排序算法
全篇采用的数据结构:
typedef int ElemType;
typedef struct{
ElemType *elem; //线性表头位置
int length; //所存数据长度
int listsize; //可存空间
}SqList;
SqList L;
冒泡排序
重复走完数组的所有元素,通过打擂台的方式两个两个比较,将最大/小的元素放到后面
int ListPopSort(SqList &L){
int i,j,change;
for(i=0;i<L.length-1;i++){
for(j=0;j<L.length-i-1;j++){
if(L.elem[j]>L.elem[j+1]){
change=L.elem[j];
L.elem[j]=L.elem[j+1];
L.elem[j+1]=change;
}
}
}
return OK;
}
快速排序
以一个位置作为中枢,分别将大于/小于它的数放在一边,继续递归中枢左右的元素,直到递归的元素个数为0
时间复杂度:
最好情况:当每次中枢的位置都居中,则只需要O(nlogn)。
最坏情况:当元素正序/逆序时,选择第一个元素作为哨兵,所有元素都划分在一个序列中,需要O(n^2)。
改进:随机选取起始的哨兵。
空间复杂度:
因为递归使用栈,最好情况下进行logn次递归,为O(logn)
最坏情况:进行n-1次递归,为O(n)
int ListQuickSort(SqList &L,int low,int high){
L.length++; //增加一位作为哨兵
int i,j;
for(i=L.length-1;i>0;i--){ //依次后移将0空给哨兵
L.elem[i]=L.elem[i-1];
}
L.elem[0]=L.elem[low]; //第一个元素为哨兵
while(low<high){
while(high>low && L.elem[0]<=L.elem[high]){ //从high开始,找到第一个比他小的元素,赋给low
high--;
}
L.elem[low]=L.elem[high];
while(low<high && L.elem[0]>=L.elem[low]){ //从low开始,找到第一个比他大的元素,赋给high
low++;
}
L.elem[high]=L.elem[low];
}
L.elem[low]=L.elem[0]; //最终low为分界线(中枢)
for(i=0;i<L.length-1;i++){ //删除哨兵
L.elem[i]=L.elem[i+1];
}
L.length--;
return low;
} //获取中枢
int QuickSort(SqList &L,int low,int high){
int mid;//中枢
if(low<high){
mid=ListQuickSortDesc(L,low,high);
QuickSort(L,low,mid-1);//对前半部分排序
QuickSort(L,mid+1,high);//对后半部分排序
}
return OK;
} //递归函数,不停划分两个部分,直到low=high
插入排序
a[0]
为哨兵。从头到尾比较,若a[i-1]>a[i]
,则a[0]=a[i]
,a[i]=a[i-1]
,从i-1往前找到适当的位置将a[0]
插入进去,后面的元素依次往后移。
int ListSort(SqList &L){
L.length++; //增加一位作为哨兵
int i,j;
for(i=L.length-1;i>0;i--){ //依次后移将0空给哨兵
L.elem[i]=L.elem[i-1];
}
for(i=2;i<L.length;i++){
if(L.elem[i-1]>L.elem[i]){
L.elem[0]=L.elem[i]; //将后面那个放入哨兵
L.elem[i]=L.elem[i-1];
for(j=i-1;L.elem[0]<L.elem[j];j--){ // 从当前位置一直往前移,将小的数放到比它小的数后面
L.elem[j]=L.elem[j-1];
}
L.elem[j+1]=L.elem[0]; //插入
}
}
for(i=0;i<L.length-1;i++){ //删除哨兵
L.elem[i]=L.elem[i+1];
}
L.length--;
return OK;
}
希尔排序
插入排序的改进,不再是每次只插入一个,而是以gap作为间隔,将原本数组划分为gap个序列(序列中的元素像个gap)。每个序列中再使用插入排序。不断折半gap,直到gap为0(序列中元素个数为1)。
int ShellSort(SqList &L) {
int gap = L.length/2; // 将数组分为多少个序列
int i,j,k,temp;
