本文共 7212 字,大约阅读时间需要 24 分钟。
所谓排序,就是要整理文件中的记录,使之按关键字递增(或递减)次序排列起来。
排序是数据处理中经常使用的一种重要运算。在计算机及其应用系统中,花费在排序上的时间在系统运行时间中占有很大比重,并且排序本身对推动算法分析的发展也起很大作用。目前已有上百种排序方法,但并没有一个万能的排序方法来解决所有问题,接下来介绍几种常用的排序方法,并对它们进行分析和比较。
1.按是否涉及数据的内、外存交换
2.按策略划分内部排序方法
评价排序算法好坏的标准主要有两条:
排序算法的时间复杂度:
大多数排序算法的时间开销主要是关键字之间的比较和记录的移动。有的排序算法其执行时间不仅依赖于问题的规模,还取决于输入实例中数据的状态。
排序算法的空间复杂度:
若排序算法所需的辅助空间并不依赖于问题的规模n,即辅助空间是O(1),则称之为就地排序(In-PlaceSou)。非就地排序一般要求的辅助空间为O(n)。
插入排序(Insertion Sort)的基本思想是:每次将一个待排序的记录,按其关键字大小插入到前面已经排好序的子文件中的适当位置,直到全部记录插入完成为止。
常用的插入排序:直接插入排序 和希尔排序。
1.直接插入排序
排序过程中每次从无序表中取出第一个元素,将它插入到有序表中的适当位置,使之成为新的有序表,重复n-1次可完成排序过程。
时间复杂度为O(n^2),空间复杂度为O(1),稳定的。
伪码:
//直接插入排序void straightSelectSort(Record Array[], int n){ for(i = 0~n-1) Small = Array[i]; for(j = i+1~n-1) if(Small > Array[j]) Small=Array[j]; swap(Small,Array[i]);}
2.希尔排序
希尔排序(Shell Sort)又称为“缩小增量排序”。是1959年由D.L.Shell提出来的。该方法先将整个待排元素序列分割成若干个子序列(由相隔某个“增量”的元素组成的)分别进行直接插入排序,然后依次缩减增量再进行排序,待整个序列中的元素基本有序(增量足够小)时,再对全体元素进行一次直接插入排序。因为直接插入排序在元素基本有序的情况下(接近最好情况),效率是很高的。
在希尔排序开始时增量较大,分组较多,每组的记录数目少,故各组内直接插入较快,后来增量di逐渐缩小,分组数逐渐减少,而各组的记录数目逐渐增多,但由于已经按di-1作为距离排过序,使文件较接近于有序状态,所以新的一趟排序过程也较快。
希尔排序是不稳定的。
伪码:
void Insort(int a[],int n, int x)//x为步长,n为序列长度{ for (int i=x;i=x;j-=x){ if(a[j] 0;i/=2){ //设置增量为2,也就是步长每次减少2 for (int j=0;j
交换排序是通过两两比较待排序记录的关键字,发现两个记录的次序相反时即进行交换,直到没有反序的记录为止。
应用交换排序基本思想的主要排序方法有:冒泡排序和快速排序。1.冒泡排序
将被排序的记录数组S[1..n]垂直排列,每个记录s[i]看作是重量为s[i]的气泡。根据轻气泡不能在重气泡之下的原则,从下往上扫描数组s:凡扫描到违反本原则的轻气泡,就使其向上"飘浮"。如此反复进行,直到最后任何两个气泡都是轻者在上,重者在下为止。
平均时间复杂度为O(n^2),空间复杂度为O(1),由于是交换式的所以稳定。
代码:
void BubbleSort(SeqList R){ //采用自下向上扫描,对R做冒泡排序 int i,j; Boolean exchange; //交换标志 for(i=1;i=i;j--) //对当前无序区R[i..n]自下向上扫描 if(R[j+1].key
2.快速排序
设当前待排序的无序区为S[low..high],利用分治法可将快速排序的基本思想描述为:
①分解: 在S[low..high]中任选一个记录作为基准(Pivot),以此基准将当前无序区划分为左、右两个较小的子区间S[low..pivotpos-1)和S[pivotpos+1..high],并使左边子区间中所有记录的关键字均小于等于基准记录(不妨记为pivot)的关键字pivot.key,右边的子区间中所有记录的关键字均大于等于pivot.key,而基准记录pivot则位于正确的位置(pivotpos)上,它无须参加后续的排序。 注意: 划分的关键是要求出基准记录所在的位置pivotpos。划分的结果可以简单地表示为(注意pivot=S[pivotpos]): S[low..pivotpos-1].keys≤S[pivotpos].key≤S[pivotpos+1..high].keys 其中low≤pivotpos≤high。 ②求解: 通过递归调用快速排序对左、右子区间S[low..pivotpos-1]和S[pivotpos+1..high]快速排序。 ③组合: 因为当"求解"步骤中的两个递归调用结束时,其左、右两个子区间已有序。对快速排序而言,"组合"步骤无须做什么,可看作是空操作。
