＜蓝桥杯软件赛＞零基础备赛20周--第8周第1讲--十大排序

2023-12-10 09:30
文章标签 基础 软件 排序 蓝桥 十大 20 备赛 周第

本文主要是介绍＜蓝桥杯软件赛＞零基础备赛20周--第8周第1讲--十大排序，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

报名明年4月蓝桥杯软件赛的同学们，如果你是大一零基础，目前懵懂中，不知该怎么办，可以看看本博客系列：备赛20周合集
20周的完整安排请点击：20周计划
每周发1个博客，共20周（读者可以按自己的进度选“正常”和“快进”两种计划）。
每周3次集中答疑，周三、周五、周日晚上，在QQ群上答疑：

在这里插入图片描述

文章目录

  • 1. 选择排序
  • 2. 冒泡排序
  • 3. 插入排序
  • 4. 希尔排序
  • 5. 计数排序
  • 6. 桶排序
  • 7. 基数排序
  • 8. 归并排序
  • 9. 快速排序
  • 10. 堆排序

第8周第1讲:  十大排序

   排序是数据处理的基本操作，每次算法竞赛都必定用到排序。在绝大多数情况下，并不需要自己手写排序代码，而是直接用系统提供的函数sort()。
  不过，还是强烈建议学习各种排序算法，掌握原理，自己实现代码，因为各种排序算法有不同的思路，很多算法来源于这些排序算法。
  用下面的题目详解十种排序算法。
  例题：排序

1. 选择排序

  选择排序（Selection sort）是最简单直观的排序算法。
  排序的目的是什么？对n个数从小到大排序，就是把杂乱无序的n个数，放到它们应该在的位置。
  最简单的做法是：找到最小的数，放在第1个位置；找到第2小的数，放在第2个位置；…；找到第n大的数，放在第n个位置。
  这个思路就是选择排序。具体操作：
  （1）第一轮，在n个数中找到最小的数，然后与第1个位置的数交换。这样就把最小的数放到了第1个位置。
在这里插入图片描述
  （2）第二轮，在第2 ~ 第n个数中找到最小的数，然后与2个位置的数交换。
在这里插入图片描述
  …
  一共执行n轮操作，第i轮找到第i大的数，放到第i个位置。结束。
  C++代码

#include<bits/stdc++.h>
using namespace std;
int a[100005], n;
void selection_sort() {for (int i = 0; i < n-1; i++) {      int m = i;                       //m: 记录a[i]~a[n-1]的最小数所在位置for (int j = i+1; j < n; j++)    //找a[i]~a[n-1]的最小数if (a[j] < a[m])  m = j;swap(a[i], a[m]);                //交换}
}
int main() {cin>>n;for (int i = 0; i < n; i++)  scanf("%d", &a[i]);selection_sort();for (int i = 0; i < n; i++)  printf("%d ", a[i]);return 0;
}

Java代码

import java.util.Scanner;
public class Main {static int a[] = new int[100005];static int n;public static void selection_sort() {for (int i = 0; i < n-1; i++) {      //找a[i]~a[n-1]的最小数int m = i;                       //m: 记录a[i]~a[n-1]的最小数所在位置for (int j = i+1; j < n; j++)if (a[j] < a[m])m = j;int temp = a[i];  a[i] = a[m];  a[m] = temp;  //交换}}public static void main(String[] args) {Scanner scanner = new Scanner(System.in);n = scanner.nextInt();for (int i = 0; i < n; i++)  a[i] = scanner.nextInt();selection_sort();for (int i = 0; i < n; i++)  System.out.print(a[i] + " ");}
}

Python代码

def selection_sort():global a, nfor i in range(n-1):m = ifor j in range(i+1, n):if a[j] < a[m]: m = ja[i], a[m] = a[m], a[i]    #交换
n = int(input())
a = list(map(int, input().split()))     
selection_sort()
for i in range(n):  print(a[i], end=" ")

  选择排序算法的计算量是多少？找最小的数需要比较n-1次，找第2小的必要比较n-2次，…，一共需要比较约 n 2 / 2 n^2/2 n2/2次，把它的计算复杂度记为 O ( n 2 ) O(n^2) O(n2)。看代码也能分析出来，有两重for循环，分别循环约n次，共循环 O ( n 2 ) O(n^2) O(n2)次。
  上述代码提交到判题系统，只能通过20%的测试。判题系统一般给一秒的执行时间，计算机一秒约能计算1亿次。本题若测试 n = 1 0 5 n=10^5 n=105个数，选择排序需要计算 n 2 n^2 n2=100亿次，超时。
  选择排序是一种“死脑筋”的算法，它与原数列的特征无关，不管原数列是不是有序，都得计算 O ( n 2 ) O(n^2) O(n2)次。下一个“冒泡算法”就聪明得多，如果第一轮找最大数时发现数列已经有序，就停止不再做排序计算。
  选择排序虽然低效，但也有优点：（1）简单易写；（2）不占用额外的空间，排序就在原来数列上操作。

2. 冒泡排序

  冒泡排序（Bubble sort）也是一种简单直观的排序算法。它的原理和选择排序差不多：
  第一轮，找到第1大的数，放在第n个位置；
  第二轮，找到第2大的数，放在第n-1个位置；
  …
  第n轮，找到最小的数，放到第1个位置。
  不过，与选择排序的简单粗暴相比，冒泡排序用到了“冒泡”这个小技巧。以“第一轮，找最大的数并放到第n个位置”为例，操作是：
  （1）从第1个数a[0]开始，比较a[0]和a[1]，如果a[0]>a[1]，交换。这一步把前2个数中的大数放到了第2个位置。
在这里插入图片描述
  （2）比较a[1]和a[2]，如果a[1]>a[2]，交换。这一步把前3个数中的最大数放到了第3个位置。
在这里插入图片描述
  …
  依次比较相邻的两个数，一直到最后的a[n-2]、a[n-1]，就把最大的数放到了第n个位置。
  这个过程形象地比喻为“冒泡”。
  其他的数也用同样的方法处理，一共做n轮。第i轮找第i大的数并放到第i个位置，冒泡到a[i-1]，就把第i大的数放到了第i个位置。

