【数据结构】查找与排序

要查询信息，涉及两个问题：

在哪里查？——查找表

怎么查？——查找方法

一.查找

1.查找表的定义：

查找表是由同类型的数据元素构成的集合

2.对查找表的基本操作：

1）查询某个数据元素是否在查找表中

2）检索某个数据元素的各种属性

3）在查找表中插入一个数据元素

4）从查找表中删除某个元素

3.查找表的分类：

静态查找表：

仅作查询和检索操作的查找表

动态查找表：

可以进行“插入”和“删除”操作

4.关键字：

关键字：是数据元素中某个数据项的值，用以标识一个数据元素。

主关键字：若关键字能标识唯一的一个数据元素

次关键字：若关键字能标识若干个数据元素

5.查找：

根据给定的某个值，在查找表中确定一个其关键字等于给定值的数据元素。

6.查找方法评价：

算法本身的时间复杂度
临时变量占用存储空间的多少
平均查找长度ASL（Average Search Length）

对于含有n个记录的表， $ASL=\sum_{i=1}^{n}p_ic_i$

其中， $p_i$ 为查找表中第i个元素的概率， $\sum_{i=1}^{n}p_i=1$

$c_i$ 为找到表中第i个元素所需要比较的次数

7. 顺序表的查找：

7.1 基本思想：

从表中指定位置的记录开始，沿着某个方向将记录的关键字与给定值相比较，若某个记录的关键字与给定值相同，则查找成功。

反之，若找完整个顺序表，都没有与给定关键字值相同的记录，则查找失败。

7.2 顺序查找的性能分析：

查找第n个元素：1次

查找第n-1个元素：2次

...

查找第1个元素：n次

查找第i个元素：n+1-i次

查找失败：n+1次

空间复杂度：

需要一个辅助空间R[0]

时间复杂度：

$ASL=\sum_{i=1}^{n}p_ic_i$ $c_i=n-i+1$

等概率情况下： $ASL=\frac{n+1}{2}$

平均情况： $O(n)$

优点：算法简单，适用面广

缺点：平均查找长度较大

8.折半查找

8.1 基本思想：

查找过程：每次将待查记录所在区间缩小一半。

适用条件：采用顺序存储的有序表

8.2 伪代码：

设表长为n，low、high和mid分别指向待查元素所在区间的上界、下界和中点，k为给定值。

初始时，令low=0，high=n-1，mid=(high+low)/2。

让k与mid指向的记录比较

若k==r[mid].key 查找成功
若k<r[mid].key 则high=mid-1
若k>r[mid].key 则low=mid+1

重复上述操作，直至low>high为止，查找失败。

int biserach(int r[],int n,int k){int low=0,high=n-1,mid=0;while(low<=high){mid=(low+high)/2;if(r[mid]==k){break;}else if(r[mid]>k){high=mid-1;}else{low=mid+1;}}if(low>high){return -1;}else{return mid;}
}

8.3 算法性能分析：

判定树：描述查找过程的二叉树

有n个结点的判定树的层次数为 $\lfloor log_2n\rfloor +1$

折半查找在查找过程中进行的比较次数最多不超过其判定树的深度。

折半查找的ASL：

设表长为 $2^h-1$ , $h=log_2{(n+1)}$ ,即判定树为深度为h的满二叉树

设表中每个记录的查找概率相等

$ASL=\sum_{i=1}^{n}p_ic_i=\frac{1}{n} \sum_{i=1}^{n}c_i=\frac{1}{n}\sum_{j=1}^{h}j*2^{j-1}=\frac{n+1}{n}log_2{(n+1)}-1\approx log_2(n+1)-1$

8.4 折半查找的特点：

1）查找效率高

2）平均查找性能和最坏性能相当接近

3）要求查找表为有序表

4）只适用于顺序存储结构

9.索引表查找

9.1 索引表的构建

数据分块：

按关键字分成若干块 $R_1,R_2,...,R_L,R_k<R_{k+1}$ ，达到分块有序。

建索引项：

每一个块建立一个索引项，每个索引项包含最大关键字项，块的起始地址。

组成索引表：

所有索引项组成索引表

9.2 索引表的查找：

索引表内查找：确定关键字所在区块。

查找表内查找：查找表的某个块内查找

9.3 索引表查找的代码实现：

typedef struct{int key;int link;
}SD;
typedef struct{int key;float info;
}JD;
int block_search(JD r[],SD nd[],int b,int k,int n){//n个记录分成b块int i=0,j;while(k>nd[i].key&&i<b){i++;}if(i>=b){cout<<"not found"<<endl;return -1;}else{//在块内顺序查找j=nd[i].link;while(j<n&&k!=r[j].key){j++;}if(k!=r[j].key){cout<<"not found"<<endl;return -1;}else{return j;}}
}

9.4 分块查找方法评价：

$ASL=L_b+L_w$

若将表长为n的表平均分成b块，每块含有s个记录，并设表中每个记录的查找概率相等。

则有：

1）用顺序查找确定所在块：

$ASL=\frac{1}{b}\sum_{j=1}^bj+\frac{1}{s}\sum_{i=1}^si=\frac{b+1}{2}+\frac{s+1}{2}=\frac{1}{2}(\frac{n}{s}+s)+1$

2)用折半查找确定所在块：

$ASL\approx log_2(\frac{n}{s}+1)+\frac{s}{2}$

10.查找方法比较

	顺序查找	折半查找	索引查找
ASL	最大	最小	两者之间
表结构	有序表、无序表	有序表	分块有序表
存储结构	顺序存储、单链表	顺序存储	顺序存储、单链表

11.哈希表查找

ASL=1的查找算法。

如果可以确定关键字与存储位置的对应关系，就有可能让ASL=1.

11.1 哈希查找的基本定义：

哈希函数：在记录的关键字与记录的存储地址之间建立的一种对应关系

哈希查找：又叫散列查找，利用哈希函数进行查找的过程。

哈希函数是一种映射，即从关键字空间到存储地址空间的一种映射。

哈希函数可以写成：

$H(k_i)=addr(k_i)$

11.2 冲突

哈希函数通常是一种压缩映射，所以冲突不可避免。

冲突发生后，应该有处理冲突的方法。

（1）直接定址法（线性函数）：

例如：H(key)=key-1948

直接定址法所得地址集合与关键字集合大小相等，不会发生冲突。

(2)数字分析法：

对关键字进行分析，取关键字的若干位或其组合作为哈希地址。

适用于关键字位数比哈希地址位数大，且可能出现的关键字事先知道的情况。

（3）平方取中法：

取关键字平方后的中间几位作为哈希地址

为什么要取关键字的平方值？

扩大差别
均衡贡献

（4）折叠法：

将关键字分割为位数相同的几部分，然后取这几部分的叠加和（舍去进位）作哈希地址。

适用于关键字位数很多，且每一位上数字分布大致均匀的情况

例如：关键字为 04 4220 5864 哈希地址位数为4

移位叠加：间界叠加：

5 8 6 4 5 8 6 4

4 2 2 0 0 2 2 4

0 0 0 4 0 0 0 4

---------------------------------------------------------------------------

（5）除留余数法：

H(key)=key MOD p,p<=m,m为hash表长。

p选取不好，容易产生同义词，通常选取一个质数。

（6）伪随机数法

取关键字的随机函数作哈希地址值，即：H(key)=random(key)

适用于关键字长度不等的情况。

11.3 选取哈希函数需要考虑的因素：

1）计算哈希函数所需的时间

2）关键字长度

3）哈希表长度

4）关键字分布情况

5）记录的查找频率

11.4 冲突处理

为出现哈希地址冲突的关键字寻找下一个新的哈希地址。

（1）开放定址法：

当冲突发生时，形成一个探查序列，沿着此序列逐个地址探查，直到找到一颗空位置，将发生冲突的记录放入该地址中，即 $H_i=(H(key)+di)MOD \quad m$

m 哈希表表长，di 增量序列。

增量序列分类：

线性探测再散列 di=1,2,3,...,m-1

平方探测再散列 $di=1^2,-1^2,2^2,-2^2,...,\pm k^2(k\leq m/2)$

伪随机探测再散列 di=伪随机数序列

例：

（2）再哈希法：

构造若干个哈希函数，当发生冲突时，计算下一个哈希地址。

（3）链地址法：

将所有关键字为同义词的记录存储在一个单链表中，并用一位数组存放头指针。

（4）公共溢出区法

假设某哈希函数的值域为[o,m-1]

向量HashTable[0,m-1]为基本表，每个分量存放一个记录，另设一个向量OverTable[0,v]为溢出表。将与基本表中的关键字发生冲突的所有记录都填入溢出表中。

11.5 例题分析

已知一组关键字（19，14，23，1，68，20，84，27，55，11，10，79）

哈希函数为H(key)=key MOD 13 ，哈希表长为16，设每个记录的查找概率相等。

1）线性探测再散列处理冲突

0	1	2	3	4	5	6	7	8	9	10	11	12	13	14	15
	14	1	68	27	55	19	20	84	79	23	11	10

1 1 1 2 1 1 3 4 3 1 3 9

ASL=30/12=2.5

2）链地址法处理冲突

ASL=（6*1+4*2+1*3+1*4）/12=1.75

11.6 哈希查找分析

哈希查找过程仍然是一个给定值与关键字进行比较的过程

评价哈希查找仍要用ASL

哈希查找过程与给定值进行关键字比较的次数取决于：

哈希函数
处理冲突的方法
哈希表的装载因子 $\alpha$

$\alpha =k/L$

k:表中填入的记录数

L:哈希表长度

二.排序

1.内部排序的方法：

内部排序的过程是一个逐步扩大有序区记录的过程

2.排序分为：

稳定排序
不稳定排序

3.直接插入排序（稳定）：

3.1 基本思想：

先将序列中第一个记录看成是一个有序子序列，然后从第二个记录开始，逐个进行插入，直至整个序列有序。整个排序过程为n-1躺插入。

3.2 具体例子：

i=1 49 38 65 97 76 13 27

i=2 38 49 65 97 76 13 27

i=3 38 49 65 97 76 13 27

i=4 38 49 65 97 76 13 27

i=5 38 49 65 76 97 13 27

i=6 13 38 49 65 97 76 27

i=7 13 27 38 49 65 76 97

3.3 代码实现：

void insert_select(int r[],int n){int i,j,temp;for(i=1;i<n;i++){temp=r[i];j=i-1;while(temp<r[j]){r[j+1]=r[j];--j;}r[j+1]=temp;}
}

3.4 算法评价：

时间复杂度：

$O(n^2)$

空间复杂度：

$O(1 )$

4.折半插入排序（稳定）

4.1 基本思想：

用折半查找方法确定插入位置的排序

4.2 算法分析：

时间复杂度：

$O(n^2)$

空间复杂度：

$O(1 )$

5.希尔排序（缩小增量法）（非稳定）

5.1 基本思想：

希尔排序是对插入排序的改进。

(1) 插入排序对几乎已排好序的数据操作时，效率很高，可以达到线性排序的效率。

(2) 插入排序在每次往前插入时只能将数据移动一位，效率比较低。

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。

局部有序不能提高直接插入排序算法的时间性能

5.2 代码实现：

void shell_sort(int r[],int n){int di=n/2,i,j,temp;while(di>=1){for(i=di;i<n;i++){j=i-di;temp=r[i];while(temp>r[j]&&j>=0){r[j+di]=r[j];j-=di;}r[j+di]=temp;}di/=2;}
}

5.3 性能分析：

时间复杂度：

$O(nlog_2n)$

空间复杂度：

S(1)

6.冒泡排序（稳定）

6.1 基本思想：

两两比较相邻记录的关键码，如果反序则交换，直到没有反序的记录为止。

6.2 对冒泡排序的改进：

1）设变量exchange记载记录交换的位置。则一趟排序后，exchange记载的一定是这一趟排序中记录的最后一次交换的位置。且从此位置以后的记录均已有序。

2）设bound位置的记录是无序区的最后一个记录，则每趟冒泡排序的范围是r[0]~r[bound]。

在一趟排序后，从exchange位置之后的记录一定是有序的，所以bound=exchange。

3）令exchange初值为0，在以后的排序中，只要有记录交换，exchange的值就会大于0。则当exchange=0时，冒泡排序结束。

6.3 代码实现：

void buble_sort(int r[],int n){int exchange=n-1,bound,i,temp;while(exchange){bound=exchange;exchange=0;for(i=0;i<bound;i++){if(r[i]>r[i+1]){temp=r[i];r[i]=r[i+1];r[i+1]=temp;exchange=i;}}}}

