选择排序

简介: 一、选择排序   选择是一种简单直观的排序算法。它的工作原理如下。首先在未排序序列中找到最小(大)元素,存放到排序序列的起始位置,然后,再从剩余未排序元素中继续寻找最小(大)元素,然后放到已排序序列的末尾。

一、选择排序

  选择是一种简单直观的排序算法。它的工作原理如下。首先在未排序序列中找到最小(大)元素,存放到排序序列的起始位置,然后,再从剩余未排序元素中继续寻找最小(大)元素,然后放到已排序序列的末尾。以此类推,直到所有元素均排序完毕。选择排序是一种不稳定的排序算法。

  效果图如下所示:

二、代码

  该算法使用java代码实现,代码如下:

 1     public static void selectSort(int[] data)
 2     {
 3         int arrayLength = data.length;
 4         for (int i = 0; i < arrayLength - 1; i++)// 依次进行arrayLength趟比较, 第i趟比较将第i大的值选出放在i位置上。
 5         {
 6             int minIndex = i;// minIndex永远保留本趟比较中最小值的索引
 7             for (int j = i + 1; j < arrayLength; j++) // 第i个数据只需和它后面的数据比较
 8             {
 9                 if (data[minIndex] > data[j]) // 如果第minIndex位置的数据 > j位置的数据
10                 {
11                     minIndex = j; // 将j的值赋给minIndex
12                 }
13             }
14             if (minIndex != i) // 每趟比较最多交换一次
15             {
16                 int tmp = data[i];
17                 data[i] = data[minIndex];
18                 data[minIndex] = tmp;
19             }
20             System.out.println("第" + (i + 1) + "趟结果如下:" + Arrays.toString(data));
21         }
22     }

  使用21, 30, 49, 45, 16, 9排序每一趟结果如下:

第1趟结果如下:[9, 30, 49, 45, 16, 21]
第2趟结果如下:[9, 16, 49, 45, 30, 21]
第3趟结果如下:[9, 16, 21, 45, 30, 49]
第4趟结果如下:[9, 16, 21, 30, 45, 49]
第5趟结果如下:[9, 16, 21, 30, 45, 49]
目录
相关文章
|
10天前
|
数据采集 人工智能 安全
|
5天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:七十、小树成林,聚沙成塔:随机森林与大模型的协同进化
随机森林是一种基于决策树的集成学习算法,通过构建多棵决策树并结合它们的预测结果来提高准确性和稳定性。其核心思想包括两个随机性:Bootstrap采样(每棵树使用不同的训练子集)和特征随机选择(每棵树分裂时只考虑部分特征)。这种方法能有效处理大规模高维数据,避免过拟合,并评估特征重要性。随机森林的超参数如树的数量、最大深度等可通过网格搜索优化。该算法兼具强大预测能力和工程化优势,是机器学习中的常用基础模型。
316 164
|
4天前
|
机器学习/深度学习 自然语言处理 机器人
阿里云百炼大模型赋能|打造企业级电话智能体与智能呼叫中心完整方案
畅信达基于阿里云百炼大模型推出MVB2000V5智能呼叫中心方案,融合LLM与MRCP+WebSocket技术,实现语音识别率超95%、低延迟交互。通过电话智能体与座席助手协同,自动化处理80%咨询,降本增效显著,适配金融、电商、医疗等多行业场景。
322 155
|
5天前
|
编解码 人工智能 自然语言处理
⚽阿里云百炼通义万相 2.6 视频生成玩法手册
通义万相Wan 2.6是全球首个支持角色扮演的AI视频生成模型,可基于参考视频形象与音色生成多角色合拍、多镜头叙事的15秒长视频,实现声画同步、智能分镜,适用于影视创作、营销展示等场景。
368 4
|
13天前
|
SQL 自然语言处理 调度
Agent Skills 的一次工程实践
**本文采用 Agent Skills 实现整体智能体**,开发框架采用 AgentScope,模型使用 **qwen3-max**。Agent Skills 是 Anthropic 新推出的一种有别于mcp server的一种开发方式,用于为 AI **引入可共享的专业技能**。经验封装到**可发现、可复用的能力单元**中,每个技能以文件夹形式存在,包含特定任务的指导性说明(SKILL.md 文件)、脚本代码和资源等 。大模型可以根据需要动态加载这些技能,从而扩展自身的功能。目前不少国内外的一些框架也开始支持此种的开发方式,详细介绍如下。
905 7

热门文章

最新文章