排序

排序

排序（sorting）又称为分类。概要地说，排序就是将待排序文件中的记录按排序码不减（或不增)的次序排列起来。  

其确切定义为：
设{R1，R2，…，Rn}是由n个记录组成的文件，{K1，K2，…，Kn}是相应的排序码的集合。 

所谓排序，就是确定1，2，…，n的一种排列p1，p2，…，pn，使得各排序码满足如下的非递减（或非递增）关系。
    
    如果待排序文件中，存在多个排序码相同的记录，经过排序后这些记录仍保持它们原来的相对次序，则称这种排序算法是“稳定的”；
    否则称该排序算法是“不稳定的”。  
    在排序过程中，整个文件都放在内存中处理的排序方法称为内排；  
    在排序过程中，不仅需要使用内存，而且还要使用外存的排序方法称为外排序。  

按所采用的策略不同，排序方法可分为五类：插入排序、交换排序、选择排序、归并排序和基数排序。
排序的过程就是对待排序文件的处理。其处理方式与存储结构相关，主要有三种。
（1）对记录本身进行物理重排，经过比较和判断，把记录移到合适的位置；
（2）对文件的辅助表（例如由排序码和指向记录的指针组成的目录表）的表目进行物理地重排，只移动辅助表的表目，而不移动记录本身。
（3）既不移动记录本身，也不移动辅助表的表目，而是在记录或辅助表的表目之间增加一条链，排序过程只改变这条链接上的指针，用以表示被排的顺序。

1. 插入排序（insertion sort）
    每次将一个待排序的记录，按其排序码值的大小插到前面已经排序的子文件中的适当位置，直到全部记录插入完为止。

    本节主要讲述直接插入排序、希尔（Shell）排序和其他插入排序（包括折半插入排序和表插入排序）。

   1. 直接插入排序（straight insertion sort）
       每步完成一个记录的插入，对于 n个记录的排序问题需要从 2 到 n 共 n -1 趟。

       当要插入第 i (2≤i≤n)个记录时，文件已分为两部分：其中，前i-1个记录已排好序（称为有序子文件）。  
       
       这时Ki与，，…，逐个进行比较，找到应该插入的位置，从该位置的记录到第i-1个记录，都往后顺移一个位置，然后将Ri插入。   
       
       这一趟的处理结果为其中前 i 个记录已为有序。  
       
       从上述过程可以看出，每趟完成一个记录的插入，而每插入一个记录，前边有序子文件的记录个数就增1，
       因此，经过有限步之后，n个记录则都进入到有序子文件之中而达到全部有序。
      

   该算法的附加空间为O(1)，算法的平均时间复杂度也为O(n2)。

   2. 希尔排序
      希尔（Shell）排序又称为缩小增量排序. Shell排序的平均时间复杂度为O(n1.3)

       首先取一个正整数 d1(d1< n)，把文件的全部记录分成 d1个组；
       所有距离为 d1倍数的记录都放在同一组中，在各组内进行排序； 
       
       然后取正整数d2<d1，重复上述的分组和排序过程；  
       直到取dlast=1，即所有记录都放在同一组中排序为止。  
       由于开始时d1的取值较大，每组中的记录个数较少，排序速度较快；  
       待到排序的后期，di的取值逐渐变小，每组中的记录个数逐渐变多，但由于有前面工作的基础，  
       大多数记录已基本有序，所以排序速度仍然很快。
      

   3. 折半插入排序
       直接插入排序中，在插入Ri时，，…，已是排好序的。因此在插入Ri时，可改用折半比较的方法来寻找 Ri的插入位置。按这种方法进行的插入排序称为折半插入排序（binaryinsertion sort），也称为二分法插入排序。
       时间复杂度为O（nlog2n）。

   4. 表插入排序
      表插入排序（list insertion sort）的基本思想是：在每个结点中增加一个指针字段，在插入Ri（i=2，…，n）时，R1到Ri-1已经用指针按排序码值不减的次序链结起来，这时循链顺序比较，找到Ri应该插入（链入）的位置，然后做链表的插入，这样就得到从R1到Ri的一个通过链接指针排好序的链表。如此重复处理，直到把Rn插入链表中排好序为止。

