数据结构排序算法总结（转）

最新推荐文章于 2021-12-04 00:03:02 发布

adjcqbb47379

最新推荐文章于 2021-12-04 00:03:02 发布

阅读量119

点赞数

文章标签：数据结构与算法

原文链接：http://www.cnblogs.com/huazaizai/archive/2010/11/27/1889848.html

版权

转自：http://www.cnblogs.com/mingcn/archive/2010/10/17/sort.html

页面功能无法实现，请到http://www.cnblogs.com/mingcn/archive/2010/10/17/sort.html查看（本文只留作作者查看，3Q)

转载自ShiLin's Bolg

数据结构排序这章内容比较经典，都是一些很好的算法，将来很可能会用得到，总结一下，加深一下印象。

　　文章篇幅有点大，请点击查看更多，下面是跳转链接：

　　　　一、插入排序　　1）直接插入排序　　2）折半插入排序　　3）希尔排序

　　　　二、交换排序　　1）冒泡排序　　　　2）快速排序

　　　　三、选择排序　　1）简单选择排序　　2）堆排序

　　　　四、归并排序

　　　　五、基数排序

一、插入排序

1）直接插入排序 算法演示 返回目录

　　时间复杂度：平均情况—O(n²) 最坏情况—O(n²) 辅助空间：O(1) 稳定性：稳定

 
     01void InsertSort(SqList &L) { 
 
     02  // 对顺序表L作直接插入排序。 
 
     03  int i,j; 
 
     04  for (i=2; i<=L.length; ++i) 
 
     05    if (LT(L.r[i].key, L.r[i-1].key)) { 
 
     06      // "<"时，需将L.r[i]插入有序子表 
 
     07      L.r[0] = L.r[i];                 // 复制为哨兵 
 
     08      for (j=i-1;  LT(L.r[0].key, L.r[j].key);  --j) 
 
     09        L.r[j+1] = L.r[j];             // 记录后移 
 
     10      L.r[j+1] = L.r[0];               // 插入到正确位置 
 
     11    } 
 
     12} // InsertSort

2）折半插入排序 返回目录

　　时间复杂度：平均情况—O(n²) 稳定性：稳定

 
     01void BInsertSort(SqList &L) { 
 
     02  // 对顺序表L作折半插入排序。 
 
     03  int i,j,high,low,m; 
 
     04  for (i=2; i<=L.length; ++i) { 
 
     05    L.r[0] = L.r[i];       // 将L.r[i]暂存到L.r[0] 
 
     06    low = 1;   high = i-1; 
 
     07    while (low<=high) {    // 在r[low..high]中折半查找有序插入的位置 
 
     08      m = (low+high)/2;                            // 折半 
 
     09      if (LT(L.r[0].key, L.r[m].key)) high = m-1;  // 插入点在低半区 
 
     10      else  low = m+1;                             // 插入点在高半区 
 
     11    } 
 
     12    for (j=i-1; j>=high+1; --j) L.r[j+1] = L.r[j];  // 记录后移 
 
     13    L.r[high+1] = L.r[0];                           // 插入 
 
     14  } 
 
     15} // BInsertSort

3）希尔排序算法演示 返回目录

　　时间复杂度：理想情况—O(nlog₂n) 最坏情况—O(n²) 稳定性：不稳定

 
     01void ShellInsert(SqList &L, int dk) { 
 
     02  // 对顺序表L作一趟希尔插入排序。本算法对算法10.1作了以下修改： 
 
     03  //     1. 前后记录位置的增量是dk，而不是1； 
 
     04  //     2. r[0]只是暂存单元，不是哨兵。当j<=0时，插入位置已找到。 
 
     05  int i,j; 
 
     06  for (i=dk+1; i<=L.length; ++i) 
 
     07    if (LT(L.r[i].key, L.r[i-dk].key)) { // 需将L.r[i]插入有序增量子表 
 
     08      L.r[0] = L.r[i];                   // 暂存在L.r[0] 
 
     09      for (j=i-dk; j>0 && LT(L.r[0].key, L.r[j].key); j-=dk) 
 
     10        L.r[j+dk] = L.r[j];              // 记录后移，查找插入位置 
 
     11      L.r[j+dk] = L.r[0];                // 插入 
 
     12    } 
 
     13} // ShellInsert   
 
     14  
 
     15void ShellSort(SqList &L, int dlta[], int t) { 
 
     16   // 按增量序列dlta[0..t-1]对顺序表L作希尔排序。 
 
     17   for (int k=0;k<t;k++) 
 
