C语言中常用的三种排序方法的探讨

排序是程序设计中很重要的内容,其方法也很多,在C语言中有三种:冒泡法排序、选择法排序、插入法排序,笔者将该三种方法进行详细分析,以便大家能够更好的理解和应用此三种方法。     

病态信息修正中的建议值排序模型研究

对于生成的建议值,提出了建议值的三种排序模型,分别是变换次数排序模型、距离排序模型和相似度排序模型,使得用户能够方便和准确地选择到正确的建议值。     

快速稳定表选择排序算法研究

为改进直接选择排序算法的不稳定性及对数据的不敏感性,笔者研究了表选择排序算法.该算法约定用静态链表存储待排数据,先创建有序链表,再根据链接信息将数据顺序存储.此算法不仅保证排序算法的稳定性,也使时间复杂性由原来的O(n~2/2)在最好和平均情况下分别降到O(n)和O(n~2/4)(最坏情况不变),另外还保证后续其他操作也同样具备顺序存储的优点.从排序稳定性、数据比较次数和移动次数三方面来看,本文中提出的排序算法在简单排序算法中是最优的.     

应用信息熵原理研究排序算法的效率

应用信息熵的概念表示序列的无序程度并分析基于关键字间的比较的排序算法的效率，首先讨了序列的信息熵的定义，证明了序列的信息熵即为基于直接比较的排序方法所需的比较次数的理论下限，然后利用信息熵原理分析了插入排序和归并排序的效率，指出当序列长度大于4时，任意直接插入排序的比较次数大于理论下界，最后探讨了利用熵原理寻找比较次数最少的排序方法。     

排序算法的分析与比较实现

本文论述了内部排序的几种算法,在思想、时间复杂度、空间复杂度及稳定性方面进行了比较。最后用C#语言比较了几种算法在大量数据中进行排序的比较次数和花费的时间。     

基于损失函数融合的组排序学习方法

排序学习已经在信息检索和机器学习领域中获得了广泛的关注,一系列的排序学习理论主要是基于3种排序样本构造方法提出的,分别是:单文档方法(pointwise)、文档对方法(pairwise)、文档列表法(listwise)。特别地,文档列表法中的组排序的方法可以有效地提高排序的性能。将这些方法与损失函数相结合来提高组排序的性能,基本思想是融合不同的损失函数来扩充基于神经网络方法的损失函数。首先,本文提出了一种基于J氏距离(Jeffrey’s divergence)的组样本损失函数的构造方法;然后,基于该组排序的方法,提出了一种与其他损失函数进行融合框架,在LETOR3.0数据集上比较了所提出方法的性能;最后,实验结果表明所提出的加权损失函数融合方法能够有效地提高查询的相关性排序结果。     

基于模糊综合评价的目标排序方法

目标打击排序是作战指挥决策中的重要问题,对作战效果影响较大.分析了作战过程中影响目标排序的主要因素,建立了典型目标排序的模糊综合评价模型.采用两两比较法确定模型中的权重,利用专家知识评估目标排序的影响因素并进行综合评价,实现了目标打击顺序定量评估.研究结果表明,本方法计算简便,是打击目标排序的一种有效方法.     

基于分治策略的排序方法的比较研究

讨论了运用分治策略的思想实现快速排序、归并排序和堆排序三种排序算法,从分、解、合三方面剖析排序,从而得出分割方式是影响排序效率的关键,并将分治法扩展应用到更多排序方法中.     

一种改进的MMC电容电压均衡控制方法

电容电压排序法是一种简单有效的MMC电容电压均衡方法,传统的排序算法会导致子模块反复投切,造成器件开关频率过高,增加了MMC的运行损耗.为此提出了一种改进的方法,即由允许的电容电压偏差大小和桥臂电流计算出维持子模块电压均衡所需的最小排序频率,并将排序频率控制在该最小值处,减少了不必要的子模块投切次数,从而在较低的开关频率下维持各子模块电压的均衡.在Simulink中搭建了MMC仿真模型,对改进前后的两种方法进行对比,仿真结果表明:改进的排序法能够有效降低开关频率,降幅可达70%.     

一种改进的基于编号的选择排序方法

排序是计算机程序设计中的一种重要操作,在现有的排序方法中,多数情况都是对数据原始排列顺序的一种破坏,一旦进行了排序,数据原始存储顺序就发生了改变,若想再基于数据原始排列顺序进行其他操作也就困难了.排序只是对数据的一种分析手段,对数据记录并不需要一定将其排列有序,只需要对它做好排序准备,在需要排序时再进行排序操作.文中基于应用对选择法排序做了改进,同时,在选择法一次只能选一个的基础上,提高成一次可以确定两个记录,这样也提高了排序效率.     

