算法中郵局java代碼 算法中郵局java代碼是什么

java中排序算法代碼

package temp;

創(chuàng)新互聯(lián)專(zhuān)注于企業(yè)營(yíng)銷(xiāo)型網(wǎng)站、網(wǎng)站重做改版、四方臺(tái)網(wǎng)站定制設(shè)計(jì)、自適應(yīng)品牌網(wǎng)站建設(shè)、html5、商城系統(tǒng)網(wǎng)站開(kāi)發(fā)、集團(tuán)公司官網(wǎng)建設(shè)、成都外貿(mào)網(wǎng)站建設(shè)公司、高端網(wǎng)站制作、響應(yīng)式網(wǎng)頁(yè)設(shè)計(jì)等建站業(yè)務(wù)，價(jià)格優(yōu)惠性?xún)r(jià)比高，為四方臺(tái)等各大城市提供網(wǎng)站開(kāi)發(fā)制作服務(wù)。

import sun.misc.Sort;

/**

* @author zengjl

* @version 1.0

* @since 2007-08-22

* @Des java幾種基本排序方法

*/

/**

* SortUtil:排序方法

* 關(guān)于對(duì)排序方法的選擇：這告訴我們，什么時(shí)候用什么排序最好。當(dāng)人們渴望先知道排在前面的是誰(shuí)時(shí)，

* 我們用選擇排序；當(dāng)我們不斷拿到新的數(shù)并想保持已有的數(shù)始終有序時(shí)，我們用插入排序；當(dāng)給出的數(shù)

* 列已經(jīng)比較有序，只需要小幅度的調(diào)整一下時(shí)，我們用冒泡排序。

*/

public class SortUtil extends Sort {

/**

* 插入排序法

* @param data

* @Des 插入排序(Insertion Sort)是，每次從數(shù)列中取一個(gè)還沒(méi)有取出過(guò)的數(shù)，并按照大小關(guān)系插入到已經(jīng)取出的數(shù)中使得已經(jīng)取出的數(shù)仍然有序。

*/

public int[] insertSort(int[] data) {

1/11頁(yè)

int temp;

for (int i = 1; i data.length; i++) {

for (int j = i; (j 0) (data[j] data[j - 1]); j--) {

swap(data, j, j - 1);

}

}

return data;

}

/**

* 冒泡排序法

* @param data

* @return

* @Des 冒泡排序(Bubble Sort)分為若干趟進(jìn)行，每一趟排序從前往后比較每?jī)蓚€(gè)相鄰的元素的大?。ㄒ虼艘惶伺判蛞容^n-1對(duì)位置相鄰的數(shù)）并在

* 每次發(fā)現(xiàn)前面的那個(gè)數(shù)比緊接它后的數(shù)大時(shí)交換位置；進(jìn)行足夠多趟直到某一趟跑完后發(fā)現(xiàn)這一趟沒(méi)有進(jìn)行任何交換操作（最壞情況下要跑n-1趟，

* 這種情況在最小的數(shù)位于給定數(shù)列的最后面時(shí)發(fā)生）。事實(shí)上，在第一趟冒泡結(jié)束后，最后面那個(gè)數(shù)肯定是最大的了，于是第二次只需要對(duì)前面n-1

* 個(gè)數(shù)排序，這又將把這n-1個(gè)數(shù)中最小的數(shù)放到整個(gè)數(shù)列的倒數(shù)第二個(gè)位置。這樣下去，冒泡排序第i趟結(jié)束后后面i個(gè)數(shù)都已經(jīng)到位了，第i+1趟實(shí)

* 際上只考慮前n-i個(gè)數(shù)（需要的比較次數(shù)比前面所說(shuō)的n-1要?。?。這相當(dāng)于用數(shù)學(xué)歸納法證明了冒泡排序的正確性

Java用查找算法的一段代碼如下： 其中boolean A=false; if(name.equals(arr[i])) 麻煩解釋一下 盡量直白

數(shù)組從第一個(gè)開(kāi)始比較，完全相同（當(dāng)前數(shù)組值和輸入值一模一樣）A就賦值為true；不一樣A的值不變

如何用70行Java代碼實(shí)現(xiàn)深度神經(jīng)網(wǎng)絡(luò)算法

import?java.util.Random;public?class?BpDeep{

public?double[][]?layer;//神經(jīng)網(wǎng)絡(luò)各層節(jié)點(diǎn)

public?double[][]?layerErr;//神經(jīng)網(wǎng)絡(luò)各節(jié)點(diǎn)誤差

public?double[][][]?layer_weight;//各層節(jié)點(diǎn)權(quán)重

public?double[][][]?layer_weight_delta;//各層節(jié)點(diǎn)權(quán)重動(dòng)量

public?double?mobp;//動(dòng)量系數(shù)

public?double?rate;//學(xué)習(xí)系數(shù)

public?BpDeep(int[]?layernum,?double?rate,?double?mobp){

this.mobp?=?mobp;

this.rate?=?rate;

layer?=?new?double[layernum.length][];

layerErr?=?new?double[layernum.length][];

layer_weight?=?new?double[layernum.length][][];

layer_weight_delta?=?new?double[layernum.length][][];