     18      ShellInsert(L, dlta[k]);  // 一趟增量为dlta[k]的插入排序 
 
     19} // ShellSort

二、交换排序

1）冒泡排序算法演示 返回目录

　　时间复杂度：平均情况—O(n²) 最坏情况—O(n²) 辅助空间：O(1) 稳定性：稳定

 
     01void BubbleSort(SeqList R) { 
 
     02　　int i，j; 
 
     03　　Boolean exchange; //交换标志 
 
     04　　for(i=1;i<n;i++){ exchange="FALSE;" j="n-1;j">=i;j--) //对当前无序区R[i..n]自下向上扫描 
 
     05　　          if(R[j+1].key< R[j].key){//交换记录 
 
     06　　              R[0]=R[j+1]; //R[0]不是哨兵，仅做暂存单元 
 
     07　　              R[j+1]=R[j]; 
 
     08              　　R[j]=R[0]; 
 
     09　　              exchange=TRUE; //发生了交换，故将交换标志置为真 
 
     10　　          } 
 
     11　　          if(!exchange) //本趟排序未发生交换，提前终止算法 
 
     12　　          return; 
 
     13　　} //endfor(外循环) 
 
     14} //BubbleSort</n;i++){>

2）快速排序算法演示 返回目录

　　时间复杂度：平均情况—O(nlog₂n) 最坏情况—O(n²) 辅助空间：O(log₂n) 稳定性：不稳定

 
     01int Partition(SqList &L, int low, int high) { 
 
     02 // 交换顺序表L中子序列L.r[low..high]的记录，使枢轴记录到位， 
 
     03   // 并返回其所在位置，此时，在它之前（后）的记录均不大（小）于它 
 
     04   KeyType pivotkey; 
 
     05   RedType temp; 
 
     06   pivotkey = L.r[low].key;     // 用子表的第一个记录作枢轴记录 
 
     07   while (low < high) {           // 从表的两端交替地向中间扫描 
 
     08      while (low < high && L.r[high].key>=pivotkey) --high; 
 
     09      temp=L.r[low]; 
 
     10      L.r[low]=L.r[high]; 
 
     11      L.r[high]=temp;           // 将比枢轴记录小的记录交换到低端 
 
     12      while (low  < high && L.r[low].key < =pivotkey) ++low; 
 
     13      temp=L.r[low]; 
 
     14      L.r[low]=L.r[high]; 
 
     15      L.r[high]=temp;           // 将比枢轴记录大的记录交换到高端 
 
     16   } 
 
     17   return low;                  // 返回枢轴所在位置 
 
     18} // Partition         
 
     19  
 
     20int Partition(SqList &L, int low, int high) { 
 
     21// 交换顺序表L中子序列L.r[low..high]的记录，使枢轴记录到位， 
 
     22   // 并返回其所在位置，此时，在它之前（后）的记录均不大（小）于它 
 
     23   KeyType pivotkey; 
 
     24   L.r[0] = L.r[low];            // 用子表的第一个记录作枢轴记录 
 
     25   pivotkey = L.r[low].key;      // 枢轴记录关键字 
 
     26   while (low < high) {            // 从表的两端交替地向中间扫描 
 
     27      while (low < high && L.r[high].key>=pivotkey) --high; 
 
     28      L.r[low] = L.r[high];      // 将比枢轴记录小的记录移到低端 
 
     29      while (low  < high && L.r[low].key  < =pivotkey) ++low; 
 
     30      L.r[high] = L.r[low];      // 将比枢轴记录大的记录移到高端 
 
     31   } 
 
     32   L.r[low] = L.r[0];            // 枢轴记录到位 
 
     33   return low;                   // 返回枢轴位置 
 
     34} // Partition         
 
     35  
 
     36void QSort(SqList &L, int low, int high) { 
 
     37  // 对顺序表L中的子序列L.r[low..high]进行快速排序 
 
     38  int pivotloc; 
 
     39  if (low  <  high) {                      // 长度大于1 
 
     40    pivotloc = Partition(L, low, high);  // 将L.r[low..high]一分为二 
 
     41    QSort(L, low, pivotloc-1); // 对低子表递归排序，pivotloc是枢轴位置 
 
     42    QSort(L, pivotloc+1, high);          // 对高子表递归排序 
 
     43  } 
 
     44} // QSort      
 
     45  
 
     46void QuickSort(SqList &L) {  // 算法10.8 
 
     47   // 对顺序表L进行快速排序 
 
     48   QSort(L, 1, L.length); 
 
     49} // QuickSort

三、选择排序

1）简单选择排序算法演示 返回目录

时间复杂度：平均情况—O(n²) 最坏情况—O(n²) 辅助空间：O(1) 稳定性：不稳定

 
     01void SelectSort(SqList &L) { 
 
     02  // 对顺序表L作简单选择排序。 
 
     03  int i,j; 
 
