考研数据结构——(排序)

最新推荐文章于 2023-03-18 21:03:02 发布

码mamba

最新推荐文章于 2023-03-18 21:03:02 发布

阅读量634

点赞数 4

分类专栏：考研数据结构文章标签：数据结构排序算法算法

本文链接：https://blog.csdn.net/Seven597/article/details/125697732

版权

考研数据结构专栏收录该内容

12 篇文章 3 订阅

订阅专栏

排序

一、排序的基本概念
- 1.1 排序算法的评价指标
- 1.2 内部排序和外部排序
二、插入排序
三、交换排序
四、简单排序
五、归并排序与基数排序
六、内部排序算法大对比
七、外部排序
八、数据结构一轮结束

一、排序的基本概念

1.1 排序算法的评价指标

稳定性

注意并不一定一定要求稳定，但是如果排序的字段其他信息不一致，就要要求稳定性了。

在这里插入图片描述

1.2 内部排序和外部排序

内部排序：数据都在内存，关注时间复杂度、空间复杂度
外部排序：数据也在外村，关注时间复杂度、空间复杂度、磁盘读写次数

在这里插入图片描述

二、插入排序

2.1 直接插入排序

存储结构：顺序存储、链式存储；

直接插入排序的算法思想

以从小到大排序为例；
最开始从下标为1的元素开始， for(1 -> n-1)
先保存当前元素；当前元素与前驱元素进行比较。当小于前驱元素时，前驱元素后移；
后移后当前元素依次与前面所有元素进行比较，大的后移一次；直到不再比当前元素大，将当前元素放到最终位置；

在这里插入图片描述

算法实现

非哨兵实现方式
哨兵实现方式

算法效率分析

⭐ 空间复杂度

在这里插入图片描述
⭐ 时间复杂度

最好情况

就是本来就是排好序的，只进行 n-1次比较；

在这里插入图片描述
2. 最差情况

每次对比都进行n+1次移动；

在这里插入图片描述

⭐ 算法分析总结
在这里插入图片描述

采用链式存储结构

在这里插入图片描述

2.2 折半插入排序

存储结构：顺序结构
链式存储结构实现不了（因为折半查找的原因）

算法思想

由于前面的序列已经有序，所以
先通过折半查找找当前元素要插入到前遍序列的位置，再将该位置后的元素依次后移，将当前元素插入到指定位置；

在这里插入图片描述

折半插入代码

哨兵实现方式

效率分析

在这里插入图片描述

2.3 插入排序和折半插入排序知识总结

在这里插入图片描述

2.4 希尔排序

在这里插入图片描述

希尔排序介绍

第一趟（d增量设为 4； ⭐即n(元素个数) / 2）

⭐ 排序前（划分成多个子表，按增量d划分，例如 1+d，1+2d，1+3d为一个子表）

⭐ 排序后（就是子表内进行直接插入排序）

第二趟（d=4/2 = 2）

⭐ 排序前

⭐ 排序后

第三趟（d= 4/2/2 = 1）

⭐ 排序前

⭐ 排序后

⭐ 总览
在这里插入图片描述

算法实现

代码描述图片已经标记

在这里插入图片描述

算法性能分析

时间复杂度和空间复杂度分析

在这里插入图片描述

稳定性分析

不稳定
只适用于顺序表，不适应链表

在这里插入图片描述

希尔排序知识回顾

在这里插入图片描述

三、交换排序

在这里插入图片描述

3.1 冒泡排序

代码描述图片已经标记
⭐ 元素和前驱元素比较，采用严格不等号；在相等情况下不交换，可以保证代码的稳定性；

算法实现

本算法是从后向前冒，也可以从前向后冒；

在这里插入图片描述

时间性能分析

时间、空间复杂度

在这里插入图片描述

稳定性
交换条件严格不等号，稳定的。

存储结构，适用于链表也；

在这里插入图片描述

冒泡排序知识总结

在这里插入图片描述

3.2 快速排序

快排实现思想

在这里插入图片描述
🌙 具体步骤

本次示例为中间部分，快排的思想是

选中一个元素, 将其他元素与该元素进行比较，小的在该元素左侧，大的在该元素右侧；
因此就会分离成两个子表，该元素左侧的子表均小于该元素，右侧的子表均大于该元素
对左右子表在快排，从而才分，直到全部确定为有序；

本次示例就是，一个子表的快排具体步骤
首先将最左侧元素确定
1.确定low（最左侧元素）、high（最右侧元素）；
2.初始选择low指向的元素为基准元素（接下来每个元素都会与之比较，小在左，大在右，从而确定low的具体位置）

3.先比较high与基本元素，
① 如果high指向的元素小于基本元素，将其移动到low指向的位置；
② 如果high指向的元素还是大于基本元素， high指针继续左移，直到找到小于（严格小于）基本元素的位置；

