排序（堆排序、快速排序、归并排序)--＞深度剖析(二)

前言

前面介绍了冒泡排序、选择排序、插入排序、希尔排序，作为排序中经常用到了算法，还有堆排序、快速排序、归并排序

堆排序（HeaSort）

堆排序的概念

堆排序是一种有效的排序算法，它利用了完全二叉树的特性。在C语言中，堆排序通常通过构建一个最大堆（或最小堆），然后逐步调整堆结构，最终实现排序。

代码实现

堆排序是一种基于二叉堆的排序算法，它通过将待排序的元素构建成一个二叉堆，然后逐步移除堆顶元素并将其放置在数组的尾部，同时维护堆的性质，直至所有元素都被排序。

注意：第一个for循环中的（n-1-1）/ 2 的含义

  • 第一个减1是由n-1个元素
  • 第二个减1是除以2是父亲节点。以为我们调整的是每一个根节点。（非叶子节点）
//堆排序
void HeapSort(int* a, int n)
{//建堆for(int i = (n - 1 - 1) / 2; i >= 0; i--){AdjustDown(a,n,i);}//排序int end = n - 1;while(end > 0){Swap(&a[end], &a[0]);AdjustDown(a, end, 0);--end;}	
}

其中AdjustDown是建立堆的函数，我们要建立一个大堆，将替换到上上面的小值，向下调整，保持大堆的结构。

代码如下：

//向下调整
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[parent] < a[child]){Swap(&a[parent], &a[child]);parent = child;child = parent * 2 + 1;}else{break;}}}

堆排序的复杂度分析

堆排序是一种常用的排序算法，其时间复杂度通常为O(nlogn)。在C语言中实现堆排序时，时间复杂度的分析主要涉及到两个阶段：构建初始堆和进行堆排序。

  • 构建初始堆：从最后一个非叶子节点开始，逐步向上调整，直到根节点满足堆的性质。这个过程的时间复杂度为O(n)，因为需要对每个非叶子节点进行一次调整。
  • 进行堆排序：堆排序的过程涉及到多次交换堆顶元素和最后一个元素，并对剩余的元素进行调整。每次交换后，堆的大小减一，并对新的堆顶元素进行调整。这个过程的时间复杂度为O(nlogn)，因为每次调整的时间复杂度为O(logn)，总共需要进行n-1次调整。

快速排序(Quick Sort)

快速排序的概念

快速排序（Quick Sort）是一种高效的排序算法，它的基本思想是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字均比另一部分记录的关键字小，然后再分别对这两部分记录继续进行排序，以达到整个序列有序的目的。在C语言中，快速排序的实现通常涉及到递归函数的编写，以及对数组进行分区（partition）操作。

霍尔版本（hoare）

在这里插入图片描述

在这里我们是要，定义一个关键字（keyi）进行分区，然后分别向左右进行递归。

代码实现

int part1(int* a, int left, int right)
{int mid = GetmidNum(a,left,right);Swap(&a[left], &a[mid]);int keyi = left;while (left < right){while (left < right && a[right] >= a[keyi])right--;while (left < right && a[left] <=a[keyi])left++;Swap(&a[left], &a[right]);}Swap(&a[keyi], &a[left]);keyi = left;return keyi;
}

挖坑法

挖坑法类似于霍尔方法，挖坑就是记住关键字，保证关键字就是一个坑位，比关键字值小（大）的时候就入坑位，此时，这个值位置作为新的坑位直至两个前后指针指向同一个坑位。

在这里插入图片描述

代码实现

int part2(int* a, int left, int right)
{int mid = GetmidNum(a, left, right);Swap(&a[left], &a[mid]);int keyi = a[left];int hole = left;while (left < right){while (left < right && a[right] >= keyi)right--;Swap(&a[hole], &a[right]);hole = right;while (left < right && a[left] <= keyi)left++;Swap(&a[hole], &a[left]);hole = left;}Swap(&keyi, &a[hole]);keyi = left;return keyi; }

前后指针法

  • prev 指针初始化为数组的开始位置，cur 指针初始化为 prev 的下一位置。

  • cur 指针向前遍历数组，寻找小于或等于基准值的元素，而 prev 指针则跟随 cur 指针的移动，直到 cur 找到一个小于基准值的元素。

  • 一旦找到这样的元素，prev 和 cur 指针之间的元素都会被交换，然后 cur 指针继续向前移动，直到找到下一个小于基准值的元素，或者到达数组的末尾。最后，基准值会被放置在 prev 指针当前的位置，完成一次排序

在这里插入图片描述

代码实现

int part3(int* a, int left, int right)
{int mid = GetmidNum(a, left, right);Swap(&a[left], &a[mid]);int keyi = left;int cur = left + 1;int prev = left;while (cur <= right){while (a[cur] < a[keyi] && ++prev != cur)Swap(&a[cur], &a[prev]);++cur;}Swap(&a[prev], &a[keyi]);keyi = prev;return keyi;
}

递归实现

以上都是递归方法，通过调用分区进行排序。

void QuickSort(int* a, int left, int right)
{if (left >= right)return;int key = part3(a, left, right);QuickSort(a, left, key - 1);QuickSort(a, key + 1, right);}

快速排序迭代实现（利用栈）参考：栈和队列

基本步骤
  1. 初始化栈：创建一个空栈，用于存储待排序子数组的起始和结束索引。
  2. 压栈：将整个数组的起始和结束索引作为一对入栈。
  3. 循环处理，在栈非空时，重复以下步骤：
    • 弹出一对索引（即栈顶元素）来指定当前要处理的子数组。
    • 选择子数组的一个元素作为枢轴（pivot）进行分区。
    • 进行分区操作，这会将子数组划分为比枢轴小的左侧部分和比枢轴大的

代码实现

void QuickSortNonR(int* a, int left, int right)
{ST st;STInit(&st);STpush(&st, left);STpush(&st, right);while (!STEmpty(&st)){int end = STTop(&st);STPop(&st);int begin = STTop(&st);STPop(&st);int keyi = part3(a, begin, end);if (keyi + 1 < end){STpush(&st, keyi + 1);STpush(&st, end);}if (begin < keyi - 1){STpush(&st, begin);STpush(&st, keyi - 1);}}STDestroy(&st);
}

快速排序的优化

优化角度从两个方面切入

  1. 在选择关键字的（基准值）时候，如果我们碰到了，有序数组，那么就会，减低排序效率。
    • 方法一：三数取中，即区三个关键字先进行排序，将中间数作为关键字，一般取左端右端和中间值。
    • 方法二：随机值。利用随机数生成。

三数取中代码实现

int GetmidNum(int* a, int begin, int end)
{int mid = (begin + end) / 2;if (a[begin] < a[mid]){if (a[mid] < a[end]){return mid;}else if(a[end]<a[begin]){return begin;}else{return end;}}else //a[begin]>a[mid]{if (a[begin] < a[end]){return begin;}else if (a[end] < a[mid]){return mid;}else{return end;}}

随机选 key（下标） 代码实现

srand(time(0));
int randi = left + (rand() % (right - left));
Swap(&a[left], &a[randi]);

快速排序复杂度分析

  • 在平均情况下，快速排序的时间复杂度为O(n log n)，这是因为每次划分都能够将数组分成大致相等的两部分，从而实现高效排序。在最坏情况下，快速排序的时间复杂度为O(n^2)
  • 除了递归调用的栈空间之外，不需要额外的存储空间，因此空间复杂度是O(log n)。在最坏情况下，快速排序的时间复杂度可能是 O(n)，这是因为在最坏情况下，递归堆栈空间可能会增长到线性级别。

根据上述描述，优化快速排序是必要的。

归并排序（Merge Sort）

在这里插入图片描述

归并排序的概念

归并排序（Merge Sort）是一种基于分治策略的排序算法，它将待排序的序列分为两个或以上的子序列，对这些子序列分别进行排序，然后再将它们合并为一个有序的序列。归并排序的基本思想是将待排序的序列看作是一系列长度为1的有序序列，然后将相邻的有序序列段两两归并，形成长度为2的有序序列，以此类推，最终得到一个长度为n的有序序列。

基本操作：

  • 分解：将序列每次折半划分，递归实现，直到子序列的大小为1。
  • 合并：将划分后的序列段两两合并后排序。在每次合并过程中，都是对两个有序的序列段进行合并，然后排序。这两个有序序列段分别为 R[low, mid] 和 R[mid+1, high]。先将他们合并到一个局部的暂存数组 R2 中，合并完成后再将 R2 复制回 R 中。

代码实现(递归)

void _MergeSort(int* a, int* tmp, int begin, int end)
{if (begin >= end)return;int mid = (begin + end) / 2;_MergeSort(a, tmp, begin, mid - 1);_MergeSort(a, tmp, mid + 1, end);int begin1 = begin, end1 = mid;int begin2 = mid + 1, end2 = end;int i = begin;while (begin1 <= end1 && begin2 <= end2){if (a[begin1] > a[begin2]){tmp[i++] = a[begin2++];}else{tmp[i++] = a[begin1++];}}while (begin1 <= end1){tmp[i++] = a[begin1++];}while (begin2 <= end2){tmp[i++] = a[begin2++];}memcpy(a + begin, tmp + begin, sizeof(int) * (end - begin + 1));}void MergeSort(int* a, int n)
{int* tmp = (int*)malloc(sizeof(int) * n);if (tmp == NULL){perror("malloc fail");return;}_MergeSort(a, tmp, 0, n-1);free(tmp);
}

代码实现（迭代）

void MergeSortNonR(int* a, int n)
{int* tmp = (int*)malloc(sizeof(int) * n);if (tmp == NULL){perror("malloc fail");return;}int gap = 1;while (gap < n){for (int i = 0; i < n; i =2* gap){int begin1 = i, end1 = i + gap - 1;int begin2 = i + gap, end2 = i + 2 * gap - 1;int j = i;if (end1 >= n || begin2 >= n){break;}if (end2 >= n){end2 = n-1;}while (begin1 <= end1 && begin2 <= end2){if (a[begin1] < a[begin2]){tmp[j++] = a[begin1++];}else{tmp[j++] = a[begin2++];}}while (begin1 <= end1){tmp[j++] = a[begin1++];}while (begin2 <= end2){tmp[j++] = a[begin2++];}memcpy(a + i, tmp + i, sizeof(int) * (end2 - i + 1));}gap *= 2;}free(tmp); 
}

归并排序复杂度分析

  • 时间复杂度是 O(n log n)，其中 n 是待排序元素的数量。这个时间复杂度表明，归并排序的执行速度随着输入大小的增加而线性增加，但不会超过对数级的增长。
  • 空间复杂度为 O(n)，在数据拷贝的时候malloc一个等大的数组。

总结

p[j++] = a[begin2++];
}
}

		while (begin1 <= end1){tmp[j++] = a[begin1++];}while (begin2 <= end2){tmp[j++] = a[begin2++];}memcpy(a + i, tmp + i, sizeof(int) * (end2 - i + 1));}gap *= 2;
}
free(tmp);

}


## 归并排序复杂度分析* 时间复杂度是 O(n log n)，其中 n 是待排序元素的数量。这个时间复杂度表明，归并排序的执行速度随着输入大小的增加而线性增加，但不会超过对数级的增长。
* 空间复杂度为 O(n)，在数据拷贝的时候malloc一个等大的数组。# 总结![在这里插入图片描述](https://img-blog.csdnimg.cn/direct/8d8d45e2fc8b4b0fa4747b27d20cd50c.png)

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/web/37745.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

Spring bean的全生命周期

Spring bean的全生命周期

阅读更多...
复分析——第9章——椭圆函数导论(E.M. Stein R. Shakarchi)

复分析——第9章——椭圆函数导论(E.M. Stein R. Shakarchi)

第 9 章 椭圆函数导论 (An Introduction to Elliptic Functions) The form that Jacobi had given to the theory of elliptic functions was far from perfection; its flaws are obvious. At the base we find three fundamental functions sn, cn and dn. These functio…
阅读更多...
商汤上海AI实验室联合发布：自动驾驶全栈式高精度标定工具箱（含车、IMU、相机、激光雷达等的标定）

商汤上海AI实验室联合发布：自动驾驶全栈式高精度标定工具箱（含车、IMU、相机、激光雷达等的标定）

前言 在自动驾驶技术飞速发展的今天&#xff0c;传感器的精确标定对于确保系统性能至关重要。SensorsCalibration&#xff0c;一个专为自动驾驶车辆设计的标定工具箱&#xff0c;提供了一套全面的解决方案&#xff0c;用于校准包括IMU、激光雷达、摄像头和雷达在内的多种传感器…
阅读更多...
基于Java平价平价汽车租赁系统设计和实现(源码+LW+部署讲解)

基于Java平价平价汽车租赁系统设计和实现(源码+LW+部署讲解)

&#x1f497;博主介绍&#xff1a;✌全网粉丝10W,CSDN作者、博客专家、全栈领域优质创作者&#xff0c;博客之星、平台优质作者、专注于Java、小程序技术领域和毕业项目实战✌&#x1f497; &#x1f31f;文末获取源码数据库&#x1f31f; 感兴趣的可以先收藏起来&#xff0c;…
阅读更多...
【python】使用conda管理python项目：conda管理不同项目环境，pip下载最新的包

【python】使用conda管理python项目：conda管理不同项目环境，pip下载最新的包

文章目录 一. python包管理概述1. miniforge、Miniconda与Anaconda2. conda与pip的区别是什么&#xff1f;3. pip与conda配合使用 二. 使用conda管理不同py环境1. 创建一个环境2. 解决冲突 三. 命令合集1. conda1.1. 常用1.2. 环境管理1.3. 分享环境1.4. 包管理 2. 依赖没有在c…
阅读更多...
《RepViT Revisiting Mobile CNN From ViT Perspective》

《RepViT Revisiting Mobile CNN From ViT Perspective》

期刊&#xff1a;CVPR 年份&#xff1a;2024 代码&#xff1a;http://https: //github.com/THU-MIG/RepViT 摘要 最近&#xff0c;与轻量级卷积神经网络(CNN)相比&#xff0c;轻量级视觉Transformer(ViTs)在资源受限的移动设备上表现出了更高的性能和更低的延迟。研究人员已…
阅读更多...
无法访问指向的web服务器（或虚拟主机）的目录，请检查网络设置

无法访问指向的web服务器（或虚拟主机）的目录，请检查网络设置

微信公众平台,进行业务域名、JS接口安全域名、网页授权域名配置时&#xff0c;遇到的问题中有&#xff1a;无法访问指向的web服务器&#xff08;或虚拟主机&#xff09;的目录&#xff0c;请检查网络设置&#xff0c;这里简单记录一下处理过程。 关于这个问题首先保证下载…
阅读更多...
SHELL脚本学习（十四）gawk进阶

SHELL脚本学习（十四）gawk进阶

一、使用变量 gawk支持两种变量 内建变量自定义变量 1.1 内建变量 1.1.1 字段和记录分隔符变量 数据字段变量允许使用美元符号 $ 和 位置来引用对应的字段。 $1 对应第一个数据字段&#xff0c;$2对应第二个数据字段&#xff0c;以此类推。 数据字段用字段分隔符划定。默…
阅读更多...
【基于R语言群体遗传学】-1-哈代温伯格基因型比例

【基于R语言群体遗传学】-1-哈代温伯格基因型比例

前言 群体遗传学是研究生物群体中基因的分布、基因频率和基因型频率的维持和变化的学科。它不仅探讨遗传病的发病频率和遗传方式&#xff0c;还研究基因频率和变化的规律&#xff0c;为预防、监测和治疗遗传病提供重要信息。R语言作为一种强大的统计分析工具&#xff0c;在群体…
阅读更多...
mybatis实现多表查询

mybatis实现多表查询

mybatis高级查询【掌握】 1、准备工作 【1】包结构 创建java项目&#xff0c;导入jar包和log4j日志配置文件以及连接数据库的配置文件&#xff1b; 【2】导入SQL脚本 运行资料中的sql脚本&#xff1a;mybatis.sql 【3】创建实体来包&#xff0c;导入资料中的pojo 【4】User…
阅读更多...
TypeScript Project References npm 包构建小实践

TypeScript Project References npm 包构建小实践

npm 包输出 es/cjs 产物 在开发一个 npm 包时&#xff0c;通常需要同时输出 ES 模块和 CommonJS 模块的产物供不同的构建进行使用。在只使用tsc进行产物编译的情况下&#xff0c;我们通常可以通过配置两个独立的 tsconfig.json 配置文件&#xff0c;并在一个 npm script 中 执…
阅读更多...
kubesphere自定义流水线基础镜像

kubesphere自定义流水线基础镜像

背景 需求&#xff1a;在流水线基础pod中使用python和jinja2模块来动态渲染部署文件 由于ks提供的基础镜像无法满足以上需求&#xff0c;在ks提供的maven镜像的基础上实现 实施 制作镜像&并推送到private image repo FROM kubesphere/builder-maven:v3.2.0 RUN sed -i…
阅读更多...
7.1作业

7.1作业

1.思维导图 2.在堆区申请两个长度为32的空间&#xff0c;实现两个字符串的比较【非库函数实现】 (1)定义函数&#xff0c;在对区申请空间 两个申请&#xff0c;主函数需要调用2次 (2)定义函数&#xff0c;实现字符串的输入 void input(char *p) (3)调用函数实现字符串比较…
阅读更多...
BUT000增强字段BAPI结构激活出错（BUPA_CENTRAL_CI_CHANGE）

BUT000增强字段BAPI结构激活出错（BUPA_CENTRAL_CI_CHANGE）

导语&#xff1a;BP主数据增强字段&#xff0c;需要使用BAPI&#xff1a;BUPA_CENTRAL_CI_CHANGE进行值写入&#xff0c;但是在SAP 2023以后的版本&#xff0c;激活会出错&#xff0c;原因是因为SAP的一个结构同时包含了BUS00_EEW以及BUS00_EEWX两个结构&#xff0c;导致结构字…
阅读更多...
Spring Security 认证流程

Spring Security 认证流程

Spring Scurity是spring生态下用于认证和授权的框架&#xff0c;具有高度的灵活性和可扩展行&#xff0c;本节主要对Spring Security的认证过程中进行概括性的介绍&#xff0c;主要介绍在该过程中&#xff0c;会涉及到哪些组件以及每个组件所承担的职责&#xff0c;希望大家可以…
阅读更多...
Elasticsearch 配置说明

Elasticsearch 配置说明

# ---------------------------------- Cluster ----------------------------------- cluster.name: yh-es # es名称 # ------------------------------------ Node ------------------------------------ node.name: xibo-es node.master: true node.da…
阅读更多...
电脑录音软件哪个好？7款录制音频工具大盘点，赶快学起来！（2024）

电脑录音软件哪个好？7款录制音频工具大盘点，赶快学起来！（2024）

也许你渴望提取你最喜欢的节目的背景音乐&#xff0c;或者你希望录制自己的声音制作教程。如果是这样&#xff0c;你就需要一款优秀的电脑录音软件&#xff0c;来帮助你捕捉任何你想要的声音&#xff0c;而且不会损失音质。目前市场上存在着大量的录制音频工具&#xff0c;面对…
阅读更多...
锁相环相位噪声仿真代码-汇总

锁相环相位噪声仿真代码-汇总

24小时自动发货 所设计的压控振荡器输入电压为0.625V时&#xff0c;输出大致为500Mhz&#xff1b;输入电压为1.559时&#xff0c;输出电压大致为1Ghz 1.文件夹里面各个文件作用&#xff08;包括参考书PLL PHASE NOISE ANALYSIS、lee的射频微电子、以及前人留下的matlab文件还有…
阅读更多...
ModStart：开源免费的PHP企业网站开发建设管理系统

ModStart：开源免费的PHP企业网站开发建设管理系统

大家好&#xff01;今天我要给大家介绍一款超级强大的开源工具——ModStart&#xff0c;它基于Laravel框架&#xff0c;是PHP企业网站开发建设的绝佳选择&#xff01; 为什么选择ModStart&#xff1f; 模块化设计&#xff1a;ModStart采用模块化设计&#xff0c;内置了众多基…
阅读更多...
Ubuntu(通用)—网络加固—防DNS污染和ARP欺骗

Ubuntu(通用)—网络加固—防DNS污染和ARP欺骗

1. 防DNS污染 DNS协议&#xff0c;把域名解析成ip地址&#xff0c;udp&#xff0c;这个过程会暴露访问的域名&#xff0c; 对这一传输过程加密&#xff08;传输层用tcp&#xff09;即为DoH(DNS over HTTPS)。 Browser(firefox)加固 由于Cloudflare、Quad8的DoH服务器不能用&…
阅读更多...
最新文章

Copyright @ 2022~2023