【数据结构】八大排序(二)

news2024/11/17 21:33:51

😛作者：日出等日落

📘 专栏：数据结构

在最黑暗的那段人生，是我自己把自己拉出深渊。没有那个人，我就做那个人。                                                                                                                                              ——中岛美嘉

😩快速排序：

Hoare版本(递归)：

基本思想：

快速排序是Hoare于1962年提出的一种二叉树结构的交换排序方法，这个排序很重要

其基本思想为：

任取待排序元素序列中 的某元素作为基准值，按照该排序码将待排序集合分割成两子序列，左子序列中所有元素均小于基准值，右子序列中所有元素均大于基准值，然后最左右子序列重复该过程，直到所有元素都排列在相应位置上为止。

(官方语言，接下来请看详细解释)

动图演示：

基本思路： 

单趟排序，key一般选最左边或者最右边

★首先令key为最左边，右边先走找小，然后左边找大，然后交换位置继续，相遇则停止，相遇的值跟key对应的值交换

当左区间有序，右区间有序那整体就ok了，如果左右区间不有序，左右区间就是单趟的子问题

当区间只有一个值，就不排了，返回 

代码展示： 

//快速排序
void QuickSort(int* a, int begin, int end)
{
	if (begin >= end)
	{
		return;
	}

	int left = begin;
	int right = end;
	int keyi = left;

	while (left < right)
	{
		//右边先走，找小
		while (left < right && a[right] >= a[keyi])
		{
			right--;
		}
		//左边找大
		while (left < right && a[left] <= a[keyi])
		{
			left++;
		}
		Swap(&a[left], &a[right]);
	}
	//相遇后随便一个下标，然后交换
	Swap(&a[left], &a[keyi]);
	keyi = left;

		//左区间递归
		QuickSort(a, begin, keyi - 1);
		//右区间递归
		QuickSort(a, keyi + 1, end);
	
	
}

可能就有小伙伴问为什么是key为最左边时，右边先走，最右边做key时，左边先走

原因是左边做key时，右边先走，可以保证相遇位置比key要小

此时有两种情况：

1.相遇时，left停住，right遇到left，相遇的位置是left停住的位置

2.相遇时，right停住，left遇到right，相遇的位置是right停住的位置

单趟排序的意义

1.分割出左右区间，左区间比key小，右区间比key大

2.key到了正确位置（排序后的最终位置）

优化方案：

三数取中：

在前面的快速排序中，

在理想情况下，我们每次进行完单趟排序后，key的左序列与右序列的长度都相同：

若每趟排序所选的key都正好是该序列的中间值，即单趟排序结束后key位于序列正中间，那么快速排序的时间复杂度就是O(NlogN)。

但事实上可能会遇到极端情况：就是我们每次取到的都是最大值或者最小值，那么快排的时间复杂度达到最低O（N^2）

那这样就和插入排序、冒泡排序时间复杂度一样了

这种情况下，快速排序的时间复杂度退化为O(N^2)。其实，对快速排序效率影响最大的就是选取的key，若选取的key越接近中间位置，则效率越高。

为了避免这种极端情况的发生，于是出现了三数取中：
 三数取中，当中的三数指的是：最左边的数、最右边的数以及中间位置的数。三数取中就是取这三个数当中，值的大小居中的那个数作为该趟排序的key。这就确保了我们所选取的数不会是序列中的最大或是最小值了。

代码实现：

//三数取中
int GetmidIndex(int* a, int begin, int end)
{
	int mid = (begin + end) / 2;
	// a[begin]   a[mid]    a[end]
	// a[begin[ < a[mid[
	if (a[begin] < a[mid])
	{
		//a[begin] < a[mid] < a[end]
		if (a[mid] < a[end])
		{
			return mid;
		}
		//a[mid] > a[end] 再次判断
		else if (a[begin] > a[end])
		{
			return begin;
		}
		else
		{
			return end;
		}
	}
	// a[begin] > a[mid]
	else
	{
		//a[mid] > a[end]
		if (a[mid] > a[end])
		{
			return mid;
		}
		//a[mid] < a[end]
		else if (a[begin] < a[end])
		{
			return begin;
		}
		else
		{
			return end;
		}
	}
}

