一、 插入排序  1) 直接插入排序  2) 折半插入排序  3) 希尔排序

 二、交换排序  1)冒泡排序    2)快速排序

 三、选择排序  1)简单选择排序  2)堆排序

 四、归并排序

 五、基数排序

一、插入排序


1)直接插入排序    算法演示        返回目录

  时间复杂度:平均情况—O(n2)    最坏情况—O(n2)    辅助空间:O(1)    稳定性:稳定

void InsertSort(SqList &L) {// 对顺序表L作直接插入排序。int i,j;for (i=2; i<=L.length; ++i)if (LT(L.r[i].key, L.r[i-1].key)) {// "<"时,需将L.r[i]插入有序子表L.r[0] = L.r[i];                 // 复制为哨兵for (j=i-1;  LT(L.r[0].key, L.r[j].key);  --j)L.r[j+1] = L.r[j];             // 记录后移L.r[j+1] = L.r[0];               // 插入到正确位置}
} // InsertSort   


2)折半插入排序        返回目录

  时间复杂度:平均情况—O(n2)     稳定性:稳定

void BInsertSort(SqList &L) {// 对顺序表L作折半插入排序。int i,j,high,low,m;for (i=2; i<=L.length; ++i) {L.r[0] = L.r[i];       // 将L.r[i]暂存到L.r[0]low = 1;   high = i-1;while (low<=high) {    // 在r[low..high]中折半查找有序插入的位置m = (low+high)/2;                            // 折半if (LT(L.r[0].key, L.r[m].key)) high = m-1;  // 插入点在低半区else  low = m+1;                             // 插入点在高半区}for (j=i-1; j>=high+1; --j) L.r[j+1] = L.r[j];  // 记录后移L.r[high+1] = L.r[0];                           // 插入}
} // BInsertSort

3)希尔排序    算法演示        返回目录

  时间复杂度:理想情况—O(nlog2n)     最坏情况—O(n2)     稳定性:不稳定

void ShellInsert(SqList &L, int dk) {// 对顺序表L作一趟希尔插入排序。本算法对算法10.1作了以下修改://     1. 前后记录位置的增量是dk,而不是1;//     2. r[0]只是暂存单元,不是哨兵。当j<=0时,插入位置已找到。int i,j;for (i=dk+1; i<=L.length; ++i)if (LT(L.r[i].key, L.r[i-dk].key)) { // 需将L.r[i]插入有序增量子表L.r[0] = L.r[i];                   // 暂存在L.r[0]for (j=i-dk; j>0 && LT(L.r[0].key, L.r[j].key); j-=dk)L.r[j+dk] = L.r[j];              // 记录后移,查找插入位置L.r[j+dk] = L.r[0];                // 插入}
} // ShellInsert  void ShellSort(SqList &L, int dlta[], int t) {// 按增量序列dlta[0..t-1]对顺序表L作希尔排序。for (int k=0;k<t;k++)ShellInsert(L, dlta[k]);  // 一趟增量为dlta[k]的插入排序
} // ShellSort

二、交换排序


1)冒泡排序    算法演示        返回目录

  时间复杂度:平均情况—O(n2)     最坏情况—O(n2)     辅助空间:O(1)      稳定性:稳定

void BubbleSort(SeqList R) {int i,j;Boolean exchange; //交换标志for(i=1;i<n;i++){ exchange="FALSE;" j="n-1;j">=i;j--) //对当前无序区R[i..n]自下向上扫描if(R[j+1].key< R[j].key){//交换记录R[0]=R[j+1]; //R[0]不是哨兵,仅做暂存单元R[j+1]=R[j];R[j]=R[0];exchange=TRUE; //发生了交换,故将交换标志置为真}if(!exchange) //本趟排序未发生交换,提前终止算法return;} //endfor(外循环)
} //BubbleSort</n;i++){>

