数据结构【排序】

第七章 排序

在这里插入图片描述

一、排序
1.定义:将无序的数排好序 ;
2.稳定性: Kᵢ和Kⱼ中,Kᵢ优先于Kⱼ那么在排序后的记录中仍然保持Kᵢ优先;
3.评价标准:执行时间和所需的辅助空间,其次是算法的稳定性;空间复杂度是O(1),代表其算法所需的辅助空间不依赖问题规模,则该排序方法为就地排序,否则就是非就地排序;
4.排序的分类:待排序的记录数不太多时为内部排序,反之为外部排序
二、插入排序
1.定义:按关键字大小插入到前面已经排好序的子序列中;
2.直接插入排序:稳定的排序;

  • 性能分析:空间复杂度是O(1);最好的情况时间复杂度为O(n),最坏的时间复杂度为O(n²);
    在这里插入图片描述

3.折半插入排序:是一种稳定的排序算法;有些类似折半查找;时间复杂度为O(n²);但对于数据量比较小排序表,折半插入排序往往能表现出较好的性能;
在这里插入图片描述

4.希尔排序

  • 特点:分组后n值不断减小,关键字较小的记录跳跃式前移;
  • 增量序列取法:无除1外的公因子;最后一个增量值必须为1;不稳定;

三、交换排序
1.定义:系统的交换反序的记录的偶对,直到不再有这样的偶对为止;
2.冒泡排序:时间复杂度T(n)=O(n²);空间复杂度S(n)=O(1);
在这里插入图片描述

3.快速排序 :两指针,选中的指针不动与另一个指针比较,若被比较的数小于选中的指针,就往选中指针的方向移动(也就是不做改变);否则就交换; 当两指针相遇时才完成第一次排序。
在这里插入图片描述

  • 性能分析:时间复杂度是T(n)=O(nlog₂n),最坏情况是O(n²);栈最大深度为[log2n]+1;空间复杂度最坏是O(n);不稳定的算法;

四、选择排序
1.基本思想:每次从当前待排序的记录中选取关键字最小的记录表,然后与待排序的记录序列中的第一个记录进行交换,直到整个记录序列有序为止。

2.简单选择排序:时间复杂度是T(n)=O(n²),空间复杂度是S(n)=O(1);是不稳定的;
在这里插入图片描述

3.排序

  • 定义:基于完全二叉树,分大根堆和小根堆;
  • 结论:排序过程中,若采用的是小根堆,排序后得到的是非递减序列;若采用的是大根堆,则排序后得到的是非递增序列;
  • 堆的调整和筛选:根结点必须小于左右子树,否则要交换;直到第一次全部交换完成输出对顶元素,也就是最小那个,然后将堆底元素送到堆顶,再进行排序交换;一直反复循环,直到堆只剩一个元素为止;
  • 性能分析:时间复杂度是T(n)=O(nlog₂n),空间复杂度是S(n)=O(1);堆排序是不稳定的;

五、归并与基数排序
1.归并排序:时间复杂度为O(m+n);

  • 排序思想:2-路归并排序,两两归并排序使其有序;
  • 性能分析:时间复杂度无论最好还是最坏都是O(nlog₂n);空间复杂度是O(n);归并排序是稳定的;

2.基数排序(桶排序或数字排序):按待排序记录的关键字的组成成分(位)进行排序;

在这里插入图片描述
性能分析:时间复杂度O(d(n+r)),空间复杂度为O(n+r),其中d为关键字位数,每位有r种取值,排序的趟数是d;基数排序是稳定的;

六、各种排序的比较

在这里插入图片描述
在这里插入图片描述

1.记忆方法:时间复杂度:快些归队(快速 归并堆排序)O(nlog₂n);
空间复杂度:快速O(log₂n)归并0(n)基数0(n+r) 其他都为0(1);
稳定性:快些选一堆(快速 希尔 选择 堆排序)是不稳定的;

2.其他细节:经过一次排序,能够保证一个关键字到达最终位置,这样的排序是交换的两类(冒泡、快速)和选择的两种(简单选择 堆);

  • 排序算法的关键字比较次数和原始序列无关–简单选择和折半插入;
  • 排序算法的排序趟数和原始序列有关–交换类的序。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/9465.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

[算法很美打卡] 多维数组篇 (打卡第一天)

文章目录 顺时针打印二维数组0所在的行列清零 顺时针打印二维数组 package 每日算法学习打卡.算法打卡.七月份.七月二十六号;public class test1 {public static void main(String[] args) {int[][] matrix {{1,2},{5,6},{9,10},{13,14},};print(matrix);}static void print(i…

62 | Python 操作 PDF

文章目录 Python 操作 PDF 教程1. 安装 PyPDF22. 读取 PDF 文件3. 创建 PDF 文件4. 修改 PDF 文件练习题1. 创建一个新的 PDF 文件,其中包含两个页面。第一个页面包含一段文本和一张图片,第二个页面包含一个表格。2. 打开练习题中创建的 PDF 文件,并将第一个页面中的文本修改…

LangChain Agents深入剖析及源码解密上(一)

LangChain Agents深入剖析及源码解密上(一) LangChain Agents深入剖析及源码解密上 Agent工作原理详解 本节会结合AutoGPT的案例,讲解LangChain代理(Agent)为核心的内容。我们前面已经谈了代理本身的很多内容,也看了绝大部分的源代码,例如:ReAct的源代码,还有mrkl的源代…

P3183 [HAOI2016] 食物链

题目描述 如图所示为某生态系统的食物网示意图,据图回答第 1 小题 现在给你 n 个物种和 m 条能量流动关系,求其中的食物链条数。物种的名称为从 1 到 n 编号 M 条能量流动关系形如 1,2,3​,…,am−1​,bm−1​,am​,bm​。其中 ai​ 和 bi​ 表示能量从物…