while(gap>0) {
for(i=0;i<gap;i++) { // 遍历每一个序列
for(j=gap+i;j<L.length;j+=gap) { // 遍历序列中的元素,使用插入排序
if(L.elem[j]<L.elem[j-gap]) { // 若当前元素比该序列的上一个元素小
temp = L.elem[j];
k = j-gap;
while(k>=0 && L.elem[k]>temp) { // 将当前元素插入到前面的适当位置
L.elem[k+gap] = L.elem[k];
k-=gap;
}
L.elem[k+gap] = temp;
}
}
}
print(L);
gap/=2;
}
return OK;
}
选择排序
循环列表,每次选择当前最小的元素,与最前面/最后面元素交换。
int SelectSort(SqList &L) {
int i,j,low,low_index;
for(i=0;i<L.length-1;i++) {
low = L.elem[i];
low_index = i;
for(j=i+1;j<L.length;j++) {
if(low>L.elem[j]) {
low = L.elem[j];
low_index = j;
}
}
if(low_index != i) {
L.elem[low_index] = L.elem[i];
L.elem[i] = low;
}
}
return OK;
}
堆排序
堆排序是针对完全二叉树
每个结点都大于其左右子树的结点——大顶堆
每个结点都小于其左右子树的结点——小顶堆
堆排序的基本思想:将远程序列建立成堆,输出堆顶元素,调整剩余元素使之成堆,直到所有元素成堆
堆排序的操作:
- 堆化Heapify
对于高度为2的一棵树,使之成为大顶堆/小顶堆 - 创建堆BuildHeap
从树的倒数第二层(最底层的树)开始,一直往上做堆化操作 - 堆排序
将序列建立成堆,输出根结点,将根结点和最后一个结点交换(相当于删除根结点),重新堆化,重复,直到没有结点
ElemType heap[INIT_SIZE]; // 堆数组,因为堆是完全二叉树,所以可以用顺序存储
int Heapify(ElemType heap[], int n, int i) {
int max = i;
int c1 = 2 * i + 1; // 左子树下标(因为树的下标是从0开始存储)
int c2 = 2 * i + 2; // 右子树下标
if(c1 < n && heap[c1] > heap[max]) {
max = c1;
}
if(c2 < n && heap[c2] > heap[max]) {
max = c2;
}
if(max != i) {
swap(heap, max, i);
Heapify(heap, n, max); // 递归堆化交换了结点的子树
}
} // 堆化(大顶堆)
int BuildHeap(ElemType heap[], int n) {
int i, parent;
// 从最后一个节点开始,不断堆化该结点父节点作为根的树
for(i = n - 1; i >= 0; i--) {
parent = (i - 1) / 2; // 父节点的下标
Heapify(heap, n, parent);
}
} // 创建堆
int HeapSort(ElemType heap[], int n) {
BuildHeap(heap, n);
int i;
printf("堆排序:\n");
for(i = n - 1; i > 0; i--) {
swap(heap, i, 0); // 交换顶点与树的最后一个元素
Heapify(heap, i, 0); // 树的元素个数为i
}
}
归并排序
不断将列表划分为一半,再不断合并,在合并的过程中排序。
void MergeTwoList(SqList &L,int left,int mid,int right) {
int i=left,j=mid+1,k=0;
ElemType temp[L.length] = {0};
while(i<=mid && j<=right) {
if(L.elem[i]<=L.elem[j]) {
temp[k++] = L.elem[i++];
} else {
temp[k++] = L.elem[j++];
}
}
//若某个序列还没有加完
while(i<=mid) {
temp[k++] = L.elem[i++];
}
while(j<=right) {
temp[k++] = L.elem[j++];
}
// 将temp中的元素放入L中
for(i=0;i<k;i++) {
L.elem[i+left] = temp[i];
}
