Javaソートアルゴリズムを素早くマスター - クイックソート(画像とテキスト)
#コンセプト
クイック並べ替えは交換並べ替えです。主な手順は、比較に参照要素を使用することです。基準要素より小さい要素を並べ替えると、ベース要素より大きい要素は一方の側に移動し、ベース要素より大きい要素は反対側に移動します。したがって、配列は 2 つの部分に分割され、次にその 2 つの部分から参照要素が選択され、上記のステップが繰り返されます。プロセスは次のとおりです。 (推奨ビデオ:java ビデオ チュートリアル )
紫: 基本要素緑色: 基本要素 ## より大きい# 黄色: ベースライン要素未満
#この考え方は分割統治と呼ばれます。
データム要素の選択はランダムに選択できます。次の使用では、最初の要素を基本要素として使用します。
並べ替えプロセス並べ替えと分割のプロセスは次のとおりです。
紫は基本要素です ( で再選択されています)。各ラウンド)緑はその他の要素第一ラウンド
第二ラウンド
第三ラウンド
上図に示すように:
要素数が n の場合、ソート処理はすべての要素を比較する必要があるため、時間計算量は O( n),
平均して、ソート ラウンドには logn ラウンドが必要であるため、クイック ソートの平均時間計算量は O(nlogn) です。
#分別の実施方法
実施方法には両側循環方式と片側循環方式があります
双方向循環方式
最初の選択肢は、ピボット要素 (ピボット) 4 を選択し、次のように配列の左端と右端の要素を指すようにポインターを左右に設定することです。
First このループでは、まず右ポインタ (rightData) が指すデータから開始し、基本要素と比較します。rightData >= pivot の場合、右ポインタは左に移動します。 . rightData
最初のポインタの移動の後、次の構造が得られます。次に、left と right が指す要素が交換されます。
実装コード
public class DoubleSort { public static void quickSort(int[] arr, int startIndex, int endIndex) { //递归结束条件 if (startIndex >= endIndex) { return; } // 基准元素位置 int pivotIndex = partition(arr, startIndex, endIndex); // 根据基准元素,分成两部分进行递归排序 quickSort(arr, startIndex, pivotIndex - 1); quickSort(arr, pivotIndex + 1, endIndex); } public static int partition(int[] arr, int startIndex, int endIndex) { // 取第一个元素为基准元素,也可以随机抽取 int pivot = arr[startIndex]; int left = startIndex; int right = endIndex; while (left != right) { // 控制right指针比较并左移 while (left = pivot) { right--; } // 控制left指针比较并右移 while (left <p></p>片ループ方式<p id="实现代码" style="white-space: normal;"><strong></strong>双方向ループ方式は、配列の両側の要素を比較して交換します。片側ループ ルールは配列の片側から走査し、逆方向に比較および交換するため、実装が容易になります。 </p>プロセスは次のとおりです。 <p id="单边循环法" style="white-space: normal;"><strong></strong>最初に、ピボット要素が選択されます (ランダムに選択できます) </p>マーク ポインタを、配列の開始位置を指すように設定します。ベースライン要素よりも小さい領域境界 (理解できません。後で要素を交換するために使用されると理解してください) <p><br></p>元の配列は次のとおりです: <blockquote> <p><br> </p> <blockquote><p>从基准元素下一位开始遍历数组<br>如果该元素大于基准元素,继续往下遍历<br>如果该元素小于基准元素,mark指针往右移,因为小于基准元素的区域边界增大了1(即小于基准元素的多了1位),所以mark就 +1,并且该元素和mark指向元素进行交换。</p></blockquote> <p>遍历到元素3时,因为3 </p> <p><img src="/static/imghw/default1.png" data-src="https://img.php.cn/upload/article/000/000/040/baca0480a2a4ba4850e39cd5916f2819-12.jpg" class="lazy" alt="Javaソートアルゴリズムを素早くマスター - クイックソート(画像とテキスト)"></p> <p>然后交换元素</p> <p><img src="/static/imghw/default1.png" data-src="https://img.php.cn/upload/article/000/000/040/baca0480a2a4ba4850e39cd5916f2819-13.jpg" class="lazy" alt="Javaソートアルゴリズムを素早くマスター - クイックソート(画像とテキスト)"></p> <p>然后就继续遍历,根据上面的步骤进行判断,后面的过程就不写了。</p> <p id="实现代码-1" style="white-space: normal;"><strong>实现代码</strong></p> <pre class="brush:php;toolbar:false">public class SingleSort { public static void quickSort(int[] arr, int startIndex, int endIndex) { //递归结束条件 if (startIndex >= endIndex) { return; } // 基准元素位置 int pivotIndex = partition(arr, startIndex, endIndex); // 根据基准元素,分成两部分进行递归排序 quickSort(arr, startIndex, pivotIndex - 1); quickSort(arr, pivotIndex + 1, endIndex); } /** * 分治(单边循环法) * @param arr * @param startIndex * @param endIndex * @return */ public static int partition(int[] arr, int startIndex, int endIndex) { // 取第一个元素为基准元素,也可以随机抽取 int pivot = arr[startIndex]; int mark = startIndex; for(int i = startIndex + 1; i<p id="总结" style="white-space: normal;"><strong>总结</strong></p><p>本人也是初次接触算法,慢慢的去理解算法的思路和实现过程后,真是为自己以往写的算法感到羞愧。该文章也是为了加深自己对快排算法的印象,若文章有不足之处,恳请各位在下方留言补充。感谢各位的阅读。Thanks♪(・ω・)ノ。</p><p>参考资料:《小灰的算法之旅》 第四章。</p><p>本文来自php中文网,<a href="https://www.php.cn/java/base/" target="_blank">java教程</a>栏目,欢迎学习! </p>
以上がJavaソートアルゴリズムを素早くマスター - クイックソート(画像とテキスト)の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

