热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

【原创】经典排序回顾

部分摘抄自:https:www.cnblogs.comskywang12345p3603935.html一、冒泡排序思路:冒泡,顾名思义,每一次都将最重的元素往数列的末端沉。外层:一

部分摘抄自:https://www.cnblogs.com/skywang12345/p/3603935.html

一、冒泡排序

思路:冒泡,顾名思义,每一次都将最重的元素往数列的末端沉。外层:一层循环,每一次都将一个最大的元素移动到末端,故边界i: 0..n; 里层:负责一次具体的移动,通过不断的比较相邻的两个元素,移动最大的元素。

平均时间复杂度:O(n^2)

空间复杂度:(定义:一个算法在运行过程中临时占用存储空间的大小。)由于此算法的临时存储空间不随输入数据大小n变化,只存在在相邻两个元素交换过程中的一次临时存储(tmp),故为O(1)。

稳定性:(定义:如在数列中有a[j]=a[j](i

1 void bubble_sort(int a[], int n){
2     for(int i=0;i){
3         for(int j=0;j1;j++){
4             if(a[j]>a[j+1]){
5                 swap(a[j],a[j+1]);
6             }
7         }
8     }
9 }
主要代码

 

二、快速排序

快速排序是基于分治策略。首先,选中一个基准值,根据比较,将数列分为两个独立的部分,其中一部分的数都要比另一部分的小。之后再独立地将两个子序列分别照此方法排序。

思路:

1.前提:由于是根据分治法,递归地对序列进行排序,所以,首先,方法的参数应该有3部分:quick_sort(数列对象,排序起始地址,排序结束地址),也就是确定边界值。

2.对排序的数列确定一个基准值(pivot), (习惯性地从起始下标处取值)。

3.从对立方向(也就是终点下标处)j 向左扫描,直到碰见小于pivot的值,将此值移动到左边。

4.再跳转到对立方向,从更新后位置的右边 i 开始向右继续扫描,直到碰见大于pivot的值,将此值移动到右边。

5.重复3,4。直到i=j,将此处a[i]赋值为pivot值。第一次排序完成。即pivot左边的值都不大于它,右边的都不小于它。

6.递归地对pivot左边与右边的子序列进行排序。

 

平均时间复杂度:O( nlog(n) )。因为快排采用的分治法,所以可以想象成一个二叉树。

  补充: (时间复杂度证明)——其中 T(n)=aT(n/b)+f(n) 是用得很多的递归方程。

1 T(n)=2T(n/2)+f(n)----f(n)-O(n),因为实际上我们对每一层递归树进行划分的时候,都是将整个数组都遍历了一遍 
2 T(n)=4T(n/4)+2f(n)
3 ...log2N=k,共进行k次 
4 T(n)=nT(1)+kf(n)=O(n)+kO(n)==kO(n)=O(n*logn) 

空间复杂度:O(logn)。主要空间消耗是在递归调用上,每次递归调用都会需要临时存储一些数据。

稳定性:不稳定

 1 void quick_sort(int a[], int left, int right){
 2     if(left<right){
 3         int i=left;
 4         int j=right;
 5         int tmp=a[i];
 6         while(i<j){
 7             while(itmp) j--;
 8             
 9             if(a[j]<tmp){
10                 a[i]=a[j];
11                 i++;
12 
13             }
14             while(i;
15             if(a[i]>tmp){
16                 a[j]=a[i];
17                 j--;
18             }
19         }
20         a[i]=tmp;
21         quick_sort(a, left, j--);
22         quick_sort(a,i++,right);
23     }
24 }
主要代码

 

三、直接插入排序

 思路:将一个待排序列表看作两部分,一部分是已经排序好的,另一部分有待排序的。从有待排序的部分依次选取值拿到已经排序的部分进行比较,插入到合适的位置,直到所有的都已经排序完成。

平均时间复杂度:O(n^2)

空间复杂度:O(1)

稳定性:稳定

 1 void insert_sort(int a[], int n){
 2     int tmp;
 3     int i,j,k;
 4     for(i=1; i){
 5         for(j=i-1;j>=0;j--){
 6             if(a[j]<=a[i]){//在已经排序的数列里往回找,直到找到一个不大于(所以插入排序是稳定的)当前数的下标位置
 7                 break 8             }
 9             if(j!=i-1){//后移元素
10                 tmp=a[i];
11                 for(k=i;k>j+1;k--){
12                     a[k]=a[k-1];
13 
14                 }
15                 a[j+1]=tmp;
16             }
17         }
18     }
19 }
主要代码

 

