Fork me on GitHub

数据结构学习笔记排序 (冒泡、插入、希尔、堆排序、归并排序)

数据结构学习笔记排序 (冒泡、插入、希尔、堆排序、归并排序)

  • 前提void X_Sort ( ElementType A[], int N )

  • 大多数情况下，为简单起见，讨论从小大的整数排序

  • N是正整数

  • 只讨论基于比较的排序（> = < 有定义）

  • 只讨论内部排序

  • 稳定性：任意两个相等的数据，排序前后的相对位置不发生改变

  • 没有一种排序算法是任何情况下都表现最好的

冒泡排序

  • (从小到大排序)物理意义：大泡泡往下沉，小泡泡往上冒

  • 每次比较相邻两个泡泡，符合条件，交换位置，每一轮比较完，最大的泡泡沉到最底下。

  • 最好情况：顺序T = O( N )

  • 最坏情况：逆序T = O( N^2 )

注意

  • 设置交换标识
  • 坏处：逆序复杂度比较大，好处：当时单向链表排序的时候，适合（从上到下，相邻交换）；严格大于的时候才交换，即有：稳定

实现

void Bubble_Sort(ElementType A[], int N)
{
	for (int P = N - 1; P >= 0;P--)
	{
		int flag = 0;
		for (int i = 0; i < P; i++)  /*一趟冒泡排序*/
		{
			if (A[i]>A[i+1])
			{
				int temp = A[i];
				A[i] = A[i + 1];
				A[i + 1] = temp;
				flag = 1;/*标识发生了交换*/
			}
		}
		if (flag==0)
		{
			break; /*全程无交换*/
		}
	}
}

插入排序

  • (从小到大排序) 和打扑克摸牌差不多，每次摸牌从最后往前依次进行比较，需插入的牌小，往前比较，找到合适位置插入。

  • 最好情况：顺序T = O( N )

  • 最坏情况：逆序T = O( N^2 )

注意

  • 稳定

实现

void Insertion_Sort(ElementType A[], int N)
{
	for (int P = 1; P < N;P++) //第一张已在手
	{
		int temp = A[P];/*摸一下张*/
		for (int i = P; i>0 && A[i - 1] > temp;i--)
		{
			A[i] = A[i - 1]; //依次与已排序序列中元素比较并右移
		}
		A[P] = temp;
	}
}

时间复杂度下界（womiga）

  • 逆序对（inversion）I逆序对的个数
  • 交换2个相邻元素正好消去1个逆序对
  • 插入排序：T(N+I)=O(N+I)
  • 如果序列基本有序，则插入排序简单且高效

希尔排序

  • 原始希尔排序DM = [N / 2]向下取整 , Dk = [D(k+1) / 2]向下取整

  • 最坏情况： T =Ο( N^2 ) 不稳定

  • 增量元素不互质，则小增量可能根本不起作用。

  • 更多的增量序列

实现

//原始的shell排序--theta(N*N)
void Shell_Sort(ElementType A[], int N)
{
	for (int D = N / 2; D > 0; D++) /*希尔增量序列*/
	{
		for (int P = D; P < N;P++) //插入排序
		{
			int temp = A[P];
			for (int i = P; i >= D&&A[i - D]>temp;i-=D)
			{
				A[i] = A[i - D];
			}
			A[P] = temp;
		}
	}
}

void ShellSort(ElementType A[], int N)
{ /* 希尔排序 - 用Sedgewick增量序列 */
	int Si, D, P, i;
	ElementType Tmp;
	/* 这里只列出一小部分增量 */
	int Sedgewick[] = { 929, 505, 209, 109, 41, 19, 5, 1, 0 };

	for (Si = 0; Sedgewick[Si] >= N; Si++)
		; /* 初始的增量Sedgewick[Si]不能超过待排序列长度 */

	for (D = Sedgewick[Si]; D > 0; D = Sedgewick[++Si])
	for (P = D; P<N; P++) { /* 插入排序*/
		Tmp = A[P];
		for (i = P; i >= D && A[i - D]>Tmp; i -= D)
			A[i] = A[i - D];
		A[i] = Tmp;
	}
}

堆排序

  • 回顾选择排序

  • 选择排序交换的最多N次；关键在每次找到最小元素位置，简单暴力或者最小堆

算法一，最小堆

算法二，最大堆

  • 首先将堆调整为最大堆，堆顶元素为数组最大元素在A[0]位置，与A[N]交换位置。找到最大元素，将其放在最后。再调整为最大堆，且堆的大小-1，为N-1。依次执行。
  • 定理：堆排序处理N个不同元素的随机排列的平均比较次数是2N logN - O(Nlog logN) 。
  • 不稳定
  • 虽然堆排序给出最佳平均时间复杂度，但实际效果不如用Sedgewick增量序列的希尔排序。

实现

void PercDown(ElementType A[], int p, int N)
{ /* 改编代码4.24的PercDown( MaxHeap H, int p )    */
	/* 将N个元素的数组中以A[p]为根的子堆调整为最大堆 */
	int Parent, Child;
	ElementType X;