完整快速排序代码：

//Hoare 版本
int PartSort1(int* a , int begin , int end)
{
	int mid = GetmidIndex(a, begin, end);
	Swap(&a[begin], &a[mid]);

	int left = begin;
	int right = end;
	int keyi = left;

	while (left < right)
	{
		//右边先走，找小
		while (left < right && a[right] >= a[keyi])
		{
			right--;
		}
		//左边找大
		while (left < right && a[left] <= a[keyi])
		{
			left++;
		}
		Swap(&a[left], &a[right]);
	}
	//相遇后随便一个下标，然后交换
	Swap(&a[left], &a[keyi]);
	keyi = left;
	
	return keyi;
}

//快速排序
void QuickSort(int* a, int begin, int end)
{
	if (begin >= end)
	{
		return;
	}
		if ((end - begin + 1) < 15)
	{
		//小区间用直接插入排序，减少递归调用次数
		InsertSort(a + begin, end - begin + 1);
	}
	else
	{
			int keyi = PartSort1(a, begin, end);
		//左区间递归
		QuickSort(a, begin, keyi - 1);
		//右区间递归
		QuickSort(a, keyi + 1, end);
	}
	
}

挖坑法：

基本思想：

挖坑法的思想很简单：

一开始先将left下标对应的值保存起来，然后left位置空出来的位置就是一个坑位，右边先走，找大，找到后将右边的值的数据填进去，这个right的位置就是新的坑，左边找小，再将左边找到的填进坑位，这个left对应下标的位置就是新的坑位，最后left和right一定会在坑的位置相遇

代码展示： 

//挖坑法
int PartSort2(int* a, int begin, int end)
{
	int mid = GetmidIndex(a, begin, end);
	Swap(&a[begin], &a[mid]);

	int left = begin;
	int right = end;
	int key = a[left];
	int hole = left;

	while (left < right)
	{
		//右边先走，找小于key的
		while (left < right && a[right] >= key)
		{
			right--;
		}
		a[hole] = a[right];
		hole = right;
		//左边找大于key的;
		while (left < right && a[left] <= key)
		{
			left++;
		}
		a[hole] = a[left];
		hole = left;
	}
	a[hole] = key;
	return hole;
}
//快速排序
void QuickSort(int* a, int begin, int end)
{
	if (begin >= end)
	{
		return;
	}
		if ((end - begin + 1) < 15)
	{
		//小区间用直接插入排序，减少递归调用次数
		InsertSort(a + begin, end - begin + 1);
	}
	else
	{
			int keyi = PartSort2(a, begin, end);
		//左区间递归
		QuickSort(a, begin, keyi - 1);
		//右区间递归
		QuickSort(a, keyi + 1, end);
	}
	
}

前后指针法：

动图演示:

基本思路：

1、cur下标对应的值找比key小的，找到后停下来
2、然后++prev, 交换prev位置和cur位置的值

最后重复上述操作

时间复杂度:O(NlogN) 

//前后指针法
int PartSort3(int* a, int begin, int end)
{
	int prev = begin;
	int cur = begin + 1;
	int keyi = begin;
	while (cur <= end)
	{
		//cur 先走
		if (a[cur] <= a[keyi] && ++prev != cur)
		{
			Swap(&a[cur], &a[prev]);
		}
			cur++;
	}
	Swap(&a[prev], &a[keyi]);
	keyi = prev;
	return keyi;
}
//快速排序
void QuickSort(int* a, int begin, int end)
{
	if (begin >= end)
	{
		return;
	}
		if ((end - begin + 1) < 15)
	{
		//小区间用直接插入排序，减少递归调用次数
		InsertSort(a + begin, end - begin + 1);
	}
	else
	{
			int keyi = PartSort3(a, begin, end);
		//左区间递归
		QuickSort(a, begin, keyi - 1);
		//右区间递归
		QuickSort(a, keyi + 1, end);
	}
	