     04  for (i=1; i < L.length; ++i) { // 选择第i小的记录，并交换到位 
 
     05    j = SelectMinKey(L, i);  // 在L.r[i..L.length]中选择key最小的记录 
 
     06    if (i!=j) {                // L.r[i]←→L.r[j];   与第i个记录交换 
 
     07      RedType temp; 
 
     08      temp=L.r[i]; 
 
     09      L.r[i]=L.r[j]; 
 
     10      L.r[j]=temp; 
 
     11    } 
 
     12  } 
 
     13} // SelectSort

2）堆排序算法演示 返回目录

时间复杂度：平均情况—O(nlog₂n) 最坏情况—O(nlog₂n) 辅助空间：O(1) 稳定性：不稳定

 
     01void HeapAdjust(HeapType &H, int s, int m) { 
 
     02  // 已知H.r[s..m]中记录的关键字除H.r[s].key之外均满足堆的定义， 
 
     03  // 本函数调整H.r[s]的关键字，使H.r[s..m]成为一个大顶堆 
 
     04  // （对其中记录的关键字而言） 
 
     05  int j; 
 
     06  RedType rc; 
 
     07  rc = H.r[s]; 
 
     08  for (j=2*s; j < =m; j*=2) {   // 沿key较大的孩子结点向下筛选 
 
     09    if (j < m && H.r[j].key < H.r[j+1].key) ++j; // j为key较大的记录的下标 
 
     10    if (rc.key >= H.r[j].key) break;         // rc应插入在位置s上 
 
     11    H.r[s] = H.r[j];  s = j; 
 
     12  } 
 
     13  H.r[s] = rc;  // 插入 
 
     14} // HeapAdjust     
 
     15  
 
     16void HeapSort(HeapType &H) { 
 
     17   // 对顺序表H进行堆排序。 
 
     18   int i; 
 
     19   RedType temp; 
 
     20   for (i=H.length/2; i>0; --i)  // 把H.r[1..H.length]建成大顶堆 
 
     21      HeapAdjust ( H, i, H.length ); 
 
     22      for (i=H.length; i>1; --i) { 
 
     23         temp=H.r[i]; 
 
     24         H.r[i]=H.r[1]; 
 
     25         H.r[1]=temp;  // 将堆顶记录和当前未经排序子序列Hr[1..i]中 
 
     26                       // 最后一个记录相互交换 
 
     27         HeapAdjust(H, 1, i-1);  // 将H.r[1..i-1] 重新调整为大顶堆 
 
     28      } 
 
     29} // HeapSort

四、归并排序 算法演示 返回目录

时间复杂度：平均情况—O(nlog₂n) 最坏情况—O(nlog₂n) 辅助空间：O(n) 稳定性：稳定

 
     01void Merge (RedType SR[], RedType TR[], int i, int m, int n) { 
 
     02   // 将有序的SR[i..m]和SR[m+1..n]归并为有序的TR[i..n] 
 
     03   int j,k; 
 
     04   for (j=m+1, k=i;  i < =m && j < =n;  ++k) { 
 
     05      // 将SR中记录由小到大地并入TR 
 
     06      if LQ(SR[i].key,SR[j].key) TR[k] = SR[i++]; 
 
     07      else TR[k] = SR[j++]; 
 
     08   } 
 
     09   if (i < =m)  // TR[k..n] = SR[i..m];  将剩余的SR[i..m]复制到TR 
 
     10      while (k < =n && i < =m) TR[k++]=SR[i++]; 
 
     11   if (j < =n)  // 将剩余的SR[j..n]复制到TR 
 
     12      while (k < =n &&j  < =n) TR[k++]=SR[j++]; 
 
     13} // Merge     
 
     14  
 
     15void MSort(RedType SR[], RedType TR1[], int s, int t) { 
 
     16   // 将SR[s..t]归并排序为TR1[s..t]。 
 
     17   int m; 
 
     18   RedType TR2[20]; 
 
     19   if (s==t) TR1[t] = SR[s]; 
 
