排序篇(二)----选择排序
1.直接选择排序
基本思想：
每一次从待排序的数据元素中选出最小（或最大）的一个元素，存放在序列的起始位置，直到全部待排序的数据元素排完 。
直接选择排序:
- 在元素集合array[i]–array[n-1]中选择关键码最大(小)的数据元素
- 若它不是这组元素中的最后一个(第一个)元素，则将它与这组元素中的最后一个（第一个）元素交换
- 在剩余的array[i]–array[n-2]（array[i+1]–array[n-1]）集合中，重复上述步骤，直到集合剩余1个元素
//选择排序
void SelectSort(int* a, int n)
{int begin = 0;int end = n - 1;while (begin < end){int max = begin;int min = begin;for (int i = begin + 1; i <= end; i++){if (a[i] < a[min]){min = i;}if (a[i] > a[max]){max = i;}}Swap(&a[begin], &a[min]);if (begin == max){max = min;}Swap(&a[end], &a[max]);begin++;end--;}
}
代码解析:
- 代码中的变量
begin和end分别表示待排序序列的起始和结束位置。在每一轮排序中，首先将begin位置设置为当前的最小值和最大值的索引。然后从begin+1到end的范围内遍历，找到最小值的索引min和最大值的索引max。 - 接下来，通过调用
Swap函数交换begin位置和min位置的元素，将最小值放到待排序序列的起始位置。如果begin位置和max位置相同，说明最大值被交换到了min位置，需要将max更新为min。 - 最后，通过调用
Swap函数交换end位置和max位置的元素，将最大值放到待排序序列的末尾。然后更新begin和end，继续下一轮排序，直到begin不小于end，排序完成。
直接选择排序的特性总结：
- 直接选择排序思考非常好理解，但是效率不是很好。实际中很少使用
- 时间复杂度：O(N^2)
- 空间复杂度：O(1)
- 稳定性：不稳定
2.堆排序
要理解堆排序,首先就要先理解堆是一种什么样的结构,详情见: 堆的实现
堆排序(Heapsort)是指利用堆积树（堆）这种数据结构所设计的一种排序算法，它是选择排序的一种。它是通过堆来进行选择数据。需要注意的是排升序要建大堆，排降序建小堆。
//堆排序
void AdjustDown(int* a, int n, int parent)
{int child = parent * 2 + 1;while (child < n){if (child + 1 < n && a[child + 1] > a[child]){child++;}if (a[child] > a[parent]){Swap(&a[child], &a[parent]);parent = child;child = parent * 2 + 1;}elsebreak;}
}
void HeapSort(int* a, int n)
{//向上调整建堆 o(n*log n)//for (int i = 1; i < n; i++)//{// AdjustUp(a, i);//}//升序(建大堆) 降序(建小堆)//o(n)向下调整建堆for (int i = (n - 1 - 1) / 2; i >= 0; i--){AdjustDown(a, n, i);}//o(n* log n)int end = n - 1;while (end > 0){Swap(&a[0], &a[end]);AdjustDown(a, end, 0);end--;}
}
代码解析:
AdjustDown函数用于向下调整堆，它接受三个参数：待调整的堆数组a、堆的大小n和当前需要调整的节点parent。在每一次调整中，首先计算出当前节点的左孩子节点的索引child，然后进行循环判断。- 在循环中，首先判断右孩子节点是否存在且比左孩子节点大，如果是，则将
child更新为右孩子节点的索引，否则保持不变。然后判断当前节点的值是否小于最大的孩子节点的值，如果是，则交换当前节点和最大孩子节点的值，并更新parent和child的值，继续向下调整。如果当前节点的值大于等于最大孩子节点的值，则退出循环。 HeapSort函数用于实现堆排序算法。首先通过向下调整的方式建立一个大顶堆，具体实现是从最后一个非叶子节点开始，依次向上调整，直到根节点。然后，通过循环交换堆顶元素和堆的最后一个元素，并对剩余的元素进行向下调整，重复这个过程直到整个序列有序。
堆排序的特性总结：
- 堆排序使用堆来选数，效率就高了很多。
- 时间复杂度：O(N*logN)
- 空间复杂度：O(1)
- 稳定性：不稳定