C++代码

#include<bits/stdc++.h>
using namespace std;
int a[100005], n;
void bubble_sort() {for (int i = 0; i < n-1; i++) {bool swapped = false;   // 优化，如果某次比较没有发生交换，说明已经有序，结束for (int j = 0; j < n-i-1; j++)if (a[j] > a[j+1]) {swap(a[j], a[j+1]);swapped = true;}if (!swapped) break;     //这一轮没有发生交换，说明已经有序，结束}
}
int main() {cin >> n;for (int i = 0; i < n; i++)  scanf("%d", &a[i]);bubble_sort();for (int i = 0; i < n; i++)  printf("%d ", a[i]);return 0;
}

  冒泡算法的计算复杂度，第5行和第7行的两重for循环，计算复杂度为 O ( n 2 ) O(n^2) O(n2)。
  冒泡算法可以做一点优化：若两个相邻的数已经有序，那么不用冒泡；在第i轮求第i大的数时，若一次冒泡都没有发生，说明整个数列已经有序，结束。代码第6行的swapped判断是否发生了冒泡。冒泡算法是“聪明”的排序算法。
Java代码

import java.util.Scanner;
public class Main {static int a[] = new int[100005];static int n;public static void bubble_sort() {boolean swapped;for (int i = 0; i < n-1; i++) {swapped = false;for (int j = 0; j < n-i-1; j++)if (a[j] > a[j+1]) {int temp = a[j];  a[j] = a[j+1]; a[j+1] = temp;  //交换swapped = true;}if (!swapped) break;}}public static void main(String[] args) {Scanner scanner = new Scanner(System.in);n = scanner.nextInt();for (int i = 0; i < n; i++)  a[i] = scanner.nextInt();bubble_sort();for (int i = 0; i < n; i++)  System.out.print(a[i] + " ");}
}

Python代码

def bubble_sort():global a, nfor i in range(n-1):swapped = Falsefor j in range(n-i-1):if a[j] > a[j+1]:a[j], a[j+1] = a[j+1], a[j]swapped = Trueif not swapped: break
n = int(input())
a = list(map(int, input().split()))
bubble_sort()
for i in range(n):  print(a[i], end=" ")

3. 插入排序

  插入排序（Insertion sort）是一种“动态”算法：在一个有序数列上，新增一个数x，把它插入到有序数列中的合适位置，使数列仍保持有序。
  如何插？简单的做法是，从有序数列的最后一个数开始，逐个与x比较，若这个数比x大，就继续往前找，直到找到比x小的数，把x插到它后面。
  具体操作，以{3,7,4,5,6,1,8,2}为例：
  （1）从第一个数a[0]开始。它构成了长度为1的有序数列{a[0]}。
在这里插入图片描述
  （2）新增a[1]，把它插到有序数列{a[0]}中。若a[1]≥a[0]，完成。若a[1]<a[0]，把a[1]插到a[0]前面，方法是：先把a[0]挪到数列的第2个位置，然后把a[1]放到数列第1个位置。得到新的有序数列{a[0], a[1]}。
在这里插入图片描述
  （3）新增a[2]，把它插到有序数列{a[0],a[1]}中。
在这里插入图片描述
  …
  下面是代码，概况执行过程：从a[1]开始遍历数组，将当前的数作为key，然后将它和前面的有序数列一一比较，如果发现前一个数大于key，则将它后移一位，直到找到一个前面的数不再大于key，就找到了key应该插入的位置，将key插入到该位置即可。

C++代码

#include<bits/stdc++.h>
using namespace std;
int a[100005], n;
void insertion_sort() {for (int i = 1; i < n; i++) {int key = a[i];         //记下a[i]，准备把它插到前面合适的地方int j = i - 1;          //i前面的数已经有序，把key插到合适位置while (j >= 0 && a[j] > key) {   a[j+1] = a[j];      //如果key比a[j]小，就把a[j]往后挪，给key腾位置j--;}a[j+1] = key;           //把key插到这里}
}
int main() {cin>>n;for (int i = 0; i < n; i++)  scanf("%d", &a[i]);insertion_sort();for (int i = 0; i < n; i++)  printf("%d ", a[i]);return 0;
}

  插入排序的计算复杂度取决于第5行的for循环和第8行的while循环，这是两重循环，各循环O(n)次，总计算复杂度 O ( n 2 ) O(n^2) O(n2)。
  插入排序是不是和冒泡排序一样“聪明”？也就是说，如果在一个有序的数列上运行插入排序算法，需要计算多少次？此时第8行的while的判断条件 a[j] > key始终不成立，while内的第9、10行不会执行，而第12行实际上就是a[i]=key，没有任何变化。那么for、while这两重循环实际上变成了只有for一个循环，一共计算O(n)次即结束。所以插入排序和冒泡排序一样“聪明”。
Java代码

import java.util.Scanner;
public class Main {static int a[] = new int[100005];static int n;public static void insertion_sort() {for (int i = 1; i < n; i++) {int key = a[i];int j = i - 1;while (j >= 0 && a[j] > key) {a[j+1] = a[j];j--;}a[j+1] = key;}}public static void main(String[] args) {Scanner scanner = new Scanner(System.in);n = scanner.nextInt();for (int i = 0; i < n; i++)  a[i] = scanner.nextInt();insertion_sort();for (int i = 0; i < n; i++)  System.out.print(a[i] + " ");}
}