}

非递归写法： 

基本思路：

借用栈来实现

通过非递归的方式实现递归的情况的话，快速排序递归是先排左区间再排右区间，以此类推，因此写非递归我们就需要反过来，因为栈是后入先出的。

借助栈的内存结构让先入的后出，所以要先压begin再压end，取出来的话就是先出end再出begin，然后先排右区间顺序再排左区间顺序。

代码实现： 

//前后指针法
int PartSort3(int* a, int begin, int end)
{
	int prev = begin;
	int cur = begin + 1;
	int keyi = begin;
	while (cur <= end)
	{
		//cur 先走
		if (a[cur] <= a[keyi] && ++prev != cur)
		{
			Swap(&a[cur], &a[prev]);
		}
			cur++;
	}
	Swap(&a[prev], &a[keyi]);
	keyi = prev;
	return keyi;
}

//快速排序(非递归)
void QuickSortNonR(int* a, int begin, int end)
{
	ST st;
	StackInit(&st);
	StackPush(&st, begin);
	StackPush(&st, end);
	while (!StackEmpty(&st))
	{
		int right = StackTop(&st);
		StackPop(&st);
		int left = StackTop(&st);
		StackPop(&st);

		int keyi = PartSort3(a, left, right);
		// [left , keyi-1]  keyi  [keyi+1 , right]
		if (keyi + 1 < right)
		{
			StackPush(&st, keyi + 1);
			StackPush(&st, right);
		}
		if (keyi - 1 > left)
		{
			StackPush(&st, left);
			StackPush(&st, keyi - 1);
		}
	}

	StackDestroy(&st);
}

🤦‍♂️归并排序：

递归算法：

基本思想：

归并排序（MERGE-SORT）是建立在归并操作上的一种有效的排序算法,该算法是采用分治法（Divide and Conquer）的一个非常典型的应用。将已有序的子序列合并，得到完全有序的序列；即先使每个子序列有序，再使子序列段间有序。若将两个有序表合并成一个有序表，称为二路归并。 归并排序核心步骤：

动图演示：

代码实现：


void _MergeSort(int* a ,int begin ,int end,int* tmp)
{
	if (begin >= end)
		return;
	int mid = (begin + end) / 2;
	//[begin , mid] [ mid +1 , end] 递归子区间有序
	_MergeSort(a, begin, mid, tmp);
	_MergeSort(a, mid + 1, end, tmp);

	//归并
	int begin1 = begin;
	int end1 = mid;
	int begin2 = mid + 1;
	int end2 = end;
	int i = begin;
	while (begin1 <= end1 && begin2 <= end2)
	{
		if (a[begin1] <= a[begin2])
		{
			tmp[i++] = a[begin1++];
		}
		else
		{
			tmp[i++] = a[begin2++];
		}
	}
	while (begin1 <= end1)
	{
		tmp[i++] = a[begin1++];
	}
	while (begin2 <= end2)
	{
		tmp[i++] = a[begin2++];
	}
	memcpy(a + begin, tmp + begin, sizeof(int) * (end - begin + 1));
}

//归并排序
void MergeSort(int* a, int n)
{
	int* tmp = (int*)malloc(sizeof(int) * n);
	if (tmp == NULL)
	{
		perror("malloc: fail ");
		exit(-1);
	}

	_MergeSort(a, 0, n - 1, tmp);
	free(tmp);
	tmp = NULL;
}

非递归算法：

非递归算法需要注意的是越界问题：

1.end1越界 begin2越界end2越界

2.begin2越界end2越界

3.end2越界

代码实现： 

//归并非递归排序
void MergeSortNonR(int* a, int n)
{
	int* tmp = (int*)malloc(sizeof(int) * n);
	if (tmp == NULL)
	{
		perror("malloc: fail ");
		exit(-1);
	}

