首页 > 编程语言 >【数据结构】详细介绍各种排序算法,包含希尔排序,堆排序,快排,归并,计数排序

【数据结构】详细介绍各种排序算法,包含希尔排序,堆排序,快排,归并,计数排序

时间:2024-09-09 22:51:56浏览次数:16  
标签:arr end int 堆排序 gap 快排 key 排序

目录

1. 排序

1.1 概念

1.2 常见排序算法

2. 插入排序

2.1 直接插入排序

2.1.1 基本思想

2.1.2 代码实现

2.1.3 特性

2.2 希尔排序(缩小增量排序)

2.2.1 基本思想

2.2.2 单个gap组的比较

2.2.3 多个gap组比较(一次预排序)

2.2.4 多次预排序

2.2.5 特性

3. 选择排序

3.1 直接选择排序

3.1.1 基本思想

3.1.2 代码实现 

3.1.3 特性

3.2 堆排序

4. 交换排序

4.1 冒泡排序

4.1.1 基本思想

4.1.2 特性

4.2 快速排序

4.2.1 基本思想

4.2.2 单趟比较

4.2.3 快排递归实现

4.2.4 快排优化

4.2.5 快排非递归实现

4.2.6 特性

4.2.7 三路划分 

5. 归并排序

5.1 递归实现

5.2 特性

5.3 非递归实现  

5.4 小区间优化  

5.5 外排序

6.  计数排序

6.1 基本思想

6.2 特性

7. 选择题 


1. 排序

1.1 概念

1. 排序:所谓排序,就是使一串记录按照其中的某个或某些关键字的大小,递增或递减的排列起来的操作。

2. 稳定性:假定在待排序的记录序列中,存在多个具有相同的关键字的记录,若经过排序,这些记录的相对次序保持不变,即在原序列中,r[i]=r[j],且r[i]在r[j]之前,而在排序后的序列中,r[i]仍在r[j]之前,则称这种排序算法是稳定的,否则称为不稳定的。

3. 内排序:数据元素全部放在内存中的排序。

4. 外排序:在外存中对数据排序。

1.2 常见排序算法


2. 插入排序

2.1 直接插入排序

2.1.1 基本思想

1. 假设有一个空数组,插入第一个数据时不用比较默认有序,插入第二个数据时要和前面数据比较,插入第三个数据时要和前面数据比较...

2. 每次新插入数据就和数组的最后一个数据比较,如果比最后一个数据小就继续往前比较,如果比最后一个数据大就放在该数据的后面。


1. 假设有一个非空无序数组,那么就把第二个元素当作是要插入的元素和第一个比较,这一趟比较完会获得前两个元素有序。

2. 前两个比较完后,就将第三个元素看作是要插入的元素进行一趟比较,比较完后会获得前三个有序。

3. 以此类推,直到把最后一个元素看作是要插入的元素,比较完后就全部有序了。

2.1.2 代码实现

void InsertSort(int* arr, int n)
{
	/*一开始全部无序,就假设第一个元素下标是end,end后面是要插入的数,单趟比较结束后有序的数就多了一个,end就要往后一位,
	直到end变成倒数第二个元素的下标,也就意味着只剩最后一个是要插入比较的。*/
	for (int i=0; i<n-1; i++)
	{
		//1. 一开始设end是第一个元素的下标,tmp是end后一位的元素。
		int end = i;
		int tmp = arr[end + 1];

		//2. 如果tmp比arr[end]小,则arr[end]往后挪一位,tmp继续往前比较。
		//3. 如果tmp比arr[end]大,则tmp就放在arr[end]后面。
		//4. 如果tmp比所有元素都小,tmp会一直往前比直到超出数组范围,此时end减到了-1,tmp放在arr[end+1]位置即可。
		while (end >= 0)
		{
			if (tmp < arr[end])
			{
				arr[end + 1] = arr[end];
				end--;
			}
			else break;
		}
		arr[end + 1] = tmp;
	}
}

2.1.3 特性

1. 元素集合越接近有序,直接插入排序算法的时间效率越高。

2. 时间复杂度:O(N^2)。

3. 空间复杂度:O(1)。

4. 稳定性:稳定,遇到相等不动,可以保证相对顺序。

2.2 希尔排序(缩小增量排序)