	X = A[p]; /* 取出根结点存放的值 */
	for (Parent = p; (Parent * 2 + 1) < N; Parent = Child) {
		Child = Parent * 2 + 1;
		if ((Child != N - 1) && (A[Child] < A[Child + 1]))
			Child++;  /* Child指向左右子结点的较大者 */
		if (X >= A[Child]) break; /* 找到了合适位置 */
		else  /* 下滤X */
			A[Parent] = A[Child];
	}
	A[Parent] = X;
}

void Heap_Sort(ElementType A[], int N) //和堆的操作有点不一样：这里从0开始存储元素，堆的操作0位置为哨兵
{
	for (int i = N / 2 - 1; i >= 0; i--) /*buildMaxHeap建立最大堆*/
	{
		PercDown(A, i, N);
	}

	for (int i = N - 1; i > 0;i--)
	{
		/*删除最大堆顶*/
		int temp = A[0];
		A[0] = A[i];
		A[i] = temp;
		PercDown(A, 0, i); //长度减1,依次建立
	}
}

应用

 找十个最小的，那你最简单的方法只要一个个比过去，用10N就好。
 1万个数里面找最大的10个数，也就说只需要一个大小为10的最小堆就行了。
 从第11个数开始，每次输入一个数，比堆顶大的话，就替换掉堆顶元素。
 这样1w个数下来，最小堆中就保存了最大的10个数字。
 复杂度是 1W * log（10）， 或者说 N log（k） 其中 k是一个远比N小的常数

归并排序

  • 归并排序一般不作内排序，在外排序中用

  • 核心：有序子列的归并

  • 稳定排序

有序子列的归并实现

/* L = 左边起始位置, R = 右边起始位置, RightEnd = 右边终点位置*/
void Merge( ElementType A[], ElementType TmpA[], int L, int R, int RightEnd )
{ /* 将有序的A[L]~A[R-1]和A[R]~A[RightEnd]归并成一个有序序列 */

     int LeftEnd = R - 1; /* 左边终点位置 */
     int temp = L;         /* 有序序列的起始位置 */
     int NumElements = RightEnd - L + 1;
      
     while( L <= LeftEnd && R <= RightEnd ) {
         if ( A[L] <= A[R] )
             TmpA[temp++] = A[L++]; /* 将左边元素复制到TmpA */
         else
             TmpA[temp++] = A[R++]; /* 将右边元素复制到TmpA */
     }
 
     while( L <= LeftEnd )
         TmpA[temp++] = A[L++]; /* 直接复制左边剩下的 */
     while( R <= RightEnd )
         TmpA[temp++] = A[R++]; /* 直接复制右边剩下的 */
          
     for(int i = 0; i < NumElements; i++, RightEnd -- ) //细节处理
         A[RightEnd] = TmpA[RightEnd]; /* 将有序的TmpA[]复制回A[] */
}

递归算法

void Msort( ElementType A[], ElementType TmpA[], int L, int RightEnd )
{ /* 核心递归排序函数 */ 
     int Center;
      
     if ( L < RightEnd ) {
          Center = (L+RightEnd) / 2;
          Msort( A, TmpA, L, Center );              /* 递归解决左边 */ 
          Msort( A, TmpA, Center+1, RightEnd );     /* 递归解决右边 */  
          Merge( A, TmpA, L, Center+1, RightEnd );  /* 合并两段有序序列 */ 
     }
}
 
void MergeSort( ElementType A[], int N )
{ /* 归并排序 */
     ElementType *TmpA;
     TmpA = (ElementType *)malloc(N*sizeof(ElementType));
      
     if ( TmpA != NULL ) {
          Msort( A, TmpA, 0, N-1 );
          free( TmpA );
     }
     else printf( "空间不足" );
}

非递归算法

/* 归并排序 - 循环实现 */
/* 这里Merge函数在递归版本中给出 */
 
/* length = 当前有序子列的长度*/
void Merge_pass( ElementType A[], ElementType TmpA[], int N, int length )
{ /* 两两归并相邻有序子列 */
     int i, j;
       
     for ( i=0; i <= N-2*length; i += 2*length )
         Merge( A, TmpA, i, i+length, i+2*length-1 );
     if ( i+length < N ) /* 归并最后2个子列*/
         Merge( A, TmpA, i, i+length, N-1);
     else /* 最后只剩1个子列*/
         for ( j = i; j < N; j++ ) TmpA[j] = A[j];
}
 
void Merge_Sort( ElementType A[], int N )
{ 
     int length; 
     ElementType *TmpA;
      
     length = 1; /* 初始化子序列长度*/
     TmpA = malloc( N * sizeof( ElementType ) );
     if ( TmpA != NULL ) {
          while( length < N ) {
              Merge_pass( A, TmpA, N, length );
              length *= 2;
              Merge_pass( TmpA, A, N, length );
              length *= 2;
          }
          free( TmpA );
     }
     else printf( "空间不足" );
}

Reference

posted @ 2017-05-01 17:47  ranjiewen  阅读(665)  评论(0)  编辑  收藏  举报