Python代码

def insertion_sort():global a, nfor i in range(1, n):key = a[i]j = i - 1while j >= 0 and a[j] > key:a[j+1] = a[j]j -= 1a[j+1] = key
n = int(input())
a = list(map(int, input().split()))
insertion_sort()
for i in range(n):  print(a[i], end=" ")

   下一节的希尔排序是对插入排序的优化，其核心思想是让数列尽量有序，从而减少while循环。

4. 希尔排序

  希尔排序（Shell sort）是一种基于插入排序的高效算法。
  先给出代码，可以看到，shell_sort()仅仅是分多次做插入排序insertation_sort()。代码的关键处是称为“排序间距”的变量gap，通过多轮gap操作，减少了插入排序时的while循环的计算。

C++代码

#include<bits/stdc++.h>
using namespace std;
int a[100005], n;
void insertion_sort(int gap) {         //插入排序for (int i = gap; i < n; i++){int key = a[i];int j = i-1;while(j >= gap-1 && a[j-gap+1] > key){a[j+1] = a[j-gap+1];j -= gap;       //测试计算量，在这里统计： cnt++}a[j+1] = key;}
}
void shell_sort() {   for (int gap = n/2; gap > 0; gap /= 2)insertion_sort(gap);
}
int main() {cin>>n;for (int i = 0; i < n; i++)  scanf("%d", &a[i]);shell_sort();for (int i = 0; i < n; i++)  printf("%d ", a[i]);return 0;
}

  以int a[]={8, 7, 6, 5, 4, 3, 2, 1}这8个数从小到大排序为例，说明希尔排序的步骤。
  （1）gap = 8/2 = 4，对间距为4的数排序。共有4组数的间距为4，这四组数分别是{8, 4}、{7, 3}、{6, 2}、{5, 1}。分别在这4组数内部做插入排序。例如{8, 4}做插入排序结果是{4, 8}。在这一轮，每组内的数做插入排序时都要进入代码第8行的while执行交换操作，共执行4次。经过这一轮操作，较大的数挪到了右边，更靠近它们排序后的终止位置。
在这里插入图片描述
  （2）gap = 4/2 = 2，对间距为2的数排序。共有2组数的间距为2，分别是{4, 2, 8, 6}、{3, 1, 7, 5}。分别做插入排序，例如{4, 2, 8, 6}做插入排序的结果是{2, 4, 6, 8}。在这一轮，每组内的数做插入排序时，有些不需要进入代码第8行的while。例如处理8时，它前面的2、4已经排好序且更小，8不用做什么操作。这就是上一轮gap=4的排序操作带来的好处。
在这里插入图片描述
  （3）gap = 2/2 = 1，对间距为1的数排序，实际上gap=1的希尔排序就是基本的插入排序。由于前2轮的操作，到这一轮有很多数不用进入代码第8行的while，例如{4, 6, 8}这3个数。即使进入了while，也只需做极少的交换操作，例如处理到{5}时，它前面已经得到{1, 2, 3, 4, 6}，那么{5}只需要插到{6}前面即可。
在这里插入图片描述
  希尔排序在多大程度上改善了插入排序？可以直接对比两个代码的计算量。定义一个全局变量cnt，在insertion_sort()的while中累加cnt，统计进入了多少次while。输入数列{8, 7, 6, 5, 4, 3, 2, 1}，分别执行上一节的插入排序和这一节的希尔排序，得插入排序cnt = 28次，希尔排序cnt = 12。希尔排序显然好很多。
  根据严格的算法分析，希尔排序的计算复杂度约为 O ( n 1.5 ) O(n^{1.5}) O(n1.5)。当 n = 1 0 5 n = 10^5 n=105时，计算量约3000万次，远远小于 O ( n 2 ) O(n^2) O(n2)的100亿次。
  最后概况希尔排序的思路。希尔排序是一种基于插入排序的排序算法，它将一个序列分成若干个子序列，对每个子序列使用插入排序，最后再对整个序列使用一次插入排序。函数shell_sort()使用gap对数组进行分组，然后对每个子序列使用插入排序，最后将整个序列使用插入排序。在插入排序的过程中，每次将元素插入到已经排好序的序列中，而这个已经排好序的序列是由前面的插入排序操作得到的，每次操作都相当于将元素插入到一个较小的序列中，因此可以更快地将元素插入到正确的位置上。

Java代码

import java.util.Scanner;
public class Main {static int a[] = new int[100005];static int n;public static void insertion_sort(int gap) {for (int i = gap; i < n; i++){int key = a[i];int j = i-1;while(j >= gap-1 && a[j-gap+1] > key){a[j+1] = a[j-gap+1];j -= gap;}a[j+1] = key;}}public static void shell_sort() {for (int gap = n/2; gap > 0; gap /= 2)insertion_sort(gap);}public static void main(String[] args) {Scanner scanner = new Scanner(System.in);n = scanner.nextInt();for (int i = 0; i < n; i++)  a[i] = scanner.nextInt();shell_sort();for (int i = 0; i < n; i++)  System.out.print(a[i] + " ");}
}

Python代码

def insertion_sort(gap):global a, nfor i in range(gap, n):key = a[i]j = i-1while j >= gap-1 and a[j-gap+1] > key:a[j+1] = a[j-gap+1]j -= gapa[j+1] = key
def shell_sort():   for gap in range(n//2, 0, -1):  insertion_sort(gap)
n = int(input())
a = list(map(int, input().split()))
shell_sort()
for i in range(n):  print(a[i], end=" ")