2.2.1 基本思想

1. 先进行多次预排序,预排序之后进行一次直接插入排序。

2. 假设一个gap = 3,将距离为gap的元素分为一组,一共有gap组,对gap组进行插入排序,这就是预排序。

3. 当gap = 1时,这就是直接插入排序。

如图可知,红色为一个gap组,蓝色为一个gap组,绿色为一个gap组。

2.2.2 单个gap组的比较

1. 一个集合被分为多个gap组,这只完成了一个gap组的比较。

    int gap = 3;
	//end只用走到gap组的倒数第二个位置,gap组的倒数第二个和倒数第一个比完就结束了。
	for (int i = 0; i < n - gap; i += gap)
	{
		//通过end_index找到下一个gap组元素。
		int end_index = i;
		int tmp = arr[end_index + gap];

		while (end_index >= 0)
		{
			//tmp小,前面的就往后走,tmp继续往前比较。
			if (tmp < arr[end_index])
			{
				arr[end_index + gap] = arr[end_index];
				end_index -= gap;
			}
			//tmp大,就不用比较,已经有序了。
			else
			{
				break;
			}
		}
		//循环走完了没中断意味着tmp最小,一直往前比到越界了,加回一个gap就是gap组第一个位置。
		arr[end_index + gap] = tmp;
	}

2.2.3 多个gap组比较(一次预排序)

1. 如上图,gap = 3,集合被分成3个gap组,需要进行三次gap组排序。

	//在单次gap组比较外面加一层循环,循环gap次。
	int gap = 3;
	for (int j = 0; j < gap; j++)
	{
		//end只用走到gap组的倒数第二个位置,gap组的倒数第二个和倒数第一个比完就结束了。
		for (int i = 0; i < n - gap; i += gap)
		{
			//通过end_index找到下一个gap组元素。
			int end_index = i;
			int tmp = arr[end_index + gap];

			while (end_index >= 0)
			{
				//tmp小,前面的就往后走,tmp继续往前比较。
				if (tmp < arr[end_index])
				{
					arr[end_index + gap] = arr[end_index];
					end_index -= gap;
				}
				//tmp大,就不用比较,已经有序了。
				else
				{
					break;
				}
			}
			//循环走完了没中断意味着tmp最小,一直往前比到越界了,加回一个gap就是gap组第一个位置。
			arr[end_index + gap] = tmp;
		}
	}

多个gap组比较的优化:

1. 上面的代码是将一个gap组排完后再去排另一个gap组。

2. 如图可知不同的gap组之间是连续的,我们可以将不同的gap组轮流排序,你排一个我排一个。

	int gap = 3;
	//end只用走到gap组的倒数第二个位置,gap组的倒数第二个和倒数第一个比完就结束了。
	//i每次加一,gap组轮流排序。
	for (int i = 0; i < n - gap; i++)
	{
		//通过end_index找到下一个gap组元素。
		int end_index = i;
		int tmp = arr[end_index + gap];

		while (end_index >= 0)
		{
			//tmp小,前面的就往后走,tmp继续往前比较。
			if (tmp < arr[end_index])
			{
				arr[end_index + gap] = arr[end_index];
				end_index -= gap;
			}
			//tmp大,就不用比较,已经有序了。
			else
			{
				break;
			}
		}
		//循环走完了没中断意味着tmp最小,一直往前比到越界了,加回一个gap就是gap组第一个位置。
		arr[end_index + gap] = tmp;
	}

2.2.4 多次预排序

1. 全部gap组排序完成后叫作一次预排序,事实上我们会通过改变gap的值进行多次预排序。

2. 一般gap的变化是,gap = gap / 3 + 1 或 gap = gap / 2。

void ShellSort(int* arr, int n)
{
	int gap = n;
	while (gap > 1)
	{
		//gap不断变化不断进行预排序,最后一次是1,相当于是直接插入排序,然后就结束。
		gap = gap / 3 + 1;

		//end只用走到gap组的倒数第二个位置,gap组的倒数第二个和倒数第一个比完就结束了。
		//i每次加一,gap组轮流排序。
		for (int i = 0; i < n - gap; i++)
		{
			//通过end_index找到下一个gap组元素。
			int end_index = i;
			int tmp = arr[end_index + gap];

			while (end_index >= 0)
			{
				//tmp小,前面的就往后走,tmp继续往前比较。
				if (tmp < arr[end_index])
				{
					arr[end_index + gap] = arr[end_index];
					end_index -= gap;
				}
				//tmp大,就不用比较,已经有序了。
				else
				{
					break;
				}
			}
			//循环走完了没中断意味着tmp最小,一直往前比到越界了,加回一个gap就是gap组第一个位置。
			arr[end_index + gap] = tmp;
		}
	}
}

2.2.5 特性

1. 希尔排序是对直接插入排序的优化。

2. 当gap > 1时都是预排序,目的是让数组更接近于有序。当gap == 1时,数组已经接近有序的了,这样就会快很多。

3. 希尔排序的时间复杂度不固定,不好计算,一般认为是O(n) = n^1.3。

4. 稳定性:不稳定,被分成不同的gap组无法保证相对顺序。


3. 选择排序

3.1 直接选择排序

3.1.1 基本思想

1. 每一次从待排序的元素中选出最小(或最大)的一个元素,存放在序列的起始位置,直到全部待排序的元素排完。

3.1.2 代码实现 

1. 找出区间中最小的放到区间第一位。

2. 区间会不断往后缩小。

void SelectSort(int* arr, int n)
{
	int begin = 0;
	int end = n - 1;

	//begin等于end的时候不用排
	while (begin < end)
	{
		int min_i = begin;
		//遍历完当前区间找出最小元素的坐标。
		for (int i = begin; i <= end; i++)
		{
			if (arr[i] < arr[min_i])
			{
				min_i = i;
			}
		}

		//和begin交换。
		Swap(&arr[begin], &arr[min_i]);

		//每排完一个begin就可以往后走。
		begin++;
	}
}

3.1.3 特性

1. 时间复杂度:O(N^2)

2. 空间复杂度:O(1)

3. 稳定性:不稳定,[5, 1, 2, 5, 1],这里的1虽然稳定了,但是5不稳定。

3.2 堆排序

推排序详解:【数据结构】二叉树的顺序结构,详细介绍堆以及堆的实现,堆排序-CSDN博客

特性:

1. 时间复杂度:O(N*logN),n+n*logn,建堆+排序。

2. 空间复杂度:O(1)

3. 稳定性:不稳定。[8, 8, 7, ...],往后交换就不稳定了。


4. 交换排序

4.1 冒泡排序

4.1.1 基本思想


首先第一个元素9和下一个元素进行比较,9比8大就交换位置,继续9和下一个元素进行比较,直到来到最后或者遇到更大的就停下。这叫一趟冒泡排序。

第二趟将9前面的元素进行排序,10个元素需要9趟,n个元素需要n-1趟。

void BubbleSort(int* arr, int n)
{
	int flag = 1;
	//只用走n-1趟,最后剩下一个数不用比较。
	for (int i = 0; i < n - 1; i++)
	{
		//每一趟比较中,也不用走到该趟的最后一个数。
		for (int j = 0; j < n-i-1; j++)
		{
			if (arr[j] > arr[j + 1])
			{
				flag = 0;
				Swap(&arr[j], &arr[j + 1]);
			}
		}
		//小优化,如果有一趟没发生比较就证明有序了。
		if (flag == 1)
		{
			break;
		}
	}
}

4.1.2 特性

1. 时间复杂度:O(N^2)

2. 空间复杂度:O(1)

3. 稳定性:稳定,遇到相等的不动。

4.2 快速排序

4.2.1 基本思想

1. 任取待排序元素序列中的某元素作为基准值key(一般去左边第一个或右边第一个)。

2. 根据key将待排序集合分成两个子序列,左子序列中所有元素均小于基准值,右子序列中所有元素均大于基准值,这是一趟。

3. 然后子序列重复此过程直到有序。

4.2.2 单趟比较

hoare版本

1. 如图,左边找比key小,右边找比key大,然后左右交换。

2. 最后相遇位置和key交换。

3. 左边做key就右边先走,右边做key就左边先走。


谁先走的问题:

1. 假设右边先走,那么L和R相遇只有两种情况:

情况一:R遇到L,R一直找不到比key小,一直往前走直到遇到L,此时L可能没动过是key的位置,也可能是和R交换后还没动。

情况二:L遇到R,L一直找不到比key大就一直往后走直到遇到R,此时R是遇到比key小停下的。

int PartSort1(int* arr, int left, int right)
{
	//设key是该区间第一个元素的下标。
	int key = left;

	while (left < right)
	{
		//右边先开始找比key元素小的。
		while (right > left && arr[right] >= arr[key])
		{
			right--;
		}

		//右边找完,左边开始找比key元素大的。
		while (left < right && arr[left] <= arr[key])
		{
			left++;
		}

		//左右交换。
		Swap(&arr[left], &arr[right]);
	}

	//相遇点和key交换。
	Swap(&arr[left], &arr[key]);
	key = left;
	return key;
}

挖坑法

1. 先把左边第一个元素保存起来当作key,同时左边第一个位置变成坑位。

2. 右边先动,找到比key小的放进坑中,同时自己变成坑。

3. 然后到左边找到比key大的放进坑中,同时自己变成新的坑。交替进行。

4. 最后相遇必是坑,放入key。

int PartSort2(int* arr, int left, int right)
{
	//将左边第一个元素当作key保存起来,同时变成坑位。
	int key = arr[left];
	int hole = left;
	
	while (left < right)
	{
		//右边找比key小的放进坑位,然后自己变成坑位。
		while (right > left && arr[right] >= key)
		{
			right--;
		}
		arr[hole] = arr[right];
		hole = right;

		//左边找比key大的放进坑位,然后自己变成坑位。
		while (left < right && arr[left] <= key)
		{
			left++;
		}
		arr[hole] = arr[left];
		hole = left;
	}
	//相遇时肯定是坑,把key放进坑中,返回相遇位置。
	arr[hole] = key;
	return hole;
}

前后指针版本

1.  设key是第一个元素下标,prev在左边第一个位置,cur在prev后面一个位置。

2. cur不断遍历直到元素结束。

3. 当cur位置元素比key大,什么也不做。

4. 当cur位置元素比key小,prev加一,然后cur和prev交换值。

5. 最后cur遍历结束,prev位置和key位置交换值。

int PartSort3(int* arr, int left, int right)
{
	//key是第一个元素下标,prev从第一个位置开始,cur在prev后面。
	int key = left;
	int prev = left;
	int cur = prev + 1;

	//cur来遍历
	while (cur <= right)
	{
		//当cur遇到比key小,prev往前走然后交换。
		if (arr[cur] < arr[key])
		{
			prev++;
			//当一直都比key小的时候,prev和cur会重叠。
			if (prev != cur)
			{
				Swap(&arr[cur], &arr[prev]);
			}
		}

		cur++;
	}
	//最后prev和key交换。
	Swap(&arr[prev], &arr[key]);
	//此时左边比prev小,右边比prev大。
	return prev;
}

4.2.3 快排递归实现

1. 通过单趟排序划分两块区间,大于key的,小于key的。

2. 不断递归左右区间。

void QuickSort(int* arr, int left, int right)
{
	//递归结束条件, 子序列只有一个值或子序列不存在。
	if (left >= right)
	{
		return;
	}

	//每次单趟排序分出左右子序列,[left, key-1] key [key+1, right]。
	int key = PartSort3(arr, left, right);

	//再对左右子序列进行同样的排序。
	QuickSort(arr, left, key - 1);
	QuickSort(arr, key + 1, right);
}

4.2.4 快排优化

三数取中法

原本是默认第一个元素是key,现在优化为三数取中法选key,目的是应对每次key都是最小的情况。 

1. 固定两个数,另外一个数分情况比较。

2. 算出三个数的中间值,返回这个中间值的下标。

3. 将这个值交换到key的位置。

int GetMid(int* arr, int left, int right)
{
	int mid = (left + right) / 2;
	if (arr[left] > arr[mid])
	{
		if (arr[mid] > arr[right])
		{
			return mid;
		}
		else if (arr[left] < arr[right])
		{
			return left;
		}
		else
		{
			return right;
		}
	}
	else
	{
		if (arr[left] > arr[right])
		{
			return left;
		}
		else if (arr[right] > arr[mid])
		{
			return mid;
		}
		else
		{
			return right;
		}
	}
}
int PartSort3(int* arr, int left, int right)
{
	//设key在第一个位置,prev从第一个位置开始,cur在prev后面。
	int key = left;
	int prev = left;
	int cur = prev + 1;

	//通过三数取中法,选出一个数交换到key中。
	int mid = GetMid(arr, left, right);
	Swap(&arr[key], &arr[mid]);

	//cur来遍历
	while (cur <= right)
	{
		//当cur遇到比key小,prev往前走然后交换。z
		if (arr[cur] < arr[key])
		{
			prev++;
			//当cur一直都比key小的时候,prev和cur会重叠。
			if (prev != cur)
			{
				Swap(&arr[cur], &arr[prev]);
			}
		}

		cur++;
	}
	//最后prev和key交换。
	Swap(&arr[prev], &arr[key]);
	key = prev;
	return key;
}

