一維陣列
陣列 - 使用C語言為範例
一維陣列
一維陣列宣告語法如下:
說明
資料型態
陣列名稱
行數 n :n為整數。代表此陣列維度1有n個元素。
一維陣列,只有一個[]
註標或索引的範圍介於0與n-1之間
初始化
一維陣列 - 範例
輸入一星期每天花費的費用,印出總花費(請用陣列)。
字串
字串是由多個字組成的資料,必以'\0'(空字元)作為結束字串資料的結束。因此字串可用一維字元陣列的形式表示。
字串陣列宣告方式
若是用字串存8bytes 的內容
設定初始設定語法有下列方法
排序法
氣泡排序法(Bubble Sort )-範例
這個是將相鄰兩個資料逐一比較,資料是否需要互相交換位置。將 26、12、6 、 10、 58 用氣泡排序法從小排到大。
插入排序法(Insertion Sort)
依序由未排序的資料中選一筆資料
一一掃瞄已排序資料,將選取的資料插入正確位置
選擇排序法(Selection Sort)
資料搜尋
線性搜尋法 - Sequential Search
1.無崗哨(衛兵)線性搜尋(Non-Sentinel Linear Search)
直接對數列由右至左,或由左至右一一比對是否有與鍵值相同的元素
需比對陣列值是否與鍵值相同、陣列是否結束
2.崗哨(衛兵)線性搜尋(Sentinel Linear Search)
直接對數列由右至左,或由左至右一一比對
將鍵值放在陣列的第一個或最後一個元素,並把這個元素當成崗哨(衛兵)
一定可以找到與鍵值相同的元素 ⇒ 避免檢查陣列是否結束
因為省下一次比較的時間,當資料很大時,時間約為無崗哨線性搜尋的一半(時間複雜度仍為Ο(n))
特性:
資料不需事先排序
支援隨機存取(Random Access)與循序存取(Sequential Access)機制
時間複雜度為Ο(n) ⇒ 線性
時間複雜度(Time Complexity)
(1+2+3+...+n)/n = (n+1)/2 ⇒ Ο(n)
二分搜尋法 - Binary Search
是一種在有序陣列中搜尋某一特定元素的搜尋演算法。搜尋過程從陣列的中間元素開始,如果中間元素正好是要搜尋的元素,則搜尋過程結束;如果某一特定元素大於或者小於中間元素,則在陣列大於或小於中間元素的那一半中搜尋,而且跟開始一樣從中間元素開始比較。如果在某一步驟陣列為空,則代表找不到。這種搜尋演算法每一次比較都使搜尋範圍縮小一半。
二分搜尋演算法在最壞情況下是對數時間複雜度的,需要進行{O(\log n)}次比較操作
在此處是陣列的元素數量,
是大O記號,
是對數)。二分搜尋演算法使用常數空間,對於任何大小的輸入資料,演算法使用的空間都是一樣的。除非輸入資料數量很少,否則二分搜尋演算法比線性搜尋更快,但陣列必須事先被排序。儘管一些特定的、為了快速搜尋而設計的資料結構更有效(比如雜湊表),二分搜尋演算法應用面更廣。
亂數種子 - rand()及srand()
time()函數
使用srand()來設定亂數種子,其來源可以是CPU、記憶體、時間等,最常用時間來當亂數種子,必須使用time()函數時須include<time.h>。
只要放在程式一開始的地方,千萬別放在跑亂數的迴圈中,因為CPU執行指令極快速,取的時間種子相差很小,而你取出來的每個數字都會很相近。
不過用取時間種子還有個缺點,當使用者在一秒執行程式數次,因為取時間是以秒為單位,所以會出現很相近的亂數,改善的方式就是將時間再跟其他來源作運算。例如用PID:
整數亂數
rand()這個函數會隨機產生0~RAND_MAX的數字,而RAND_MAX為編譯器設定的數字,可以用Printf("%d",RAND_MAX)來查看。要產生特定範圍的亂數只要先產生0~1的隨機數就可以完成,產生down~up的亂數公式如下:
很多人會用取mod來算亂數,但這樣會有些數字機率較小,相較而言用上述方法就比較好。 例如我要產生15~30之間的數字 ,也就是[15, 30]:
範例程式是產生10個1到100的亂數:
小數亂數
將整數亂數的公式改一下就可以實現小數亂數了,如下:
例如我要產生-3.0~3.0 之間的數字,也就是[-3.0, 3.0]:
下面這個範例程式是產生10個-5.0到5.0的亂數:
不重複亂數
要產生不重複的亂數有很多方法,最簡單的就是暴力產生,比對過去產生的數字有相同就重新取,但如果數字一多效率就很差,所以建議要去量大的不重複亂數,可以使用洗牌法來取。所謂洗牌法就像玩撲克牌一樣,將欲取的亂數放入陣列,再進行洗牌的動作將數字打亂,之後再取出。
下面這個程式是產生30個1到100不重複亂數:
不均勻機率亂數
如果是要機率不同的亂數,可以使用陣列來模擬,數量多了話則可以用IF來判斷。
例如有一個抽獎系統,獎品分為特獎、頭獎、二獎、三獎、四獎、五獎、安慰獎,機率分別為0.00001、0.00005、0.0001、0.001、0.01、0.1、0.88884且和為1,把它們都乘上100000後分別為1、5、10、100、1000、10000、88884,這樣就可以藉由亂數產生1~100000來模擬不均勻機率抽獎,下面為範例程式:
最后更新于
这有帮助吗?