2)快速排序    算法演示        返回目录

  时间复杂度:平均情况—O(nlog2n)     最坏情况—O(n2)     辅助空间:O(log2n)      稳定性:不稳定

int Partition(SqList &L, int low, int high) {// 交换顺序表L中子序列L.r[low..high]的记录,使枢轴记录到位,// 并返回其所在位置,此时,在它之前(后)的记录均不大(小)于它KeyType pivotkey;RedType temp;pivotkey = L.r[low].key;     // 用子表的第一个记录作枢轴记录while (low < high) {           // 从表的两端交替地向中间扫描while (low < high && L.r[high].key>=pivotkey) --high;temp=L.r[low];L.r[low]=L.r[high];L.r[high]=temp;           // 将比枢轴记录小的记录交换到低端while (low  < high && L.r[low].key < =pivotkey) ++low;temp=L.r[low];L.r[low]=L.r[high];L.r[high]=temp;           // 将比枢轴记录大的记录交换到高端}return low;                  // 返回枢轴所在位置
} // Partition        int Partition(SqList &L, int low, int high) {
// 交换顺序表L中子序列L.r[low..high]的记录,使枢轴记录到位,// 并返回其所在位置,此时,在它之前(后)的记录均不大(小)于它KeyType pivotkey;L.r[0] = L.r[low];            // 用子表的第一个记录作枢轴记录pivotkey = L.r[low].key;      // 枢轴记录关键字while (low < high) {            // 从表的两端交替地向中间扫描while (low < high && L.r[high].key>=pivotkey) --high;L.r[low] = L.r[high];      // 将比枢轴记录小的记录移到低端while (low  < high && L.r[low].key  < =pivotkey) ++low;L.r[high] = L.r[low];      // 将比枢轴记录大的记录移到高端}L.r[low] = L.r[0];            // 枢轴记录到位return low;                   // 返回枢轴位置
} // Partition        void QSort(SqList &L, int low, int high) {// 对顺序表L中的子序列L.r[low..high]进行快速排序int pivotloc;if (low  <  high) {                      // 长度大于1pivotloc = Partition(L, low, high);  // 将L.r[low..high]一分为二QSort(L, low, pivotloc-1); // 对低子表递归排序,pivotloc是枢轴位置QSort(L, pivotloc+1, high);          // 对高子表递归排序}
} // QSort     void QuickSort(SqList &L) {  // 算法10.8// 对顺序表L进行快速排序QSort(L, 1, L.length);
} // QuickSort

三、选择排序


1)简单选择排序    算法演示        返回目录

时间复杂度:平均情况—O(n2)     最坏情况—O(n2)     辅助空间:O(1)      稳定性:不稳定


void SelectSort(SqList &L) {// 对顺序表L作简单选择排序。int i,j;for (i=1; i < L.length; ++i) { // 选择第i小的记录,并交换到位j = SelectMinKey(L, i);  // 在L.r[i..L.length]中选择key最小的记录if (i!=j) {                // L.r[i]←→L.r[j];   与第i个记录交换RedType temp;temp=L.r[i];L.r[i]=L.r[j];L.r[j]=temp;}}
} // SelectSort

2)堆排序    算法演示        返回目录

时间复杂度:平均情况—O(nlog2n)     最坏情况—O(nlog2n)     辅助空间:O(1)      稳定性:不稳定

void HeapAdjust(HeapType &H, int s, int m) {// 已知H.r[s..m]中记录的关键字除H.r[s].key之外均满足堆的定义,// 本函数调整H.r[s]的关键字,使H.r[s..m]成为一个大顶堆// (对其中记录的关键字而言)int j;RedType rc;rc = H.r[s];for (j=2*s; j < =m; j*=2) {   // 沿key较大的孩子结点向下筛选if (j < m && H.r[j].key < H.r[j+1].key) ++j; // j为key较大的记录的下标if (rc.key >= H.r[j].key) break;         // rc应插入在位置s上H.r[s] = H.r[j];  s = j;}H.r[s] = rc;  // 插入
} // HeapAdjust    void HeapSort(HeapType &H) {// 对顺序表H进行堆排序。int i;RedType temp;for (i=H.length/2; i>0; --i)  // 把H.r[1..H.length]建成大顶堆HeapAdjust ( H, i, H.length );for (i=H.length; i>1; --i) {temp=H.r[i];H.r[i]=H.r[1];H.r[1]=temp;  // 将堆顶记录和当前未经排序子序列Hr[1..i]中// 最后一个记录相互交换HeapAdjust(H, 1, i-1);  // 将H.r[1..i-1] 重新调整为大顶堆}
} // HeapSort

四、归并排序    算法演示        返回目录

时间复杂度:平均情况—O(nlog2n)      最坏情况—O(nlog2n)      辅助空间:O(n)      稳定性:稳定

void Merge (RedType SR[], RedType TR[], int i, int m, int n) {// 将有序的SR[i..m]和SR[m+1..n]归并为有序的TR[i..n]int j,k;for (j=m+1, k=i;  i < =m && j < =n;  ++k) {// 将SR中记录由小到大地并入TRif LQ(SR[i].key,SR[j].key) TR[k] = SR[i++];else TR[k] = SR[j++];}if (i < =m)  // TR[k..n] = SR[i..m];  将剩余的SR[i..m]复制到TRwhile (k < =n && i < =m) TR[k++]=SR[i++];if (j < =n)  // 将剩余的SR[j..n]复制到TRwhile (k < =n &&j  < =n) TR[k++]=SR[j++];
} // Merge    void MSort(RedType SR[], RedType TR1[], int s, int t) {// 将SR[s..t]归并排序为TR1[s..t]。int m;RedType TR2[20];if (s==t) TR1[t] = SR[s];else {m=(s+t)/2;            // 将SR[s..t]平分为SR[s..m]和SR[m+1..t]MSort(SR,TR2,s,m);    // 递归地将SR[s..m]归并为有序的TR2[s..m]MSort(SR,TR2,m+1,t);  // 将SR[m+1..t]归并为有序的TR2[m+1..t]Merge(TR2,TR1,s,m,t); // 将TR2[s..m]和TR2[m+1..t]归并到TR1[s..t]}
} // MSort    void MergeSort(SqList &L) {// 对顺序表L作归并排序。MSort(L.r, L.r, 1, L.length);
} // MergeSort

五、基数排序    算法演示        返回目录

时间复杂度:平均情况—O(d(n+rd))      最坏情况—O(d(n+rd))      辅助空间:O(rd)      稳定性:稳定

void Distribute(SLList &L, int i, ArrType &f, ArrType &e) {// 静态链表L的r域中记录已按(keys[0],...,keys[i-1])有序,// 本算法按第i个关键字keys[i]建立RADIX个子表,// 使同一子表中记录的keys[i]相同。f[0..RADIX-1]和e[0..RADIX-1]// 分别指向各子表中第一个和最后一个记录。int j, p;for (j=0; j < RADIX; ++j) f[j] = 0;     // 各子表初始化为空表for (p=L.r[0].next;  p;  p=L.r[p].next) {j = L.r[p].keys[i]-'0';  // 将记录中第i个关键字映射到[0..RADIX-1],if (!f[j]) f[j] = p;else L.r[e[j]].next = p;e[j] = p;                // 将p所指的结点插入第j个子表中}
} // Distribute    void Collect(SLList &L, int i, ArrType f, ArrType e) {// 本算法按keys[i]自小至大地将f[0..RADIX-1]所指各子表依次链接成// 一个链表,e[0..RADIX-1]为各子表的尾指针int j,t;for (j=0; !f[j]; j++);  // 找第一个非空子表,succ为求后继函数: ++L.r[0].next = f[j];  // L.r[0].next指向第一个非空子表中第一个结点t = e[j];while (j < RADIX) {for (j=j+1; j < RADIX && !f[j]; j++);       // 找下一个非空子表if (j < RADIX) // 链接两个非空子表{ L.r[t].next = f[j];  t = e[j]; }}L.r[t].next = 0;   // t指向最后一个非空子表中的最后一个结点
} // Collect    void RadixSort(SLList &L) {// L是采用静态链表表示的顺序表。// 对L作基数排序,使得L成为按关键字自小到大的有序静态链表,// L.r[0]为头结点。int i;ArrType f, e;for (i=1; i < L.recnum; ++i) L.r[i-1].next = i;L.r[L.recnum].next = 0;     // 将L改造为静态链表for (i=0; i < L.keynum; ++i) {// 按最低位优先依次对各关键字进行分配和收集Distribute(L, i, f, e);    // 第i趟分配Collect(L, i, f, e);       // 第i趟收集print_SLList2(L, i);}
} // RadixSort    


数据结构排序算法总结相关推荐

  1. 数据结构---排序算法的总结

    数据结构-排序算法的总结 分类 冒泡排序,时间复杂度O(n x n),空间复杂度O(1),稳定 简单选择排序,时间复杂度O(n x n),空间复杂度O(1),不稳定 希尔排序,时间复杂度O(n^1.3 ...

  2. 【数据结构排序算法系列】数据结构八大排序算法

    排序算法在计算机应用中随处可见,如Windows操作系统的文件管理中会自动对用户创建的文件按照一定的规则排序(这个规则用户可以自定义,默认按照文件名排序)因此熟练掌握各种排序算法是非常重要的,本博客将 ...

  3. 数据结构-排序算法总结与感悟

    数据结构-排序算法总结 一,排序的基本概念 排序:有n个记录的序列{R1,R2,-,Rn},其相应关键字的序列是{K1,K2, -,Kn },相应的下标序列为1,2,-, n.通过排序,要求找出当前下 ...

  4. C++基础-介绍·数据结构·排序·算法

    C++基础-介绍·数据结构·排序·算法 特点 使用方向 RPC Data Struct 数据结构 栈 Stack 内存分配中的栈 队列 List 数组 Array 链表 LinkTable 树 Tre ...

  5. 数据结构-排序算法(c语言实现篇)

    数据结构-排序算法(c语言实现篇) 排序算法是非常常用的算法,从介绍排序的基本概念,到介绍各种排序算法的思想.实现方式以及效率分析.最后比较各种算法的优劣性和稳定性. 1 排序的概念及应用 1.1 排 ...

  6. 数据结构排序算法实验报告_数据结构与算法-堆排序

    堆排序 堆排序是指利用堆这种数据结构所设计的一种排序算法.堆是一个近似完全二叉树的结构,并同时满足堆的性质:即子节点的键值或索引总是小于(或者大于)它的父节点,堆排序的时间复杂度为O(nlogn).( ...

  7. 选择排序稳定吗_最常见的四种数据结构排序算法你不知道?年末怎么跳槽涨薪...

    前言 在学习数据结构的时候必然接触过排序算法,而且在日常开发中相信排序算法用得也比较多.而排序算法众多,各个效率又不同,难以记住.小编今天会介绍一些常用排序算法的特点和实现,对比不同排序算法的效率. ...

  8. 数据结构排序算法实验报告_[数据结构与算法系列]排序算法(二)

    我的上一篇文章向大家介绍了排序算法中的冒泡排序.插入排序和选择排序.它们都是平均时间复杂度为 O(n^2) 的排序算法,同时还为大家讲解了什么是原地排序和什么是排序的稳定性.下图是这三种算法的比较,不 ...

  9. 数据结构——排序算法(含动态图片)

    目录 插入排序 交换排序 选择排序 归并排序 常用排序算法复杂度和稳定性总结 前言 排序是<数据结构>中最基本的学习内容.排序算法可以分为内部排序和外部排序,内部排序是数据记录在内存中进行 ...

  10. 数据结构—排序算法总结(插入排序、希尔排序、选择排序、堆排序、冒泡排序、快速排序、合并排序、计数排序)

    *排序 所谓排序,就是使一串记录,按照其中的某个或某些关键字的大小,递增或递减的排列起来的操作. 稳定性 在待排序的数组中,如果出现多个相同的关键字,例如:98751555512,中出现重复的数字,在 ...

最新文章

  1. Glusterfs 分布式存储安装部署
  2. Pandas简明教程:五、Pandas简单统计操作及通用方式
  3. 如何在Windows 10上跳过回收站以删除文件
  4. ffmpeg编译 MingW + MSYS
  5. java part part,java泛型指导手册(part1),指导手册part1
  6. tomcat集群共享session
  7. Eclipse无法修改字体
  8. 阶段1 语言基础+高级_1-3-Java语言高级_08-JDK8新特性_第1节 常用函数接口_4_使用Lambda优化日志案例...
  9. SQLite数据类型详解
  10. Tomcat反射时报错java.lang.ClassNotFoundException
  11. NYOJ 42一笔画问题||欧拉图
  12. 【路径规划】全局路径规划算法——Dijkstra算法(含python实现)
  13. Golang中defer、return、返回值之间执行顺序的坑
  14. python mp4提取音频_Python从视频文件中提取wav
  15. mysql explain结果信息_MySQL EXPLAIN 输出信息解读
  16. nodejs q模块
  17. 实现[微信]H5长按保存图片功能
  18. springboot---微信小程序上传文件(word/pdf文件)
  19. Python妙用|给小外甥生成10以内加减运算数学作业
  20. 宠物功能[置顶] QQ宠物保姆

热门文章

  1. 【数据结构笔记31】Dijkstra算法例题:旅游规划(双权重),以及其他推广
  2. java 多站点_Java 并发编程整体介绍 | 内含超多干货
  3. C# 操作iis6、iis7 301
  4. java hashtable 数据结构_java Hashtable底层原理是怎样的?数据结构包括什么?
  5. puppet安装配置及测试
  6. 计算机监控系统必须有直流系统吗,变电站直流屏是否必须用蓄电池
  7. VS Code 调试ROS节点
  8. android开发:Android 中自定义属性(attr.xml,TypedArray)的使用
  9. java注解获取参数_JAVA 自定义注解及参数获取 | 学步园
  10. java8 lambda表达式Stream对List常用操作总结