涛涛的博客

排序之插入和归并插入排序： 对于少量的元素的排序，插入排序是一个很有效的算法。其原理很简单，类似于我们打扑克的时候，开始时，我们左手为空并且桌上的牌面向下，然后，我们每次从桌子上拿走一张牌并将它插入左手的正确位置，为了找到正确位置，我们从右往左将它与每张牌进行比较。 对于数组来说，我们就是从第二个元素开始，在该元素左边建立一个排好序的子数组，然后对右边的元素进行依次遍历，将它们插入到左

堆排序 堆是一个数组，它可以被看成一个近似的完全二叉树，树上的每一个结点对应数组中的一个元素。除了最底层外，改树是完全充满的，而且是从左往右填充的。 堆可以分成两种形式：最大堆和最小堆。 在堆排序算法中，我们使用的是最大堆。最小堆一般用于构建优先队列。 我们知道，在最大堆中，最大堆性质是指除了根以外的所有结点i都要满足： A[parent(i)]>=A[i]

计数排序 我们前面学习的插入、归并、堆和快速排序都是比较排序，即在排序的最终结果中，各元素的次序依赖于它们之间的比较。我们说过比较排序有时间下界，即nlgn，如果我们需要一个时间复杂度为O(n)的排序算法，要怎么办？ 计数排序就是比较好的选择。计数排序的基本思想是：对每一个输入的元素x，确定小于x的元素个数。利用这一信息可以直接把x放到它的输出数组中的位置上。 这就要求我们需要

快速排序的随机化版本 我们上篇对快排继续了讨论，我们知道它的平均性能是nlgn，但是我们分析的前提是：输入数据的所有排列都是等概率的。但是在实际的工程中，这个假设并不会总是成立，当面对大数据输入的快排时，我们所分析的平均性能不能实现，所以，我们只能通过显性的对输入数据进行重新排列，来使得算法实现的随机化。 基于随机化的快排：int randomized_partition(int *