在当前无序区中选取划分的基准关键字是决定算法性能的关键。
由于快速排序的交换思想,可知它是不稳定的。
它的平均复杂度可以计算出为O(nlogn),空间复杂度为O(1)。
代码:
int Partition(SeqList R,int i,int j) { //调用Partition(R,low,high)时,对R[low..high]做划分, //并返回基准记录的位置 ReceType pivot=R[i]; //用区间的第1个记录作为基准 ' while(i=pivot.key) //pivot相当于在位置i上 j--; //从右向左扫描,查找第1个关键字小于pivot.key的记录R[j] if(i pivot.key R[j--]=R[i]; //相当于交换R[i]和R[j],交换后j指针减1 } //endwhile R[i]=pivot; //基准记录已被最后定位 return i; } //partitionvoid QuickSort(SeqList R,int low,int high) { //对R[low..high]快速排序 int pivotpos; //划分后的基准记录的位置 if(low
选择排序通过每一趟从待排序的记录中选出关键字最小的记录,顺序放在已排好序的子文件的最后,直到全部记录排序完毕。
常用的选择排序方法有直接选择排序和堆排序。1.直接选择排序
n个记录的文件的直接选择排序可经过n-1趟直接选择排序得到有序结果:
在无序区S[1..n]中选出关键字最小的记录S[k],将它与无序区的第1个记录S[1]交换,使S[1..1]和S[2..n]分别变为记录个数增加1个的新有序区和记录个数减少1个的新无序区。第i趟排序开始时,当前有序区和无序区分别为S[1..i-1]和S[i..n](1≤i≤n-1)。该趟排序从当前无序区中选出关键字最小的记录S[k],将它与无序区的第1个记录S[i]交换,使S[1..i]和S[i+1..n]分别变为记录个数增加1个的新有序区和记录个数减少1个的新无序区。
这样,n个记录的文件的直接选择排序可经过n-1趟直接选择排序得到有序结果。平均时间复杂度为O(n^2),空间复杂度为O(1)。
由于这个选择的关系,有可能会把相同元素的相对位置改变,故为不稳定的。
代码:
void SelectSort(SeqList R){ int i,j,k; for(i=1;i
2.堆排序
1.堆的定义
n个关键字序列Kl,K2,…,Kn称为堆,当且仅当该序列满足如下性质(简称为堆性质):
(1) ki≤K2i且ki≤K2i+1 或(2)Ki≥K2i且ki≥K2i+1(1≤i≤ )2.堆的分类
堆可分为大根堆和小根堆。
根结点(亦称为堆顶)的关键字是堆里所有结点关键字中最小者的堆称为小根堆。
根结点(亦称为堆顶)的关键字是堆里所有结点关键字中最大者,称为大根堆。3.基本思想
通常堆是通过一维数组来实现的。在起始数组为 0 的情形中:
注意:不使用位置 0,否则左子树永远为 0[2]
在堆的数据结构中,堆中的最大值总是位于根节点。堆中定义以下几种操作:
4.算法复杂度
堆排序的最坏时间复杂度为O(nlgn)。堆排序的平均性能较接近于最坏性能。由于建初始堆所需的比较次数较多,所以堆排序不适宜于记录数较少的文件。
堆排序是就地排序,辅助空间为O(1),它是不稳定的排序方法。代码:
//筛选法 void sift(int E[],int j,int length) { int i=j; int c = 2*i+1;//数据从0开始 while(c < length) { if((c+1E[c]) break;//此节点数据已经比孩子节点数据大 则停止循环 else { int t=E[i]; E[i]=E[c]; E[c]=t; i=c;//继续重复上述操作,直到孩子节点小于此节点或到数的最后一层 c = 2*i+1; } } } //堆排序 void HeapSort(int E[],int n)//第二个参数是数组长度 { //初始化堆 for(int i=n/2;i>=0;i--)//i=n/2是从倒数第二行开始 sift(E,i,n); for(int i=0;i