4.2.5 快排非递归实现

1. 思想:利用栈存储区间的下标,通过出栈入栈控制下标区间的排序。

2. 先存入初始区间的下标,出栈获得下标进行单趟排序,又重新获得两个子区间的下标入栈。

3. 栈就是媒介,用来保存下标。利用后进先出可以让后面进来的下标先排序。

void QuickSortNonR(int* arr, int left, int right)
{
	//利用栈实现
	Stack st;
	StackInit(&st);

	//先将初始的区间入栈
	StackPush(&st, right);
	StackPush(&st, left);

	while (!StackEmpty(&st))
	{
		//出栈获得区间下标进行单趟排序
		int left = StackTop(&st);
		StackPop(&st);
		int right = StackTop(&st);
		StackPop(&st);
		//[left, key-1] key [key+1, right]
		int key = PartSort3(arr, left, right);

		//将分割好的区间继续入栈,等下次出栈排序
		//先入右边再入左边
		//当区间只有一个元素或区间不存在就不入栈。
		if (key + 1 < right)
		{
			StackPush(&st, right);
			StackPush(&st, key + 1);
		}

		if (left < key - 1)
		{
			StackPush(&st, key - 1);
			StackPush(&st, left);
		}
	}

	StackDestroy(&st);
}

4.2.6 特性

1. 空间复杂度O(n) = logn(2为底),不断递归会不断建立栈帧,一共有logn层。

2. 时间复杂度O(n) = n*logn(2为底),一共logn层递归,每层消耗n。

3. 稳定性:不稳定

4.2.7 三路划分 

1. 三路划分应对当很多值都等于key的时候。

void QuickSort(int* arr, int left, int right)
{
	//递归结束条件, 子序列只有一个值或子序列不存在。
	if (left >= right)
	{
		return;
	}

	//三路划分分出左右子序列,[left, key1-1] [key1, key2] [key2+1, right]。
	int key = arr[left];
	int key1 = left;
	int key2 = right;
	int cur = left + 1;
	//遇到小的放左边,大的放右边,相等的跳过。
	while (cur <= key2)
	{
		if (arr[cur] < key)
		{
			Swap(&arr[cur], &arr[key1]);
			key1++;
			cur++;
		}
		else if (arr[cur] > key)
		{
			Swap(&arr[cur], &arr[key2]);
			key2--;
		}
		else
		{
			cur++;
		}
	}

	//再对左右子序列进行同样的排序。
	QuickSort(arr, left, key1 - 1);
	QuickSort(arr, key2 + 1, right);
}

5. 归并排序

5.1 递归实现

1. 将区间从中间平分得到两个子区间,利用后序思想不断分化区间直到区间只剩一个数。

2. 当区间分化完后再回来归并。

3. 利用临时数组归并然后拷贝回原数组。

1. 将区间从中间平分得到两个子区间,利用后序思想不断分化区间直到区间只剩一个数。

2. 当区间分化完后再回来归并。

3. 利用临时数组归并然后拷贝回原数组。

4. 因为取区间的中间下标向下调整了,所以不会出现区间不存在的情况,最终都只会是区间只有一个数。

void _MergeSort(int* arr, int begin, int end, int* tmp)
{
	//递归结束条件:只有一个数。
	if (begin == end)
	{
		return;
	}

	//将区间平分[begin, mid] [mid+1, end]
	int mid = (begin + end) / 2;
	_MergeSort(arr, begin, mid, tmp);
	_MergeSort(arr, mid + 1, end, tmp);

	//归并,对两个区间进行排序插入临时数组中。
	int begin1 = begin, end1 = mid;
	int begin2 = mid + 1, end2 = end;
	int tmp_i = begin;
	while (begin1 <= end1 && begin2 <= end2)
	{
		if (arr[begin1] <= arr[begin2])
		{
			tmp[tmp_i] = arr[begin1];
			tmp_i++;
			begin1++;
		}
		else
		{
			tmp[tmp_i] = arr[begin2];
			tmp_i++;
			begin2++;
		}
	}

	while (begin1 <= end1)
	{
		tmp[tmp_i] = arr[begin1];
		tmp_i++;
		begin1++;
	}

	while (begin2 <= end2)
	{
		tmp[tmp_i] = arr[begin2];
		tmp_i++;
		begin2++;
	}
	//归并一段,拷贝一段,根据开始的位置拷贝回去。
	memcpy(arr + begin, tmp + begin, sizeof(int) * (end - begin + 1));
}