     20   else { 
 
     21      m=(s+t)/2;            // 将SR[s..t]平分为SR[s..m]和SR[m+1..t] 
 
     22      MSort(SR,TR2,s,m);    // 递归地将SR[s..m]归并为有序的TR2[s..m] 
 
     23      MSort(SR,TR2,m+1,t);  // 将SR[m+1..t]归并为有序的TR2[m+1..t] 
 
     24      Merge(TR2,TR1,s,m,t); // 将TR2[s..m]和TR2[m+1..t]归并到TR1[s..t] 
 
     25   } 
 
     26} // MSort     
 
     27  
 
     28void MergeSort(SqList &L) { 
 
     29  // 对顺序表L作归并排序。 
 
     30  MSort(L.r, L.r, 1, L.length); 
 
     31} // MergeSort

五、基数排序 算法演示 返回目录

时间复杂度：平均情况—O(d(n+rd)) 最坏情况—O(d(n+rd)) 辅助空间：O(rd) 稳定性：稳定

 
     01void Distribute(SLList &L, int i, ArrType &f, ArrType &e) { 
 
     02  // 静态链表L的r域中记录已按(keys[0],...,keys[i-1])有序， 
 
     03  // 本算法按第i个关键字keys[i]建立RADIX个子表， 
 
     04  // 使同一子表中记录的keys[i]相同。f[0..RADIX-1]和e[0..RADIX-1] 
 
     05  // 分别指向各子表中第一个和最后一个记录。 
 
     06  int j, p; 
 
     07  for (j=0; j < RADIX; ++j) f[j] = 0;     // 各子表初始化为空表 
 
     08  for (p=L.r[0].next;  p;  p=L.r[p].next) { 
 
     09    j = L.r[p].keys[i]-'0';  // 将记录中第i个关键字映射到[0..RADIX-1]， 
 
     10    if (!f[j]) f[j] = p; 
 
     11    else L.r[e[j]].next = p; 
 
     12    e[j] = p;                // 将p所指的结点插入第j个子表中 
 
     13  } 
 
     14} // Distribute     
 
     15  
 
     16void Collect(SLList &L, int i, ArrType f, ArrType e) { 
 
     17  // 本算法按keys[i]自小至大地将f[0..RADIX-1]所指各子表依次链接成 
 
     18  // 一个链表，e[0..RADIX-1]为各子表的尾指针 
 
     19  int j,t; 
 
     20  for (j=0; !f[j]; j++);  // 找第一个非空子表，succ为求后继函数: ++ 
 
     21  L.r[0].next = f[j];  // L.r[0].next指向第一个非空子表中第一个结点 
 
     22  t = e[j]; 
 
     23  while (j < RADIX) { 
 
     24    for (j=j+1; j < RADIX && !f[j]; j++);       // 找下一个非空子表 
 
     25    if (j < RADIX) // 链接两个非空子表 
 
     26      { L.r[t].next = f[j];  t = e[j]; } 
 
     27  } 
 
     28  L.r[t].next = 0;   // t指向最后一个非空子表中的最后一个结点 
 
     29} // Collect     
 
     30  
 
     31void RadixSort(SLList &L) { 
 
     32   // L是采用静态链表表示的顺序表。 
 
     33   // 对L作基数排序，使得L成为按关键字自小到大的有序静态链表， 
 
     34   // L.r[0]为头结点。 
 
     35   int i; 
 
     36   ArrType f, e; 
 
     37   for (i=1; i < L.recnum; ++i) L.r[i-1].next = i; 
 
     38   L.r[L.recnum].next = 0;     // 将L改造为静态链表 
 
     39   for (i=0; i < L.keynum; ++i) { 
 
     40      // 按最低位优先依次对各关键字进行分配和收集 
 
     41      Distribute(L, i, f, e);    // 第i趟分配 
 
     42      Collect(L, i, f, e);       // 第i趟收集 
 
     43      print_SLList2(L, i); 
 
     44   } 
 
     45} // RadixSort

转载于:https://www.cnblogs.com/huazaizai/archive/2010/11/27/1889848.html

adjcqbb47379

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
数据结构排序算法总结（转）

转自：http://www.cnblogs.com/mingcn/archive/2010/10/17/sort.html页面功能无法实现，请到http://www.cnblogs.com/mingcn/archive/2010/10/17/sort.html查看（本文只留作作者查看，3Q)转载自ShiLin's Bolg数据结构排序这章内容比较经典，都是一些很好的算法，...
复制链接

扫一扫