      执行表插入排序可以用数组 R 存放待排序的文件，记录之间的链接关系用next 字段表示，next字段取值为数组元素的下标，头指针就放在R[0].next字段中。
      这种形式的链表称作静态链表。

2. 交换排序
   交换排序（exchange sorting）的基本思想是：两两比较待排序记录的排序码，并交换不满足顺序要求（反序）的那些偶对，直到不再存在这样的偶对为止。本节介绍两种交换排序：冒泡排序和快速排序。

   1. 冒泡排序
       冒泡排序（bubble sort）又称为起泡排序，它是一种简单的交换排序方法。其具体做法是：设n个记录的待排序文件存放在数组R[1‥n] 中，首先比较Kn-1和Kn，如果Kn-1> Kn（发生逆序），则交换Rn-1和Rn；
       然后Kn-2和Kn-1（可能是刚交换来的）做同样的处理；重复此过程直到处理完K1和 K2。上述的比较和交换的处理过程称为一次起泡。第一趟结果是将排序码最小的记录交换到文件第一个记录R1的位置（也是最终排序的位置），其他的记录大多数都向着最终排序的位置移动。但也可能出现个别的记录向着相反的方向移动的情况。第二趟再对R[2‥n] 部分重复上述处理过程，这一趟的结果是将排序码次最小的记录交换到文件第二个记录R2的位置。如此一趟一趟地进行下去……至多经过n-1趟（n-1次起泡）就可达到全部有序。

      冒泡排序算法的平均时间复杂度为O(n2)，空间复杂度为O(1)。

   2. 快速排序
       快速排序（quick sort）又称划分交换排序。

      其基本思想是：在待排序文件的n个记录中任取一个记录（例如就取第一个记录）作为基准，
      将其余的记录分成两组，第一组中所有记录的排序码都小于或等于基准记录的排序码；
      第二组中所有记录的排序码都大于或等于基准记录的排序码，
      基准记录则排在这两组的中间（这也是该记录最终排序的位置）；
      然后分别对这两组记录重复上述的处理，直到所有的记录都排到相应的位置为止。  
      

      快速排序的时间复杂度为O(nlog2n)。

3. 选择排序

    选择排序（selection sort）基本思想是：第一趟在有n个记录的待排序文件中，选出排序码最小（大）的记录，
    并把它与剩余的n-1个记录分开；然后在剩余的n-1个记录再选出排序码最小（大）的记录，
    并把它与剩余的n-2个记录分开；依次重复下去，……，一般第i趟（i = 1，2，…，n-1）在当前剩余的 n- i+1 个待排序记录中选出排序码最小（大）的记录，
    作为有序子文件第 i个记录。
    待到第n-1趟结束时，剩余的待排序文件中只剩下一个记录，
    它就是整个待排序文件中的排序码最大（小）的记录，至此排序已完成。
    本节将介绍直接选择排序、树形选择排序和堆排序三种选择排序的方法。  
   

   1. 直接选择排序

      直接选择排序（straight selection sort）又称为简单选择排序（simple selection sort），它是一种简单的排序方法。

       其做法是：首先在所有记录中选出排序码最小（大）的记录，  
       把它与第一个记录交换，然后在其余的记录中再选出排序码最小（大）的记录与
       第二个记录交换，以此类推，直到所有记录排序完成。  
      

   2. 树形选择排序
      树形选择排序（tree selection sort），又称锦标赛排序（tournament sort）。 树形选择排序总的时间开销为O(nlog2n)，总的附加空间量为2n-1。

       直接选择排序时，为了从n个排序码中找出最小的排序码，需要进行n-1次比较，
       然后为在n-1个排序码中找出次最小的排序码需要进行n-2次比较。 
       
       树形选择排序的具体做法是：把n个排序码两两进行比较，取出⎡n/2⎤ 个较小的排序码作为第一步比较的结果保存下来，再把这 ⎡n/2⎤ 个排序码两两分组并进行比较，…，
       如此重复，直到选出一个排序码最小的记录为止。
       