Java反射 -- 详细介绍 (框架核心)

反射 是 Java框架 的核心 ,无论是Tomcat、SpringMVC、Spring IOC、Spring AOP、动态代理 ,都使用到了 反射 反射的作用简单讲就是 无需 new 对象,就可以动态获取到一个类的全部信息,包括 属性、方法,构造器&#xff0…

边写代码边学习之全连接Dense

1. 全连接原理 全连接神经网络(Fully Connected Neural Network)是一种最基本的神经网络结构,也被称为多层感知器(Multilayer Perceptron,MLP)。其原理是模拟人脑神经元之间的连接方式,通过多个…

pytorch学习——多层感知机

一.感知机 感知机——神经网络基本单元,最简单的深度网络称为多层感知机。多层感知机由多层神经元组成,每一层与它上一层相连,从中接收输入, 同时每一层也与它的下一层相连,影响当前层的神经元。 解释:如果…

生态系统景观指数-聚集度指数AI计算

景观指数是景观生态学的常见指标,可用于不同生态系统的特征识别。景观指数是反映景观结构与空间格局的定量指标,目前已成为景观生态学领域常用的分析景观格局、度量空间异质性的重要方法。不同水平下的指数结果往往代表不同含义,应在把握指数…

决策树学习

决策树学习 决策树决策树基础适用决策树学习的经典目标问题样本的表示训练样本决策树的概念发展历史 经典决策树算法ID3算法属性选择和节点混杂度(Impurity)ID3 Q1: 哪个属性是最佳属性?当前最佳属性节点选择熵(Entropy&#xff0…

如何高效实现文件传输:小文件采用零拷贝、大文件采用异步io+直接io

一般会如何实现文件传输? 服务器提供文件传输功能,需要将磁盘上的文件读取出来,通过网络协议发送到客户端。如果需要你自己编码实现这个文件传输功能,你会怎么实现呢? 通常,你会选择最直接的方法&#xf…

交叉编译----宿主机x86 ubuntu 64位-目标机ARMv8 aarch64

1.交叉编译是什么,为什么要交叉编译 编译:在一个平台上生成在该平台上的可执行代码交叉编译:在一个平台上生成在另一个平台上的可执行代码交叉编译的例子:如51单片机的可执行代码(hex文件)是在集成环境kei…

AT15透明屏有哪些特点?

AT15透明屏是一种新型的显示技术,它采用了透明材料制成的屏幕,可以实现透明显示效果。这种屏幕可以广泛应用于各种领域,如商业广告、展览展示、智能家居等。 AT15透明屏的特点之一是其高透明度。 由于采用了透明材料制成,AT15透明…

深度对话|Sui资产所有权如何让游戏体验更好

近日,我们采访了Mysten Labs的游戏产品总监Bill Allred,共同探讨了为什么Sui非常适合游戏。他分享了对Sui关键创新的看法,以及它为游戏开发者带来的价值,Sui的关键创新帮助开发者将他们所想象的游戏变为现实。 你能谈谈某些游戏的…

【微服务系统设计】系统设计基础:速率限制器

什么是速率限制器? 速率限制是指防止操作的频率超过定义的限制。在大型系统中,速率限制通常用于保护底层服务和资源。速率限制一般在分布式系统中作为一种防御机制,使共享资源能够保持可用性。 速率限制通过限制在给定时间段内可以到达您的 A…

AI面试官:Asp.Net 中使用Log4Net (三)

AI面试官:Asp.Net 中使用Log4Net (三) 当面试涉及到使用log4net日志记录框架的相关问题时,通常会聚焦在如何在.NET或.NET Core应用程序中集成和使用log4net。以下是一些关于log4net的面试题目,以及相应的解答、案例和代码: 文章目…

uniapp 瀑布流 (APP+H5+微信小程序)

WaterfallsFlow.vue <template><view class"wf-page" :class"props?.paddingC ? paddingC : "><!-- left --><view><view id"left" ref"left" v-if"leftList.length"><viewv-for…

vue解决跨域访问问题(个人学习笔记六)

目录 友情提醒第一章、跨越问题解决1.1&#xff09;什么是跨域问题&#xff1f;1.2&#xff09;第一种解决方式&#xff1a;后端设置允许跨域访问1.3&#xff09;第二种解决方式&#xff1a;前端配置代理 第二章、配置代理服务器2.1&#xff09;配置简单代理服务器2.2&#xff…

es6 new Set 数组去重 并集 交集 差集

Set 对象存储的值总是唯一的 Set 对象方法 方法 描述 add 添加某个值&#xff0c;返回Set对象本身。 clear 删除所有的键/值对&#xff0c;没有返回值。 delete 删除某个键&#xff0c;返回true。如果删除失败&#xff0c;返回false。 forEach 对每个元素执行指定操作。 has 返…

端口复用与重映射

端口复用和重映射 STM32F1有很多的内置外设&#xff0c;这些外设的外部引脚都是与GPIO复用的。也就是说&#xff0c;一个GPIO如果可以复用为内置外设的功能引脚&#xff0c;那么当这个GPIO作为内置外设使用的时候&#xff0c;就叫做复用。 大家都知道&#xff0c;MCU都有串口…

kotlin 编写一个简单的天气预报app(一)

使用Android Studio开发天气预报APP 今天我来分享一下如何使用Android Studio开发一个天气预报APP。在文中&#xff0c;我们将使用第三方接口获取实时天气数据&#xff0c;并显示在APP界面上。 步骤一&#xff1a;创建新项目 首先&#xff0c;打开Android Studio并创建一个新…