折半查找的思想及源码_常用排序与查找算法
1 选择排序
选择排序(Selection sort)是一种简单直观的排序算法。它的工作原理是:第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,然后再从剩余的未排序元素中寻找到最小(大)元素,然后放到已排序的序列的末尾。以此类推,直到全部待排序的数据元素的个数为零。选择排序是不稳定的排序方法。
- 稳定性:不稳定
- 时间复杂度:
- 空间复杂度:
void SelectSort(int r[],int n){//简单选择 int index,i; for(i=0;i index = i; for(int j=i+1;j if(r[j] index = j; } } if(index!=i){ int temp = r[i]; r[i] = r[index]; r[index] = temp; } }}
2 插入排序
直接插入排序
每一趟将一个待排序的记录,按其关键字的大小插入到已经排好序的一组记录的适当位置上,直到所有待排序记录全部插入为止。
void InsertSort(int r[],int n){//直接插入排序 int j=0; for(int i=2;i r[0]=r[i]; //哨兵 for(j=i-1;r[0] r[j+1]=r[j]; } r[j+1]=r[0]; }}
- 稳定性:稳定
- 时间复杂度:
- 空间复杂度:
折半插入排序
折半插入排序(binary insertion sort)是对插入排序算法的一种改进,由于排序算法过程中,就是不断的依次将元素插入前面已排好序的序列中。由于前半部分为已排好序的数列,这样我们不用按顺序依次寻找插入点,可以采用折半查找的方法来加快寻找插入点的速度。
void BinSort(int r[],int n){//折半插入排序 int low,high,mid; for(int i=2;i r[0]=r[i]; low=1; high=i-1; while(low<=high){ mid =(low+high)/2; if(r[0] high = mid-1; }else{ low = mid+1; } } for(int j=i-1;j>=high+1;j--){ r[j+1]=r[j]; } r[high+1]=r[0]; }}
- 稳定性:稳定
- 时间复杂度:
- 空间复杂度:
3 冒泡排序
冒泡排序(Bubble Sort),是一种计算机科学领域的较简单的排序算法。它重复地走访过要排序的元素列,依次比较两个相邻的元素,如果顺序(如从大到小、首字母从Z到A)错误就把他们交换过来。走访元素的工作是重复地进行直到没有相邻元素需要交换,也就是说该元素列已经排序完成。这个算法的名字由来是因为越小的元素会经由交换慢慢“浮”到数列的顶端(升序或降序排列),就如同碳酸饮料中二氧化碳的气泡最终会上浮到顶端一样,故名“冒泡排序”。
- 稳定性:稳定
- 时间复杂度:
- 空间复杂度:
void BubbleSort(int r[],int n){//冒泡排序 int temp; for(int i=0;i-1;i++){for(int j=0;j-1;j++){if(r[j]>r[j+1]){ temp = r[j]; r[j]=r[j+1]; r[j+1]=temp; } } }}
4 希尔排序
希尔排序(Shell's Sort)是插入排序的一种,又称“缩小增量排序”(Diminishing Increment Sort),是直接插入排序算法的一种更高效的改进版本。希尔排序是非稳定排序算法。该方法因 D.L.Shell 于 1959 年提出而得名。希尔排序是把记录按下标的一定增量分组,对每组使用直接插入排序算法排序;随着增量逐渐减少,每组包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,算法便终止。
- 稳定性:不稳定
- 时间复杂度:到
- 空间复杂度:
void ShellSort(int r[],int n){//希尔排序 int j=0; for(int d =n/2;d>=1;d=d/2){//以增量为d进行直接插入排序 for(int i=d+1;i r[0]=r[i]; for(j=i-d;j>0&&r[0] r[j+d]=r[j]; } r[j+d]=r[0]; } }}
5 归并排序
归并排序(Merge Sort)是建立在归并操作上的一种有效,稳定的排序算法,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。
- 稳定性:稳定
- 时间复杂度:
- 空间复杂度:
void merge(int a[],int n,int left,int mid,int right){ int n1=mid-left,n2=right-mid; int *L = new int[n1+1]; int *R = new int[n2+1]; for(int i=0;i L[i]=a[left+i]; for(int i=0;i R[i]=a[mid+i]; L[n1]=10000000; R[n2]=10000000; int i=0,j=0; for(int k=left;k { if(L[i]<=R[j]) a[k]=L[i++]; else a[k]=R[j++]; } delete[] L; delete[] R;}void MergeSort(int a[],int n,int left,int right){ if(left+1 { int mid=(left+right)/2; MergeSort(a,n,left,mid); MergeSort(a,n,mid,right); merge(a,n,left,mid,right); }}
6 快速排序
快速排序是C.R.A.Hoare于1962年提出的一种划分交换排序。它采用了一种分治的策略。
该方法的基本思想是:
1.先从数列中取出一个数作为基准数。
2.分区过程,将比这个数大的数全放到它的右边,小于或等于它的数全放到它的左边。
3.再对左右区间重复第二步,直到各区间只有一个数。
稳定性:不稳定
时间复杂度:
空间复杂度:
int Partition(int r[],int first,int end){//快速排序一次划分算法 int i=first,j=end; int temp; while(i while(i j--; if(i temp = r[i]; r[i] = r[j]; r[j] = temp; } while(i i++; if(i temp = r[i]; r[i] = r[j]; r[j] = temp; j--; } } return i;}
void QuickSort(int r[],int first,int end){ if(first int pivot = Partition(r,first,end); QuickSort(r,first,pivot-1); QuickSort(r,pivot+1,end); }}
7 堆排序
堆排序是利用堆这种数据结构而设计的一种排序算法,堆排序是一种选择排序,它的最坏,最好,平均时间复杂度均为,它也是不稳定排序。首先简单了解下堆结构。
堆排序的基本思想是:将待排序序列构造成一个大顶堆。此时,整个序列的最大值就是堆顶的根节点。将根节点与末尾元素进行交换,此时末尾就为最大值。然后将剩余n-1个元素重新构造成一个大顶堆,这样会得到n个元素的次小值。如此反复执行,便能得到一个有序序列。
- 稳定性:不稳定
- 时间复杂度:
- 空间复杂度:
// 堆排序void HeapAdjust(int a[],int s,int m)//一次筛选的过程{ int rc,j; rc=a[s]; for(j=2*s+1;j<=m;j=j*2+1)//通过循环沿较大的孩子结点向下筛选 { if(j1]) j++;//j为较大的记录的下标if(rc>a[j]) break; a[s]=a[j];s=j; } a[s]=rc;//插入}void HeapSort(int a[],int n){int temp,i,j;//找最接近的点int s =0;while(2*s+1 s++; }for(i=s;i>=0;i--)//通过循环初始化顶堆 { HeapAdjust(a,i,n); }for(i=n;i>=0;i--) { temp=a[0]; a[0]=a[i]; a[i]=temp;//将堆顶记录与未排序的最后一个记录交换 HeapAdjust(a,0,i-1);//重新调整为顶堆 }}
8 基数排序
基数排序(radix sort)属于“分配式排序”(distribution sort),又称“桶子法”(bucket sort)或bin sort,顾名思义,它是透过键值的部份资讯,将要排序的元素分配至某些“桶”中,藉以达到排序的作用,基数排序法是属于稳定性的排序,其时间复杂度为O (nlog(r)m),其中r为所采取的基数,而m为堆数,在某些时候,基数排序法的效率高于其它的稳定性排序法。
- 稳定性:稳定
- 时间复杂度:,其中r为所采取的基数,而m为堆数
- 空间复杂度:
//获取数字的位数int getLoopTimes(int num){ int count = 1; int temp = num / 10; while(temp != 0){ count++; temp /= 10; } return count;}//查询数组中的最大数int findMaxNum(int *p, int n){ int max = p[0]; for(int i = 0; i if(p[i] > max){ max = p[i]; } } return max;}