4.然后low此时应该向右移动，然后low新指向的元素与基本元素比较，
① 如果low指向的新位置大于的话就将其放置到high的位置；
② 如果low指向的新位置还是小于基本元素，那么low继续右移，直到找到大于（严格大于）基本元素的位置；

5.再切换到high，high左移，比较high指向的元素是不是小于基本元素，如果小于则，将high指向的元素移动到low指向的位置；

6.再切换到low，low向右移动， low和high碰头，就将基础元素，放到low和high共同指向的位置；

快速排序的算法实现

在这里插入图片描述

时间效率分析

时间复杂度： O(n * 递归层数) （时间复杂度和递归层数息息相关）
空间复杂度： O(递归层数) （也与递归层数有关）
⭐ 所以研究空间、时间复杂度，先研究递归层数

在这里插入图片描述

⭐ 递归调用的次数，和其排序好的序列转换成二叉树树的深度最高、最低有关

在这里插入图片描述
⭐ 快排效率总结

⭐ 稳定性

不稳定

在这里插入图片描述

优化快排

每次选取low作为枢轴元素的时候，如果排序的序列是有序的，每次分割的两个部分都会最不均匀，费时最大。
但是如果每次选择的枢轴元素放到指定位置后，将分割的两个部分比较均匀，则算法效率值最高。
介于此，可以采用如下方案进行优化快排；

选头、中、尾三个位置的元素取中间值，作为枢轴元素；
随机选取元素作为枢轴元素；

在这里插入图片描述

快速排序知识点总结

在这里插入图片描述

注意 408的代码实现的 “一趟排序” 和 “一次划分” 的概念

一次排序是否等于一次划分，一定要从代码实现上去分析。

假如一趟排序后，只确定一个枢轴的位置，就是等于一次划分的；
如果一趟排序后，可以确定多个枢轴的位置，就是等于多次划分的；

一次划分其实就是一个partition函数的执行，而一趟排序可能执行两次parttion函数。

在这里插入图片描述

四、简单排序

在这里插入图片描述

4.1 简单选择排序

简单选择排序的实现过程

选择一个关键字最小的元素，然后与前面的位置进行交换
交换后 2. 在余下的元素中选择关键字最小的
再交换
3. 如此直到最后一个元素，而最后一个元素就不用比较了，因此就是需要n-1次处理；

简单选择排序的代码实现

在这里插入图片描述

算法性能分析

时间复杂度与空间复杂度；

在这里插入图片描述

稳定性：不稳定；

既可以通过链表实现，也可以通过链表实现；

在这里插入图片描述

简单快速排序的知识总结

简单排序算法，并不会因为给出的元素的出场顺序不同，从而导致时间复杂度不同。反而它的时间复杂度一直是o(n^2)

在这里插入图片描述

4.2 堆排序

概念补充

⭐ 完全二叉树顺序存储的知识
在这里插入图片描述

⭐ 大、小根堆

大、小根堆可以想想成，顺序的存储结构，转换成一颗完全二叉树后，根结点与左右结点比较，根大大根堆，根小小根堆；
所以说，大根堆，初始元素一定是最大的，小根堆初始元素一定是最小的。所以根堆的存储方式，进行选择排序将异常的方便；

在这里插入图片描述
⭐ 大根堆

⭐ 小根堆

根据初始序列建立大根堆

⭐ 口诀：根小根下坠，根换大孩子。

检查所有的非终端结点（i<[n/2] 向下取整）是否满足大根堆（根大于其左右孩子），n是元素个数；2. 如果不满足(根不大于左右孩子)，将根和更大的左右孩子进行互换。

换完后
3. 再检查下一个中间结点(【n/2】向下取整 - 1)，如果不满足大根堆特性（根大于左右孩子），则与更大的孩子进行互换。
4.如果在处理大根堆时，根结点与较大孩子结点互换(在树根位置)出现换完后孩子结点小于其左右子树
则也印个相同的方式向下调整，较大的子树与根结点互换。

建立大根堆的代码

在这里插入图片描述

基于大根堆进行排序的思想

🌙这种替换思想是不基于额外存储空间的条件下执行的。

⭐1. 首次将堆顶元素与最后一个元素交换（就是堆顶元素加入有序序列） 87也就是大根堆的堆顶就是有序序列第一个元素，交换后，堆顶元素并不是最大的，因此需要进行大根堆的调整函数HeadJust(剩余序列，k为根，长度)

调整后，又成为大根堆存储结构
⭐2.重复步骤一
1.堆顶加入有序序列(不需要额外空间，和序列尾部元素对换就行)
2.然后又排序大根堆，再调用大根堆排序函数
⭐3.进行n-1趟处理后，基于大根堆的堆排序就会得到一个递增的序列，因为每次都是堆头(大根堆队头元素最大)和队尾元素换。

堆排序完整代码（建立大根堆，下坠调整，基于根堆的选择排序）

在这里插入图片描述

算法效率分析

时间、空间复杂度

在这里插入图片描述

稳定性

在这里插入图片描述

堆排序知识小总结

在这里插入图片描述

小根堆内插入元素

1.首先将新元素放到表尾
2.新元素与其父结点进行对比，如果小于父节点，就交换。
3.上升后再对比。直到大于父节点为止。

在这里插入图片描述

在小根堆中删除元素

1.首先删除对应元素，用堆底元素代替被删除的元素
2.然后让该元素一直与其孩子结点对比，因为是小根堆，所以与更小的孩子换。

在这里插入图片描述

下坠过程中关键字对比过程

有几个孩子就对比几次

在这里插入图片描述

插入删除知识总结

在这里插入图片描述

五、归并排序与基数排序

5.1 归并排序

归并排序的介绍

在这里插入图片描述

n路归并

几个有序数组就是几路归并

在这里插入图片描述

归并排序的具体思想

第一次归并其实就是两两进行归并
第二次归并，将上一趟归并好的，再两两归并。
依次执行，直到归并成一个有序的序列；

在这里插入图片描述

归并排序算法实现

在这里插入图片描述

归并排序的时间效率分析

时间、空间复杂度如下
稳定性：稳定！

在这里插入图片描述

归并排序的知识总结

在这里插入图片描述

5.2 基数排序

基数排序的执行步骤

建辅助队列数组
第一趟按个位进行分配得到如此分布第一趟收集结束后是按个位递减 3. 第二趟以十位进行分配因为我们第一趟以个位分配，所以当十位相同时，个位越大的先入队了第二趟收集后4. 第三趟就以百位进行分配因为第二趟是按十位进行分配所以当百位相同时，十位大的先分配了第三趟收集结束后就是一个有序额序列了

⭐基数排序步骤总览
在这里插入图片描述

⭐ 基数排序的文字描述

注意

如果递减的话收集就从高位队列开始收集；
如果递增的话收集就从低位队列开始收集；

基数排序并不是基于比较的排序；

在这里插入图片描述

时间效率分析

时间、空间复杂度

在这里插入图片描述

稳定性

在这里插入图片描述

基数排序的应用

⭐ 年龄排序
在这里插入图片描述
⭐ 基数排序善于解决什么问题?

基数排序知识总结

在这里插入图片描述

六、内部排序算法大对比

6.1 从时空复杂度、稳定性、算法过程特征分析

在这里插入图片描述

6.2 各种算法的时间复杂度、空间复杂度、稳定性整理

在这里插入图片描述

6.3 对内部排序算法比较和应用考虑的情况

在这里插入图片描述

七、外部排序

7.1 外存、内存之间的数据交换

在这里插入图片描述

7.2 外部排序的原理

只需要三块大小的缓冲区（两个输入，一个输出）即可对任意的文件进行排序。
构造初始归并块

每次读入两个块到内存的两个输入缓冲区，进行内部排序；
排好序的块，通过输出缓冲区，写回到磁盘；

n个块需要n次读、写操作；

🌙 进行“归并排序”

⭐ 第一趟归并

假如一个归并段有两个块，在两个归并段中，读入两个最小的块到输入缓冲区，进行归并排序，存储到输出缓冲区；
2. 当输出缓冲区满了以后，将数据写出到外存；当缓冲区空了后，接的读入数据。如果是输入缓冲区1读入的归并段1了，它空了就快速读入归并段1的后一块数据。如果输入缓冲区2空了，同理。
下面的归并段也是如此逻辑，第一趟归并结束后如图所示。

⭐第二趟归并

此时一个归并段有四个块，我们将两个归并段中最小的一块读进到输入缓冲区，进行归并排序，放到输出缓冲区。
输出缓冲区满了一块，就写到外存一块；
输入缓冲区空了，就从对应输送数据的归并块读入元素；
两个归并段全部排序完，再按此逻辑排序其他的归并块；
直到全部排序；值得注意的是，每次归并完两块归并段，其实是存到外村的其他存储空间的，原来元素占用的存储空间归还。

