排序——内部和外部

一、概述 

1、定义

• 将文件中的数据记录按关键字值的递增或递减的顺序排列起来。    
• {R1, R2,..., Rn}→ {Ri1, Ri2,..., Rin} 
• 其中关键字{k1, k2,..., kn}→有序序列{ki1, ki2,..., kin} 

2、排序方法的稳定性：   

• 对于ki＝kj的记录Ri＝Rj（ Ri在Rj之前）,
• 排序后： Ri仍在Rj之前，则排序方法是稳定的；               
•                Ri在Rj之后，  则排序方法是不稳定的；

3、方法分类

•   内部排序：在内存中进行，适于小文件 

                          文件可有三种存储结构 

                                (1)一维数组：对记录的物理位置重排 

                                (2)链表：修改指针 

                                (3)索引表：对索引进行物理重排，记录位置不动（由于不方便移动等原因）

•   外部排序：使用内存和外存，适于大文件，内存不够用 

        本讲仅考虑：记录数组R[n]，关键字key为整数

• 标准

        执行时间(最重要的标志)，所需空间，算法复杂度      

• 排序的时间代价

        算法中关键字的比较次数和记录的移动次数

•  以记录数组作为文件的存储结构，关键字为整数，文件类型说明如下

二、插入排序（直接插入排序、希尔排序） 

1、直接插入排序（最简单）——稳定

（1）具体做法：      

把第i个记录Ri插入到有序区{R1, R2, …, Ri-1};将关键字ki依次与关键字ki-1, ki-2, …, k1进行比较，从而找到应该插入的位置，然后将ki插入。

（2）算法采用的是查找比较操作和记录移动操作交替进行的方法 ，具体做法是：        

        将待插入记录R[i]的关键字依次与有序区中记录R[j](j=i-1, i-2, …, 1)的关键字进行比较，若R[j]的关键字大于R[i]的关键字，则将R[j]后移一个位置；若R[j]的关键字小于或等于R[i]的关键字，则查找过程结束，j+1即为R[i]的插入位置。因为关键字比R[i]大的记录均已后移，故只要将R[i]插入该位置即可。

（3）附加记录R[0]/哨兵，其作用有两个

        ①进入查找循环之前，它保存了R[i]的副本，使得不致于因记录的后移而丢失R[i]中的内容；            ②在while循环中“监视”下标变量j是否越界，以避免循环内每次都要检测j是否越界。因此，我们将R[0]称为“监视哨”，这使得测试循环条件的时间大约减少一半。

（4）直接插入排序的算法分析

• 整个排序过程只有两种运算，即比较关键字和移动记录。
• 外循环：n-1趟插入排序；
• 内循环：每一趟排序所需进行的关键字的比较和记录的后移。
• 文件正序时：每趟排序的关键字比较次数为1，总的比较次数Cmin=n-1；  
•                       每趟记录移动次数是2次，总的移动次数Mmin=2(n-1)；
• 文件逆序时：关键字的比较次数和记录移动次数均取最大值。      
•                       每趟进行i次比较:与前i-1个记录及“监视哨” 进行比较      
•                       每趟排序中除了上面提到的两次移动外，还需将关键字大于R[i]的记录后移一个  位置。
• 因此，总的比较次数和记录的移动次数为:

• 在随机情况下:        

                关键字各种排列出现的概率相同，则可取上述两种情况的平均值作为比较和记录移动的平均次数，约为(n^2)/4。由此，直接插入排序的时间复杂度为                

O(n2)，空间复杂度为O(1)。      

（5）算法参考

2、希尔排序——缩小增量排序

（1）基本思想：

先取一个小于n的整数d1并作为第一个增量，将文件的全部记录分成d1个组，所有距离为d1倍数的记录放在同一个组中，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dt=1(dt<dt-1<…<d2<d1)为止，此时，所有的记录放在同一组中进行直接插入排序。 

三、选择排序 （直接选择排序）

1、基本思想概述

        每一趟在待排序的记录中选出关键字最小的记录，依次放在已排序的记录序列的最后，直至全部记录排完为止。    

        直接选择排序和堆排序都归属于此类排序。 本节主要介绍直接选择排序。

2、直接选择排序——不稳定

（1）基本思想

• 第一趟排序是在无序区R[0]～R[n-1]中选出最小的记录，将它与R[0]交换；
• 第二趟排序是在无序区R[1]～R[n-1]中选关键字最小的记录，将它与R[1]交换；
• 第i趟排序时R[0]～R[i-2]已是有序区，在当前的无序区R[i-1]～R[n-1]中选出关键字最小的记录R[k]，将它与无序区中第1个记录R[i-1]交换，使R[1]～R[i-1]变为新的有序区。              
• 因为每趟排序都使有序区中增加了一个记录，且有序区中的记录关键字均不大于无序区中记录的关键字，所以，进行n-1趟排序后，整个文件就是递增有序的。

 （2）算法参考

 （3）结论

• 直接选择排序的比较次数与关键字的初始排列状态无关，第一趟找出最小关键字需要进行n-1次比较，第二趟找出次小关键字需要进行n-2次比较……。因此，总的比较次数为

•  由于每趟选择后要进行两个记录的交换，而每次交换要进行三次记录的移动，因此，对n个记录进行直接选择排序时，记录移动次数的最大值为3(n1)，最小值为0。
• 直接选择排序的时间复杂度为O(n^2)。