AI Hentai Generator
AIヘンタイを無料で生成します。

人気の記事

ホットツール

メモ帳++7.3.1
使いやすく無料のコードエディター

SublimeText3 中国語版
中国語版、とても使いやすい

ゼンドスタジオ 13.0.1
強力な PHP 統合開発環境

ドリームウィーバー CS6
ビジュアル Web 開発ツール

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

ホットトピック









上記および筆者の個人的な理解: 現在、自動運転システム全体において、認識モジュールが重要な役割を果たしている。道路を走行する自動運転車は、認識モジュールを通じてのみ正確な認識結果を得ることができる。下流の規制および制御モジュール自動運転システムでは、タイムリーかつ正確な判断と行動決定が行われます。現在、自動運転機能を備えた自動車には通常、サラウンドビューカメラセンサー、ライダーセンサー、ミリ波レーダーセンサーなどのさまざまなデータ情報センサーが搭載されており、さまざまなモダリティで情報を収集して正確な認識タスクを実現しています。純粋な視覚に基づく BEV 認識アルゴリズムは、ハードウェア コストが低く導入が容易であるため、業界で好まれており、その出力結果はさまざまな下流タスクに簡単に適用できます。

C++ の機械学習アルゴリズムが直面する一般的な課題には、メモリ管理、マルチスレッド、パフォーマンスの最適化、保守性などがあります。解決策には、スマート ポインター、最新のスレッド ライブラリ、SIMD 命令、サードパーティ ライブラリの使用、コーディング スタイル ガイドラインの遵守、自動化ツールの使用が含まれます。実践的な事例では、Eigen ライブラリを使用して線形回帰アルゴリズムを実装し、メモリを効果的に管理し、高性能の行列演算を使用する方法を示します。

C++sort 関数の最下層はマージ ソートを使用し、その複雑さは O(nlogn) で、クイック ソート、ヒープ ソート、安定したソートなど、さまざまなソート アルゴリズムの選択肢を提供します。

