C语言实现选择排序
什么是选择排序?
选择排序是一种简单直观的排序算法,它的核心思想是每次从未排序的元素中选择最小(或最大)的元素,然后将其放到已排序序列的末尾。通过重复这个过程,直到所有元素都排好序为止。
选择排序的详细步骤
1、首先,从待排序的数组中找到最小(或最大)的元素,记为最小元素。
2、将最小元素与数组的第一个元素进行交换,将最小元素放到已排序序列的末尾。
3、接下来,在剩余的未排序元素中,再次寻找最小(或最大)的元素,重复步骤2。
4、重复执行上述步骤,直到所有元素都排好序。
举例说明
假设我们有以下待排序的数组:[5, 2, 9, 1, 5, 6]。
第一轮: 在数组中找到最小的元素,这是1。然后将1与数组的第一个元素(即5)交换位置。数组变为:[1, 2, 9, 5, 5, 6]。
第二轮: 在未排序的部分中([2, 9, 5, 5, 6])找到最小元素,这是2。将2与未排序部分的第一个元素(即2)交换位置。数组保持不变,为:[1, 2, 9, 5, 5, 6]。
第三轮: 在未排序的部分中([9, 5, 5, 6])找到最小元素,这是5。将5与未排序部分的第一个元素(即9)交换位置。数组变为:[1, 2, 5, 9, 5, 6]。
第四轮: 在未排序的部分中([9, 5, 6])找到最小元素,这是5。将5与未排序部分的第一个元素(即9)交换位置。数组变为:[1, 2, 5, 5, 9, 6]。
第五轮: 在未排序的部分中([9, 6])找到最小元素,这是6。将6与未排序部分的第一个元素(即9)交换位置。数组变为:[1, 2, 5, 5, 6, 9]。
最终,整个数组变得有序:[1, 2, 5, 5, 6, 9]。
关键
选择排序的关键点是每一轮内层循环都找到了当前范围内的最小(或最大)元素,并将其放到已排序序列的末尾。通过不断缩小排序范围,每次排序都能找到最小(或最大)的元素,并逐步构建有序序列。
示例代码
#include <stdio.h>void ChoiceSort(int arr[], int length);int main()
{int arr[] = {5, 2, 9, 1, 5, 6};/*不可以放在函数内部, 当数组作为函数参数传递给函数时,数组参数会被转换为指针类型,因此在函数内部无法通过sizeof操作符获取数组的长度。*/int length = sizeof(arr) / sizeof(arr[0]);ChoiceSort(arr, length);return 0;
}void ChoiceSort(int arr[], int length)
{int i, j, k;for (i = 0; i < length; i++){int minIndex = i; // 最小数的下标,每个循环开始总是假设第一个数最小 for (j = i + 1; j < length; j++){if (arr[j] < arr[minIndex]) // 找到最小的数 {minIndex = j; // 保存最小数的索引 }}printf("第%d轮最小数为:%d\n",i+1,arr[minIndex]);int temp = arr[minIndex];arr[minIndex] = arr[i];arr[i] = temp;for (k = 0; k < length; k++){printf("%d ", arr[k]);}printf("\n======================\n"); }
}

相关文章:
C语言实现选择排序
什么是选择排序? 选择排序是一种简单直观的排序算法,它的核心思想是每次从未排序的元素中选择最小(或最大)的元素,然后将其放到已排序序列的末尾。通过重复这个过程,直到所有元素都排好序为止。 选择排序…...
unable to write symref for HEAD: Permission denied
今天从gitee上面克隆项目到本地时报错如下 warning: unable to unlink ‘D:/IDEAcode/ruiji1.0/.git/HEAD.lock’: Invalid argument error: unable to write symref for HEAD: Permission denied 解决方法:将要存放项目的文件夹权限修改为完全控制 原先权限&…...
长时间序列遥感数据处理及在全球变化、物候提取、植被变绿与固碳分析、生物量估算与趋势分析等领域中的实践技术应用
植被是陆地生态系统中最重要的组分之一,也是对气候变化最敏感的组分,其在全球变化过程中起着重要作用,能够指示自然环境中的大气、水、土壤等成分的变化,其年际和季节性变化可以作为地球气候变化的重要指标。此外,由于…...
【行为型设计模式】C#设计模式之策略模式
题目:假设你正在开发一个手机应用程序,该应用程序包含一个计算器功能。用户可以根据自己的需求选择不同的计算策略进行计算,例如加法、减法、乘法或除法。请使用策略模式设计该计算器功能,使得用户可以根据自己的选择进行相应的计…...