5. 计数排序

  计数排序（Counting Sort）是基于哈希思想的一种排序算法，它使用一个额外的数组来统计每个数出现的次数，然后基于次数输出排序后的数组。
  以数列a[] = {5,2,7,3,4,3}为例说明计数排序的操作步骤。
  （1）找到数列的最大值7，建计数数组cnt[8]；
  （2）把数列中的每个数看成cnt[i]的下标i，对应的cnt[i]计数。例如{5}对应cnt[5]=1，{2}对应cnt[2]=1，2个{3}对应cnt[3]=2，等等。
在这里插入图片描述
  （3）遍历cnt[]，若cnt[i]=k，输出k次i。输出结果就是排序结果。
  概况地说，计数排序是一种非比较性的排序算法，它利用元素的值作为键值确定元素在序列中出现的次数，从而实现排序。

C++代码

#include<bits/stdc++.h>
using namespace std;
int a[100005], n;
void counting_sort() {int i;int max = a[0];for (i = 1; i < n; i++)        //找到最大值if (a[i] > max)   max = a[i];int* cnt = (int*) calloc(max+1, sizeof(int));  //建数组cnt[]for (i = 0; i < n; i++)  cnt[a[i]]++;          //把a[i]放到对应的空间里i = 0;for (int j = 0; j <= max; j++)                 //输出排序的结果while (cnt[j] > 0){a[i++] = j;cnt[j]--;}free(cnt);
}
int main() {cin>>n;for (int i = 0; i < n; i++)  scanf("%d", &a[i]);counting_sort();for (int i = 0; i < n; i++)  printf("%d ", a[i]);return 0;
}

  该函数首先遍历数组，找到数组中的最大值max，然后创建计数数组cnt[]，大小为 max+1，用于存储元素出现的次数。然后遍历数组，把每个数的出现次数存储在计数数组中。最后遍历计数数组，将数组中的元素按照次数从小到大依次输出，从而得到一个有序数组。
  计数排序的时间复杂度取决于第12行的for循环，共循环max次，计算量由max决定。
  这使得计数排序的应用场景非常狭窄，只适合“小而紧凑”的数列，当所有的数值都不太大，且均匀分布时，计数排序才有好的效果。例如 n = 1 0 5 n=10^5 n=105，且 0 < a [ i ] < 1 0 5 0<a[i]<10^5 0<a[i]<105时，效率极高，可以在O(n)的时间内排序。
  如果数列的数值很大，就不适合用计数排序。此时需要创建极大的数组cnt[]，不仅浪费空间，而且计算时间极长。例如对{5, 1 0 9 10^9 109}排序，虽然只有2个数，却需要建长度为 1 0 9 10^9 109=1G的数组，且需要在代码第12行循环 1 0 9 10^9 109次。
  代码提交到判题系统，有40%的测试返回Memory Limit Exceeded，说明代码对这40%的测试数据排序时使用的空间超出了内存限制。
Java代码

import java.util.Scanner;
public class Main {static int a[] = new int[100005];static int n;public static void counting_sort() {int i;int max = a[0];for (i = 1; i < n; i++)if (a[i] > max)   max = a[i];int[] cnt = new int[max+1];for (i = 0; i < n; i++)  cnt[a[i]]++;i = 0;for (int j = 0; j <= max; j++)while (cnt[j] > 0){a[i++] = j;cnt[j]--;}}public static void main(String[] args) {Scanner scanner = new Scanner(System.in);n = scanner.nextInt();for (int i = 0; i < n; i++)  a[i] = scanner.nextInt();counting_sort();for (int i = 0; i < n; i++)  System.out.print(a[i] + " ");}
}

Python代码

def counting_sort():global a, nmax_num = max(a)cnt = [0] * (max_num+1)for i in range(n):  cnt[a[i]] += 1i = 0for j in range(max_num+1):while cnt[j] > 0:a[i] = ji += 1cnt[j] -= 1
n = int(input())
a = list(map(int, input().split()))
counting_sort()
for i in range(n):  print(a[i], end=" ")

6. 桶排序

  桶排序（Bucket sort）是分治思想的应用，它的要点是：
  （1）有k个桶，把要排序的n个数尽量均匀分到每个桶中；
  （2）要求桶之间也是有序的，即第i个桶内所有的数小于第i+1个桶内所有的数；
  （3）在每个桶内部排序；
  （4）最后把所有的桶合起来，就是排序的结果。
  例如有100个数，这些数的大小在1~100之间，把它们分到10个桶中，第1个桶放1~10内的数，第2个桶放11~20内的数，…，等等。然后分别在每个桶内排序，最后把所有的桶的数合起来输出，就是排序的结果。
  为什么分成多个桶然后在各桶内排序，能提高效率？这就是分治的威力，下面做个简单分析。设有一个排序算法，计算复杂度为 O ( n 2 ) O(n^2) O(n2)。把这n个数分到k个桶中，每个桶装 n k \frac{n}{k} kn​个数，且第i个桶的所有数小于第i+1个桶的所有数。每个桶内排序的计算量是 n 2 k 2 \frac{n^2}{k^2} k2n2​，k个桶的总计算量是 k × n 2 k 2 = n 2 k k\times\frac{n^2}{k^2}=\frac{n^2}{k} k×k2n2​=kn2​。所以结论是，利用k个桶进行分治，能把原来 O ( n 2 ) O(n^2) O(n2)的计算量减少到 O ( n 2 k ) O(\frac{n^2}{k}) O(kn2​)，优化了k倍。
  不过，桶排序并不是一个简单的算法，它的性能取决于：
  （1）桶的数量k。要求k≤n，极端情况下k=n，且一个桶内只有一个数，那么总计算量就减少到了O(n)，达到了最优的计算复杂度。但是太多的桶可能需要大量的存储空间，所以需要设定一个合适的k。
  （2）保证桶之间也是有序的，即让第i个桶的所有数小于第i+1个桶的所有数。简单的做法是按数字的大小分到每个桶里。例如数的大小在1~100之间，设置k=10个桶，第1个桶放1~10内的数，第2个桶放11~20内的数，…，等等。这样桶之间就有序了。但是这个简单的方法可能导致分布不均衡，有些桶内数太少，有些桶内数太多。
  （3）快速地把n个数分开放到k个桶中。桶排序的总时间包括两部分：把n个数分到k个桶的时间，以及分别在k个桶内排序的时间。如果前者耗时太长，也影响桶排序的性能。
  （4）均匀地把n个数分开放到k个桶中。只有均匀分布，才能发挥分治的威力。而极端情况下，有可能所有的数都分到了1个桶里，其他桶都是空的，等于没有分桶。例如100个数，第1个数是1，其他数都在90~100之间，把这100个数分到10个桶里，第1个桶放1~10的数，第2个桶放11~20内的数，…，第10个桶放90~100的数，那么结果是第1个桶内有1个数，第10个桶有99个数，其他桶是空的。这样的分桶毫无意义。所以需要设计一个合理的分桶算法。
  （5）桶内排序。在桶内的排序，选用适合的算法会更高效。
   由于上述原因，桶排序不是一个简单的算法，而是多个技术的综合，所以本节没有给出代码。
  上一节的计数排序可以看作桶排序的一个特例，此时k远远大于n，大部分桶是空的。