       在选择次最小排序码时，
       只要将结点中最小排序码改成＋∞（实现时用机器最大数来代替），
       重新进行比较，这时，实际上只要修改从树根到刚刚改为+∞的叶结点这条路径上的各结点的值，
       其他结点均保持不变。如此反复，直到排序完成。
      

   3. 堆排序
      堆排序（heap sort）是由它的发现者J.W.J.Williams 于1964 年命名的，是对树形选择排序的进一步改进。
      使得时间开销与树形选择排序相同，也为O(nlog2n)。
      同时又不需增加像树形选择排序那么多的附加存储空间，堆排序的附加存储空间仅为O(1)。

       堆排序的基本思想是：  
       （1）将待排序文件的n个记录，利用堆的调整算法FilterDown( )建成初始堆；  
       
       （2）输出堆顶记录；  
       
       （3）对剩余的记录重新调整成堆；  
      

4. 归并排序

    将已有序的子文件进行合并，得到完全有序的文件。
    合并时只要比较各有序子文件的第一个记录的排序码，排序码最小的那个记录就是排序后的第一个记录；
    取出这个记录，然后继续比较各个子文件的第一个记录，便可找出排序后的第二个记录；
    如此继续下去，只要经过一趟扫描就可以得到最终的排序结果。
    
    对于排序码任意排列的待排序文件进行归并排序时，可以把文件中的n个记录看成n个子文件。
    每个子文件只包含一个记录，显然对于个子文件来说是有序的。
    
    但是，要想只经过一趟扫描就将n个子文件全部归并成一个有序的文件显然是困难的。
    通常，可以采用两两归并的方法，即每次将两个子文件归并成一个较大的有序子文件。
    
    第一趟归并后，得到个长度为2的有序子文件（最后一个子文件长度可能为1）；
    在此基础上，再进行以后各趟的归并，每经过一趟后，子文件的个数约减少一半，而每个子文件的长度约增加一倍。
    如此反复，直到最后一趟将两个有序子文件归并到一个文件中，这时整个排序工作就完成了。
   

   时间代价为O(nlog2n)，空间复杂度为O(n)。

5. 基数排序

    基数排序（radix sort）又称为桶排序（bucket sort）,
    是一种采用“分配”和“收集”的办法，
    借助于多排序码排序的思想来实现对单排序码进行排序的方法。
    是利用“分配”和“收集”两种操作对单排序码进行排序的一种内部排序的方法。
    
    所以总的时间复杂度为 O(d(n+radix))。
    算法所需要的附加存储空间是为每个记录增设的指针字段，
    以及每一个队列的队头和队尾指针，总共为n+2radix。
   

6. 外排序

    外排序过程主要分为两个阶段:
    （1）根据为外排序所用的内存缓冲区的大小，将外存上含有n个记录的待排序文件划分成若干个子文件或段（segment），
    依次读入内存并用有效的内排序方法对各段进行排序。然后将这些经过排序的段回写到外存，通常称这些经过排序的段（即有序子文件）为归并段或顺串（run）。
    
    （2）对这些归并段进行逐趟归并，使归并段的长度逐趟增大，
    直到最后归并成一个大归并段（即整个有序文件）为止。
   

   • 2路平衡归并

     由于内、外存在读写时间上存在着很大的差异，因此提高外排序速度的关键是减少对数据的扫描的遍数（即对顺串归并的趟数）。
     
     因此，增大归并路数，可减少归并趟数，从而减少总的读写外存的次数d。
     
     从表8-1中可以看出，采用6路归并比2路归并可减少近一半的读写外存的次数。
     
     一般地，对m个顺串，做k路平衡归并，归并树可用正则k叉树（即只有度为0和度为k的结点的k叉树   ）来表示。
     

   • k路平衡归并与败者树

     败者树（tree of loser）实际上是一棵完全二叉树，它是树形选择排序的一种变型。
     败者树就是在比赛（选择）树中，每个非叶结点均存放其两个子女结点中的败者，而让胜者去参加上一层的比赛。
     叶结点指向对应缓冲区中的当前第一个记录。
     此外，在根结点之上还增加进一个双亲结点，它为比赛的“冠军”。
     

   • 最佳归并树