6：算法基础--6.3：排序算法，6.4：算法策略

最新推荐文章于 2024-05-20 20:08:58 发布

键盘上的猫头鹰

最新推荐文章于 2024-05-20 20:08:58 发布

阅读量2.3k

点赞数 55

分类专栏：软考中级软件设计师文章标签：算法排序算法软件工程

本文链接：https://blog.csdn.net/m0_49547615/article/details/137384424

版权

软考中级软件设计师专栏收录该内容

15 篇文章 0 订阅

订阅专栏

转上一节：

http://t.csdnimg.cn/fr4I4http://t.csdnimg.cn/fr4I4

6.3：排序算法

考点1：排序算法的基本概念

1.排序的概念

稳定与不稳定排序

2.排序方法分类

插入类排序
直接插入排序
希尔排序
交换类排序
冒泡排序
快速排序
选择类排序
简单选择排序
堆排序
归并排序
基数排序

考点2：插入类排序

1：直接插入排序

直接插入排序:即当插入第i个记录时， $R1,R2,.....,R_{i+1}$ 均已排好序,因此，将第i个记录 $R_{i}$ 依次与

$R_{i},....,R_{2},R_{1}$ 进行比较，找到合适的位置插入。它简单明了，但速度很慢。

直接插入排序是一种稳定的排序方法，时间复杂度为O( $n^{2}$ )。在排序过程中仅需要一个元素的辅助

空间，空间复杂度为0(1)

适用于基本有序的情况，此时时间复杂度近乎线性，即O(n)。

2：希尔(Shell) 排序

希尔(Shell) 排序：先取一个小于n的整数d1作为第一个增量，把文件的全部记录分成 $d_{1}$ 个组。所

有距离为 $d_{1}$ 的倍数的记录放在同一个组中。先在各组内进行直接插入排序;然后，取第二个增量

d2<d1重复上述的分组和排序，直至所取的增量 $d_{t}=1(dt<d_{t-1}<......<d_{2}<d_{1})$ ,即所有

记录放在同一组中进行直接插入排序为止。该访法实质上是一种分组插入方法。

希尔排序是一种不稳定的排序方法，据统计分析其时间复杂度约为O( $n^{1.3}$ )。在排序过程中仅需要

一个元素的辅助空间用于数组元素的交互，空间复杂度为O(1)。

考点3：选择类排序

1：直接选择排序

直接选择排序的过程是，首先在所有记录中选出排序码最小的记录，把它与第1个记录交换，然后

在其余的记录内选出排序码最小的记录，与第2个记录交换……依此类推，直到所有记录排完为止。

直接选择排序是一种不稳定的排序方法，其时间复杂度约为O( $n^{2}$ )。在排序过程中仅需要一个元素

的辅助空间用于数组元素的交互，空间复杂度为O(1)。

2：堆的概念

设有n个元素的序列{ $K_{1},K_{2},......,K_{n}$ }, 当且仅当满足下述关系之一时,称之为堆。

(1) $K_{i}\leq K_{2i}$ 且 $K_{i}\leq K_{2i+1}$ ;父结点小于等于左右两个子结点。第一个元素最小。

(2) $K_{i}\geq K_{2i}$ 且 $K_{i}\geq K_{2i+1}$ ;父结点大于等于左右两个子结点。第一个元素最大。

其中(1)称为小顶堆，(2) 称为大顶堆。

3.堆排序

堆排序的基本思想为：先将序列建立堆，然后输出堆顶元素，再将剩下的序列建立堆，然后再输出

堆顶元素，依此类推，直到所有元素均输出为止，此时元素输出的序列就是一个有序序列。

对于大量的记录来说，堆排序是很有效的。

堆排序的算法步骤如下(以大顶堆为例) :

(1)初始时将顺序表R[1...n]中元素建立为一个大顶堆，堆顶位于R[1],待序区为R[1...n]。

(2) 循环执行步骤3~步骤4，共n-1次。

(3)假设为第i次运行，则待序区为R[1...n-i+1], 将堆顶元素R[1]与待序区元素R[n-i+1]交换，此时顶

点元素被输出，新的待序区为R[1..n-1]。

(4)待序区对应的堆已经被破坏，将之重新调整为大顶堆。

将顺序表R{30, 60，10, 50, 45，16, 15, 80, 40, 20}进行堆排序。

[初建堆]

[取走堆顶元素60，重建堆]

堆排序的时间复杂度为:：O(nlog2n)，为什么?

堆排序的空间复杂度为：O(1)。

考点4：交换类排序

1．冒泡排序

冒泡排序的基本思想是，通过相邻元素之间的比较和交换，将排序码较小的元素逐渐从底部移向顶

部。整个排序的过程元素就像水底下的气泡一样逐渐向上冒，因此称为冒泡算法。

冒泡排序是一种稳定的排序方法，其时间复杂度约为O( $n^{2}$ )。在排序过程中仅需要一个元素的辅助

空间用于数组元素的交互，空间复杂度为O(1)。

2：快速排序

快速排序采用的是分治法，其基本思想是将原问题分解成若干个规模更小但结构与原问题相似的子

问题，通过递归地解决这些子问题，然后再将这些子问题的解组合成原问题的解。

在O( $nlog_{2}n$ )时间量级上,平均性能最好。

快速排序通常包括两个步骤:

第一步，在待排序的n个记录中任取一个记录，以该记录的排序码为准，将所有记录都分成两组，

第1组都小于该数，第2组都大于该数,如图所示。

第二步，采用相同的方法对左、右两组分别进行排序，直到所有记录都排到相应的位置为止。

快速排序的基准元素：一般是第一个元素，也可以设置中位数。

快速排序是种不稳定的排序方法，平均和最优情况下时间复杂度约为0( $nlog_{2}n$ )。

快速排序的最差情况--------基本有序

以第一个元素为基准元素，此时时间复杂度为O( $n^{2}$ )。

以中位数为基准元素，此时时间复杂度为O( $nlog_{2}n$ )。

辅助空间

(1)空间复杂度默认为O(1)。

(2)需要辅助空间存储左侧数组和右侧数组时，空间复杂度为O(n)。

(3)需要记录所有基准元时，空间复杂度为O( $nlog_{2}n$ )。

考点5：归并排序

归并也称为合并，是将两个或两个以上的有序子表合并成一个新的有序表。若将两个有序表台并

成一个有序表，则称为二路合并。合并的过程是：比较A[i]和A[j]的排序码大小，若A[i]的排序码小

于等于A[j]的排序码,则将第一个有序表中的元素A[i]复制到R[k]中，i和k分别加1；如此循环下去，

直到其中一个有序表比较和复制完，然后再将另一个有序表的剩余元素复制到R中。

归并排序是一种稳定的排序方法，其时间复杂度约为O( $nlog_{2}n$ )。在排序过程中仅需要一个元素

的辅助空间用于数组元素的交互，空间复杂度为O(n)。

考点6：基数排序

基数排序是一种借助多关键字的排序思想对单逻辑关键字进行排序的方法。基数排序不是基于关健

字比较的排序方法，它适合于元素很多而关键字较少的序列。基数的选择和关键字的分解是根据关

键字的类型来决定的，例如关键字是十进制数，则按个位、十位来分解。

基数排序是一种稳定的排序方法，其时间复杂度约为O(d(n+rd))。在排序过程中仅需要一个元素的

辅助空间用于数组元素的交互，空间复杂度为O(rd)。

考点7：排序算法对比

在选取排序方法时需要考虑的因素有待排序的记录个数n、记录本身的大小、关键字的分布情况、

对排序稳定性的要求、语言工具的条件和辅助空间的大小。依据这些因素，可以得到以下几点结

论:

若待排序列的记录数目n较小，可采用直接插入排序和简单选择排序。由于直接插入排序所需的记录移动操作较简单选择排序多，因而当记录本身信息量大时，用简单选择排序方法较好。
若待排记录按关键字基本有序，宜采用直接插入排序或冒泡排序。
当n很大且关键字位数较少时,采用基数排序较好。
若n很大，则应采用时间复杂度为O( $nlog_{2}n$ )的排序方法，例如快速排序、堆排序或归并排序；

(1)快速排序目前被认为是内部排序中最好的方法，当待排序的关键字为随机分布时,快速排序的平

均运行时间最短。

(2)堆排序只需要一个辅助空间，并且不会出现在快速排序中可能出现的最快情况。

(3)快速排序和堆排序都是不稳定的排序方法，若要求排序稳定，可选择归并排序。

6.4：算法策略

考点1：算法策略概述

1：分治法

特征：把一个问题拆分成多个小规模的相同子问题，一般可用递归解决。

经典问题：斐波那契数列、归并排序、快速排序、矩阵乘法、二分搜索、大整数乘法、汉诺塔。

2：贪心法(一般用于求满意解)

特征：局部最优，但整体不见得最优。每步有明确的、既定的策略。

经典问题：背包问题(如装箱)、多机调度、找零钱问题、最小生成树问题(普里姆算法、克鲁斯卡

尔算法)。

3.动态规划法(用于求最优解)-------. 最优子结构”和递归式

特征：划分子问题，使用数组存储子问题结果，利用查询子问题结果构造最终问题结果。(一般自

顶向下时间复杂度为O( $2^{n}$ )，自底向上时间复杂度为O( $n^{a}$ )效率更高)

经典问题：斐波那契数列、矩阵乘法、背包问题、LCS最长公共子序列。

4：回溯法

特征：系统的搜索一个问题的所有解或任一解。

经典问题: N皇后问题、迷言、背包问题。

(回溯法对解空间做深度优先探索，分支限界法对解空间做广度优先探索)

考点2：分治法

对于一个规模为n的问题，若该问题可以容易地解决（比如说规模n较小）则直接解决；否则将其分

解为k个规模较小的子问题，这些子问题互相独立且与原问题形式相同，递归地解这些子问题，然

后将各子问题的解合并得到原问题的解。

该问题的规模缩小到一定的程度就可以容易地解决

该问题可以分解为若干个规模较小的相同问题

利用该问题分解出的子问题的解可以合并为该问题的解

该问题所分解出的各个子问题是相互独立的

分解

解决

合并

1：分治法（递归技术）

递归，就是在运行的过程中调用自己。

2：分治法(二分查找)

function Binary_Search(L,a,b,x){
    if(a>b) return(-1);
        else{
            m=(a+b)/2;
        if([x==L[m])return(m);
        else if(x>L[m])
            retun(Binary_Search(L,m+1,b,x));
        else
            retun(Binary_Search(L,a.m-1,x)),
            }
}