数据结构和算法-选择排序|学习笔记

简介: 快速学习数据结构和算法-选择排序

开发者学堂课程【Go 语言核心编程 - 数据结构和算法:数据结构和算法-选择排序】学习笔记,与课程紧密联系,让用户快速学习知识。

课程地址:https://developer.aliyun.com/learning/course/627/detail/9848


数据结构和算法-选择排序


排序的介绍

排序是将一组数据,依指定的顺序进行排列的过程,常见的排序:

1)冒泡排序

2)选择排序

3)插入排序

4)快速排序

这四种是比较经典的,从速度来看选择排序要快于冒泡排序,插入排序快于选择排序,快速排序是最快的。

冒泡排序

冒泡排序(Bubble Sorting)的基本思想是:通过对待排序序列从后向前(从下标较大的元素开始),依次比较相邻元素的排序码.若发现逆序则交换,使排序码较小的元素逐渐从后部移向前部(从下标较大的单元移向下标较小的单元),就象水底下的气泡一样逐渐向上冒。

因为排序的过程中,各元素不断接近自己的位置,如果一趟比较下来没有进行过交换,就说明序列有序,因此要在排序过程中设置一个标志 flag 判断元素是否进行过交换。从而减少不必要的比较。

选择排序

选择式排序也属于内部排序法,是从欲排序的数据中,按指定的规则选出某一元素,经过和其他元素重整,再依原则交换位置后达到排序的目的。

选择排序思想:

选择排序(select sorting)也是一种简单的排序方法。它的基本思想是:

第一次从 R[0]~R[n-1]中选取最小值,与 R[0]交换,第二次从 R[1]~R[n-1]中选取最小值,与 R[1]交换,第三次从R[2]~R[n-1]中选取最小值,与 R[2]交换,…,第i次从 R[i-1]~R[n-1]中选取最小值,与R[i-1]交换;--,第 n-1次从 R[n-2]~R[n-1]中选取最小值,与 R[n-2]交换,总共通过 n-1次,得到一个按排序码从小到大排列的有序序列。

选择排序思路分析图:

image.png

从初始状态找到其中最小的数1,让1和第一个元素8交换,接下来从后边的元素找到最小的元素2,然后与第二个元素交换,接下来从第二次找到3,然后和它本身交换,接着依次往下,以此类推,最后形成1 2 3 4 5 6 7 8,这样是从小到大。如果要从大到小的话,就是依次找最大的即可。

选择排序应用实例:

有一群牛,颜值分别是10分,34分,19分,100分,80分请使用选择排序从高到低进行排序

package main

import(

"fmt"

//编写函数 selectsort 完成排序

func  Selectsort (arr*[5]int){

//标准的访问方式

*arr)[1]=600

func main(){

//定义一个数组,从大到小

arr:=[5]int{10, 34, 19,10e, 80}

Selectsort (&arr)

fmt.Println(arr)

}

结果就相当于把34改成600

package main

import(

"fmt"

//编写函数 selectsort 完成排序

func  Selectsort (arr*[5]int){

//标准的访问方式

(*arr)[1]=600

//1.先完成将第一个最大值和 arr[0]=>先易后难

//1假设 arr[θ]最大值

max:=arr[0]

//2,遍历后面1---[1 en(arr)-1]比较

for i:=0 + 1; i<len(arr);i++{

If max <arr[i]{ //找到真正的最大值

Max=arr[i]

maxIndex = i

}

}

//交换

If maxIndex !=0{

Arr[1],arr[maxIndex]=arr[maxIndex],arr[1]

}

Fmt.Ptintln(“第2次”,*arr)

//定义一个数组,从大到小

arr:=[5]int{10, 34, 19,10e, 80}

Selectsort (&arr)

fmt.Println(arr)

}

//2.遍历后面4---[1en(arr)-1]比较

for i:=3+1;i<len(arr);i++

If max<arr[i]{//找到真正的最大值

Max= arr[i]

//变换

if maxIndex !=3{

arr[3], arr[maxIndex]=arr[maxIndex], arr[3]

fmt. println("第4次")arr)

}

func main(){

}

就按照这种的依次写,第四次过后就变成了从大到小依次排序。会发现每次的代码基本都是相同的,唯一不同的就是 arr 后的值在不断变化

接下来就简化以上代码,直接用一个 for 循环

for j:=e;j<1en(arr)−1;j++{

max:=arr[j]

maxIndex:=j

//2.遍历后面1---[1en(arr)−1]比较

for i:=j+1;i<len(arr);i++{

If max<arr[i]{//找到真正的最大值

max=arr[i]

maxndex=i

}

//交换

if maxIndex !=j{

arr[j], arr[maxIndex]=arr[maxIndex],arr[j]

}

Fmt.Printf(“第%d次 &v\n”,j+1,*arr)

这就是把原来的代码套起来了,结果和原来的结果几乎是一样的

接下来验证代码的正确性,继续增加一个数

arr:=[6]int{10, 34, 19, 100, 80, 789}

fmt. Printin(arr)

selectsort (&arr)

fmt. println("main函数")

fmt. Println(arr)

