请教一下,关于VFP实现并归排序算法的问题。

fojiao8745 2018-05-23 01:16:13
RT,想请教一下关于VFP实现并归排序算法的问题。
根据在百度找到的提示,我自己写了一个并归排序的实现Demo。
但是在与BubbleSort比较的时候发现,MergeSort花费的时间几乎是BubbleSort的2.5倍。
但是从理论上来说MergeSort的效率应该是远超BubbleSort的。
以下贴上代码与截图,还请版主大大们与各路大神不吝赐教,再次谢过各位了。
LOCAL lnTemp,lnArrlen,lcarrNo,lcBubbletime,lcMergetime
lnArrlen = 5000
CLEAR
**Get Array
DIMENSION arr(lnArrlen)
FOR i = 1 TO lnArrlen
arr(i) = ROUND(rand()*lnArrlen*10,0)
ENDFOR
ACOPY(arr,originalArr)

**Bubble Sort
T1 = SECONDS()
FOR i = 1 TO lnArrlen
FOR j = i + 1 TO lnArrlen
IF arr(i) > arr(j)
lnTemp = arr(i)
arr(i) = arr(j)
arr(j) = lnTemp
ENDIF
ENDFOR
ENDFOR
T2 = SECONDS()
lcBubbletime = 'BubbleSort用时: '+ALLTRIM(STR(T2-T1,10,3))+'秒'

**Recovery
ACOPY(originalArr,arr)

**Merge Sort
T1 = SECONDS()
FOR i = 1 TO lnArrlen
lcarrNo = ALLTRIM(STR(i))
DIMENSION arr&lcarrNo(1)
arr&lcarrNo(1) = arr(i)
ENDFOR
DIMENSION arrNow(lnArrlen)
arrNow(1) = arr1(1)
FOR i = 1 TO lnArrlen - 1
lcarrNo = ALLTRIM(STR(i))
isAdd = .F.
FOR j = 1 TO i
IF arrNow(j) > arr&lcarrNo(1)
AINS(arrNow,j)
arrNow(j) = arr&lcarrNo(1)
j = i + 1
isAdd = .T.
ENDIF
ENDFOR
IF !isAdd
AINS(arrNow,j)
arrNow(j) = arr&lcarrNo(1)
ENDIF
ENDFOR
T2 = SECONDS()
lcMergetime = 'MergeSort用时: '+ALLTRIM(STR(T2-T1,10,3))+'秒'

**Result
MESSAGEBOX('共'+ALLTRIM(STR(lnArrlen))+'个数'+ CHR(13) +lcBubbletime + CHR(13) + lcMergetime,48,'Tip')

...全文
1244 3 打赏 收藏 转发到动态 举报
写回复
用AI写文章
3 条回复
切换为时间正序
请发表友善的回复…
发表回复
liups 2018-05-25
  • 打赏
  • 举报
回复
就问一下楼主学过数据结构没有? 时间复杂度的计算,主要是考虑药费时间多的操作,而宏的花费时间应该是非常多,所以在追求效率的程序中不应该使用宏操作!如果非常在意效率,应该使用非VFP语言(因为VFP本身就是低速的)甚至是汇编!
fojiao8745 2018-05-25
  • 打赏
  • 举报
回复
引用 1 楼 liups 的回复:
此问题转战这边了! 问楼主一个问题,两个算法为何风格如此不一样?一个有宏一个没有,这还能比么?
肯定不一样啊,本质上的区别,理论上说并归的效率应该是冒泡的上万倍
liups 2018-05-24
  • 打赏
  • 举报
回复
此问题转战这边了! 问楼主一个问题,两个算法为何风格如此不一样?一个有宏一个没有,这还能比么?
内容概要:本文介绍了如何利用 GitHub Copilot 辅助进行程序调试与 Bug 分析,强调 Copilot 不仅可用于代码生成,更是强大的代码分析与调试工具。文章详细阐述了 Copilot 在调试复杂问题、老旧项目维护和难以复现 Bug 场景下的优势,提出了“先分析、再修改”的四步流程:分析原因→评估风险→提出方案→修改代码,并推荐结合错误日志、用户操作等信息精准提问,提升 AI 回答质量。同时展示了如何通过 Copilot 增强调试能力,如自动加日志、异常保护、生成测试数据和性能分析。最后通过游戏拾取系统的实际案例,说明如何结构化描述问题以获得有效反馈。; 适合人群:具备一定开发经验,正在参与项目调试或维护工作的程序员,尤其是面对复杂逻辑、历史代码或难复现 Bug 的 1-3 年开发者;也适合希望提升 AI 协作能力的技术人员。; 使用场景及目标:①快速定位偶发性崩溃、数据异常等问题根源;②理解无文档或结构混乱的老代码模块;③优化调试流程,借助 AI 生成诊断建议、修复方案与测试用例;④构建更具健壮性的程序,提前发现潜在缺陷。; 阅读建议:学习者应结合自身项目中的真实问题,按照文中提供的结构化提问模板实践,逐步训练与 Copilot 的协作能力,重视问题描述的完整性与准确性,避免直接要求修改代码,优先通过分析提升对系统的理解。
内容概要:本文针对高精度电流控制下的永磁同步电机(PMSM)参数辨识难题,提出一种基于粒子群优化算法(PSO)的多参数辨识模型,并在Simulink环境中完成系统级仿真实现。研究旨在克服传统控制中因电机参数(如定子电阻、交直轴电感、永磁磁链等)随温度、负载变化而失配所导致的电流控制性能下降问题。通过构建以电流跟踪误差为核心的适应度函数,利用PSO算法全局寻优能力强的特点,实现对关键电机参数的在线或离线精确辨识。文中详述了PSO算法的实现机制、参数初始化策略、收敛判据设计以及与PMSM矢量控制系统的集成方法,验证了该方案在不同运行工况下的辨识精度、收敛速度与鲁棒性,显著提升了电流环的动态响应品质与稳态控制精度。; 适合人群:具备电机驱动控制、现代控制理论及优化算法基础,熟悉MATLAB/Simulink仿真平台,从事高性能PMSM控制系统研发的研究生、高校科研人员及自动化、电力电子领域的工程师;特别适合正在开展参数自适应、智能控制算法应用等相关课题的研究者。; 使用场景及目标:①应用于高端制造装备、电动汽车驱动系统、精密伺服系统等对电流控制精度要求严苛的场合;②解决实际工程中因电机温升、老化等因素引发的参数漂移问题,提升系统长期运行稳定性;③作为智能优化算法与电机控制深度融合的教学案例,帮助理解PSO在复杂非线性系统参数辨识中的应用逻辑与实现路径。; 阅读建议:建议读者结合提供的Simulink仿真模型进行复现实验,重点剖析PSO算法模块与电机控制模型的接口设计、适应度函数的构建原则及参数敏感性分析方法,可进一步尝试引入其他先进优化算法(如GWO、HHO)进行性能对比,以深入掌握不同智能算法在工程辨识问题中的适用性与优劣。

2,749

社区成员

发帖
与我相关
我的任务
社区描述
VFP,是Microsoft公司推出的数据库开发软件,用它来开发数据库,既简单又方便。
社区管理员
  • VFP社区
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