	// 归并每组数据个数，从1开始，
	//因为1个认为是有序的，可以直接归并
	int rangeN = 1;
	while (rangeN < n)
	{
		for (int i = 0; i < n; i += 2 * rangeN)
		{
			// [begin1,end1]  [begin2,end2] 归并
			int begin1 = i; 
			int end1 = i + rangeN - 1;
			int begin2 = i + rangeN;
			int end2 = i + 2 * rangeN - 1;
			int j = i;

			//end1越界
			if(end1 >=n)
			{
				end1 = n - 1;
				begin2 = n;
				end2 = n - 1;
			}
			//begin2 , end2越界
			else if (begin2 >= n)
			{
				begin2 = n;
				end2 = n - 1;
			}
			//end2越界
			else 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));
		}
		rangeN *= 2;
	}
	free(tmp);
	tmp = NULL;
}

归并排序总结：

归并排序的特性总结：

1. 归并的缺点在于需要O(N)的空间复杂度，归并排序的思考更多的是解决在磁盘中的外排序问题。

2. 时间复杂度：O(N*logN)

3. 空间复杂度：O(N)

4. 稳定性：稳定

😢计数排序：

计数排序是一种非比较排序。它的主要思想是建立一个临时数组 CountArr ，用来统计序列中每个元素出现的次数，

例如若序列元素 n 一共出现了 m 次，则使 CountArr [n] = m；统计完毕后。根据统计的结果，将序列按顺序插入到原数组中即完成排序。

代码实现： 

//计数排序
void CountSort(int* a, int n)
{
	int max = a[0], min = a[0];
	//找出最大值，最小值
	for (int i = 1; i < n; ++i)
	{
		if (a[i] < min)
			min = a[i];
		if (a[i] > max)
			max = a[i];
	}
	//开一个数组
	int range = max - min + 1;
	int* countArr = (int*)calloc(range, sizeof(int) * range);
	if (countArr == NULL)
	{
		perror("calloc fail");
		exit(-1);
	}
	//1.统计次数
	for (int i = 0; i < n; ++i)
	{
		countArr[a[i] - min]++;
	}
	//2.排序
	int k = 0;
	for (int i = 0; i < range; ++i)
	{
		while (countArr[i]--)
		{
			a[k++] = i + min;
		}
	}
	free(countArr);

}

 

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.coloradmin.cn/o/496593.html

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，一经查实，立即删除！

相关文章

API接口的对接流程和注意事项

API接口的对接流程和注意事项

一、对接API数据接口的步骤通常包括以下几个部分&#xff1a; 了解API&#xff1a;首先需要详细了解API的基本信息、请求格式、返回数据格式、错误码等相关信息。可以查看API的官方文档或者使用API探索工具。同时&#xff0c;还需要明确数据请求的频率和使用权限等限制。 ​​测…
阅读更多...
恐怖，又要有多少人下岗！AI零成本设计主图，渗入10万亿电商市场

恐怖，又要有多少人下岗！AI零成本设计主图，渗入10万亿电商市场

在电商平台上&#xff0c;主图是吸引消费者点击进入商品详情页的重要因素之一。 一张高点击的电商主图&#xff0c;不仅要能够吸引消费者的眼球&#xff0c;还要能够清晰地展示产品的特点和卖点。下面是一些制作高点击电商主图的建议。 1. 突出产品特点&#xff1a;在制作主图…
阅读更多...
【Spring】Spring的事务管理

【Spring】Spring的事务管理

目录 1.Spring事务管理概述1.1　事务管理的核心接口1. PlatformTransactionManager2. TransactionDefinition3. TransactionStatus 1.2　事务管理的方式 2.声明式事务管理2.1　基于XML方式的声明式事务2.2　基于Annotation方式的声明式事务 1.Spring事务管理概述 Spring的事务…
阅读更多...
惠普暗影精灵5 super 873-068rcn如何重装系统