print(L);
} // 合并排序L[left..mid]和L[mid,right]
void Merge(SqList &L,int left,int right) {
if(left<right) {
int mid = (left+right)/2;
Merge(L,left,mid);
Merge(L,mid+1,right);
MergeTwoList(L,left,mid,right);
}
} // 使用递归合并排序整个数组
int MergeSort(SqList &L) {
Merge(L,0,L.length-1);
return OK;
}
基数排序
借助多关键字排序的思想对单逻辑关键字进行排序的方法
基本思想:分配、收集
也称为桶排序或箱排序:设置若干个箱子,将关键字为k的记录放入第k个箱子,然后在按序号将非空的连接
时间复杂度:O(d(r+n))
,其中d为关键字个数个数(即需要分配收集的次数)、r为关键字的取值范围(即每一次需要多少个桶,需要收集的次数),n为需要排序对象的个数(收集的次数)
空间复杂度:O(rd+n)
,n用于存储排序的对象,d为关键字个数(桶的个数),r为关键字取值范围(桶的大小)
int GetNumInPos(int num,int pos) {
int temp = 1;
for (int i = 0; i < pos - 1; i++)
temp *= 10;
return (num / temp) % 10;
} // 找到num的从低到高的第pos位的数据
void RadixSort(SqList &L, int n){
int *radixArrays[RADIX_10]; //分别为0~9的序列空间
for (int i = 0; i < 10; i++) {
radixArrays[i] = (int *)malloc(sizeof(int) * (n + 1));
radixArrays[i][0] = 0; //index为0处记录这组数据的个数(这列桶中装的数据个数)
}
for (int pos = 1; pos <= KEYNUM; pos++) { //从个位开始到最高位数
for (int i = 0; i < n; i++) { //分配过程
int num = GetNumInPos(L.elem[i], pos);
int index = ++radixArrays[num][0];
radixArrays[num][index] = L.elem[i];
}
for (int i = 0, j =0; i < RADIX_10; i++) { //收集
for (int k = 1; k <= radixArrays[i][0]; k++)
L.elem[j++] = radixArrays[i][k];
radixArrays[i][0] = 0; //复位
}
}
}
各算法之间的比较
时空复杂度
算法思路总结
排序方法 | 排序思想(以升序为例) |
---|---|
直接插入 | a[0]为哨兵。从头到尾比较,若a[i-1]>a[i],则a[0]=a[i],a[i]=a[i-1],从i-1往前找到适当的位置将a[0]插入进去,后面的元素依次往后移。当数据本身有序则为最好情况。但是插入排序一次只能操作一个元素,改进:希尔排序。 |
希尔排序 | 将元素分为gap个序列,序列中元素之间相隔gap。初始gap一般为n/2,每个序列内使用插入排序。排序完后,gap/2,重新分序列并排序,直到gap为0(一个元素为一个序列)则结束。 |
直接选择 | 不断选择小的元素放到前面。循环列表元素,将每次循环的第一个元素作为哨兵,比较后面的元素,找到小于哨兵的最小元素与哨兵交换。即使序列有序,时间复杂度也是O(n^2) |
推排序 | 将数组构建成大顶堆(完全二叉树用数组存储),将堆顶元素与最小元素交换,重新堆化,循环操作n次后即有序。堆化操作:比较左右子树结点元素和根结点元素,若最大元素不再根处,则交换,继续递归堆化交换了的那个子树。 |
冒泡选择 | 一共进行n轮。每一轮从头到尾不断比较,将大的数放到最后。当数据原本就有序则为最好情况。改进:不一定进行n轮,当某一轮中没有数据改变,则说明已经排序完毕。 |
快速排序 | 确定中枢,从两边往中间比较,将小的元素放到前面,大的元素放到后面。记录中枢位置,中枢以前都小于中枢,中枢以后都大于中枢。然后分别递归快排中枢前面和后面的元素。直到最终快排元素个数为0。 |
归并排序 | 不断将数组划分为子数组,直到最终一个元素为一个数组。然后再两两合并,合并的过程中排序,直到最终合并为一个数组。 |
基数排序 | 将排序的对象划分为多个关键字,根据不同关键字,将对象分配到对应的桶中,然后再根据桶重新收集到数组中。直到对所有的关键字进行一次分配收集。 |