快速排序算法的分析与实现

快速排序是由东尼·霍尔所发展的一种排序算法。在平均状况下,排序 n 个项目要Ο(n log n)次比较。在最坏状况下则需要Ο(n2)次比较,但这种状况并不常见。事实上,快速排序通常明显比其他Ο(n log n) 算法更快,因为它的内部循环(inner loop)可以在大部分的架构上很有效率地被实现出来。快速排序使用分治法(Divide and conquer)策略来把一个串行(list)分为两个子串行(sub-lists)。
算法步骤:
1、从数列中随便找一个数字,作为基准值
2、将整个数列的重新进行排序,将比基准值大的数值放到基准值的前面,将比基准值小的放到基准值的后面,将基准值放到中间
3、使用递归的思想。
具体代码如下:

void  quickSort(int array[],int low,int height)
{
    int low_temp = low,height_temp = height;
    int middel = 0;int middel_temp = 0;
    if (low < height) {

        middel = low;
        int StandardValues = array[low];
        for (int i = low; i <= height; i++) {
            if ( array[i] > StandardValues) {
                //对数组进行遍历  如果大于标准值 就把值放在前面
                middel = middel+1;
                int tempValue = array[i];
                array[i] = array[middel];
                array[middel] = tempValue;
            }
        }
        //将标准值放在 数组的中间位置
        int tempValue = array[middel];
        array[middel] = array[low];
        array[low] = tempValue;
        //利用遍历来完成数组的快速排序
        quickSort(array,low_temp,middel-1);
        quickSort(array,middel+1,height);
    }

}


int main()
{
    //排序前的数据
    int originalArray[10] = {29,43,24,99,45,87,77,65,12,30};
    printf("排序前的顺序\n");
    //将排序前的数据打印出来
    for (int i = 0; i < 10; i++) {
        //std::cout<<originalArray[i]<<std::endl;
        printf("%d    ",originalArray[i]);
    }
    printf("\n");
    quickSort(originalArray,0,9);
    printf("排序后的顺序\n");
    for (int i = 0; i < 10; i++) {
        //std::cout<<originalArray[i]<<std::endl;
        printf("%d    ",originalArray[i]);
    }
    printf("\n");
}

图解:
初始化的数组是:
这里写图片描述
这个时候我们调用快速排序的函数,这时我们把第一次排序的基准值设置第一个数组的最低位的数值,这里是29,用middel参数用来记录中间的位置,对数组进行遍历:这里写图片描述
最后一行为第一次递归后的数据。

内容概要:本文提出了一种基于改进扩散模型的高海拔地区新能源高波动出力场景生成方法,并提供了完整的Python代码实现。该方法针对高海拔地区风能、光伏等新能源出力波动剧烈、不确定性高的特点,通过优化扩散模型的结构与训练策略,有效捕捉历史据的概率分布特征与时序相关性,从而生成高质量、多样化的出力场景。文中详细阐述了模型的学推导、网络架构设计、损失函优化及采样算法改进,并通过实验证明其在拟合精度、场景多样性与稳定性方面优于传统生成模型,为电力系统在高比例新能源接入下的规划、调度与风险评估提供了可靠的场景输入支持。; 适合人群:具备一定Python编程能力和机器学习基础,从事新能源发电预测、电力系统分析、智能优化、场景生成等方向研究的科研人员、高校研究生及工程技术人员。; 使用场景及目标:①用于高海拔地区风电、光伏出力的不确定性建模与多场景生成;②支撑含高渗透率新能源的电力系统随机优化调度、鲁棒决策与风险评估;③为相关学术研究、论文复现与算法改进提供可运行的技术方案与代码基础; 阅读建议:建议读者结合所提供的完整资源(代码、据集、说明文档)进行实践操作,重点关注扩散模型的前向加噪与反向去噪过程的设计细节,以及如何将其适配于新能源时序据的生成任务,通过参调优与对比实验深入理解模型的生成机制与性能边界。
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