实验内容
(1)插入排序与合并排序运行时间与排序元素个数的统计比较;
(2)阐述比较结果。
(3)利用算法采用的设计方法,时间复杂度等分析得到该结果的原因。
插入排序算法
void insertionSort(int arr[], int n) {
int i, j, key;
for (i = 1; i < n; i++) {
key = arr[i];
j = i - 1;
while (j >= 0 && arr[j] > key) {
arr[j + 1] = arr[j];
j--;
}
arr[j + 1] = key;
}
}
合并排序算法
void merge(int arr[], int l, int m, int r) {
int i, j, k;
int n1 = m - l + 1;
int n2 = r - m;
int L[n1], R[n2];
for (i = 0; i < n1; i++) {
L[i] = arr[l + i];
}
for (j = 0; j < n2; j++) {
R[j] = arr[m + 1 + j];
}
i = 0;
j = 0;
k = l;
while (i < n1 && j < n2) {
if (L[i] <= R[j]) {
arr[k] = L[i];
i++;
}
else {
arr[k] = R[j];
j++;
}
k++;
}
while (i < n1) {
arr[k] = L[i];
i++;
k++;
}
while (j < n2) {
arr[k] = R[j];
j++;
k++;
}
}
void mergeSort(int arr[], int l, int r) {
if (l >= r) {
return;
}
int m = (l + r) / 2;
mergeSort(arr, l, m);
mergeSort(arr, m + 1, r);
merge(arr, l, m, r);
}
运行时间比较
时间复杂度
插入排序
合并排序
实验结果
由可视化分析可以得出,当n逐渐增大后,合并排序用时比直接插入用时少。
原因分析
直接插入排序和归并排序的效率取决于多个因素,包括数据量、数据分布、内存使用和计算机性能等。在一般情况下,归并排序的效率更高,因为它的时间复杂度为O(nlogn),而直接插入排序的时间复杂度为O(n^2)。
但是,对于较小的数据集,直接插入排序可能会更快,因为它的常数因子较小。此外,对于特定的数据集和特定的计算机环境,两种算法的效率也可能会发生变化。因此,在选择使用哪种算法时,需要根据具体情况进行评估和测试。
问题
非递归直接插入排序(insertionSort)和递归归并排序(mergeSort)的执行时间在处理3000个随机整数时,应该都是随着元素数量的增加而增加的。然而,由于代码中,插入排序和归并排序函数处理的是同一个列表(arr),因此,当执行插入排序后,列表已经被排序,这使得归并排序变得非常快,因为它处理的是一个已经部分排序的列表。
解决方法
为了解决这个问题,可以为两种排序算法分别生成不同的随机列表,或者在每次运行排序算法之前,都重新打乱列表的顺序。这样,每次运行两种算法时,列表的顺序都是一样的,结果可以更准确地比较两种算法的效率。
源码
#include <stdio.h>
#include <stdlib.h>
#include <time.h>
// 直接插入排序
void insertionSort(int arr[], int n) {
int i, j, key;
for (i = 1; i < n; i++) {
key = arr[i];
j = i - 1;
while (j >= 0 && arr[j] > key) {
arr[j + 1] = arr[j];
j--;
}
arr[j + 1] = key;
}
}
//合并排序
void merge(int arr[], int l, int m, int r) {
int i, j, k;
int n1 = m - l + 1;
int n2 = r - m;
int L[n1], R[n2];
for (i = 0; i < n1; i++) {
L[i] = arr[l + i];
}
for (j = 0; j < n2; j++) {
R[j] = arr[m + 1 + j];
}
i = 0;
j = 0;
k = l;
while (i < n1 && j < n2) {
if (L[i] <= R[j]) {
arr[k] = L[i];
i++;
}
else {
arr[k] = R[j];
j++;
}
k++;
}
while (i < n1) {
arr[k] = L[i];
i++;
k++;
}
while (j < n2) {
arr[k] = R[j];
j++;
k++;
}
}
void mergeSort(int arr[], int l, int r) {
if (l >= r) {
return;
}
int m = (l + r) / 2;
mergeSort(arr, l, m);
mergeSort(arr, m + 1, r);
merge(arr, l, m, r);
}
int main() {
int n = 3000; // 排序元素个数(可调整)
int arr[n]; // 排序数组(可调整)
clock_t start, end; // 计时变量(可调整)
double cpu_time_used; // CPU时间差(可安排)
srand((unsigned int)time(NULL)); // 初始化随机数种子(可调整)
//直接插入排序运行时间统计和排序元素个数统计比较
start = clock(); // 记录开始时间(可调整)
insertionSort(arr, n); // 非递归直接插入排序(可调整)
end = clock(); // 记录结束时间(可调整)
cpu_time_used = ((double)(end - start)) / CLOCKS_PER_SEC; // 计算CPU时间差(可调整)
printf("排序元素个数:%d\n", n); // 输出排序元素个数(可调整)
printf("直接插入排序时间:%.6f秒\n", cpu_time_used); // 输出排序时间(可调整)
// 合并排序运行时间统计和排序元素个数统计比较
start = clock(); // 记录开始时间(可调整)
mergeSort(arr, 0, n - 1); // 递归合并排序(可调整)
end = clock(); // 记录结束时间(可调整)
cpu_time_used = ((double)(end - start)) / CLOCKS_PER_SEC; // 计算CPU时间差(可调整)
//printf("排序元素个数:%d\n", n); // 输出排序元素个数(可调整)
printf("合并排序时间:%.6f秒\n", cpu_time_used); // 输出排序时间(可调整)
return 0;
}