数据结构——选择排序

Pstary_ABC

于 2023-07-15 14:37:35 发布

阅读量149

点赞数 1

分类专栏：数据结构文章标签：数据结构算法 c语言

本文链接：https://blog.csdn.net/weixin_52821814/article/details/131738217

版权

数据结构专栏收录该内容

9 篇文章 1 订阅

订阅专栏

一、简单选择排序

1.1 基本思想

在待排序数组中选出最小的(或最大)的与第一个位置的数据交换然后在剩下的待排序数组中找出最小(或最大)的与第二个位置的数据交换，以此类推，直到第 $n - 1$ 个元素。

简单选择排序可以说是冒泡排序的一种改版，它不再两两比较出较小数就进行交换，而是每次遍历比较当前数的后面所有数，最后再把最小的数和当前数进行交换。

1.2 图示

举例：下面是待排序的元素
在这里插入图片描述
黄色为排好序的元素，紫色的表示正在操作的元素

1.3 简单选择排序代码

void SelectSort(ElemType A[], int n) {
    for(int i = 0;i < n - 1; i++) { 			//一共进行n-1趟
        int min = i; 							//记录最小元素位置
        for(int j = i + 1; j < n; j++) {		//在A[i...n-1]中选择最小的元素
            if(A[j] < A[min]) min = j; 			//更新最小元素位置
        }
        if(min != i) swap(A[i], A[min]); 		//封装的swap函数共移动元素三次
    }
}

1.4 性能分析

1.4.1 复杂度

空间复杂度：仅使用常数个辅助单元， $O (1)$
时间复杂度：为 $O(n^2)$

1.4.2 稳定性

在第 $i$ 趟找到最小元素后，和第 $i$ 个元素交换，可能会导致第 $i$ 个元素与其含有相同关键字元素的相对位置发生改变，因此简单选择排序是一种不稳定的排序算法。

二、堆排序

2.1 堆

2.1.1 堆的概念

堆是一棵完全二叉树
堆中每个节点的值都必须大于等于(大顶堆)或小于等于(小顶堆)其左右节点的值。

2.1.2 堆的实现

用数组存储完全二叉树，下标为 $i$ 的结点左子节点下标为 $2 i$ ，右子节点下标为 $2 i + 1$
在这里插入图片描述

2.1.3 堆的核心操作

在这里插入图片描述

堆的插入和删除时间复杂度都为 $O (l o g n)$

(1) 往堆中插入一个元素

插入元素后可能导致堆不满足堆的特性，需要对其进行调整让其重新满足堆的特性(堆化)，即顺着结点所在路径，向上或向下对比，然后变换。

例如：插入元素22，此时破坏了堆的特性，因此需要进行调整。
在这里插入图片描述
调整之后，得到的堆如下图所示：

(2) 从堆中删除一个元素：把最后一个结点放到堆顶，然后利用相同的父子结点对比方法，对于不满足父子结点大小关系的，互换两个结点，并且重复进行这个过程，直到满足堆的特性为止。

举例：删除结点33

首先将最后一个结点放到堆顶，替换掉该元素
在这里插入图片描述
然后根据堆的特性对结构进行调整：

最终得到的结果：

2.2 堆排序基本思想

首先将存放在 $L [1... n]$ 中的 $n$ 个元素建成初始堆，由于堆本身的特点（以大根堆为例），堆顶元素就是最大值。输出堆顶元素之后，通常将堆底元素送入堆顶，此时根节点已不满足大根堆的性质，堆被破坏，将堆顶元素向下调整使其保持大顶堆的性质，再输出堆顶元素。如此重复，直到堆中仅剩下一个元素位置。

将待排序的序列构造成一个最大堆，此时序列的最大值为根节点
依次将根节点与待排序序列的最后一个元素交换
再维护从根节点到该元素的前一个节点为最大堆，如此往复，最终得到一个递增序列

2.3 堆排序的代码

void BuildMaxHeap(ElemType A[], int len) {
    for(int i = len / 2; i > 0; i --) {
        HeapAdjust(A, i, len);
    }
}

void HeapAdjust(ElemType A[], int k, int len) {
    A[0] = A[k]; 							//暂存根节点
    for(int i = 2 * k; i <= len; i *= 2) { 	//沿key较大的子节点向下筛选
        if(i < len && A[i] < A[i + 1]) { 	//i < len保证有右孩子，A[i] < A[i + 1]比较左右孩子的大小
            i++;
        }
        if(A[0] >= A[i]) break; 			//根节点比左右孩子更大，筛选结束
        else {
            A[k] = A[i]; 					//将A[i]调整到双亲结点上
            k = i; 							//修改k值，以便向下筛选
        }
    }
    A[k] = A[0]; 							//被筛选结点的值放入最终位置
}

void HeapSort(ElemType A[], int n) {
    BuildMaxHeap(A, n);
    for(int i = n; i > 1; i--) { 			//n-1趟的交换和建堆过程
        swap(A[i], A[1]); 					//输出堆顶元素
        HeapAdjust(A, 1, i - 1);
    }
}