人工知能 (AI) と法執行機関の融合により、犯罪の予防と検出の新たな可能性が開かれます。人工知能の予測機能は、犯罪行為を予測するためにCrimeGPT (犯罪予測技術) などのシステムで広く使用されています。この記事では、犯罪予測における人工知能の可能性、その現在の応用、人工知能が直面する課題、およびこの技術の倫理的影響について考察します。人工知能と犯罪予測: 基本 CrimeGPT は、機械学習アルゴリズムを使用して大規模なデータセットを分析し、犯罪がいつどこで発生する可能性があるかを予測できるパターンを特定します。これらのデータセットには、過去の犯罪統計、人口統計情報、経済指標、気象パターンなどが含まれます。人間のアナリストが見逃す可能性のある傾向を特定することで、人工知能は法執行機関に力を与えることができます

01 今後の概要 現時点では、検出効率と検出結果の適切なバランスを実現することが困難です。我々は、光学リモートセンシング画像におけるターゲット検出ネットワークの効果を向上させるために、多層特徴ピラミッド、マルチ検出ヘッド戦略、およびハイブリッドアテンションモジュールを使用して、高解像度光学リモートセンシング画像におけるターゲット検出のための強化されたYOLOv5アルゴリズムを開発しました。 SIMD データセットによると、新しいアルゴリズムの mAP は YOLOv5 より 2.2%、YOLOX より 8.48% 優れており、検出結果と速度のバランスがより優れています。 02 背景と動機 リモート センシング技術の急速な発展に伴い、航空機、自動車、建物など、地表上の多くの物体を記述するために高解像度の光学式リモート センシング画像が使用されています。リモートセンシング画像の判読における物体検出

1. 58 Portraits プラットフォーム構築の背景 まず、58 Portraits プラットフォーム構築の背景についてお話ししたいと思います。 1. 従来のプロファイリング プラットフォームの従来の考え方ではもはや十分ではありません。ユーザー プロファイリング プラットフォームを構築するには、複数のビジネス分野からのデータを統合して、ユーザーの行動や関心を理解するためのデータ マイニングも必要です。最後に、ユーザー プロファイル データを効率的に保存、クエリ、共有し、プロファイル サービスを提供するためのデータ プラットフォーム機能も必要です。自社構築のビジネス プロファイリング プラットフォームとミドルオフィス プロファイリング プラットフォームの主な違いは、自社構築のプロファイリング プラットフォームは単一のビジネス ラインにサービスを提供し、オンデマンドでカスタマイズできることです。ミッドオフィス プラットフォームは複数のビジネス ラインにサービスを提供し、複雑な機能を備えていることです。モデリングを提供し、より一般的な機能を提供します。 2.58 中間プラットフォームのポートレート構築の背景のユーザーのポートレート 58

上記と著者の個人的な理解は、自動運転システムにおいて、認識タスクは自動運転システム全体の重要な要素であるということです。認識タスクの主な目的は、自動運転車が道路を走行する車両、路側の歩行者、運転中に遭遇する障害物、道路上の交通標識などの周囲の環境要素を理解して認識できるようにすることで、それによって下流のシステムを支援できるようにすることです。モジュール 正しく合理的な決定と行動を行います。自動運転機能を備えた車両には、通常、サラウンドビューカメラセンサー、ライダーセンサー、ミリ波レーダーセンサーなど、さまざまな種類の情報収集センサーが装備されており、自動運転車が正確に認識し、認識できるようにします。周囲の環境要素を理解することで、自動運転車が自動運転中に正しい判断を下せるようになります。頭

Python でクイック ソートを実装する方法: 1. Quick_sort という関数を定義し、再帰的メソッドを使用してクイック ソートを実装します; 2. 配列の長さを確認し、長さが 1 以下の場合は配列を直接返します。それ以外の場合は、配列を選択します。最初の要素はピボット要素 (ピボット) として使用され、配列はピボット要素より小さい 2 つのサブ配列とピボット要素より大きい 2 つのサブ配列に分割されます。3. 2 つのサブ配列を接続します。およびピボット要素を使用して、ソートされた配列を形成します。
