close-mosaic参数,填入15 以上修改好,直接pycharm中运行train_dual.py开始训练 方式二: 命令行方式,在pycharm中的终端窗口输入如下命令,可根据自己情况修改参数 官方示例:python train_dual.py --workers 8 --device 0 --batch 16 --data data/coco.yaml --img 640 --cfg models/detect/yolov9-c.yaml --weights '' --name yolov9-c --hyp hyp.scratch-high.yaml --min-items 0 --epochs 500 --close-mosaic 15 训练完会在runs/train文件下生成对应的训练文件及模型,后续测可以拿来用。 三、测 1、训练完,测 修改detect_dual.py中的参数 --weights,改成上面训练得到的best.pt对应的路径 --source,需要测的数据图片存放的位置,代码中的test_imgs --conf-thres,置信度阈值,自定义修改 --iou-thres,iou阈值,自定义修改 其他默认即可 pycharm中运行detect_dual.py 在runs/detect文件夹下存放检测结果图片或者视频 【备注】 1、该资源内项目代码都经过测运行成功,功能ok的情况下才上传的,请放心下载使用!有问题请及时沟通交流。 2、适用人群:计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。
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