⭐ 第三趟归并

归并方式同第二趟

在两个归并段，选最小的块读入到输入缓冲区。进行归并排序，放到输出缓冲区，满了就写回磁盘；
输入缓冲区空了就从对应归并段读入块；
直到所有数据排序结束；

7.3 外部排序的时间开销分析

在这里插入图片描述

通过更多多路归并减少归并趟数从而起到优化作用

在这里插入图片描述

k 越大， r越小；

k表示多路归并，也就是对应的k个输入缓冲区；
r表示初始归并段，也就是把外存的块分成多少个归并段，归并段越少，其内部的块越多；

注意k变大带来的负面作用；

因为k是输入缓冲区，所以k越大，占用内存开销越大；
k也代表的k路归并，而k路归并要进行(k-1)次比较，所以k越大，比较的次数越多；

在这里插入图片描述

通过减少归并段（每个段的长度增加，也就是每个段的块数增加）

在这里插入图片描述

7.4 外部排序的知识总结

在这里插入图片描述

⭐ 多路平衡归并概念纠正

在这里插入图片描述

7.5 败者树（减少关键字对比次数。多路归并k增加时，关键字对比次数会增加）

多路平衡归并带来的问题（比较次数过多）

在这里插入图片描述

什么是败者树

在这里插入图片描述

败者树在多路平衡归并中的应用

第一轮从每个段中选出一个元素进行对比，共对比n-1次；
根节点会记录胜利者所在段编号；
分支结点会记录在本轮中失败的段编号；
叶子节点保存了每个段派出的元素。

这样第一次选出一个最小的元素

在这里插入图片描述

所在段在补充上一个元素，进行向上对比，但是此时对比的次数就大大减少了，只需要比对数的层数 [log2k] 向上取整

在这里插入图片描述

败者树知识回顾

在这里插入图片描述

7.6 置换-选择排序（减少初始归并段数量）

土办法构造初始归并段

首先看内存能容纳的记录个数： l；
然后看有多少个外存数据需要处理： n；
则初始归并段数量就是 n/l = r；

在这里插入图片描述

置换选择排序的实现步骤、思想

外存目前有24条记录，内存工作区只能容纳3条，按照土方法，初始归并块数量应为 8个；

⭐ 确定第一个归并段

2.首先读入三个记录

3. ①将最小的元素放到输出缓冲区，②用minimax记录最小的元素值，③从外存中读入一个元素

4. 读入元素后，①再找出一个最小值，②并且比较该值与minimax的大小，如果大于minimax就放到输出缓冲区，并再从外存读入一个元素；
5. 一直如此，直到选出最小的值小于minimax。就将此数据标记，然后除了该数据，再选个最小的看看是否小于minimax，如果小于就标记，大于就放到输出缓冲区，输出缓冲区满了就写到外存；

6. 直到输入缓冲区所有元素都被标记；此时就确定了第一个归并段；

⭐ 第二个归并段开始

在目前的输入内存缓冲区中选出一个最小的数据输出，并记录到minimax中，重复第一归并段选取规则；

⭐ 接下来的归并段都是这样确定，直到所有元素被归并；

通过这种方式进行归并，归并段的长度可以超过缓冲区的长度；

在这里插入图片描述

置换选择排序知识回顾(代码文字描述)

在这里插入图片描述

7.7 最佳归并树（优化二路归并树为最佳归并树，也就是哈夫曼树）

归并树的神秘特性

读磁盘的次数 = 写磁盘的次数，等于归并树的WPL(带权路径长度，权值*到根结点长度的和)
而哈夫曼树的带权路径长度是最小的，因此，我们让归并树成为哈弗曼树，就可以最小的读写磁盘；

下图绿色结点的数量为归并段中磁盘块的数量

在这里插入图片描述
⭐ 通过构造2路归并的最佳归并树

多路归并的最佳归并树

⭐ 正常归并，读写次数很多
在这里插入图片描述

⭐ 最佳归并

对于三路归并的最佳归并树
每次都选择最小的三个归并段

在这里插入图片描述

⭐⭐ 注意如果对于k叉归并树，如果归并段不满足是k的整数倍应该增加虚段；

⭐ 错误归并👇
在这里插入图片描述
⭐正确归并👇

应该补0虚段来进行哈夫曼树的构造（也就是最佳归并树的归并）

在这里插入图片描述

⭐那么应该步长多少个归并段？

初始归并段数为n， k叉树；

若 (n-1) % (k-1) == 0 ; 不用添加虚段；
若 (n-1) % (k-1) == u (u ≠ 0) ；则应该增加 k -1 - u 个虚段；

在这里插入图片描述

最佳归并树知识点总结

在这里插入图片描述

八、数据结构一轮结束

在这里插入图片描述

码mamba

关注

4
点赞
踩
8

收藏

觉得还不错? 一键收藏
0
评论
考研数据结构——(排序)

第一趟（d增量设为4；⭐即n(元素个数)/2）⭐排序前（划分成多个子表，按增量d划分，例如1+d，1+2d，1+3d为一个子表）⭐排序后（就是子表内进行直接插入排序）第二趟（d=4/2=2）⭐排序前⭐排序后第三趟（d=4/2/2=1）⭐排序前⭐排序后⭐总览🌙具体步骤本次示例为中间部分，快排的思想是选中一个元素,将其他元素与该元素进行比较，小的在该元素左侧，大的在该元素右侧；建辅助队列数组。...
复制链接

扫一扫