算法——各排序算法效率对比和总结

目录

1. 算法效率对比 

2. 总结

​编辑

 稳定性分析 

冒泡排序:稳定

选择排序:不稳定 

插入排序:稳定

希尔排序:不稳定

堆排序:不稳定 

归并排序:稳定 

快速排序:不稳定 


1. 算法效率对比 

在此我们使用如下代码来测试各个算法的效率

void TestOP()
{
	srand(time(0));
	const int N = 100000;
	int* a1 = (int*)malloc(sizeof(int) * N);
	int* a2 = (int*)malloc(sizeof(int) * N);
	int* a3 = (int*)malloc(sizeof(int) * N);
	int* a4 = (int*)malloc(sizeof(int) * N);
	int* a5 = (int*)malloc(sizeof(int) * N);
	int* a6 = (int*)malloc(sizeof(int) * N);
	int* a7 = (int*)malloc(sizeof(int) * N);
	for (int i = 0; i < N; ++i)
	{
		a1[i] = rand();
		a2[i] = a1[i];
		a3[i] = a1[i];
		a4[i] = a1[i];
		a5[i] = a1[i];
		a6[i] = a1[i];
		a7[i] = a1[i];
	}

	int begin1 = clock();
	InsertSort(a1, N);
	int end1 = clock();

	int begin2 = clock();
	ShellSort(a2, N);
	int end2 = clock();

	int begin3 = clock();
	SelectSort(a3, N);
	int end3 = clock();

	int begin4 = clock();
	HeapSort(a4, N);
	int end4 = clock();

	int begin5 = clock();
	QuickSort(a5, 0, N - 1);
	int end5 = clock();

	int begin6 = clock();
	MergeSort(a6, N);
	int end6 = clock();

	int begin7 = clock();
	CountSort(a7, N);
	int end7 = clock();

	printf("InsertSort:%d\n", end1 - begin1);
	printf("ShellSort:%d\n", end2 - begin2);
	printf("SelectSort:%d\n", end3 - begin3);
	printf("HeapSort:%d\n", end4 - begin4);
	printf("QuickSort:%d\n", end5 - begin5);
	printf("MergeSort:%d\n", end6 - begin6);
	printf("CountSort:%d\n", end7 - begin7);

	free(a1);
	free(a2);
	free(a3);
	free(a4);
	free(a5);
	free(a6);
}

在这之中通过改变N的大小来改变需要被排序的数据量

先对100000个数据排序有

我们发现此时插入排序与选择排序已经明显与其他排序不属于一个量级,接下来使用1000000个数据

这之中我们发现计数排序效率较高是因为通过rand函数产生的数值区间的极差较小。 

2. 总结

对于排序我们有如下的导图

且一谈到排序,我们都有下图

 稳定性分析 

冒泡排序:稳定

数据之间两两比较,当后面的数据较小时才被置换到前面,数据间的相对位置不改变,因此较为稳定

选择排序:不稳定 

因为选择排序是确定一个最小(大)数后,将其放于最左(右)边,这就需要与最左(右)位置所在的数据作交换,从而造成数据相对位置改变,因此不稳定

插入排序:稳定

插入排序是以当前位置为界向后寻找小于当前位置值的数,找到就将被找到的数插入到当前位置之前的位置,因此不会发生相对位置的改变,较为稳定

希尔排序:不稳定

希尔排序是以插入排序为基础,以gap分为不同组,而在分组过程中,相同的数据可能会被分到不同的组中,进而导致相对位置发生改变,因此不稳定

堆排序:不稳定 

堆排序中,当交换堆顶元素和堆底元素时,可能会使原本在堆顶的相同元素移动到了堆底,而原本在堆底的相同元素移动到了堆顶,导致相同元素之间的相对顺序改变,因此不稳定

归并排序:稳定 

归并排序中,只需要保证前数组中的较小或相等值先存放在临时数组中,就可以做到不影响元素间的相对位置,从而做到稳定

快速排序:不稳定 

在快速排序中,当遍历数组中的元素进行分区操作时,可能会交换相同值的元素的位置,从而导致相同值的元素的相对顺序发生改变。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
快速排序算法是一种基于分治思想的排序算法,其基本思路是选择一个基准元素,将待排序序列分成两部分,左边部分所有元素都小于基准元素,右边部分所有元素都大于基准元素,再对左右两部分递归地进行快速排序,直到整个序列有序。快速排序的时间复杂度为 O(nlogn),是一种比较高效的排序算法。 下面是快速排序算法的伪代码: ``` function quickSort(arr, left, right) if left < right pivotIndex = partition(arr, left, right) quickSort(arr, left, pivotIndex - 1) quickSort(arr, pivotIndex + 1, right) function partition(arr, left, right) pivot = arr[right] i = left - 1 for j = left to right - 1 if arr[j] < pivot i = i + 1 swap arr[i] and arr[j] swap arr[i + 1] and arr[right] return i + 1 ``` 快速排序的时间复杂度分析可以参考以下步骤: 1. 最好情况下,每次选择的基准元素都能恰好将序列分成两个长度相等的部分,此时递归树的深度为 logn,每层的时间复杂度为 O(n),因此总时间复杂度为 O(nlogn)。 2. 最坏情况下,每次选择的基准元素都是序列中的最小或最大值,此时递归树呈现一支倾斜,深度为 n,每层的时间复杂度为 O(n),因此总时间复杂度为 O(n^2)。 3. 平均情况下,以任意一个元素作为基准元素的概率相等,因此递归树的平均深度为 logn,总时间复杂度为 O(nlogn)。 4. 快速排序的空间复杂度为 O(logn),因为每次递归需要额外使用 O(logn) 的栈空间。 希望这些内容能够帮到您学习快速排序算法效率分析。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值