四、选择排序

思路:将一个待排序序列看作两部分,一部分是已经排序好的,另一部分有待排序的。从待排序的部分依次选择最小值,依次排在已排序的序列的末尾(即与末尾元素交换)。

   (与插入排序的区别:1.插入排序是按下标依次从待排序序列取值,而选择排序是从待排序序列中依次选择最小值 2.插入排序将拿出的数拿到已排序序列中对比插入到合适位置,而选择排序直接放到已排序序列的末尾。)

平均时间复杂度:O(n*2)

空间复杂度:O(1)

稳定性:不稳定

 1 void select_sort(int a[], int n){
 2     int i,j,min;
 3     fot(i=0; i){
 4         min=i;
 5         for(j=i+1; j//从未排序的i+1及后面的数中选取最小值
 6             if(a[j]j;
 7         }
 8         if(min !=i){
 9             swap(a[i],a[min]);//将最小值交换到i位
10         }
11     }
12 }
主要代码

 

五、堆排序

思路:(一种特殊的选择排序)将未排序序列转换为大/小顶堆,取最大/小值,放入未排序序列末尾。对剩余未排序序列重复操作,直到排序完成。

平均时间复杂度:O(n*logn)

空间复杂度:O(1)

稳定性:不稳定

 1 void maxheap_down(int a[], int start, int end)
 2 {
 3     int c = start;            // 当前(current)节点的位置
 4     int l = 2*c + 1;        // 左(left)孩子的位置
 5     int tmp = a[c];            // 当前(current)节点的大小
 6     for (; l <= end; c=l,l=2*l+1)
 7     {
 8         // "l"是左孩子,"l+1"是右孩子
 9         if ( l 1])
10             l++;        // 左右两孩子中选择较大者,即m_heap[l+1]
11         if (tmp >= a[l])
12             break;        // 调整结束
13         else            // 交换值
14         {
15             a[c] = a[l];
16             a[l]= tmp;
17         }
18     }
19 }
20 
21 void heap_sort_asc(int a[], int n)
22 {
23     int i;
24 
25     // 从(n/2-1) --> 0逐次遍历。遍历之后,得到的数组实际上是一个(最大)二叉堆。
26     for (i = n / 2 - 1; i >= 0; i--)
27         maxheap_down(a, i, n-1);
28 
29     // 从最后一个元素开始对序列进行调整,不断的缩小调整的范围直到第一个元素
30     for (i = n - 1; i > 0; i--)
31     {
32         // 交换a[0]和a[i]。交换后,a[i]是a[0...i]中最大的。
33         swap(a[0], a[i]);
34         // 调整a[0...i-1],使得a[0...i-1]仍然是一个最大堆。
35         // 即,保证a[i-1]是a[0...i-1]中的最大值。
36         maxheap_down(a, 0, i-1);
37     }
38 }
主要代码

补充:在C++中,可以使用priority_queue优先队列,是基于堆排序实现的。

 

六、归并排序

思路:它与"从下往上"在排序上是反方向的。它基本包括3步:
① 分解 -- 将当前区间一分为二,即求分裂点 mid = (low + high)/2; 
② 求解 -- 递归地对两个子区间a[low...mid] 和 a[mid+1...high]进行归并排序。递归的终结条件是子区间长度为1。
③ 合并 -- 将已排序的两个子区间a[low...mid]和 a[mid+1...high]归并为一个有序的区间a[low...high]。

平均时间复杂度:O(n*logn)

空间复杂度:O(n)

稳定性:稳定

 1 /*
 2  * 将一个数组中的两个相邻有序区间合并成一个
 3  *
 4  * 参数说明:
 5  *     a -- 包含两个有序区间的数组
 6  *     start -- 第1个有序区间的起始地址。
 7  *     mid   -- 第1个有序区间的结束地址。也是第2个有序区间的起始地址。
 8  *     end   -- 第2个有序区间的结束地址。
 9  */
10 void merge(int a[], int start, int mid, int end)
11 {
12     int *tmp = (int *)malloc((end-start+1)*sizeof(int));    // tmp是汇总2个有序区的临时区域
13     int i = start;            // 第1个有序区的索引
14     int j = mid + 1;        // 第2个有序区的索引
15     int k = 0;                // 临时区域的索引
16 
17     while(i <= mid && j <= end)
18     {
19         if (a[i] <= a[j])
20             tmp[k++] = a[i++];
21         else
22             tmp[k++] = a[j++];
23     }
24 
25     while(i <= mid)
26         tmp[k++] = a[i++];
27 
28     while(j <= end)
29         tmp[k++] = a[j++];
30 
31     // 将排序后的元素,全部都整合到数组a中。
32     for (i = 0; i )
33         a[start + i] = tmp[i];
34 
35     free(tmp);
36 }
37 
38 /*
39  * 归并排序(从上往下)
40  *
41  * 参数说明:
42  *     a -- 待排序的数组
43  *     start -- 数组的起始地址
44  *     endi -- 数组的结束地址
45  */
46 void merge_sort_up2down(int a[], int start, int end)
47 {
48     if(a==NULL || start >= end)
49         return ;
50 
51     int mid = (end + start)/2;
52     merge_sort_up2down(a, start, mid); // 递归排序a[start...mid]
53     merge_sort_up2down(a, mid+1, end); // 递归排序a[mid+1...end]
54 
55     // a[start...mid] 和 a[mid...end]是两个有序空间,
56     // 将它们排序成一个有序空间a[start...end]
57     merge(a, start, mid, end);
58 }
主要代码

