C语言经典算法之洗牌算法

JJJ69

于 2024-03-26 10:49:00 发布

阅读量1.2k

点赞数 17

分类专栏： C语言经典算法文章标签：算法 c语言数据结构

本文链接：https://blog.csdn.net/weixin_56154577/article/details/137038550

版权

C语言经典算法专栏收录该内容

160 篇文章 12 订阅

订阅专栏

前言

A.建议

1.学习算法最重要的是理解算法的每一步，而不是记住算法。

2.建议读者学习算法的时候，自己手动一步一步地运行算法。

B.简介

在C语言中实现经典的洗牌算法，我们通常指的是Fisher-Yates（也称为Knuth-Shuffle）算法。该算法保证了随机均匀打乱一个数组中的元素顺序。

一代码实现

以下是一个简单的Fisher-Yates洗牌算法在C语言中的实现：

#include <stdio.h>
#include <stdlib.h>
#include <time.h>

void shuffle(int array[], int n) {
    srand(time(NULL)); // 设置随机种子，通常在程序开始时只执行一次
    for (int i = n - 1; i > 0; --i) {
        int j = rand() % (i + 1);
        int temp = array[i];
        array[i] = array[j];
        array[j] = temp;
    }
}

int main() {
    int deck[52]; // 假设我们有一个52张牌的数组，从0到51编号

    // 初始化牌组
    for (int i = 0; i < 52; ++i) {
        deck[i] = i; // 将牌编号从0到51依次放入数组，代表从第一张牌到最后一张牌
    }

    // 执行洗牌操作
    shuffle(deck, 52);

    // 输出洗牌后的结果
    printf("洗牌后的牌序:\n");
    for (int i = 0; i < 52; ++i) {
        printf("%d ", deck[i]);
        if ((i + 1) % 13 == 0) { // 每打印完一副牌的13张就换行
            printf("\n");
        }
    }

    return 0;
}

现在，这个程序首先会创建一个代表52张牌的数组并按顺序初始化。然后它会调用shuffle函数进行洗牌，最后输出洗牌后每张牌的位置。这里只是简单地打印出数字，实际应用中可以将这些数字与具体的牌面值对应起来显示。

解释：

函数shuffle接受一个整数数组和它的大小作为参数。
首先，使用srand(time(NULL))设置随机数生成器种子，通常只在程序启动时调用一次，以确保每次运行都能产生不同的随机序列。
然后，从数组的最后一个元素开始向前遍历，对于每个元素，生成一个介于0（包含）和当前元素索引（包含）之间的随机数。
使用临时变量交换数组中当前位置（i）的元素和随机选出的元素（j）。
重复这个过程直到遍历完数组的所有元素，这样就完成了对整个数组的随机打乱。

请注意，上述实现假定rand()函数能够生成均匀分布的随机数，实际情况中，rand()的质量可能受限于具体的C语言实现，更高质量的随机数生成器可能需要使用其他库提供的功能。在现代编程实践中，建议使用<random>库提供的高质量随机数生成器替代标准库中的rand()函数。

二时空复杂度

A.时间复杂度：

Fisher–Yates shuffle的时间复杂度是O(n)，其中n是数组中的元素数量。这是因为算法只需遍历数组一次，并在每个位置上执行一次随机选择和交换操作。

B.空间复杂度：

Fisher–Yates shuffle是in-place算法，意味着它不需要额外的空间来存储数据，因此其空间复杂度是O(1)。也就是说，除了输入数组本身外，算法所需辅助空间并不随数组规模的增长而增长。

C.总结：

总结一下：

时间复杂度：O(n)
空间复杂度：O(1)

在上述算法实现中，正确版本的时间复杂度已经被修正为O(n)，而不是一些早期资料中可能提到的O(n²)。这个算法因其高效性和能确保均匀打乱数组而广受欢迎。在给定的C语言代码实现中，shuffle函数即实现了这一算法。

三优缺点

A.优点：

均匀随机性：Fisher-Yates（Knuth）洗牌算法保证了每个排列都是等可能的结果，因此生成的随机序列具有良好的随机性和公平性。
原地操作：该算法在原数组上直接进行操作，不需要额外的存储空间，空间复杂度为O(1)。
简单易懂：算法逻辑清晰，易于理解和实现，仅需要遍历数组一次并对数组元素进行随机置换即可。
高效性：时间复杂度为O(n)，在处理大规模数据时依然保持较好的性能。

B.缺点：

随机数质量依赖：算法的有效性高度依赖于随机数生成器的质量。若随机数生成器不能产生均匀分布的随机数，可能会导致洗牌效果不佳。
无序性检查：算法没有内置机制来检查是否已经达到无序状态，如果数组已经处于随机状态再进行洗牌，将会浪费不必要的计算资源。
偶然的不均衡：在某些特定情况下，如果随机数生成器的质量不高或者种子选取不当，可能出现偶然的局部不均衡现象，即某些排列出现的概率稍高。
并发安全性：在多线程环境下，如果不采取同步措施，可能会产生竞争条件（race condition），导致洗牌结果不可预测。

C.总结：

总体而言，Fisher-Yates洗牌算法是实践中广泛应用的经典算法，尤其是在需要随机排列数组元素的各种场景中，其简单性和高效性使之成为首选方案。然而，必须确保所使用的随机数生成器具有足够的随机性和质量。在多线程或并发环境中使用时，应添加适当的锁或其他同步机制以保证正确性。

四显示中的应用

洗牌算法在现实生活中的应用广泛而多样，以下是几个典型的应用实例：

游戏开发：
- 在许多桌面和在线游戏中，如扑克、麻将、UNO等卡牌游戏中，为了保证游戏的公正性和随机性，每当新的一局开始时，都需要对整副牌进行随机洗牌，确保每一轮发牌给玩家的牌都是随机排列的。
教育应用：
- 教育软件中，用于随机排列试题、练习题或者课堂测试题目，避免学生按照固定顺序记忆答案。
音乐播放器：
- 音乐播放器中的“随机播放”功能就是利用洗牌算法实现的，它可以让用户听歌列表中的歌曲以一种看似随机的顺序播放，提高用户体验。
广告轮播：
- 在网站或应用程序中展示广告时，为了避免广告曝光次数过于集中，可采用洗牌算法来决定广告的显示顺序，实现广告位的公平轮换。
数据分析和机器学习：
- 在数据预处理阶段，有时需要对样本集进行随机化处理，以减少训练模型时的数据偏见，这时会用到洗牌算法。
实验设计：
- 在社会科学、医学和其他领域做随机化实验时，需要将试验对象随机分配到不同的组别，确保实验组和对照组的构成是随机且公平的。
网站推荐系统：
- 推荐系统中，洗牌算法可以帮助生成个性化的商品、文章或者其他内容的随机推荐序列，增加用户的探索性和新鲜感。