//将数字分配到各自的桶中,然后按照桶的顺序输出排序结果void sortSingle(int *p, int n, int loop){ //建立一组桶此处的20是预设的根据实际数情况修改 int buckets[10][20] = {}; //求桶的index的除数 //如798个位桶index=(798/1)%10=8 //十位桶index=(798/10)%10=9 //百位桶index=(798/100)%10=7 //tempNum为上式中的1、10、100 int tempNum = (int)pow(10, loop - 1); int i, j; for(i = 0; i int row_index = (p[i]/tempNum) % 10; for(j = 0; j 20; j++){ if(buckets[row_index][j] == NULL){ buckets[row_index][j] = p[i]; break; } } } //将桶中的数,倒回到原有数组中 int k = 0; for(int i = 0; i 10; i++){ for(int j = 0; j 20; j++){ if(buckets[i][j] != NULL){ p[k] = buckets[i][j]; buckets[i][j] = NULL; k++; } } }}
void BucketSort(int *p, int n){ //获取数组中的最大数 int maxNum = findMaxNum(p, n); //获取最大数的位数,次数也是再分配的次数。 int loopTimes = getLoopTimes(maxNum); //对每一位进行桶分配 for(int i = 1; i <= loopTimes; i++){ sortSingle(p, n, i); }}
9 线性查找
在常规无序数组中,设数组项个数为N,则一个数组项平均查找长度为N/2。极端情况下,查找数据项在数组最后,则需要N步才能找到。
- 时间复杂度:
- 空间复杂度:
int findLinear(int* p,int n,int k){ for(int i=0;i if(p[i]==k){ return i; } } //查找失败,返回-1 return -1;}
10 折半查找
二分查找也称折半查找(Binary Search),它是一种效率较高的查找方法。但是,折半查找要求线性表必须采用顺序存储结构,而且表中元素按关键字有序排列。
首先,假设表中元素是按升序排列,将表中间位置记录的关键字与查找关键字比较,如果两者相等,则查找成功;否则利用中间位置记录将表分成前、后两个子表,如果中间位置记录的关键字大于查找关键字,则进一步查找前一子表,否则进一步查找后一子表。重复以上过程,直到找到满足条件的记录,使查找成功,或直到子表不存在为止,此时查找不成功。
- 时间复杂度:
- 空间复杂度:看实现方式,递归,非递归
// 折半查找int BinarySearch(int* p ,int n,int k) { int low = 0; int high = n - 1; int cur; while(low<=high){ // 取中间值 cur = (low + high) / 2; // 待查找的值与中间值匹配则返回 if (p[cur] == k) { return cur; }else{ // 如果中间值小于待查找的值,则将查找的最小下限值设为中间值下标+1 if (p[cur] low= cur + 1; } else {// 如果中间值大于待查找的值,则将查找的最大上限值设为中间值下标-1 high = cur - 1; } } }}
折半查找的思想及源码_常用排序与查找算法相关推荐
- 折半查找的思想及源码_结构与算法(04):排序规则与查找算法
一.递归算法 递归就是方法自己调用自己,每次调用时传入不同的变量,可以让代码变得简洁.递归算法在计算机科学中是指一种通过重复将问题分解为同类的子问题而解决问题的方法,递归式方法可以被用于解决很多的计算 ...
- 折半查找的思想及源码_二分查找及对应的几道经典题目
二分查找(Binary Search)属于七大查找算法之一,又称折半查找,它的名字很好的体现出了它的基本思想,二分查找主要是针对的是有序存储的数据集合. 假设有一个集合和一个待查找的目标值,每次都通过 ...
- 《深入理解Spark:核心思想与源码分析》——SparkContext的初始化(叔篇)——TaskScheduler的启动...
<深入理解Spark:核心思想与源码分析>一书前言的内容请看链接<深入理解SPARK:核心思想与源码分析>一书正式出版上市 <深入理解Spark:核心思想与源码分析> ...
