qq_34538071的博客

简单实现升序的插入排序： 原理很简单，每次从未排序的序列顶部取出一个元素和排好序的尾部比较，知道大于或等于排好序中时停止。重复上面步骤。 一下是实现A=（5, 2, 4, 6, 1, 3）示意图： 代码实现：import timeA = list(range(0, 100000))start = time.clock()for j in range(1, 100000): ...

插入排序在最好的情况下（排序的序列正好是想要的结果时）速度很快，可以是输入项数的 n 线性时间，但在最坏的情况下（排序的序列和结果正好相反时），时间可以是 n 的平方时间。所以排列所需要的时间取决于序列的排序情况。 合并排序原理： 合并算法就是提前排序，也就是分治策略，将原序列分为很多小序列，将小序列排好序之后进行合并，然后得到最终的结果。 以下是利用合并法排序A = （5, 2, 4, 7...

最大子数组： 最大子数组是求数组中连续的子数组的和最大 用分治法的思想去求解，先将数组对半分，最大子数组的位置有三种情况 1.子数组全部在中点的右边 2.子数组全部在中点的左边。 3.子数组部分在中点的左边，另一部分在中点的右边。 只要分别求出这三种情况的最大值比较，取最大的即为最大子数组 如下是数组A = [13, -3, -25, 20, -3, -16, -23, 18, 2...

堆排序： 堆排序是利用堆这种数据结构而设计的一种排序算法，堆排序是一种选择排序，平均时间复杂度均为O(nlogn)，与归并算法排序相比较的优点是它在数据的原地址进行排序，不需要额外的空间存储临时数据。堆是二叉树的一种。在代码实现过程中使用的是数组对堆进行存储。 如下图所示，是数组A=（4, 1, 3, 2, 16, 9, 10, 14, 8, 7）的最大堆示意图： Max_Heapify...

快速排序： 对于包含 n 个数的输入数组，快速排序算法的复杂度在最坏的情况下是Θ(n^2)，虽然在最坏的情况下和插入排序相近，但是最坏的情况出现的概率很低，快速排序是实际应用中最好的选择，平均排序时间是Θ(nlgn)。 快速排序的原理也是使用分治策略，选出一个序列中的元素作为主元，然后让序列左边的都小于等于主元，右边的序列大于等于主元。由于是在序列的原地址进行的排列，当递归完成之后，排序也就完...