惠普暗影精灵5 super 873-068rcn如何重装系统

惠普暗影精灵5 super 873-068rcn是一款家用游戏台式电脑&#xff0c;有时候你可能用久会遇到系统出现故障、中毒、卡顿等问题&#xff0c;或者你想要更换一个新的操作系统&#xff0c;这时候你就需要重装系统。重装系统可以让你的电脑恢复到出厂状态&#xff0c;清除所有的个人…
阅读更多...
【vite+vue3.2 项目性能优化实战】打包体积分析插件rollup-plugin-visualizer视图分析

【vite+vue3.2 项目性能优化实战】打包体积分析插件rollup-plugin-visualizer视图分析

rollup-plugin-visualizer是一个用于Rollup构建工具的插件&#xff0c;它可以生成可视化的构建报告&#xff0c;帮助开发者更好地了解构建过程中的文件大小、依赖关系等信息。 使用rollup-plugin-visualizer插件&#xff0c;可以在构建完成后生成一个交互式的HTML报告&#xf…
阅读更多...
【提示学习】Label prompt for multi-label text classification

【提示学习】Label prompt for multi-label text classification

论文信息 名称内容论文标题Label prompt for multi-label text classification论文地址https://link.springer.com/article/10.1007/s10489-022-03896-4研究领域NLP, 文本分类, 提示学习, 多标签提出模型LP-MTC(Label Prompt Multi-label Text Classification model)来源Appli…
阅读更多...
Docker跨主机网络通信

Docker跨主机网络通信

常见的跨主机通信方案主要有以下几种&#xff1a; 形式描述Host模式容器直接使用宿主机的网络&#xff0c;这样天生就可以支持跨主机通信。这样方式虽然可以解决跨主机通信的问题&#xff0c;但应用场景很有限&#xff0c;容易出现端口冲突&#xff0c;也无法做到隔离网络环境…
阅读更多...
buildroot系统调试苹果手机网络共享功能

buildroot系统调试苹果手机网络共享功能

苹果手机usb共享网络调试 首先了解usb基础知识&#xff0c;比如usb分为主设备和从设备进行通信&#xff0c; 1.HOST模式下是只能做主设备&#xff0c; 2.OTG模式下是可以即做主又可以做从&#xff0c;主设备即HCD&#xff0c;从设备即UDC&#xff08;USB_GADGET &#xff09…
阅读更多...
年后准备进腾讯的可以看看....

年后准备进腾讯的可以看看....

大家好~ 最近内卷严重&#xff0c;各种跳槽裁员&#xff0c;今天特意分享一套学习笔记 / 面试手册&#xff0c;年后跳槽的朋友想去腾讯的可以好好刷一刷&#xff0c;还是挺有必要的&#xff0c;它几乎涵盖了所有的软件测试技术栈&#xff0c;非常珍贵&#xff0c;肝完进大厂&a…
阅读更多...
多态的原理

多态的原理

有了虚函数&#xff0c;会在类的对象增加一个指针&#xff0c;该指针就是虚函数表指针_vfptr;虚表本质就是函数指针数组,虚表里面存放着该对象的虚函数的地址&#xff1b; 派生类继承有虚函数基类的对象模型 子类继承父类的虚表指针时&#xff0c;是对父类的虚表指针进行了拷…
阅读更多...
密码学：古典密码.

密码学：古典密码.

密码学&#xff1a;古典密码. 古典密码是密码学的一个类型&#xff0c;大部分加密方式是利用替换式密码或移项式密码&#xff0c;有时是两者的混合。古典密码在历史上普遍被使用&#xff0c;但到现代已经渐渐不常用了。一般来说&#xff0c;一种古典密码体制包含一个字母表(如…
阅读更多...
MATLAB 点云均匀体素下采样（6）

MATLAB 点云均匀体素下采样（6）

MATLAB 点云均匀体素下采样的不同参数效果测试 （6） 一、实现效果二、算法介绍三、函数说明3.1 函数3.2 参数四、实现代码（详细注释！）一、实现效果 不同参数调整下的均匀体素下采样结果如下图所示，后续代码复制黏贴即可： 分别为0.3m，0.2m，0.1m尺度下的格网下采样结果…
阅读更多...
【C++复习2】C++编译器的工作原理

