蓝桥杯学习记录||787. 归并排序

AcWing||787. 归并排序

活动地址:https://www.acwing.com/activity/content/19/

考察要点:归并排序

题目要求

给定你一个长度为 n 的整数数列。

请你使用归并排序对这个数列按照从小到大进行排序。

并将排好序的数列按顺序输出。

输入格式
输入共两行,第一行包含整数 n。

第二行包含 n 个整数(所有整数均在 1∼109 范围内),表示整个数列。

输出格式
输出共一行,包含 n 个整数,表示排好序的数列。

数据范围

1≤n≤100000

输入样例:

5
3 1 2 4 5

输出样例:

1 2 3 4 5

题目地址:https://www.acwing.com/problem/content/789/

代码思路 :归并排序是用分治思想,将数据不断递归划分排序。

归并排序

#include <iostream>
#include <cstring>
#include <algorithm>
 using namespace std;
 const int N = 1000010;
 int n;
 int q[N], tmp[N];
 
void merge_sort(int q[], int l, int r)  // 归并排序
{
    //递归的终止情况
    if (l >= r) return;

    int mid = l + r >> 1;      //将数据分为子数据
    //递归处理
    merge_sort(q, l, mid);     //左半边
    merge_sort(q, mid + 1, r); //右半边
    
    int k = 0, i = l, j = mid + 1;  //i,j分别是两个序列的最小值指针
    
    while (i <= mid && j <= r)   //当左半边没有枚举完 && 右半边没有枚举完
        if (q[i] <= q[j]) tmp[k ++ ] = q[i ++ ];    //去两边中最小的值放入tmp数组
        else tmp[k ++ ] = q[j ++ ];
   
    while (i <= mid) tmp[k ++ ] = q[i ++ ];   //如果右边排完了,那么将左边的直接装入数组
    while (j <= r) tmp[k ++ ] = q[j ++ ];     //如果左边边排完了,那么将右边的直接装入数组
 
    for (int i = l, k = 0; i <= r; i ++ , k ++) q[i] = tmp[k]; //将归并过的数组装回q
}

 
int main()
{
    scanf("%d", &n);
    for (int i = 0; i < n; i ++ ) scanf("%d", &q[i]);
    
    merge_sort(q, 0, n - 1);
    
    for (int i = 0; i < n; i ++ ) printf("%d ", q[i]);
    return 0;
}

本题:787. 归并排序
代码参考:视频讲解

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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