Linux Shell 编程入门
从程序员的角度来看, Shell本身是一种用C语言编写的程序,从用户的角度来看,Shell是用户与Linux操作系统沟通的桥梁。用户既可以输入命令执行,又可以利用 Shell脚本编程,完成更加复杂的操作。在Linux GUI日益完善的今天…...
Webstorm + Egg.js 进行断点调试
Webstorm Egg.js 进行断点调试 1、在工具栏找到编辑配置,创建已运行Node.js 应用程序的调试配置 2、debug调试配置 3、调试 4、查看断点是否起效...
Oracle-创建PDB
Oracle-创建PDB 创建PDB的方式 从PDB$SEED新建PDB克隆已存在的PDB 本地PDB克隆到同一个CDB中将远程PDB克隆到CDB中将非CDB插入或克隆到CDB中通过插拔的方式创建PDB sql 命令语法 条件 CDB必须open并且read write模式连接CDB$ROOT 用户并且具有CREATEPLUGGABLEDATABASE系统权…...
【TypeScript】交叉类型联合类型(四)
【TypeScript】交叉类型&联合类型(四) 【TypeScript】交叉类型&联合类型(四)一、简介二、交叉类型2.1 交叉类型使用的注意点2.2 基本数据类型交叉2.3 对象类型交叉 三、联合类型四、类型缩减 一、简介 TypeScript 中的交…...
数组和字符串-字符串
最长公共前缀 题意: 给多个字符串,找最长前缀 解: 暴力匹配,先按字典序排序字符串,这样长度短的优先进行匹配,所得字符串就可能偏小 适合a aa aaa aaaa这样的数据,不过对于aa aab aabc aab…...
MySQL-索引基础
文章概要 本篇文章通过几个问题来了解MySQL中索引相关的概念。平时在学习MySQL时或多或少都听说过索引的概念,但是索引到底是个什么东西,可能还不是非常的清楚。 正文 1. 什么是索引? 索引,在MySQL中也称为键(key),…...
CentOS中自动加载802.1q模块
CentOS中自动加载802.1q模块 要想在CentOS中自动加载内核模块,需要在/etc/sysconfig/modules/目录中增加一个脚本,在此脚本中加载所需的模块。 下面是我所用的一个名为8021q.modules的脚本,用来在我的CentOS 5.3中自动加载802.1Q模块&#…...
CSP-J2022第一轮试题
...
使用Java根据表名导出与导入Sql
前言 很粗糙啊,有很多可以优化的地方,而且也不安全,但是临时用还是OK的,我这个是公司里面的单机软件,不联网。 嗨!我是一名社交媒体增长黑客,很高兴能帮助您优化和丰富关于批量作业导出和导入…...
Elasticsearch同时使用should和must
问题及解决方法 must和should组合查询,should失效。使用must嵌套查询,将should组成的bool查询包含在其中一个must查询中。 SearchRequest request new SearchRequest(); request.indices("function_log");SearchSourceBuilder sourceBuilde…...
羽毛球热身和拉伸
1、绕场地慢跑 2、拉伸练习 拉伸动作主要有腕踝关节热身、下蹲、弓箭步压腿、后蹲压腿、腹背 具体动作可自行搜索练习 3、挥拍练习 杀球上网挥拍练习 正手挑球练习、反手挑球练习 4、拉伸 脚踝:一脚支持,另一脚拇指撑地正反向来回几圈转动脚踝&#…...
使用 Vue 实现页面访问拦截
使用 Vue 实现页面访问拦截 在现代的 Web 应用程序中,页面访问拦截是非常重要的一个方面。它可以用于确保用户只能访问他们有权限的页面,提高应用程序的安全性和用户体验。本篇博文将介绍如何使用 Vue 框架来实现页面访问拦截的功能。 文章目录 使用 Vu…...
使用webpack建立React+TS项目
之前写过类似的文章,这次看到一本新书里也介绍了这个知识点,故尝试之。 Refer: 《Learn React With TypeScript - A Beginners Guide To Reactive Web Development With React 18 and TypeScript》chapter3 Creating a project with webpack 1.先建立一…...
法律监督大数据平台有什么作用?
大数据赋能时代法律监督,构建法律行业领域大数据监督模型。法律监督大数据研判系统助力检察机关以社会公正为核心价值追求,对执法不严、司法不公“零容忍”,强化对诉讼活动的法律监督,坚决维护法律尊严,坚决捍卫公平正…...
根据制定的长度切割list值
88、根据制定的长度切割list值 依赖,谷歌开源的工具类库,非常的强大 <dependency><groupId>com.google.guava</groupId><artifactId>guava</artifactId><version>29.0-jre</version> </dependency>其…...