【C++复习2】C++编译器的工作原理

如果你是一名newbird的话&#xff0c;建议观看如下视频加深你的理解&#xff0c;再看如下内容&#xff1a; https://www.bilibili.com/video/BV1N24y1B7nQ?p7 The cherno会额外告诉你如何将目标文件转换成汇编代码&#xff0c;CPU执行指令的过程以及编译器如何通过删除冗余变…
阅读更多...
【MySQL】SQL优化

【MySQL】SQL优化

上一篇索引是针对查询语句进行优化,但在MySQL中可不仅有查询语句,针对其他的SQL语句同样也能进行优化 文章目录 1.插入数据2.主键优化3.order by 优化4.group by优化5.limit优化6.update优化 1.插入数据 插入数据所使用的关键字为insert,SQL语句为 insert into 表名(字段1,字…
阅读更多...
Huntly: 一款超强大的自托管信息管理工具，支持管理RSS、自动保存网页、稍后阅读

Huntly: 一款超强大的自托管信息管理工具，支持管理RSS、自动保存网页、稍后阅读

Huntly是一款开源的自托管信息管理工具&#xff0c;旨在帮助用户更好地管理和处理各种信息。Huntly可以通过管理RSS、自动保存网页和稍后阅读等功能来帮助用户更有效地收集、保存和浏览信息。 github 地址&#xff1a;GitHub - lcomplete/huntly: Huntly, information manageme…
阅读更多...
服务器的基本概念与初始Ajax

服务器的基本概念与初始Ajax

1. 客户端与服务器 1.1 上网的目的 刷微博、看新闻、听歌、看电影。。。 本质目的&#xff1a;通过互联网的形式来获取和消费资源 1.2 服务器 上网过程中&#xff0c;负责存放和对外提供资源的电脑&#xff0c;叫做服务器。 1.3 客户端 上网过程中&#xff0c;负责获取…
阅读更多...
如何用ChatGPT搭建品牌文本体系？（品牌名+slogan+品牌故事）

如何用ChatGPT搭建品牌文本体系？（品牌名+slogan+品牌故事）

该场景对应的关键词库&#xff08;26个&#xff09;&#xff1a; 品牌名、奶茶、中文名、情感联想度、饮料、价值观/理念、发音、slogan、产品功能导向、行业性质导向、经营理念导向、消费者观念导向、口语化、修辞手法、品牌故事、创始人初心品牌故事、里程碑事件故事、产品初…
阅读更多...
OpenPCDet系列 | 3.框架训练准备流程

OpenPCDet系列 | 3.框架训练准备流程

文章目录 训练准备流程1. dataloader部分2. network部分3. optimizer部分4. scheduler部分训练准备流程 对于OpenPCDet中模型的训练过程如下所示，在训练前一般需要进行4个部分的准备：数据准备、网络模型准备、以及优化器和学习率调度器。下面对这4个大部分分别介绍。主要就是…
阅读更多...
【PWN刷题__ret2syscall】[Wiki] ret2syscall

【PWN刷题__ret2syscall】[Wiki] ret2syscall

初次接触到ret2syscall&#xff0c;而ret2syscall的题目目前没有在各大平台的题目类型筛选中找到&#xff0c;所以还是刷一刷Wiki的经典题目吧&#xff01;过程中遇到很多问题&#xff0c;包括偏移量的计算、ret2syscall原理的理解等等。尝试以萌新的视角&#xff0c;来分享、解…
阅读更多...
我们给AutoGPT写了个插件，手把手看看它的玩法~

我们给AutoGPT写了个插件，手把手看看它的玩法~

目录 先保证你电脑里安装了 Python&#xff0c;然后使用的第一步是安装运行需要的库&#xff0c;这需要你输入这行代码 它会安装这个 txt 文件里面所有的库&#xff0c;比如openai库是用来调用 ChapGPT 的功能&#xff0c;beautifulsoup4库是用来解析网页内容等等。 到此为止…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023