25考研数据结构复习·8.3选择排序·8.4归并排序/基数排序·8.5外部排序

目录

选择排序

简单选择排序

算法原理

性能

👩‍💻 堆排序

堆

顺序存储的“完全二叉树”

算法思想（以大根堆为例）

建堆

排序

特性

插入

删除

关键字对比次数

归并排序、基数排序

归并排序

👩‍💻 Merge（归并）

归并排序算法

性能

基数排序

算法思想

性能

擅长处理

外部排序

外部排序

败者树

置换-选择排序

最佳归并树

理论基础

如何虚构

补充虚段

---

选择排序

简单选择排序

算法原理

1. 每一趟在待排序元素中选取关键字最小的元素加入有序子序列
2. 必须进行总共n-1趟处理

性能

1. 👩‍💻 时间复杂度：O(n^2)（始终是）
2. 空间复杂度：O(1)
3. 稳定性：不稳定
4. 适用性：顺序表、链表都可以

👩‍💻 堆排序

堆

顺序存储的“完全二叉树”

1. 结点i的左孩子是2i；右孩子是2i+1；父节点是i/2
2. 编号≤n/2的结点都是分支节点

大根堆（根 ≥ 左、右）；小根堆（根 ≤ 左、右）

算法思想（以大根堆为例）

建堆

1. 编号≤n/2的所有结点依次“下坠”调整（自底向上处理各分支节点）
2. 👩‍💻 调整规则：小元素逐层“下坠”（与关键字更大的孩子交换）

排序

1. 将堆顶元素加入有序子序列（堆顶元素与堆底元素交换）
2. 堆底元素换到堆顶后，需要进行“下坠”调整，恢复“大顶堆”的特性
3. 上述过程重复n-1趟

特性

1. 空间复杂度：O(1)
2. 时间复杂度：建堆O(n)、排序O（nlogn）；总的时间复杂度O(nlog2n)
3. 稳定性：不稳定
4. 基于大根堆的堆排序得到“递增序列”，基于小根堆的堆排序得到“递减序列”

插入

1. 新元素放到表尾（堆底）
2. 根据大/小根堆的要求，新元素不断“上升”，直到无法继续上升为止

删除

1. 被删除元素用表尾（堆底）元素替代
2. 根据大/小根堆的要求，替代元素不断“下坠”，直到无法继续下坠为止

关键字对比次数

1. 每次“上升”调整只需对比关键字1次
2. 每次“下坠”调整可能需要对比关键字2次，也可能只需对比1次

归并排序、基数排序

归并排序

👩‍💻 Merge（归并）

1. 把两个或多个有序的子序列合并为1个
2. 二路合并——二合一
3. k路合并——k合一

归并排序算法

1. 若low < high，则将序列分为从中间 mid = (low + high)/2分开
2. 对左半部分[low,mid]递归地进行归并排序
3. 对右半部分[mid+1,high]递归地进行归并排序
4. 将左右两个有序子序列Merge为一个

性能

1. 时间复杂度：O(nlog2n)
2. 空间复杂度：O(n)
3. 稳定性：稳定的

基数排序

算法思想

1. 将整个关键字拆分为d位（或“组”）
2. 按照各个关键字位权重递增的次序（如：个 十 百），做d趟“分配”和“收集”，若当前处理的关键字位 可能取得r个值，则需要建立r个队列
3. 分配：顺序扫描各个元素，根据当前处理的关键字位，将元素插入相应队列，一趟分配耗时O(n)
4. 收集：把各个队列中的结点依次出队并链接，一趟收集耗时O(r)

性能

1. 时间复杂度：O(d(n+r))
2. 空间复杂度：O(r)
3. 稳定性：稳定

擅长处理

1. 数据元素的关键字可以方便的拆分位d组，且d较小
2. 每组关键字的取值范围不大，即r较小
3. 数据元素个数n较大

外部排序

外部排序

1. 若要进行k路归并排序，则需要在内存中分配k个输入缓冲区和1个输出缓冲区
2. 步骤
   1. 生成r个初始归并段（对L个记录进行内部排序，组成一个有序的初始归并段）
   2. 进行S趟k路归并，S = ⌈logkr⌉
3. 如何进行k路归并
   1. 把k个归并段的块读入k个输入缓冲区
   2. 用”归并排序“的方法从k个归并段中选出几个最小记录暂存到输出缓冲区中
   3. 当输出缓冲区满时，写出外存
4. 时间开销：读写外存的事件 + 内部排序所需事件 + 内部归并所需时间
5. 优化
   1. 增加归并路数k，进行多路平衡归并
      1. 代价1：需要增加相应的输入缓冲区
      2. 代价2：每次从k个归并段中选一个较小元素需要（k-1）次关键字对比（可用“败者树”减少关键字对比次数）
   2. 减少初始归并段数量r

败者树

1. 解决的问题：使用多路平衡归并可减少归并趟数，但是用老土方法从k个归并段选出一个最小/最大元素需要对比关键字k-1次，构造败者树可以使关键字对比次数减少到**⌈log2k⌉**
2. 败者树可视为一棵完全二叉树，k个叶节点分别对应k个归并段中当前参加比较的元素，非叶子结点用来记忆左右子树中的“失败者”，而让胜者往上继续进行比较，一直到根节点。

置换-选择排序

设初始待排文件FI，初始归并段输出文件为FO，内存工作区位WA，FO和WA的初始状态为空，WA可容纳w个记录。置换-选择算法的步骤如下：

1. 从FI输入w个记录到工作区WA
2. 从WA中选出其中关键字取最小值的记录，记录MINIMAX记录。
3. 将MINIMAX记录输出到FO中去
4. 若FI不空，则从FI输入下一个记录到WA中
5. 从WA中所有关键字MINIMAX记录的关键字大的记录中选出最小关键字记录，作为新的MINIMAX记录
6. 重复3-5，直至WA中选不出新的MINIMAX记录为止，由此得到一个初始段并段，输出一个归并段的结束标志到FO中去
7. 重复2-6，直至WA为空。由此得到全部初始段并段。

最佳归并树

理论基础

1. 每个初始段并段对应一个叶子结点，把归并段的块数作为叶子的权值
2. 归并树的WPL = 树中所有叶节点的带权路径长度之和
3. 归并过程中的磁盘I/O次数 = 归并树的WPL * 2

注意： k叉归并的最佳归并树一定是严格k叉树，即树中只有度为k、度为0的结点

如何虚构

补充虚段

1. 若（初始归并段数量 - 1） % （k-1） = 0，说明刚好可以构成严格k叉树，此时不需要添加虚段
2. 若（初始归并段数量 - 1） % （k-1） = u ≠ 0，则需要补充（k-1）- u个虚段

构造k叉哈夫曼树：每次选择k个根节点权值最小的树合并，并将k个根节点的权值之和作为新的根节点的权值