// 归并排序递归实现
void MergeSort(int* arr, int n)
{
	//临时数组用来归并
	int* tmp = (int*)malloc(sizeof(int) * n);

	//传入区间的下标。
	_MergeSort(arr, 0, n - 1, tmp);

	free(tmp);
}

5.2 特性

1. 时间复杂度:O(N*logN),一共会递归logN层,每层消耗N。

2. 空间复杂度:O(N),开了临时数组,递归建立栈帧也有消耗logN不过可以忽略。

3. 稳定性:稳定,相等的时候控制左区间先尾插入数组。

4. 归并的缺点在于需要O(N)的空间复杂度,归并排序的思考更多的是解决在磁盘中的外排序问题。

5.3 非递归实现  

思想:

1. 利用循环遍历归并区间,利用gap控制区间个数。

void MergeSortNonR(int* arr, int n)
{
	int* tmp = (int*)malloc(sizeof(int) * n);

	//遍历数组进行归并,区间的个数是gap。
	//gap表示区间个数,每次归并两个区间,区间个数从1开始,每次归并完会呈2倍增长。1,2,4...
	for (int gap = 1; gap < n; gap *= 2)
	{
		int tmp_i = 0;
		for (int i = 0; i < n; i += gap * 2)
		{
			//归并区间的下标
			int begin1 = i, end1 = i + gap - 1;
			int begin2 = i + gap, end2 = i + 2 * gap - 1;
			//归并
			while (begin1 <= end1 && begin2 <= end2)
			{
				if (arr[begin1] <= arr[begin2])
				{
					tmp[tmp_i] = arr[begin1];
					tmp_i++;
					begin1++;
				}
				else
				{
					tmp[tmp_i] = arr[begin2];
					tmp_i++;
					begin2++;
				}
			}

			while (begin1 <= end1)
			{
				tmp[tmp_i] = arr[begin1];
				tmp_i++;
				begin1++;
			}

			while (begin2 <= end2)
			{
				tmp[tmp_i] = arr[begin2];
				tmp_i++;
				begin2++;
			}
			//归并一段,拷贝一段。
			memcpy(arr + i, tmp + i, sizeof(int) * (end2 - i + 1));
		}
	}
	
	free(tmp);
}

修正:

1. 上面的代码只适用于数组个数是2的倍数的情况,其他个数会有三种越界情况。

3. 因为gap每次都是二倍增长,所以单纯使用gap来定义下标会造成超过原数组。

3. 如图,有两种情况最后是凑不出两个区间归并的,我们就不归并,还有一种是最后能凑出两个区间,只不过最后一个区间比较小,我们就把最后一个下标手动调整到数组最后一位即可。

void MergeSortNonR(int* arr, int n)
{
	int* tmp = (int*)malloc(sizeof(int) * n);

	//遍历数组进行归并,区间的个数是gap。
	//gap表示区间个数,每次归并两个区间,区间个数从1开始,每次归并完会呈2倍增长。1,2,4...
	for (int gap = 1; gap < n; gap *= 2)
	{
		int tmp_i = 0;
		for (int i = 0; i < n; i += gap * 2)
		{
			//归并区间的下标
			int begin1 = i, end1 = i + gap - 1;
			int begin2 = i + gap, end2 = i + 2 * gap - 1;
			//判断下标是否合法
			//最后这一组归并凑不出两个区间就直接不归并了。
			if (end1 >= n || begin2 >= n)
			{
				break;
			}
			//通过gap算出的第二个区间的下标越界了,就手动把下标缩减。
			if (end2 >= n)
			{
				end2 = n - 1;
			}
			//归并
			while (begin1 <= end1 && begin2 <= end2)
			{
				if (arr[begin1] <= arr[begin2])
				{
					tmp[tmp_i] = arr[begin1];
					tmp_i++;
					begin1++;
				}
				else
				{
					tmp[tmp_i] = arr[begin2];
					tmp_i++;
					begin2++;
				}
			}
			while (begin1 <= end1)
			{
				tmp[tmp_i] = arr[begin1];
				tmp_i++;
				begin1++;
			}
			while (begin2 <= end2)
			{
				tmp[tmp_i] = arr[begin2];
				tmp_i++;
				begin2++;
			}
			//归并一段,拷贝一段。
			memcpy(arr + i, tmp + i, sizeof(int) * (end2 - i + 1));
		}
	}
	
	free(tmp);
}

第二种拷贝方法:

如果你想每层gap归并完再拷贝,你就需要改变以下修正。

2. end1越界:那么你就把end1改成数组最后一位,第二个区间改成不存在,这样子可以复用下面的while,就是单纯的把当前区间尾插到tmp中。

3. begin2越界:那直接把第二个区间改不存在,第一个区间走下面的循环直接尾插tmp。

4. end2越界:这个把end2改成数组最后一位,可以凑成两个区间。

5.4 小区间优化  

1. 当递归分化的区间个数小于10时,可以使用直接插入排序。

2.  适用于快排和归并。

3.  当个数小于10不递归可以减少最后三层递归,以满二叉树为例,总节点有2^h - 1,最后三层节点有2^(h-1) + 2^(h-2) + 2^(h-3),已经占了总节点的%80了。

    //当分化的区间个数小于10就使用直接插入排序。
	if (end - begin + 1 < 10)
	{
		//传入区间的开始位置和区间的个数。
		InsertSort(arr + begin, end - begin + 1);
		return;
	}

5.5 外排序

1. 外排序是在外存对数据进行排序,这里用到归并排序的思想。

2. 假设有一个40G的文件,但只有1G内存。需要先把文件分成40个1G的小文件,然后在内存中把1G的小文件内容排序好,接着在外存中对文件进行归并。40个有序的小文件不断归并成大文件。


6.  计数排序

6.1 基本思想

1. 统计每个元素个数。

2. 根据元素个数在原数组写入。

3. 利用相对映射实现下标对应。最小值减最小值就是0,每个数都去减最小值就是下标。

4. 最大值减最小值求出个数来确定统计数组要开多大空间。

void CountSort(int* arr, int n)
{
	int max = arr[0];
	int min = arr[0];
	//遍历找出最大值和最小值。
	for (int i = 1; i < n; i++)
	{
		if (arr[i] < min)
		{
			min = arr[i];
		}
		else if (arr[i] > max)
		{
			max = arr[i];
		}
	}
	
	//算出统计数组要开多大。
	int size = max - min + 1;
	int* count_arr = (int*)malloc(sizeof(int) * size);

	//利用相对映射,元素出现一次就加一次。
	for (int i = 0; i < n; i++)
	{
		count_arr[arr[i] - min]++;
	}

	//遍历统计的数组,原数组就按顺序写。
	int arr_i = 0;
	for (int i = 0; i < size; i++)
	{
		//统计的次数有多少次就写多少次。
		//下标加回最小值就是原本的数值。
		while (count_arr[i])
		{
			arr[arr_i] = i + min;
			arr_i++;
			count_arr[i]--;
		}
	}
}

6.2 特性

1. 时间复杂度:O(max(n, size)),有两个数组遍历,不确定大小关系。 

2. 空间复杂度:O(size),统计数组的空间。

3. 缺点:只能比较整型,适用范围集中的数组。

4. 稳定性:稳定。 


7. 选择题 

1. 快速排序算法是基于( )的一个排序算法。

A分治法

B贪心法

C递归法

D动态规划法

答:A

2.对记录(54,38,96,23,15,72,60,45,83)进行从小到大的直接插入排序时,当把第8个记录45插入到有序表时,为找到插入位置需比较( )次?(采用从后往前比较)

A 3

B 4

C 5

D 6

答:C

3.以下排序方式中占用O(n)辅助存储空间的是

A 简单排序

B 快速排序

C 堆排序

D 归并排序

答:D

4.下列排序算法中稳定且时间复杂度为O(n2)的是( )

A 快速排序

B 冒泡排序

C 直接选择排序

D 归并排序

答:B

5.关于排序,下面说法不正确的是

A 快排时间复杂度为O(N*logN),空间复杂度为O(logN)

B 归并排序是一种稳定的排序,堆排序和快排均不稳定

C 序列基本有序时,快排退化成冒泡排序,直接插入排序最快

D 归并排序空间复杂度为O(N), 堆排序空间复杂度的为O(logN)

答:D

6.下列排序法中,最坏情况下时间复杂度最小的是( )

A 堆排序

B 快速排序

C 希尔排序

D 冒泡排序

答:A

7.设一组初始记录关键字序列为(65,56,72,99,86,25,34,66),则以第一个关键字65为基准而得到的一趟快速排序结果是()