6.4 性能分析：

时间复杂度：

$O(n^2)$

空间复杂度：

$O(1 )$

7.快速排序

7.1 基本思想：

通过一趟排序将待排记录分隔成独立的两部分。其中一部分记录的关键码均比另一部分的关键码小，则可分别对这两部分记录继续进行排序，以达到整个序列有序。

首先选取一个轴值。通过一趟排序，将待排序记录分割成独立的两部分。前一部分记录的关键码均小于或等于轴值；后一部分记录的关键码均大于或等于轴值。然后分别对这两部分重复上述方法。

7.2 如何实现划分：

设待划分的序列是r[s]~r[t]。设参数i，j分别指向子序列左右两端的下标，s和t。令r[s]为轴值。

j从后向前扫描直到r[j]<r[i]，将r[j]移动到r[i]的位置，使关键码小的记录移动到前面。
i从前向后扫描直到r[i]>r[j]，将r[i]移动到r[j]的位置，使关键码大的记录移动到后面。
重复上述过程，直到i=j。

7.3 递归出口：

若待排序序列中只有一个记录，则显然有序，否则进行一次划分后，再分别对所得的两个子序列进行快速排序。

7.4 代码实现：

int get_partition(int first,int end,int r[]){int i=first,j=end,temp;while(i<j){while(r[i]<=r[j]&&i<j){--j;}if(i<j){temp=r[j];r[j]=r[i];r[i]=temp;++i;}while(r[i]<=r[j]&&i<j){++i;}if(i<j){temp=r[j];r[j]=r[i];r[i]=temp;--j;}}return i;
}
void quick_sort(int r[],int first,int end){if(first<end){int pos=get_partition(first, end, r);quick_sort(r, first, pos-1);quick_sort(r, pos+1, end);}
}

7.5 性能分析：

时间复杂度与选取的轴值有关。

最好情况为：每次均选取到中间值作为轴值；最坏情况为：每次都选取到最大或最小元素最为轴值。

平均时间复杂度： $O(nlog_2n)$

最坏时间复杂度： $O(n^2)$

采用“三者取中”来确定轴值，即：第一个元素，最后一个元素，最中间的元素中的中间值作为划分元。

空间复杂度： $O(log_2n)$

8.选择排序

8.1 基本思想：

每趟排序在当前待排序序列中选出关键码最小的记录，添加到有序序列中。

8.2 代码实现：

void select_sort(int r[],int n){int min,i,j,temp;for(i=0;i<n-1;i++){min=i;for(j=i+1;j<n;j++){if(r[j]<r[min]){min=j;}}if(min!=i){temp=r[min];r[min]=r[i];r[i]=temp;}}
}

8.3 性能分析：

时间复杂度:

$O(n^2)$

9.归并排序（稳定）

速度仅慢于快速排序，适用于分段有序的数列，为稳定排序算法。

9.1 基本思想（分治）：

1）只包含一个元素的子表是有序表

2）将有序的子表合并

3）得到最终表

4) 需要一个辅助的临时数组

9.2 代码实现：

void merge_sort_recursive(int r[],int reg[],int start,int end){if(start>=end){return;}int mid=(start+end)/2;merge_sort_recursive(r, reg, start, mid);merge_sort_recursive(r, reg, mid+1, end);//通过上述操作，已经获得了两个有序的子序列//合并int i=start,j=mid+1,k=start;while(i<=mid&&j<=end){if(r[i]<=r[j]){reg[k++]=r[i++];}else{reg[k++]=r[j++];}}while(i<=mid){reg[k++]=r[i++];}while(j<=end){reg[k++]=r[j++];}for(i=start;i<=end;i++){r[i]=reg[i];}
}
void merge_sort(int r[],int n){int reg[MAX_SIZE];//辅助数组merge_sort_recursive(r, reg, 0, n-1);
}