基于特征对比的领域泛化算法自适应选择方法

在自动驾驶、医疗等领域,模型的泛化性是衡量其安全性的重要指标。领域泛化算法选择方法可以指导使用者快速准确地选出适合的模型训练算法。针对目前尚缺乏有效的算法选择方法的问题,提出一种基于对比学习的领域泛化算法的特征对比(feature contrast, FeCo)选择方法。依据正例和负例选择策略选择特征,采用点积的方式计算特征相似度,最后通过噪声对比估计(info noise contrastive estimation, InfoNC)计算得分。使用该得分评估了同一类特征的聚合程度和不同类特征的分离程度,在3个数据集共200个领域泛化模型上进行验证。实验结果表明,在所有的方法中FeCo是唯一结果稳定的方法,FeCo的结果和模型真实泛化误差的相关性最高可达0.89,且运行时间缩短超过60倍。     

有限长卷积反演问题研究

该文讨论解有限长序列卷积反演的３种方法－一种为时域迭代算法,它根据待求序列长度决策迭代次数,且不存在迭代收敛问题,另一种方法适合于卷积长度,ＦＦＴ点数大约是原卷积序列长度的两倍这种情形,它比经典ＦＦＴ方法节约３３％的计算量,第３种方法与第２种类似,也可节约１５％计量量。与其它方法相比,该文的方法简单易行,运算量少。     

混沌免疫混合算法参数自适应调整的优化设计

为提高免疫算法的求解性能,在免疫克隆选择算法中融入了混沌优化操作.分析了抗体群选择概率的重要性并给出其变化的计算式,采用抗体群的连续3代平均适应度变化率以自适应地调节抗体选择概率参数值.给出了混沌免疫混合算法参数自适应调整的优化设计的具体步骤,运用混沌免疫混合算法参数自适应调整的优化方法、免疫克隆选择算法以及其他文献方法对起重机结构主梁截面优化设计.结果表明:混沌免疫混合算法参数自适应调整的优化方法具有自适应能力强、计算效率高及优化设计精度高等优点.     

An enhanced text categorization method based on improved text frequency approach and mutual information algorithm

Text categorization plays an important role in data mining. Feature selection is the most important process of text categorization. Focused on feature selection, we present an improved text frequency method for filtering of low frequency features to deal with the data preprocessing, propose an improved mutual information algorithm for feature selection, and develop an improved tf.idf method for characteristic weights evaluation. The proposed method is applied to the benchmark test set Reuters-21578 Top10 to examine its effectiveness. Numerical results show that the precision, the recall and the value of F1 of the proposed method are all superior to those of existing conventional methods.     

An enhanced text categorization method based on improved text frequency approach and mutual information algorithm

Text categorization plays an important role in data mining. Feature selection is the most important process of text categorization. Focused on feature selection, we present an improved text frequency method for filtering of low frequency features to deal with the data preprocessing, propose an improved mutual information algorithm for feature selection, and develop an improved tf.idf method for characteristic weights evaluation. The proposed method is applied to the benchmark test set Reuters-21578 Top10 to examine its effectiveness. Numerical results show that the precision, the recall and the value of F1 of the proposed method are all superior to those of existing conventional methods.     

仿生优化算法在多用户检测中的应用

通过将码分多址系统中的最佳多用户检测视作组合优化问题,利用遗传算法、进化规划、克隆选择算法在解决优化问题方面的优势,提出了3种多用户检测方案,并用计算机对所设计的多用户检测器的误码率和收敛性进行仿真.仿真结果证明了所设计的3种检测器的误码率都优于去相关多用户检测器,都是切实可行的方案,实际应用中可根据不同的性能要求进行选择.     

基于Rough Sets的特征选择研究进展

特征选择是机器学习领域中的重要研究问题.作为一种重要的特征选择方法,属性约简正在受到越来越多的关注,在许多应用领域已经得到了广泛应用.文章对基于Rough Sets理论的特征选择算法作了系统的回顾和分析,具体包括启发式属性约简、基于区分矩阵的属性约简和扩展粗糙集模型的属性约简三个方面.此外,论文还给出了粗糙特征选择算法的几种常见应用,并对该领域的进一步发展进行了展望.     

公交网络最优路径选择算法研究

公交乘客出行路径的选择是公共交通信息查询的重要内容.依据公交线路网络的特点以及公交路径选择的需要构造了公交线路网络的数学模型,在Dijkstra算法的基础上综合考虑乘客出行的乘车习惯、线路距离、换乘次数和乘车费用等因素,并考虑了多种不同的换乘方式和不同的线路类型对选路的影响,设计并验证了能够满足多种出行特点的路径选择算法.     

一种新的自适应免疫遗传算法

 为了克服传统遗传算法收敛速度慢和容易陷入局部最优的不足,提出了一种新的自适应免疫遗传算法SIGA(Self-adaptive Immune Genetic Algorithm)。新算法对遗传算子进行改进,提出了自适应交叉和变异算子,保证了种群多样性和防止早熟现象发生;为了使免疫算子兼顾个体多样性和提高种群个体适应度的水平,提出了基于相似性矢量距离的免疫选择算法。实验表明,与传统的遗传算法和免疫算法相比,该算法收敛速度提高了3~90倍,求解精度达到10^-3,并有效地抑制了早熟现象。     

大规模项目调度问题的分解和协调优化方法

为了解决大规模有资源约束的项目调度问题,提出一种串行分解和并行分解相结合的项目逐层分解方法,以便克服精确算法求解时间不可接受,而启发式算法解的质量较差的问题。根据该分解方法特点,提出基于采样选择的启发式协调方法,以及基于分枝定界方法的精确底层调度的子项目协调优化算法,并通过仿真分析了关键参数的选取。仿真结果表明,该算法解的平均质量明显优于相关启发式算法,并且求解时间能够满足工程上的要求,能够有效地提高大规模项目调度问题的求解质量,具有实用价值。