AES加密(1):AES基础知识和计算过程
从产品代码的安全角度考虑,我们需要对代码、数据进行加密。加密的算法有很多种,基于速度考虑,我们一般使用对称加密算法,其中有一种常见的对称加密算法:AES(Advanced Encryption Standard)。在一些高端的MCU࿰…...
如何用ComfyUI ControlNet预处理器打造精准AI图像控制:从入门到精通
如何用ComfyUI ControlNet预处理器打造精准AI图像控制:从入门到精通 【免费下载链接】comfyui_controlnet_aux ComfyUIs ControlNet Auxiliary Preprocessors 项目地址: https://gitcode.com/gh_mirrors/co/comfyui_controlnet_aux 在AI图像生成的世界里&…...
如何用CubeMX+Keil快速搞定DS1302时钟驱动?超详细配置教程
STM32CubeMX与Keil协同开发:DS1302实时时钟模块高效驱动指南 1. 实时时钟模块选型与DS1302核心特性解析 在嵌入式系统设计中,实时时钟(RTC)模块的选择往往需要权衡精度、功耗和接口复杂度。DS1302作为一款经典的串行接口时钟芯片,以其独特的…...
WaveTools鸣潮工具箱:3大核心功能让你告别卡顿,科学抽卡不迷路
WaveTools鸣潮工具箱:3大核心功能让你告别卡顿,科学抽卡不迷路 【免费下载链接】WaveTools 🧰鸣潮工具箱 项目地址: https://gitcode.com/gh_mirrors/wa/WaveTools 如果你正在玩《鸣潮》PC版,一定经历过游戏卡顿、帧率限制…...
Phi-4-mini-reasoning 3.8B在VSCode中的智能编程应用:Codex风格体验
Phi-4-mini-reasoning 3.8B在VSCode中的智能编程应用:Codex风格体验 1. 轻量级AI编程助手的惊艳表现 在编程领域,AI辅助工具正变得越来越重要。Phi-4-mini-reasoning 3.8B作为一款轻量级模型,在VSCode中展现出了令人惊喜的智能编程能力。虽…...
2026年SCI三四区AI率超30%怎么办?3招搞定不影响学术表达
SCI三四区的AI率要求通常在20%-30%之间,但实际情况是有些编辑系统比这个还严,退稿理由直接写「AI content detected」。 这篇是给有这个问题的科研人写的。不绕弯子,直接说3个有效的方法,帮你把AI率降到合规范围,同时…...
MiniCPM-V-2_6错误分析:常见图文理解失败案例与修复策略汇总
MiniCPM-V-2_6错误分析:常见图文理解失败案例与修复策略汇总 1. 引言:为什么需要关注模型错误? 在使用MiniCPM-V-2_6进行图文理解任务时,即使是性能强大的模型也会遇到各种理解偏差和错误。这些错误不仅影响用户体验,…...
8、如何提高webpack的构建速度?
目录 一、先说本质:Webpack 为什么会慢? 二、面试开场高分回答 三、常见优化手段 1. 缩小 Loader 的作用范围 做法 为什么有效 面试亮点说法 2. 使用缓存 方案一:Webpack 5 持久化缓存 为什么有效 面试亮点 方案二:Ba…...
PyTorch 2.8通用镜像效果展示:Llama3+Phi-3-Vision图文理解→视频描述生成
PyTorch 2.8通用镜像效果展示:Llama3Phi-3-Vision图文理解→视频描述生成 1. 开箱即用的深度学习环境 PyTorch 2.8通用深度学习镜像为开发者提供了一个即开即用的强大环境。基于RTX 4090D 24GB显卡和CUDA 12.4深度优化,这个镜像让复杂的AI开发变得简单…...
易薪路(eRoad) 智能薪酬激励,Agent时代的“薪”模式
每个月的发薪日,对很多企业的 HR、C&B 团队来说,都不是一个轻松的节点。当考勤、绩效、奖金、福利补贴、计件工资、佣金提成等数十项数据从十几个系统里涌来,当线下 Excel 表格堆成山,当不同部门、不同地区、不同岗位的薪资方…...
计算机组成原理视角:深度估计模型推理的硬件加速优化
计算机组成原理视角:深度估计模型推理的硬件加速优化 最近在项目里用到了Lingbot-Depth-Pretrain-ViTL-14这个深度估计模型,效果确实不错,但跑起来总觉得有点“慢”。不是模型本身的问题,而是感觉硬件资源没被“喂饱”。这让我想…...