}

结果也是正确的,也是从大到小排序

相关文章
|
16天前
|
算法 数据处理 C语言
C语言中的位运算技巧,涵盖基本概念、应用场景、实用技巧及示例代码,并讨论了位运算的性能优势及其与其他数据结构和算法的结合
本文深入解析了C语言中的位运算技巧,涵盖基本概念、应用场景、实用技巧及示例代码,并讨论了位运算的性能优势及其与其他数据结构和算法的结合,旨在帮助读者掌握这一高效的数据处理方法。
27 1
|
20天前
|
机器学习/深度学习 算法 数据挖掘
K-means聚类算法是机器学习中常用的一种聚类方法,通过将数据集划分为K个簇来简化数据结构
K-means聚类算法是机器学习中常用的一种聚类方法,通过将数据集划分为K个簇来简化数据结构。本文介绍了K-means算法的基本原理,包括初始化、数据点分配与簇中心更新等步骤,以及如何在Python中实现该算法,最后讨论了其优缺点及应用场景。
63 4
|
17天前
|
存储 算法 搜索推荐
Python 中数据结构和算法的关系
数据结构是算法的载体,算法是对数据结构的操作和运用。它们共同构成了计算机程序的核心,对于提高程序的质量和性能具有至关重要的作用
|
17天前
|
数据采集 存储 算法
Python 中的数据结构和算法优化策略
Python中的数据结构和算法如何进行优化?
|
25天前
|
算法
数据结构之路由表查找算法(深度优先搜索和宽度优先搜索)
在网络通信中,路由表用于指导数据包的传输路径。本文介绍了两种常用的路由表查找算法——深度优先算法(DFS)和宽度优先算法(BFS)。DFS使用栈实现,适合路径问题;BFS使用队列,保证找到最短路径。两者均能有效查找路由信息,但适用场景不同,需根据具体需求选择。文中还提供了这两种算法的核心代码及测试结果,验证了算法的有效性。
86 23
|
25天前
|
算法
数据结构之蜜蜂算法
蜜蜂算法是一种受蜜蜂觅食行为启发的优化算法,通过模拟蜜蜂的群体智能来解决优化问题。本文介绍了蜜蜂算法的基本原理、数据结构设计、核心代码实现及算法优缺点。算法通过迭代更新蜜蜂位置,逐步优化适应度,最终找到问题的最优解。代码实现了单链表结构,用于管理蜜蜂节点,并通过适应度计算、节点移动等操作实现算法的核心功能。蜜蜂算法具有全局寻优能力强、参数设置简单等优点,但也存在对初始化参数敏感、计算复杂度高等缺点。
57 20
|
16天前
|
并行计算 算法 测试技术
C语言因高效灵活被广泛应用于软件开发。本文探讨了优化C语言程序性能的策略,涵盖算法优化、代码结构优化、内存管理优化、编译器优化、数据结构优化、并行计算优化及性能测试与分析七个方面
C语言因高效灵活被广泛应用于软件开发。本文探讨了优化C语言程序性能的策略,涵盖算法优化、代码结构优化、内存管理优化、编译器优化、数据结构优化、并行计算优化及性能测试与分析七个方面,旨在通过综合策略提升程序性能,满足实际需求。
43 1
|
25天前
|
机器学习/深度学习 算法 C++
数据结构之鲸鱼算法
鲸鱼算法(Whale Optimization Algorithm,WOA)是由伊朗研究员Seyedali Mirjalili于2016年提出的一种基于群体智能的全局优化算法,灵感源自鲸鱼捕食时的群体协作行为。该算法通过模拟鲸鱼的围捕猎物和喷出气泡网的行为,结合全局搜索和局部搜索策略,有效解决了复杂问题的优化需求。其应用广泛,涵盖函数优化、机器学习、图像处理等领域。鲸鱼算法以其简单直观的特点,成为初学者友好型的优化工具,但同时也存在参数敏感、可能陷入局部最优等问题。提供的C++代码示例展示了算法的基本实现和运行过程。
44 0
|
25天前
|
算法 vr&ar 计算机视觉
数据结构之洪水填充算法(DFS)
洪水填充算法是一种基于深度优先搜索(DFS)的图像处理技术,主要用于区域填充和图像分割。通过递归或栈的方式探索图像中的连通区域并进行颜色替换。本文介绍了算法的基本原理、数据结构设计(如链表和栈)、核心代码实现及应用实例,展示了算法在图像编辑等领域的高效性和灵活性。同时,文中也讨论了算法的优缺点,如实现简单但可能存在堆栈溢出的风险等。
37 0
|
11天前
|
算法
基于WOA算法的SVDD参数寻优matlab仿真
该程序利用鲸鱼优化算法(WOA)对支持向量数据描述(SVDD)模型的参数进行优化,以提高数据分类的准确性。通过MATLAB2022A实现,展示了不同信噪比(SNR)下模型的分类误差。WOA通过模拟鲸鱼捕食行为,动态调整SVDD参数,如惩罚因子C和核函数参数γ,以寻找最优参数组合,增强模型的鲁棒性和泛化能力。