归并排序(Merge Sort)是利用"归并"技术来进行排序。归并是指将若干个已排序的子文件合并成一个有序的文件。
1、算法基本思路
设两个有序的子文件(相当于输入堆)放在同一向量中相邻的位置上:R[low..m],R[m+1..high],先将它们合并到一个局部的暂存向量R1(相当于输出堆)中,待合并完成后将R1复制回R[low..high]中。
(1)合并过程合并过程中,设置i,j和p三个指针,其初值分别指向这三个记录区的起始位置。合并时依次比较R[i]和R[j]的关键字,取关键字较小的记录复制到R1[p]中,然后将被复制记录的指针i或j加1,以及指向复制位置的指针p加1。
重复这一过程直至两个输入的子文件有一个已全部复制完毕(不妨称其为空),此时将另一非空的子文件中剩余记录依次复制到R1中即可。(2)动态申请R1实现时,R1是动态申请的,因为申请的空间可能很大,故须加入申请空间是否成功的处理。
平均时间复杂度为O(nlogn),空间复杂度为O(n),稳定的。
代码:
void Merge(SeqList R,int low,int m,int high){ //将两个有序的子文件R[low..m)和R[m+1..high]归并成一个有序的 //子文件R[low..high] int i=low,j=m+1,p=0; //置初始值 RecType *R1; //R1是局部向量,若p定义为此类型指针速度更快 R1=(ReeType *)malloc((high-low+1)*sizeof(RecType)); if(! R1) //申请空间失败 Error("Insufficient memory available!"); while(i<=m&&j<=high) //两子文件非空时取其小者输出到R1[p]上 R1[p++]=(R[i].key<=R[j].key)?R[i++]:R[j++]; while(i<=m) //若第1个子文件非空,则复制剩余记录到R1中 R1[p++]=R[i++]; while(j<=high) //若第2个子文件非空,则复制剩余记录到R1中 R1[p++]=R[j++]; for(p=0,i=low;i<=high;p++,i++) R[i]=R1[p];//归并完成后将结果复制回R[low..high]} //Merge
分配排序的基本思想:排序过程无须比较关键字,而是通过"分配"和"收集"过程来实现排序.它们的时间复杂度可达到线性阶:O(n)。
分配排序包括桶排序和基数排序。
1.桶排序
桶排序(Bucket Sort),其基本思想是:设置若干个桶,依次扫描待排序的记录R[0],R[1],…,R[n-1],把关键字等于k的记录全都装入到第k个桶里(分配),然后按序号依次将各非空的箱子首尾连接起来(收集)。
箱子的个数取决于关键字的取值范围。
桶排序的平均时间复杂度是线性的,即O(n)。但最坏情况仍有可能是O(n^2)。空间复杂度为O(m+n)。(m为每个桶的值域)
伪码:
void BucketSon(R){ //对R[0..n-1]做桶排序,其中0≤R[i].key<1(0≤i
2.基数排序
基数排序(Radix Sort)是当每个桶的值域区间很大时对桶排序的改进。
将一个记录的值即排序码拆分为多个部分来进行比较。例如如果要对0~9999之间的整数进行排序,可以先按照千位数字进行桶排序,将所有数字分配到10个桶中,接下来,继续按照桶排序的方法对百位、十位、个位进行排序,这样,可以完成排序。这种将排序码拆分为多个字码分别来进行排序的方法就是基数排序。
代码: 具体参见
//数组实现#includeusing namespace std;int data[10]={ 73, 22, 93, 43, 55, 14, 50, 65, 39, 81};int tmp[10];int count[10];int maxbit(int data[],int n)//取数据位数{ int d=1; for(int i=0;i d) d=c; } return d;}void RadixSort(int data[],int n){ int d=maxbit(data,n);//获取数据最大位数 int r=1; for(int i=0;i =0;j--) { int p=data[j]/r; int s=p%10; tmp[count[s]-1]=data[j];//由于如果此位相同的数字有两个 那计数是从0开始的,所以它的位置就应该-1 count[s]--; //cout< <<" "; } for(int i=0;i
导航:
本文 由 创作,采用 进行许可。欢迎转载,请注明出处: 转载自: