本文主要介绍数据结构中常见的八大排序算法,冒泡排序、快速排序、直接插入排序、希尔排序、简单选择排序、堆排序、归并排序和基数排序。
注:下面的排序代码有些我没编译跑过,可能有问题,但思想肯定是正确的,我用python重新编写并验证了一遍,代码可参考这 python实现十大排序算法(详解)
排序相描述
- 排序分类:若排序过程中,所有的文件都是放在内存中处理的,不涉及数据的内外存交换,则称该排序算法是内部排序算法; 若排序过程中涉及内外存交换,则是外部排序。内部排序适合小文间,外部排序适用于不能一次性把所有记录放入内存的大文件。常见的分类算法还可以根据排序方式分为两大类:比较排序和非比较排序。
- 排序算法的稳定性: 若排序对象中存在多个关键字相同的记录,经过排序后,相同关键字的记录之间的相对次序保持不变,则该排序方法是稳定的,若次序发生变化(哪怕只有两条记录之间),则该排序方法是不稳定的。关于哪些算法是稳定的,哪些不稳定,下面会详细介绍。
- 时间复杂度:一般情况下,算法中基本操作重复执行的次数是问题规模 n n n的某个函数,用 T ( n ) T(n) T(n)表示,若有某个辅助函数 f ( n ) f(n) f(n),使得 T ( n ) / f ( n ) T(n)/f(n) T(n)/f(n)的极限值(当 n n n趋近于无穷大时)为不等于零的常数,则称 f ( n ) f(n) f(n)是 T ( n ) T(n) T(n)的同数量级函数。记作 T ( n ) = O ( f ( n ) ) T(n)=O(f(n)) T(n)=O(f(n)),称 O ( f ( n ) ) O(f(n)) O(f(n))为算法的渐进时间复杂度,简称时间复杂度。
- 空间复杂度:空间复杂度(Space Complexity)是对一个算法在运行过程中临时占用存储空间大小的量度,它是问题规模 n n n的函数,记做 S ( n ) = O ( f ( n ) ) S(n)=O(f(n)) S(n)=O(f(n))。比如直接插入排序的时间复杂度是 O ( n 2 ) O(n^2) O(n2),空间复杂度是 O ( 1 ) O(1) O(1)。而一般的递归算法就要有 O ( n ) O(n) O(n)的空间复杂度了,因为每次递归都要存储返回信息,需要辅助空间的大小随着 n n n的增大线性增大。
- 就地排序:若一个排序算法所需的辅助空间并不依赖于问题的规模n,即时间复杂度是 O ( 1 ) O(1) O(1),则称该排序算法为就地排序。非就地排序算法的时间复杂度一般为 O ( n ) O(n) O(n)。
注:算法是否稳定并不能衡量一个算法的优劣,排序算法主要包含2种操作:比较和移动,但并不是所有的排序都基于比较操作,比如基数排序。
下图为排序算法体系结构图:
各大排序算法的时间复杂度、空间复杂度及稳定性见下表:
直接插入排序(Insertion Sort)
基本思想
将待排序的无序数列看成是一个仅含有一个元素的有序数列和一个无序数列,将无序数列中的元素逐次插入到有序数列中,从而获得最终的有序数列。
算法流程
- 初始时, a [ 0 ] a[0] a[0]自成一个有序区, 无序区为 a [ 1 , . . . , n − 1 ] a[1, … , n-1] a[1,...,n−1], 令 i = 1 i=1 i=1;
- 将 a [ i ] a[i] a[i]并入当前的有序区 a [ 0 , . . . , i − 1 ] a[0, … , i-1] a[0,...,i−1];
- i + + i++ i++并重复步骤2,直到 i = n − 1 i=n-1 i=n−1, 排序完成。
详细描述如下:
- 从第一个元素开始,该元素可以认为已经被排序
- 取出下一个元素,在已经排序的元素序列中从后向前扫描
- 如果该元素(已排序)大于新元素,将该元素移到下一位置
- 重复步骤3,直到找到已排序的元素小于或者等于新元素的位置
- 将新元素插入到该位置中
- 重复步骤2
复杂度分析:
第1个元素,需要进行 0 次比较;
第2个元素,需要进行 1 次比较;
第3个元素,需要进行 2 次比较;
第n个元素,需要进行n-1次比较;
所以插入排序的时间复杂度是 O ( n 2 ) O(n^2) O(n2),空间复杂度是 O ( 1 ) O(1) O(1),稳定。
动态实例
算法实现
//直接插入法一
void InsertSort1(int a[], int n)
{
int i, j;
for(i=1; i<n; i++)
if(a[i] < a[i-1])
{
int temp = a[i]; //保存要比较的值
for(j=i-1; j>=0 && a[j]>temp; j--) //从后向前查找待插入位置
a[j+1] = a[j]; //挪位
a[j+1] = temp; //复制到插入位置
}
}
//直接插入法二:用数据交换代替法一的数据后移(比较对象只考虑两个元素)
void InsertSort2(int a[], int n)
{
for(int i=1; i<n; i++)
for(int j=i-1; j>=0 && a[j]>a[j+1]; j--)
Swap(a[j], a[j+1]);
}
void Swap(int a,int b){
int temp;
temp=a;
a=b;
b=temp;
}
拓展(折半插入排序)
仅适用于顺序存储的线性表
直接插入排序是边比较,边移动元素;
折半插入排序是先折半查找到插入位置,再统一移动元素
void ZhebanInsertSort(int a[],int n){
int i,j,low,high,mid;
for(i=1;i<n;i++){
temp=a[i];
low=1,high=i; //设置折半查找范围
while(low<=high){
mid=(low+high)/2;
if(a[mid]>temp)
high=mid-1; //查找左半部分
else
low=mid+1; //查找右半部分
}
for(j=i;j>=high+1;--j)
a[j+1]=a[j]; //统一后移元素,空出插入位置
a[high+1]=temp; //插入
}
}
希尔排序(Shell Sort)
希尔排序是第一个突破 O ( n 2 ) O(n^2) O(n2)的排序算法,是简单插入排序的优化,实质是分组的简单插入排序。它与插入排序的不同之处在于,它会优先比较距离较远的元素(每次取相隔一定间隔gap的元素作为一组,在组内执行简单插入排序)。希尔排序又叫缩小增量排序(不断减小间隔gap的数组,直到gap=1)。
基本思想
- 希尔排序是把记录按下标的一定量分组,对每组使用直接插入算法排序;
- 随着增量逐渐减少,每组包1含的关键词越来越多,当增量减至1时,整个文件恰被分成一组,算法被终止。
算法流程
- 选择一个增量序列 t 1 , t 2 , … , t k t_1,t_2,…,t_k t1,t2,…,tk,其中 t i > t j , t k = 1 t_i>t_j,t_k=1 ti>tj,tk=1;
- 按增量序列个数 k k k,对序列进行$k $趟排序;
- 每趟排序,根据对应的增量 t i t_i ti,将待排序列分割成若干长度为 m m m 的子序列,分别对各子表进行直接插入排序。仅增量因子为1 时,整个序列作为一个表来处理,表长度即为整个序列的长度。
时间复杂度为 O ( n 1 + e ) O(n^{1+e}) O(n1+e)(其中0<e<1),空间复杂度 O ( 1 ) O(1) O(1),不稳定。
动态实例
算法实现
//希尔排序法一
void shellSort1(int a[],int n){
int i,j,gap,temp;
for(gap = n/2;gap>0;gap/=2){
for(i=gap;i<n;i+=gap){
temp = a[i];
for(j = i-gap;j>=0&&a[j]>temp;j-=gap){
a[j+gap] = a[j];
}
a[j+gap] = temp;
}
}
}
//希尔排序法二,和上面的直接插入排序类似,用数据交换代替法一的数据后移(比较对象只考虑两个元素)
void ShellSort2(int a[], int n)
{
int i, j, gap;
//分组
for(gap=n/2; gap>0; gap/=2)
//直接插入排序
for(i=gap; i<n; i++)
for(j=i-gap; j>=0 && a[j]>a[j+gap]; j-=gap)
Swap(a[j], a[j+gap]);
}
冒泡排序(Bubble Sort)
基本思想
在要排序的一组数中,对当前还未排好序的范围内的全部数,自上而下对相邻的两个数依次进行比较和调整,让较大的数往下沉,较小的往上冒。即:每当两相邻的数比较后发现它们的排序与排序要求相反时,就将它们互换。每一趟排序后的效果都是讲没有沉下去的元素给沉下去。
算法流程 (递增为例)
- 比较相邻的元素。如果第一个比第二个大,就交换他们两个
- 对每一对相邻元素作同样的工作,从开始第一对到结尾的最后一对。在这一点,最后的元素应该会是最大的数
- 针对所有的元素重复以上的步骤,除了最后一个
- 持续每次对越来越少的元素重复上面的步骤,直到没有任何一对数字需要比较。
复杂度分析
第一次排序的比较次数:$ n-1$ n个元素相邻两两比较,需要n-1次比较;
第二次排序的比较次数:$ n-2$ 第一次排序后最后一个元素可以确定为最大值,不再需要参与第二次排序;
第三次排序的比较次数: n − 3 n-3 n−3 同理,最后两个数已经确定,不再需要参与排序;
第 n-1 次排序的比较次数: 1 1 1 ;
所以冒泡排序的时间复杂度是 O ( n 2 ) O(n^2) O(n2)。 空间复杂度是 O ( 1 ) O(1) O(1),稳定 。
动态实例
算法实现
//冒泡排序
void BubbleSort(int a[], int n)
{
int i, j;
for(i=0; i<n; i++){
bool flag=false; //表示本趟冒泡是否发生交换的标志
for(j=1; j<n-i; j++){
//j的起始位置为1,终止位置为n-i
if(a[j]<a[j-1]){
Swap(a[j-1], a[j]);
flag=true;
}
}
if(flag==false) //未交换,说明已经有序,停止排序
return;
}
}
拓展 (冒泡排序的改进 —- 鸡尾酒排序)
鸡尾酒排序与冒泡排序的不同处在于排序时是以首尾双向在序列中进行排序。
- 先对数组从左到右进行升序的冒泡排序;
- 再对数组进行从右到左的降序的冒泡排序;
- 以此类推,持续的、依次的改变冒泡的方向,并不断缩小没有排序的数组范围;
鸡尾酒排序的优点是能够在特定条件下(如集合中大部分元素有序),减少排序的回合数。
实现鸡尾酒排序需要分别定义一个从最左边开始的index_left和从最右边开始的index_reight,当两个index相等的时候循环结束。
//鸡尾酒排序
void CocktailSort(int a[], int n){
int left = 0, right=n-1;
while(left<right){
for(int i=left;i<right-1;i++){
//从前往后排
if(a[i]>a[i+1]){
Swap(a[i],a[i+1]);
}
right-=1;
for(int j=right;j>left;j--){
//从后往前排
if(a[j]<a[j-1]){
Swap(a[j],a[j-1]);
}
}
left+=1;
}
}
}
快速排序(Quick Sort)
快速排序是目前所有内部排序算法中平均性能最优的排序算法。
基本思想
快速排序算法的基本思想为分治思想。
- 先从数列中取出一个数作轴值(基准数)pivot;
- 根据基准数将数列进行分区,小于基准数的放左边,大于基准数的放右边;
- 重复分区操作,知道各区间只有一个数为止。
算法流程(递归+挖坑填数)
- i = L , j = R i=L,j=R i=L,j=R,将基准数挖出形成第一个坑 a [ i ] a[i] a[i];
- j − − j– j−−由后向前找出比它小的数,找到后挖出此数 a [ j ] a[j] a[j]填到前一个坑 a [ i ] a[i] a[i]中;
- i + + i++ i++从前向后找出比它大的数,找到后也挖出此数填到前一个坑 a [ j ] a[j] a[j]中;
- 再重复2,3,直到 i = j i=j i=j,将基准数填到 a [ i ] a[i] a[i]。
复杂度分析:
时间复杂度为 O ( n l o g 2 n ) O(nlog_{2}^{n}) O(nlog2n),空间复杂度为 O ( l o g 2 n ) O(log_2^n) O(log2n),不稳定。
下面是一个我手写的详细分析实例:
动态实例
算法实现
//快速排序
void QuickSort(int a[],int left,int right){
if(left<right){
int i=left,j=right;
int base=a[left]; //基准
while(i<j){
while(i<j&&a[j]>=base) //从右往左找小于base的元素
j--;
if(i<j)
a[i++]=a[j];
while(i<j&&a[i]<base) //从左往右找大于base的值
i++;
if(i<j)
a[j--]=a[i];
}
a[i]=base; //将基准base填入最后的坑中
QuickSort(a,left,i-1); //递归调用,分治
QuickSort(a,i+1,right);
}
}
注意:如果基准不是选第一个数,可以用Swap()函数将基准调整至第一个位置,再执行上述程序。
总结:本文主要介绍了2大类排序算法:插入排序(直接插入、希尔排序)和交换排序(冒泡排序、快速排序)。在下一篇博文C语言实现八大排序算法(二)中,我将介绍剩下的4种排序(简单选择排序、堆排序、归并排序、基数排序),并对所有的排序算法做一个比较。
今天的文章C语言实现八大排序算法(一)分享到此就结束了,感谢您的阅读,如果确实帮到您,您可以动动手指转发给其他人。
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。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。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。
如需转载请保留出处:https://bianchenghao.cn/26968.html