四、交换排序(起泡排序、快速排序） 

1、基本思想：        

•         两两比较待排序记录的关键字，发现两个记录逆序时即进行交换，直至没有逆序的记录为止。
•         两种方法：起泡排序和快速排序

2、起泡排序

（1）基本思想

通过对相邻关键字的比较和交换，使全部记录排列有序。

（2）过程

• 将关键字按纵向排列，然后自下而上地对每两个相邻的关键字进行比较，若为逆序（  即       k j-1>kj），则将两个记录交换位置。这样的操作反复进行，直至全部记录都比较、交换完为止。如此一趟排序后，就将关键字最小的记录安排在第一个记录的位置上。
• 对后n-1个记录重复同样操作，再将次小关键字记录安排在第二个记录的位置上。
• 重复上述过程，直至没有记录需要交换为止。
• 引入一个布尔量noswap，在每趟排序之前，先将它置为TRUE。在一趟排序结束时，我们再检查noswap，若未曾交换过记录便终止算法。

 （3）算法参考

 （4）结论

• 若文件按关键字递增有序，则只需进行一趟排序，比较次数为n-1，记录移动次数为0，即比较次数和记录移动次数均为最小值；
• 若文件按关键字递减有序，则需进行n-1趟排序，比较次数和记录移动次数均为最大值，分别为：

•  起泡排序的时间复杂度为O(n^2)。

（5）改进

• ①在每趟扫描中，记住最后一次交换发生的位置k，因为该位置之前的记录都已排序，所以下一趟排序可终止于位置k，而不必进行到预定的下界i。例如：1，2，3，9，8，7。        
• ②上面提到若干文件初态为正序时只需进行一趟扫描，初态为逆序时则需进行n-1趟扫描。          实际上，如果只有最轻的气泡位于文件最末的位置，其余的记录均已排好序，那么也只需一趟扫描就可以完成排序。例如对于初始关键字序列6, 9, 12, 14, 19, 22, 35, 2就仅需一趟扫描。                                                                                                                                                 而当只有最重的气泡位于文件首记录的位置，其余的记录均已排好序时，则仍需n-1趟扫描才能完成排序。例如对于初始关键字35, 2, 6, 9, 12, 14, 19, 22就需七趟扫描。

3、快速排序——目前基于比较的内部排序方法中速度最快的

        任取待排序记录序列中的某个记录 (例如取第一个记录) 作为枢轴(pivot)，以该记录的关键字作为基准，将整个记录序列划分为左右两个子序列：

• 左侧子序列中所有记录的关键字都小于或等于枢轴记录的关键字  
• 右侧子序列中所有记录的关键字都大于枢轴记录的关键字
• 枢轴记录则排在这两个子序列中间(这也是该记录最终应安放的位置)。
• 然后分别对这两个子序列重复施行上述方法，直到所有的记录都按关键字有序排在相应位置上为止。

（2）算法参考

        ①递归

        ②划分（对无序区按基准进行划分）

五、归并排序 

1、算法思想

假设初始表含有n个记录，则可看成是n个有序的子表，每个子表的长度为1，然后两两归并，得到-【n/2】个长度为2或1的有序子表，再两两归并，……,如此重复，直至得到一个长度为n的有序子表为止。

2、归并过程——稳定

• 将两个有序子表合并为一个有序子表的过程类似于玩扑克牌：假设桌上有两堆面朝上的牌，最小的排在上面，现要将这两堆牌（看作输入）合并成一堆有序的牌（看作输出）。基本步骤是比较两输入堆顶上的两张牌，取出较小的那张牌将它面朝下放到输出堆中。重复这一步骤，直至某一输入堆为空，这是将另一输入堆中剩余的牌面朝下全部放入到输出堆中即可。如图所示：

• 设两个有序子表（相当于输入堆）放在同一向量中相邻的位置上：R[low..mid],R[mid+1..high]，先将它们合并到一个局部的暂存变量R1（相当于输出堆）中，待合并完成后将R1复制回R[low..high]中。

（3）二路归并算法参考

一趟归并算法

•  第1趟归并排序时，将R[1..n]看成是 n 个长度为 1 的有序子序列 (归并项)，先做两两归并，得到 [[n / 2]个长度为 2 的归并项 (如果 n 为奇数，则最后一个有序子序列的长度为1)；       
• 再做两两归并，…，如此重复，最后得到一个长度为 n 的有序序列。

 ——代码可直接调用

六、内部排序方法的比较

1、各排序方法的综合比较

        表中的“简单排序”包括除希尔排序之外的所有插入排序、起泡排序和直接选择排序，其中直接插入排序最为简单。

2、选取排序方法时考虑的因素有：

① 待排序的记录个数n

② 记录本身的大小

③ 关键字的分布情况

④ 对排序稳定性的要求

⑤ 语言工具的条件，辅助空间的大小

3、对应选择

 (1) 若待排序的一组记录数目n较小（如n≤50）时，可采用插入排序和选择排序。          

• 由于直接插入排序所需的记录移动操作较直接选择排序多，因而当记录本身信息量较大时，用直接选择排序较好。          

(2) 若n较大，则应采用时间复杂度为O(nlog2n)的排序方法：快速排序、堆排序或归并排序。     

• 快速排序被认为是目前内部排序中是最好的方法，当待排序的关键字随机分布时，快速排序的平均运行时间最短；          
• 堆排序只需一个记录的辅助空间，且不会出现快速排序可能出现的最坏情况。然而这两种方法都是不稳定的排序方法。          
• 若要求排序稳定，可选用归并排序，但本章介绍的从单个记录起进行两两归并的排序算法并不值得提倡。归并排序通常可以和直接插入排序结合起来使用。先利用直接插入排序求得较长的有序子文件，然后再两两归并之。因为直接插入排序是稳定的，所以改进后的归并排序仍是稳定的。