7. 基数排序

  基数排序（Radix sort）是一种非比较性的排序算法，它不是直接比较各数据的大小，而是按照数据的位数依次进行排序。
  “基数”指的是每个元素的进制位上的取值范围。例如，对于十进制数，每个元素的进制位上的取值范围是0~9，因此基数为10；对于二进制数，每个元素的进制位上的取值范围是0~1，因此基数为2。
  有两种基数排序：最低位优先法 (LSD, Least Significant Digit first)、最高位优先法 (MSD, Most Significant Digit first)。这里介绍较为简单的LSD基数排序。
  LSD基数排序是一种反常识的排序方法，它不是先比较高位再比较低位，而是反过来，先比较低位再比较高位。例如排序{5, 47, 23, 19, 17, 31}。
  第1步：先按个位的大小排序，得到{31, 23, 05, 47, 17, 19}。
  第2步：再按十位的大小排序，得到{05, 17, 19, 23, 31, 47}。其中5只有个位，把它的十位补0。基数排序需要将所有待比较的数值统一为同样的数位长度，如果某些数的位不够，在前面补零即可。
  因为所有数字中最大的只有两位，所以只需2步就结束，得到有序排列。
  更特别的是，上述操作并不是用比较的方法得到的，而是用“哈希”的思路：直接把数字放到对应的“桶”里。有10个桶，分别标记为0~9。第1步按个位的数字放，第2步按十位的数字放。下表中第2步得到的序列就是结果。
在这里插入图片描述

  基数排序的复杂度：n个数，每个数有d位（例如上面例子的17 ~ 47，都是2位数），每一位有k种可能（十进制，0~9共十种情况）。复杂度是O(d*(n+k))，存储空间是O(n+k)。例如对长度10000的字符串进行一次后缀排序，n = 10000，d ≤ 5，k = 10，复杂度d*(n+k) ≈ 10000*5。而一次快排的复杂度nlogn ≈ 10000*13。
  对比快速排序等排序方法，基数排序在d比较小的情况下，即所有的数字差不多大时，是更好的方法。如果d比较大，基数排序并不比快速排序更好。
  LSD基数排序也可以看成桶排序的一个特例，上面处理十进制的0~9，基数为10，就是10个桶。
  当基数为其他数值时，桶的数量也不同。例如：
  （1）把数字看成二进制，每一位是0~1，基数为2，有2个桶。
  （2）把数字看成二进制，并且把它按每16位划分，例如数字0xE1BE13DC34，划分成00E1-BE13-DC34，16位二进制范围0~65535，基数为65536，有65536个桶。这样做的好处是可以用位操作来处理，速度稍快一些。
  （3）对字符串排序，一个字符串的一个字符是char型，8位二进制范围0~255，基数256，就是256个桶。
  下面给出例题的LSD基数排序的代码。函数radix_sort()首先遍历数组，找到数组中的最大值max，然后使用exp记录当前排序的位数，从个位开始，依次按照位数进行排序，直到最高位。在每次排序中，使用计数排序的方法，将元素分配到桶中，然后按照桶的顺序将元素重新排序。最后将排序后的数组复制到原数组中。

C++代码

#include<bits/stdc++.h>
using namespace std;
int a[100005], tmp[100005],n;
void radix_sort() {int exp = 1;int max = a[0];for (int i = 1; i < n; i++) //找出最大值，目的是找到最大数有多少位if (a[i] > max)   max = a[i];while (max / exp > 0) { //从个位开始，一直到最高位int bucket[10] = {0};for (int i = 0; i <  n; i++)   bucket[(a[i] / exp) % 10]++;for (int i = 1; i < 10; i++)   bucket[i] += bucket[i-1];for (int i = n-1; i >= 0; i--) {int k = (a[i] / exp) % 10;tmp[bucket[k]-1] = a[i];bucket[k]--;}for (int i = 0; i < n; i++) a[i] = tmp[i];exp *= 10;}
}
int main() {cin>>n;for (int i = 0; i < n; i++)  scanf("%d", &a[i]);radix_sort();for (int i = 0; i < n; i++)  printf("%d ", a[i]);return 0;
}

Java代码

import java.util.Scanner;
public class Main {static int a[] = new int[100005];static int tmp[] = new int[100005];static int n;public static void radix_sort() {int exp = 1;int max = a[0];for (int i = 1; i < n; i++)if (a[i] > max)   max = a[i];while (max / exp > 0) {int bucket[] = new int[10];for (int i = 0; i <  n; i++)   bucket[(a[i] / exp) % 10]++;for (int i = 1; i < 10; i++)   bucket[i] += bucket[i-1];for (int i = n-1; i >= 0; i--) {int k = (a[i] / exp) % 10;tmp[bucket[k]-1] = a[i];bucket[k]--;}for (int i = 0; i < n; i++) a[i] = tmp[i];exp *= 10;}}public static void main(String[] args) {Scanner scanner = new Scanner(System.in);n = scanner.nextInt();for (int i = 0; i < n; i++)  a[i] = scanner.nextInt();radix_sort();for (int i = 0; i < n; i++)  System.out.print(a[i] + " ");}
}

Python代码

def radix_sort():global a, n    exp = 1max_num = max(a)tmp = [0] * len(a) while max_num // exp > 0:bucket = [0] * 10for i in range(n):     bucket[(a[i] // exp) % 10] += 1for i in range(1, 10): bucket[i] += bucket[i-1]for i in range(n-1, -1, -1):k = (a[i] // exp) % 10tmp[bucket[k]-1] = a[i]bucket[k] -= 1for i in range(n):    a[i] = tmp[i]exp *= 10
n = int(input())
a = list(map(int, input().split()))
radix_sort()
for i in range(n):  print(a[i], end=" ")

  基数排序的计算复杂度证明，参考《算法导论》：

在这里插入图片描述

8. 归并排序

  归并排序（Merge sort）和下一小节的快速排序是分治法思想的应用，极为精美。学习它们，对于理解分治法、提高算法思维能力，十分有帮助。
  先思考一个问题：如何用分治思想设计排序算法？
  根据分治法的分解、解决、合并三步骤，具体思路如下：
  （1）分解。把原来无序的数列，分成两部分；对每个部分，再继续分解成更小的两部分……在归并排序中，只是简单地把数列分成两半。在快速排序中，是把序列分成左右两部分，左部分的元素都小于右部分的元素；分解操作是快速排序的核心操作。
  （2）解决。分解到最后不能再分解，排序。
  （3）合并。把每次分开的两个部分合并到一起。归并排序的核心操作是合并，其过程类似于交换排序。快速排序并不需要合并操作，因为在分解过程中，左右部分已经是有序的。
  下图的例子给出了归并排序的操作步骤。初始数列经过3趟归并之后，得到一个从小到大的有序数列。
在这里插入图片描述
  归并排序的主要操作：
  （1）分解。把初始序列分成长度相同的左右两个子序列，然后把每个子序列再分成更小的两个子序列……，直到子序列只包含1个数。这个过程用递归实现，上图中的第一行是初始序列，每个数是一个子序列，可以看成递归到达的最底层。
  （2）求解子问题，对子序列排序。最底层的子序列只包含1个数，其实不用排序。
  （3）合并。归并两个有序的子序列，这是归并排序的主要操作，过程如下图。例如图 (1)中， i和j分别指向子序列{13, 94, 99}和{34, 56}的第1个数，进行第一次比较，发现a[i] < a[j]，把a[i]放到临时空间b[]中。总共经过四次比较，得到b[] = {13, 34 ,56, 94, 99}。
在这里插入图片描述
  下面分析归并排序的计算复杂度。对n个数进行归并排序：（1）需要logn趟归并；（2）在每一趟归并中，有很多次合并操作，一共需要O(n)次比较。总计算复杂度是O(nlogn)。
  空间复杂度：由于需要一个临时的b[]存储结果，所以空间复杂度是O(n)。

C++代码

#include<bits/stdc++.h>
using namespace std;
int a[100005], b[100005], n;
void Merge(int L, int mid, int R){int i=L, j = mid+1, t=0;while(i <= mid && j <= R){if(a[i] > a[j])  b[t++] = a[j++];else b[t++]=a[i++];}//一个子序列中的数都处理完了，另一个还没有，把剩下的直接复制过来：while(i <= mid)   b[t++]=a[i++];while(j <= R)     b[t++]=a[j++];for(i=0; i<t; i++)  a[L+i] = b[i];     //把排好序的b[]复制回a[]
}
void Mergesort(int L, int R){if(L<R){int  mid = (L+R)/2;                  //平分成两个子序列Mergesort(L, mid);Mergesort(mid+1, R);Merge(L, mid, R);                    //合并}
}
int main() {cin>>n;for (int i = 0; i < n; i++)  scanf("%d", &a[i]);Mergesort(0,n-1);for (int i = 0; i < n; i++)  printf("%d ", a[i]);return 0;
}

Java代码

import java.util.Scanner;
public class Main {static int a[] = new int[100005];static int b[] = new int[100005];static int n;public static void Merge(int L, int mid, int R){int i=L, j = mid+1, t=0;while(i <= mid && j <= R){if(a[i] > a[j])  b[t++] = a[j++];else b[t++]=a[i++];}while(i <= mid)   b[t++]=a[i++];while(j <= R)     b[t++]=a[j++];for(i=0; i<t; i++)  a[L+i] = b[i];}public static void Mergesort(int L, int R){if(L<R){int  mid = (L+R)/2;Mergesort(L, mid);Mergesort(mid+1, R);Merge(L, mid, R);}}public static void main(String[] args) {Scanner scanner = new Scanner(System.in);n = scanner.nextInt();for (int i = 0; i < n; i++)  a[i] = scanner.nextInt();Mergesort(0,n-1);for (int i = 0; i < n; i++)  System.out.print(a[i] + " ");}
}