- 深入理解Spark:核心思想与源码分析
大数据技术丛书 深入理解Spark:核心思想与源码分析 耿嘉安 著 图书在版编目(CIP)数据 深入理解Spark:核心思想与源码分析/耿嘉安著. -北京:机械工业出版社,2015.12 (大数据技术 ...
- 《深入理解Spark:核心思想与源码分析》——1.2节Spark初体验
本节书摘来自华章社区<深入理解Spark:核心思想与源码分析>一书中的第1章,第1.2节Spark初体验,作者耿嘉安,更多章节内容可以访问云栖社区"华章社区"公众号查看 ...
- 《深入理解Spark:核心思想与源码分析》——3.10节创建和启动ExecutorAllocationManager...
本节书摘来自华章社区<深入理解Spark:核心思想与源码分析>一书中的第3章,第3.10节创建和启动ExecutorAllocationManager,作者耿嘉安,更多章节内容可以访问云栖 ...
- 《深入理解SPARK:核心思想与源码分析》(第1章)
自己牺牲了7个月的周末和下班空闲时间,通过研究Spark源码和原理,总结整理的<深入理解Spark:核心思想与源码分析>一书现在已经正式出版上市,目前亚马逊.京东.当当.天猫等网站均有销售 ...
- 《深入理解Spark:核心思想与源码分析》——第1章环境准备
本节书摘来自华章社区<深入理解Spark:核心思想与源码分析>一书中的第1章环境准备,作者耿嘉安,更多章节内容可以访问云栖社区"华章社区"公众号查看 第1章 环 境 准 ...
- dataloader 源码_带你从零掌握迭代器及构建最简DataLoader
点蓝色字关注"机器学习算法工程师" 设为星标,干货直达! AI编辑:深度眸 0 摘要 本文本意是写 pytorch 中 DataLoader 源码学习心得,但是发现自己对迭代器和生 ...
最新文章
- python asyncio tcp server_Python 3.4 中新的 asyncio : Servers、Protocols 和 Transports
- ElasticSearch入门 第一篇:Windows下安装ElasticSearch
- PHP的microtime
- 数据库的垂直切分和水平切分
- 你担心大家会滥用的全局变量,大家(包括你自己)一定会滥用
- 科天云会议产品升级,打造企业数字化转型办公协同新基建
- 关于选择排序的优化——同时找出最小值与最大值
- HLG 1335 算法与追MM【多维背包】
- 转转、e代驾发布联合报告:代驾司机买二手手机看重验机、质保
- 测试基础-05-bug的定义生命周期
- 一个“普通人”的秋招算法岗上岸心得
- java 双击触发事件,用RxJava2的方式实现点击事件
- inDesign教程,如何创建具有吸引力的边注栏?
- 2018-2019-1 20165201 实验四 外设驱动程序设计
- vim复制,粘贴,删除,撤销,替换,光标移动等用法
- android10锁屏时钟样式,三星s10息屏时钟
- 挂yy协议的服务器,yy协议挂机软件
- PD-GAN: Probabilistic Diverse GAN for Image Inpainting
- [Raspberry Pi Pico] SPI
- python之pip常用命令
热门文章
- 两个常数的卷积为多少_卷积(Convolution)与好核函数(Good Kernel)
- python 定义字符串变量_python 字符串(1)
- dw中html中无法使用js,在Dreamweaver中调用JavaScript行为
- mysql数据库突然连不上了_mysql数据库突然连接不上去
- hive分区用2个字段有何限制_Hive分区表和桶表的使用
- 二手宏碁上网本装linux,Acer国内20日首发“上网本” 放弃Linux使用XP
- vue 外部方法调用内部_vue函数内部调用外部函数,报错外部函数不是函数
- 一步步构建大型网站架构 [转]
- mockJs文档(一)
- 将Array、Dictionary等集合类的序列化和反序列化