【剑指 Offer 学习】【面试题 14 : 调整数组顺序使奇数位于偶数前面】【思路】

本文介绍了一种使用插入排序思想的算法,用于调整数组中数字的顺序,确保所有奇数位于数组前半部分,所有偶数位于后半部分,同时保持同类数字间的相对位置不变。通过遍历数组并按需调整奇数位置,实现了有效的排序。

题目:

输入一个整数数组,实现一个函数来调整该数组中数字的顺序,使得所有的奇数位于数组的前半部分,所有的偶数位于数组的后半部分,并保证奇数和奇数,偶数和偶数之间的相对位置不变。

 

思路:

插入排序的思想

  • 遍历数组,将遍历的第一个奇数(坐标 i)依次与前一个偶数(坐标 i - 1)对换位置
  • 记录已调整顺序的奇数的个数,后续的遍历,遍历至当前记录值即可

 

冒泡排序思想待完善

 

代码:

package 调整数组顺序使奇数位于偶数前面;

public class Demo {

	public static void main(String[] args) {
		int arr[] = { 2, 4, 6, 1, 3, 5, 7 };
		Solution solution = new Solution();
		solution.reOrderArray(arr);
		for (int i = 0; i < arr.length; i++) {
			System.out.print(arr[i]);
		}
	}
}


class Solution {
	
	/*
	 * 	插入排序思想
	 */
	public void reOrderArray(int[] array) {

		int k = 0;									// 记录已调整顺序的奇数的个数,后续的遍历,遍历至当前记录值即可
		for (int i = 0; i < array.length; i++) {
			if (array[i] % 2 == 1) {
				int j = i;
				while (j > k) {						// j >= k+1,依次与前面的偶数替换
					int tmp = array[j];
					array[j] = array[j - 1];
					array[j - 1] = tmp;
					j--;
				}
				k++;
			}
		}
	}

//	/**
//	 *	类似冒泡的遍历方式
//	 * @param array
//	 */
//	public void reOrderArray(int[] array) {
//		for (int i = 0; i < array.length + 5; i++) { 				// 遍历的次数,与数组长度相等
//			for (int j = array.length - 1 - i; j > 0; j--) { 		// 从后往前遍历,每次遍历过后,第 i - 1 位的值都已确定为奇数
//				if (array[j] % 2 == 1 && array[j - 1] % 2 == 0) {	// 前偶后奇交换
//					swap(array,j,j - 1);
//					for (int j2 = 0; j2 < array.length; j2++) {
//						System.out.print(array[j2]);
//					}
//				}
//			}
//			System.out.println(" ");
//		}
//	}
//
//	public static void swap(int[] arr, int i, int j) {		//注意!!!引用数据类型的改变需要传递地址,不能只传递元素
//		int x = arr[i];
//		int y = arr[j];
//		arr[i] = y;
//		arr[j] = x;
//	}
}

 

内容概要:本文围绕“基于分布式模型预测控制的多个固定翼无人机一致性控制”展开,利用Matlab代码实现相关算法的仿真,旨在通过分布式控制策略实现多架固定翼无人机在复杂动态环境中的协同飞行与一致性控制。研究结合模型预测控制(MPC)方法,构建适用于多无人机系统的分布式优化框架,重点解决了通信受限、信息延迟及无中心化指挥条件下的协同稳定性问题。内容涵盖固定翼无人机的动力学建模、分布式MPC优化求解机制、一致性协议设计、通信拓扑结构分析以及仿真验证全过程,确保多机系统在保持队形一致的同时完成协同任务。; 适合人群:具备自动控制理论、无人机系统建模或多智能体协同控制基础,从事智能无人系统、集群控制、自动化与机器人等领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于多无人机协同编队飞行、集群侦察、分布式任务执行等实际工程场景;②为分布式MPC算法在多智能体系统中的一致性控制提供可复现的Matlab仿真案例,推动先进控制理论向工程实践转化;③服务于科研论文复现、算法验证、控制系统课程设计与毕业课题参考。; 阅读建议:建议读者结合文中提供的Matlab代码逐模块运行与调试,重点关注分布式MPC在不同通信拓扑下对一致性收敛性能的影响,并可通过调整预测时域、权重矩阵与噪声参数等方式深化对算法鲁棒性与适应性的理解。
内容概要:本文提出了一种基于变分模态分解(VMD)、麻雀搜索算法(SSA)优化与长短期记忆网络(LSTM)相结合的光伏功率预测模型(VMD-SSA-LSTM),旨在提升光伏发电预测的精度与鲁棒性。该方法首先利用VMD对原始非平稳光伏功率序列进行自适应分解,获得一系列具有更稳定特征的本征模态分量(IMFs),有效降低数据复杂性与噪声干扰;随后引入麻雀搜索算法(SSA)对LSTM网络的关键超参数(如学习率、隐层节点数等)进行全局寻优,克服传统试凑法效率低、易陷入局部最优的问题,显著提升模型收敛速度与泛化能力;最后,构建多个LSTM子模型分别预测各模态分量,并将结果重构得到最终的光伏功率预测值。该混合模型充分融合了VMD在信号预处理中的优异分解性能、SSA在参数优化中的高效搜索能力以及LSTM在捕捉时间序列长期依赖关系上的强大建模优势,实现了对复杂气象因素影响下光伏出力波动的高精度拟合与预测。; 适合人群:具备一定电力系统、新能源发电或时间序列预测基础知识,熟悉MATLAB编程环境,从事光伏功率预测、智能电网调度、可再生能源集成、负荷预测等领域研究的科研人员、工程技术人员及高校研究生。; 使用场景及目标:①应用于光伏电站的短期与超短期功率预测,为电网安全调度、电力市场交易、储能系统配置及需求侧响应提供精准数据支撑;②解决传统单一预测模型(如ARIMA、BPNN、单一LSTM)在处理非平稳、强波动性光伏数据时存在的精度不足、稳定性差等问题;③为风电、负荷等其他非平稳时序预测问题提供一种有效的“分解-优化-预测”混合建模范式与技术实现路径。; 阅读建议:建议读者结合文中提供的完整MATLAB代码,深入理解VMD信号分解、SSA优化算法流程及LSTM网络构建的每一个技术环节,通过实际历史数据进行模型复现与对比实验(如与VMD-LSTM、SSA-LSTM等模型比较),掌握参数调优技巧与模型性能评估方法,从而真正掌握该先进混合预测模型的核心思想与应用精髓。
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