A 34,56,25,65,86,99,72,66

B 25,34,56,65,99,86,72,66

C 34,56,25,65,66,99,86,72

D 34,56,25,65,99,86,72,66

答:A

完整代码:Sort/Sort/Sort.c · 林宇恒/DataStructure - 码云 - 开源中国 (gitee.com) 

标签:arr,end,int,堆排序,gap,快排,key,排序
From: https://blog.csdn.net/m0_71164215/article/details/141437531

相关文章

  • 数据结构与算法 第12天(排序)
    一、排序方法分类按照数据存储介质:内部排序:数据量不大、数据在内存,无需内外存交换数据外部排序:数据量较大、数据在外存(文件排序)将数据分批调入内存排序,结果放到外存按照比较器个数:串行排序:单处理机(同一时刻比较一对元素)并行排序:多处理机(同一时刻比较多对元素)按主......
  • 【模板题】二分法 - 34. 在排序数组中查找元素的第一个和最后一个位置
    题目链接34.在排序数组中查找元素的第一个和最后一个位置思路二分法题解链接【视频讲解】二分查找总是写不对?三种写法,一个视频讲透!(Python/Java/C++/C/Go/JS)关键点模板题;应当熟练掌握时间复杂度\(O(\logn)\)空间复杂度\(O(1)\)代码实现:#闭区间d......
  • 《Java 归并排序:高效稳定的排序算法》
      一、归并排序简介介绍归并排序是一种基于分治思想的经典排序算法,适用于各种规模的数据排序任务。 二、算法原理(一)分治策略将未排序数组分割成两个子数组,递归地对子数组进行排序,最后合并成有序数组。(二)关键步骤1.分割阶段:将数组分成两个子数组,通常是平均分割。2.......
  • 算法:插入排序
    一、思路插入排序:通过构建有序序列,对于未排序数据,在已排序序列中从后向前扫描,找到相应的位置并插入。如果输入数组已经是排好序的话,插入排序出现最佳情况,其运行时间是输入规模的一个线性函数。如果输入数组是逆序排列的,插入排序出现最坏情况。平均情况与最坏情况一样,其时......
  • 3.6 MySQL基本查询大全(select、子查询、Distinct、group by分组,order排序、limit限制
    文章目录3.6.1MySQL的基本查询1.SELECT语句基本语法2.DISTINCT3.指定列,去除重复列4.给列设置别名5.使用WHERE子句查询指定条件比较判断范围判断字符串模式匹配错误判断空值判断6.使用ORDER子句对查询结果排序7.使用LIMIT限制查询结果数量3.6.2分组查询1.聚......
  • 25版王道数据结构课后习题详细分析 第八章 8.4 选择排序
    一、单项选择题————————————————————————————————————————解析:正确答案:————————————————————————————————————————解析:正确答案:——————————————————————......
  • 各排序算法及其时间复杂度比较
    排序算法及其时间复杂度比较在C语言中,排序算法是常见的算法之一,用于将一组数据按照一定顺序排列。下面我将简要介绍几种常见排序算法的时间复杂度,并给出每种排序算法的C语言代码示例。1.插入排序(InsertionSort)时间复杂度:平均和最坏情况:O(n^2)最好情况:O(n)(当输入数组已经排......
  • Java中的五种排序
    五种排序常见的排序算法有十种:三大基础排序:选择、冒泡、插入(时间复杂度:O(n^2),空间复杂度(O(1))比较低)使用的是最基本的两层嵌套结构快速、归并、堆、希尔、桶、计数、基数排序:1)升序:从小到大2)降序:从大到小1、冒泡排序法冒泡排序是一种简单排序算法,它通过以此比较交换两......
  • 【大模型开发】传统向量模型 vs 重排序模型:原理、实现与应用
    在自然语言处理(NLP)和信息检索(IR)中,传统向量模型和重排序模型是两种常见的技术。它们在不同的应用场景中扮演了重要角色,尤其是在搜索、问答系统等需要排序和检索的任务中。本文旨在对比这两种模型的原理与实现,帮助读者理解其各自的优缺点,并展示相关代码和实战应用。1.目标读......
  • 快速排序的深入优化探讨
    目录1.快排性能的关键的分析:1.1三路划分算法思想:1.2三路划分的快排1.3introsort的快排1.快排性能的关键的分析:决定快排性能的关键点是每次单躺排序后,key对数组的分割,如果每次选key基本二分居中,那么快排的递归树就是可均匀的满二叉树,性能最佳。但是实践中虽......