Python代码

def Merge(L, mid, R):global a, bi=Lj = mid+1t=0while(i <= mid and j <= R):if(a[i] > a[j]):b[t] = a[j]j += 1else:b[t] = a[i]i += 1t += 1while(i <= mid):b[t] = a[i]i += 1t += 1while(j <= R):b[t] = a[j]j += 1t += 1for i in range(t):  a[L+i] = b[i]
def Mergesort(L, R):if L < R:mid = (L+R)//2Mergesort(L, mid)Mergesort(mid+1, R)Merge(L, mid, R)
n = int(input())
a = list(map(int, input().split()))
b = [0] * len(a)
Mergesort(0,n-1)
for i in range(n):  print(a[i], end=" ")

9. 快速排序

  上一节提到，快速排序（Quick sort）和归并排序都是分治法的应用。
  快速排序的思路是：把序列分成左右两部分，使得左边所有的数都比右边的数小；递归这个过程，直到不能再分为止。如何把序列分成左右两部分？最简单的办法是设定两个临时空间X、Y和一个基准数t；检查序列中所有的元素，比t小的放在X中，比t大的放在Y中。不过，其实不用这么麻烦，直接在原序列上操作就行了，不需要使用临时空间X、Y。
  直接在原序列上进行划分的方法有很多种，下面的图示介绍了一种很容易操作的方法：
在这里插入图片描述
  下面分析复杂度。
  每一次划分，都把序列分成了左右两部分，在这个过程中，需要比较所有的元素，有O(n)次。如果每次划分是对称的，也就是说左右两部分的长度差不多，那么一共需要划分O(logn)次。总复杂度O(nlogn)。
  如果划分不是对称的，左部分和右部分的数量差别很大，那么复杂度会高一些。在极端情况下，例如左部分只有1个数，剩下的全部都在右部分，那么最多可能划分n次，总复杂度是 O ( n 2 ) O(n^2) O(n2)。所以，快速排序的效率和数据本身有关。
  不过，一般情况下快速排序效率很高，甚至比归并排序更好。读者可以观察到，下面给出的快速排序的代码比归并排序的代码更简洁，代码中的比较、交换、拷贝操作很少。 快速排序几乎是目前所有排序法中速度最快的方法。STL的sort()函数就是基于快速排序算法的，并针对快速排序的缺点做了很多优化。
C++代码

#include<bits/stdc++.h>
using namespace std;
int a[100005],n;
void qsort(int L,int R){int i=L,j=R;int key=a[(L+R)/2];while(i<=j)	{while(a[i]<key)	i++;while(a[j]>key) j--;if(i<=j){swap(a[i],a[j]);i++; j--;}}if(j>L) qsort(L,j);if(i<R) qsort(i,R);
}
int main(){cin>>n;for(int i=0;i<n;i++) scanf("%d",&a[i]);qsort(0,n-1);for(int i=0;i<n;i++) printf("%d ",a[i]);return 0;
}

Java代码

import java.util.Scanner;
public class Main {static int[] a = new int[100005];static int n;public static void qsort(int L, int R) {int i = L, j = R;int key = a[(L + R) / 2];while (i <= j) {while (a[i] < key) i++;while (a[j] > key) j--;if (i <= j) {int temp = a[i];a[i] = a[j];a[j] = temp;i++;j--;}}if (j > L)   qsort(L, j);if (i < R)   qsort(i, R);}public static void main(String[] args) {Scanner input = new Scanner(System.in);n = input.nextInt();for (int i = 0; i < n; i++)    a[i] = input.nextInt();qsort(0, n - 1);for (int i = 0; i < n; i++)    System.out.print(a[i] + " ");}
}

Python代码

def qsort(L, R):i, j = L, Rkey = a[(L + R) // 2]while i <= j:while a[i] < key:  i += 1while a[j] > key:  j -= 1if i <= j:a[i], a[j] = a[j], a[i]i += 1j -= 1if j > L:  qsort(L, j)if i < R:  qsort(i, R)
n = int(input())
a = list(map(int, input().split()))
qsort(0,n-1)
for i in range(n):  print(a[i], end=" ")

10. 堆排序

  堆排序（heap sort）利用二叉堆的属性来排序。二叉堆是一棵二叉树，如果是一棵最小堆，那么树根是最小值。把树根取出后，新的树根仍然是剩下的树上的最小值。首先把需要排序的n个数放进二叉堆，然后依次取出树根，就从小到大排好了序。由于把数放进二叉堆和取出二叉堆，计算复杂度都是O(logn)的，所以n个数的总复杂度是O(nlogn)的。
  由于自己编程实现二叉堆比较麻烦，这里直接使用优先队列。优先队列是用二叉堆实现的。
C++代码

#include<bits/stdc++.h>
using namespace std;
int main() {int n;    cin >> n;priority_queue<int, vector<int>, greater<int>> pq;  // 优先队列，是小根堆for (int i = 0; i < n; i++) {int a;   cin >> a;pq.push(a);                // 将输入的数插入小根堆}while (!pq.empty()) {cout << pq.top() << " ";   // 依次输出堆顶元素（树根），就是从小到大输出pq.pop();                  // 弹出堆顶元素}return 0;
}

Java代码

import java.util.PriorityQueue;
import java.util.Scanner;
public class Main {public static void main(String[] args) {Scanner input = new Scanner(System.in);int n = input.nextInt();PriorityQueue<Integer> pq = new PriorityQueue<Integer>();for (int i = 0; i < n; i++) {int a = input.nextInt();pq.offer(a);}while (!pq.isEmpty())System.out.print(pq.poll() + " ");}
}