Random?random?=?new?Random();

for(int?l=0;llayernum.length;l++){

layer[l]=new?double[layernum[l]];

layerErr[l]=new?double[layernum[l]];

if(l+1layernum.length){

layer_weight[l]=new?double[layernum[l]+1][layernum[l+1]];

layer_weight_delta[l]=new?double[layernum[l]+1][layernum[l+1]];

for(int?j=0;jlayernum[l]+1;j++)

for(int?i=0;ilayernum[l+1];i++)

layer_weight[l][j][i]=random.nextDouble();//隨機(jī)初始化權(quán)重

}???

}

}

//逐層向前計(jì)算輸出

public?double[]?computeOut(double[]?in){

for(int?l=1;llayer.length;l++){

for(int?j=0;jlayer[l].length;j++){

double?z=layer_weight[l-1][layer[l-1].length][j];

for(int?i=0;ilayer[l-1].length;i++){

layer[l-1][i]=l==1?in[i]:layer[l-1][i];

z+=layer_weight[l-1][i][j]*layer[l-1][i];

}

layer[l][j]=1/(1+Math.exp(-z));

}

}

return?layer[layer.length-1];

}

//逐層反向計(jì)算誤差并修改權(quán)重

public?void?updateWeight(double[]?tar){

int?l=layer.length-1;

for(int?j=0;jlayerErr[l].length;j++)

layerErr[l][j]=layer[l][j]*(1-layer[l][j])*(tar[j]-layer[l][j]);

while(l--0){

for(int?j=0;jlayerErr[l].length;j++){

double?z?=?0.0;

for(int?i=0;ilayerErr[l+1].length;i++){

z=z+l0?layerErr[l+1][i]*layer_weight[l][j][i]:0;

layer_weight_delta[l][j][i]=?mobp*layer_weight_delta[l][j][i]+rate*layerErr[l+1][i]*layer[l][j];//隱含層動(dòng)量調(diào)整

layer_weight[l][j][i]+=layer_weight_delta[l][j][i];//隱含層權(quán)重調(diào)整

if(j==layerErr[l].length-1){

layer_weight_delta[l][j+1][i]=?mobp*layer_weight_delta[l][j+1][i]+rate*layerErr[l+1][i];//截距動(dòng)量調(diào)整

layer_weight[l][j+1][i]+=layer_weight_delta[l][j+1][i];//截距權(quán)重調(diào)整

}

}

layerErr[l][j]=z*layer[l][j]*(1-layer[l][j]);//記錄誤差

}

}

}

public?void?train(double[]?in,?double[]?tar){

double[]?out?=?computeOut(in);

updateWeight(tar);

}

}

關(guān)于Java算法代碼解析問(wèn)題

這使用遞歸的方式實(shí)現(xiàn)自己調(diào)用自己方法的循環(huán)語(yǔ)句。

題中最終目的是為了檢索數(shù)組s中有沒(méi)有“華”字。

return

name(i+1,

j,

index+1)+name(i,

j+1,

index+1);的目的就是為了循環(huán)；

其中

name(i+1,

j,

index+1)

是從

s

中以縱向方式抽取第

i

個(gè)【小組】中的第一個(gè)元素

來(lái)和

string

中的第

index

個(gè)元素比較（此時(shí)

i

=

index）；

而

name(i,

j+1,

index+1);

是從

s

中以橫向方式抽取第

i

個(gè)【小組】中的第

j

個(gè)元素

來(lái)和

string

中的第

index

個(gè)元素比較（此時(shí)

j

=

index）；

這樣便以“網(wǎng)格”的方式比對(duì)了s中的每一個(gè)元素。

名稱(chēng)欄目：算法中郵局java代碼 算法中郵局java代碼是什么
文章源于：http://muchs.cn/article26/dospdjg.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供響應(yīng)式網(wǎng)站、ChatGPT、定制開(kāi)發(fā)、網(wǎng)站營(yíng)銷(xiāo)、搜索引擎優(yōu)化、App開(kāi)發(fā)

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶(hù)投稿、用戶(hù)轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀(guān)點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話(huà)：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來(lái)源： 創(chuàng)新互聯(lián)