堆排序:
把待排序数据当做完全二叉树看待,先把二叉树调整成大顶堆结构,把根节点的值与末尾节点的值交换,然后数量范围-1,重新从上到下调整回大顶堆,继续以上操作,直到数量为1结束,此时全部数据就从小到大排序了
既可以顺序实现,也可以递归实现
时间复杂度:O(N*logN)
不稳定
代码实现:
//堆排序
void heap_sort(int* arr,int len)
{
//把数组调整成堆结构
for(int i=2; i<=len; i++)
{
int j = i;
while(j>1)
{
if(arr[j/2-1] <arr[j-1])
{
SWAP(arr[j/2-1] , arr[j-1]);
j /=2;
continue;
}
break;
}
}
//堆顶交换末尾 从堆顶到末尾-1 调整回调 直到全部调整
while(len > 1)
{
SWAP(arr[0],arr[len-1]);
len--;
int i = 1;
while(i-1 <len)
{
if(i*2 < len)
{
if(arr[i*2] >= arr[i*2-1] && arr[i*1] > arr[i-1])
{
SWAP(arr[i*2],arr[i-1]);
i = i*2+1;
}
else if(arr[i*2-1] > arr[i*2] && arr[i*2-1] > arr[i-1])
{
SWAP(arr[i*2-1],arr[i*2]);
i *= 2;
}
else break;
}
else if(i*2-1 < len)
{
if(arr[i*2-1] > arr[i-1])
{
SWAP(arr[i*2-1] , arr[i-1]);
i *= 2;
}
else break;
}
else break;
}
}
}
2、归并排序:
首先需要把数据拆分成单独的个体,然后按照从小到大的顺序比较后排序到一段临时空间中,把排序后的临时空间中的数据拷贝回原内存,然后依次把有序的个体继续以上操作合并成更大的有序部分
归并排序不需要交换数据,减少了交换的耗时,但是需要额外的存储空间,是一种典型的以空间换时间的算法
时间复杂度:O(N*logN)
稳定的
代码实现:
// 合并 l左部分最左 p左部分最右 p+1右部分最左 r右部分最右
void __merge(int* arr,int* temp,int l,int p,int r)
{
// 合并前 左右部分各自有序
if(arr[p] <= arr[p+1]) return;
int s = l;
int i = l, j = p+1;
while(i<=p && j<=r)
{
// 左右部分从开头进行比较
if(arr[i] <= arr[j]) // <= 确保是稳定的
temp[s++] = arr[i++];
else
temp[s++] = arr[j++];
}
// 比完后,把多的部分剩余的数据依次存入temp
while(i<=p) temp[s++] = arr[i++];
while(j<=r) temp[s++] = arr[j++];
// 把temp还原回对应位置的arr
memcpy(arr+l,temp+l,sizeof(TYPE)*(r-l+1));
}
// 拆分
void _merge(int* arr,int* temp,int l,int r)
{
if(l >= r) return;
int p = (l+r)/2;
_merge(arr,temp,l,p);
_merge(arr,temp,p+1,r);
// 合并
__merge(arr,temp,l,p,r);
}
// 归并排序
void merge_sort(int* arr,size_t len)
{
// 申请临时存储空间
int* temp = malloc(sizeof(TYPE)*len);
_merge(arr,temp,0,len-1);
free(temp);
}
3、计数排序:
找出待排序数据中的最大、最小值,创建长度为
最大值-最小值+1 的哈希表,根据哈希函数 数据-最小值 当做哈希表的下标并对所有数据做标记
然后从头遍历哈希表,当某个位置的值大于0,把该位置的下标+最小值的到结果依次放回原数据内存中
是一种典型的以空间换时间的算法
理论上该算法的速度是非常快的,它不是基于比较的排序算法,在一定范围内的整数排序中快于任意一种基于比较的排序算法,但是有很大的局限性,只适合整型数据排序,数据的差值不宜太大,否则会非常浪费内存
反之数据差值不大、重复数比较多的情况下性价比很高
时间复杂度:Ο(n+k)(其中k是整数的范围)
稳定的
代码实现:
// 计数排序
void count_sort(int* arr,size_t len)
{
TYPE max = arr[0],min = arr[0];
for(int i=1; i<len; i++)
{
if(arr[i] > max) max = arr[i];
if(arr[i] < min) min = arr[i];
}
int* temp = calloc(sizeof(int),max-min+1);
for(int i=0; i<len; i++)
{
temp[arr[i]-min]++;
}
for(int i=0,j=0; i<max-min+1; i++)
{
while(temp[i]--) arr[j++] = i+min;
}
free(temp);
}
桶排序:
一般是把数据根据数值分到不同的"桶",通过不同的、合适的其他排序算法对"桶"中的数据进行排序,然后再把各个"桶"的数据依次拷贝回原内存中
桶排序是一种降低排序规模的排序思想,也是以空间换时间的算法
缺点:如何分桶、桶如何定义,都需要针对具体待排序的数据进行分析后才能确定
桶排序的稳定性取决于桶内排序使用的算法
有些资料上认为桶排序可以做到稳定,所以认为桶排序稳定
代码实现:
// cnt桶数 range桶中数据的差值
void _bucket(int* arr,size_t len,int cnt,int range)
{
// 申请桶内存
// bucket_s指向桶的开头位置
// bucket_e指向桶的末尾 接下去要入桶的位置
int* bucket_s[cnt],*bucket_e[cnt];
for(int i=0; i<cnt; i++)
{
// 数据有可能全在一个桶内
bucket_s[i] = malloc(sizeof(int)*len);
bucket_e[i] = bucket_s[i];
}
// 把数据按照对应的范围放入对应的桶中
for(int i=0; i<len; i++)
{
for(int j=0; j<cnt; j++)
{
if(j*range <= arr[i] && arr[i] < (j+1)*range)
{
*(bucket_e[j]) = arr[i];
bucket_e[j] += 1;
break;
}
}
}
// 通过其他排序对各个桶中的数据排序
for(int i=0; i<cnt; i++)
{
// 计算桶中元素的数量
int size = bucket_e[i] - bucket_s[i];
// 其他排序
if(1 < size)
bubble_sort(bucket_s[i],size);
// 按照先后顺序 放入原内存中
memcpy(arr,bucket_s[i],size*sizeof(int));
arr += size;
free(bucket_s[i]);
}
}
// 桶排序
void bucket_sort(int* arr,size_t len)
{
_bucket(arr,len,4,25);
}