Python代码

import queue
n = int(input())
a = list(map(int, input().split()))
pq = queue.PriorityQueue()
for i in range(n):  pq.put(a[i])
while not pq.empty():  print(pq.get(), end=' ')

这篇关于＜蓝桥杯软件赛＞零基础备赛20周--第8周第1讲--十大排序的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/476714。

相关文章

【数据结构】——原来排序算法搞懂这些就行，轻松拿捏

【数据结构】——原来排序算法搞懂这些就行，轻松拿捏

前言：快速排序的实现最重要的是找基准值，下面让我们来了解如何实现找基准值 基准值的注释：在快排的过程中，每一次我们要取一个元素作为枢纽值，以这个数字来将序列划分为两部分。 在此我们采用三数取中法，也就是取左端、中间、右端三个数，然后进行排序，将中间数作为枢纽值。 快速排序实现主框架： //快速排序 void QuickSort(int* arr, int left, int rig
阅读更多...
usaco 1.3 Mixing Milk (结构体排序 qsort) and hdu 2020(sort)

usaco 1.3 Mixing Milk (结构体排序 qsort) and hdu 2020(sort)

到了这题学会了结构体排序 于是回去修改了 1.2 milking cows 的算法~ 结构体排序核心： 1.结构体定义 struct Milk{int price;int milks;}milk[5000]; 2.自定义的比较函数，若返回值为正，qsort 函数判定a>b ；为负，a<b；为0，a==b； int milkcmp(const void *va,c
阅读更多...
零基础学习Redis(10) -- zset类型命令使用

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合，内部除了存储元素外，还会存储一个score，存储在zset中的元素会按照score的大小升序排列，不同元素的score可以重复，score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]
阅读更多...
hdu 1285（拓扑排序）

hdu 1285（拓扑排序）

题意： 给各个队间的胜负关系，让排名次，名词相同按从小到大排。 解析： 拓扑排序是应用于有向无回路图(Direct Acyclic Graph,简称DAG)上的一种排序方式，对一个有向无回路图进行拓扑排序后，所有的顶点形成一个序列，对所有边(u,v)，满足u 在v 的前面。该序列说明了顶点表示的事件或状态发生的整体顺序。比较经典的是在工程活动上，某些工程完成后，另一些工程才能继续，此时
阅读更多...
软件设计师备考——计算机系统

软件设计师备考——计算机系统

学习内容源自「软件设计师」 上午题 #1 计算机系统_哔哩哔哩_bilibili 目录 1.1.1 计算机系统硬件基本组成 1.1.2 中央处理单元 1.CPU 的功能 1)运算器 2)控制器 RISC && CISC 流水线控制 存储器  Cache 中断 输入输出IO控制方式 程序查询方式 中断驱动方式 直接存储器方式（DMA)  ​编辑 总线 ​编辑
阅读更多...
系统架构师考试学习笔记第三篇——架构设计高级知识（20）通信系统架构设计理论与实践

系统架构师考试学习笔记第三篇——架构设计高级知识（20）通信系统架构设计理论与实践

本章知识考点：         第20课时主要学习通信系统架构设计的理论和工作中的实践。根据新版考试大纲,本课时知识点会涉及案例分析题(25分),而在历年考试中,案例题对该部分内容的考查并不多,虽在综合知识选择题目中经常考查,但分值也不高。本课时内容侧重于对知识点的记忆和理解,按照以往的出题规律,通信系统架构设计基础知识点多来源于教材内的基础网络设备、网络架构和教材外最新时事热点技术。本课时知识
阅读更多...
【Linux 从基础到进阶】Ansible自动化运维工具使用

【Linux 从基础到进阶】Ansible自动化运维工具使用

Ansible自动化运维工具使用 Ansible 是一款开源的自动化运维工具，采用无代理架构（agentless），基于 SSH 连接进行管理，具有简单易用、灵活强大、可扩展性高等特点。它广泛用于服务器管理、应用部署、配置管理等任务。本文将介绍 Ansible 的安装、基本使用方法及一些实际运维场景中的应用，旨在帮助运维人员快速上手并熟练运用 Ansible。 1. Ansible的核心概念
阅读更多...
【STM32】SPI通信-软件与硬件读写SPI

【STM32】SPI通信-软件与硬件读写SPI

SPI通信-软件与硬件读写SPI 软件SPI一、SPI通信协议1、SPI通信2、硬件电路3、移位示意图4、SPI时序基本单元(1)开始通信和结束通信(2)模式0---用的最多(3)模式1(4)模式2(5)模式3 5、SPI时序(1)写使能(2)指定地址写(3)指定地址读 二、W25Q64模块介绍１、W25Q64简介２、硬件电路３、W25Q64框图４、Flash操作注意事项软件SPI读写W2
阅读更多...
AI基础 L9 Local Search II 局部搜索

AI基础 L9 Local Search II 局部搜索

Local Beam search 对于当前的所有k个状态，生成它们的所有可能后继状态。 检查生成的后继状态中是否有任何状态是解决方案。 如果所有后继状态都不是解决方案，则从所有后继状态中选择k个最佳状态。 当达到预设的迭代次数或满足某个终止条件时，算法停止。 — Choose k successors randomly, biased towards good ones — Close
阅读更多...
OWASP十大安全漏洞解析

OWASP十大安全漏洞解析

OWASP（开放式Web应用程序安全项目）发布的“十大安全漏洞”列表是Web应用程序安全领域的权威指南，它总结了Web应用程序中最常见、最危险的安全隐患。以下是对OWASP十大安全漏洞的详细解析： 1. 注入漏洞（Injection） 描述：攻击者通过在应用程序的输入数据中插入恶意代码，从而控制应用程序的行为。常见的注入类型包括SQL注入、OS命令注入、LDAP注入等。 影响：可能导致数据泄
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2