 


推荐阅读
  • C++实现经典排序算法
    本文详细介绍了七种经典的排序算法及其性能分析。每种算法的平均、最坏和最好情况的时间复杂度、辅助空间需求以及稳定性都被列出,帮助读者全面了解这些排序方法的特点。 ... [详细]
  • 技术分享:从动态网站提取站点密钥的解决方案
    本文探讨了如何从动态网站中提取站点密钥,特别是针对验证码(reCAPTCHA)的处理方法。通过结合Selenium和requests库,提供了详细的代码示例和优化建议。 ... [详细]
  • 本文介绍了如何通过 Maven 依赖引入 SQLiteJDBC 和 HikariCP 包,从而在 Java 应用中高效地连接和操作 SQLite 数据库。文章提供了详细的代码示例,并解释了每个步骤的实现细节。 ... [详细]
  • 深入解析JVM垃圾收集器
    本文基于《深入理解Java虚拟机:JVM高级特性与最佳实践》第二版,详细探讨了JVM中不同类型的垃圾收集器及其工作原理。通过介绍各种垃圾收集器的特性和应用场景,帮助读者更好地理解和优化JVM内存管理。 ... [详细]
  • 深入理解OAuth认证机制
    本文介绍了OAuth认证协议的核心概念及其工作原理。OAuth是一种开放标准,旨在为第三方应用提供安全的用户资源访问授权,同时确保用户的账户信息(如用户名和密码)不会暴露给第三方。 ... [详细]
  • 优化ListView性能
    本文深入探讨了如何通过多种技术手段优化ListView的性能,包括视图复用、ViewHolder模式、分批加载数据、图片优化及内存管理等。这些方法能够显著提升应用的响应速度和用户体验。 ... [详细]
  • python的交互模式怎么输出名文汉字[python常见问题]
    在命令行模式下敲命令python,就看到类似如下的一堆文本输出,然后就进入到Python交互模式,它的提示符是>>>,此时我们可以使用print() ... [详细]
  • Java 中的 BigDecimal pow()方法,示例 ... [详细]
  • 1:有如下一段程序:packagea.b.c;publicclassTest{privatestaticinti0;publicintgetNext(){return ... [详细]
  • 本文介绍了Java并发库中的阻塞队列(BlockingQueue)及其典型应用场景。通过具体实例,展示了如何利用LinkedBlockingQueue实现线程间高效、安全的数据传递,并结合线程池和原子类优化性能。 ... [详细]
  • 探讨一个显示数字的故障计算器,它支持两种操作:将当前数字乘以2或减去1。本文将详细介绍如何用最少的操作次数将初始值X转换为目标值Y。 ... [详细]
  • 本文详细介绍了Java编程语言中的核心概念和常见面试问题,包括集合类、数据结构、线程处理、Java虚拟机(JVM)、HTTP协议以及Git操作等方面的内容。通过深入分析每个主题,帮助读者更好地理解Java的关键特性和最佳实践。 ... [详细]
  • 深入解析:手把手教你构建决策树算法
    本文详细介绍了机器学习中广泛应用的决策树算法,通过天气数据集的实例演示了ID3和CART算法的手动推导过程。文章长度约2000字,建议阅读时间5分钟。 ... [详细]
  • 本文探讨了如何在给定整数N的情况下,找到两个不同的整数a和b,使得它们的和最大,并且满足特定的数学条件。 ... [详细]
  • 本文介绍如何通过创建替代插入触发器,使对视图的插入操作能够正确更新相关的基本表。涉及的表包括:飞机(Aircraft)、员工(Employee)和认证(Certification)。 ... [详细]
author-avatar
手机用户2502893613
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有