常用排序算法(三)归并排序、堆排序、基数排序

2024-05-08 16:38

本文主要是介绍常用排序算法(三)归并排序、堆排序、基数排序,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!

常用排序算法(一)插入排序、希尔排序、冒泡排序

常用排序算法(二)选择排序、快速排序

归并排序

1. 基本思想:
归并排序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的一个非常典型的应用。
首先考虑下如何将2个有序数列合并。这个非常简单,只要从比较2个数列的第一个数,谁小就先取谁,取了后就在对应数列中删除这个数。然后再进行比较,如果有数列为空,那直接将另一个数列的数据依次取出即可。

//将有序数组a[]和b[]合并到c[]中
void MemeryArray(int a[], int n, int b[], int m, int c[])
{int i, j, k;i = j = k = 0;while (i < n && j < m){if (a[i] < b[j])c[k++] = a[i++];elsec[k++] = b[j++]; }while (i < n)c[k++] = a[i++];while (j < m)c[k++] = b[j++];
}

解决了上面的合并有序数列问题,再来看归并排序,其的基本思路就是将数组分成2组A,B,如果这2组组内的数据都是有序的,那么就可以很方便的将这2组数据进行排序。如何让这2组组内数据有序了?
可以将A,B组各自再分成2组。依次类推,当分出来的小组只有1个数据时,可以认为这个小组组内已经达到了有序,然后再合并相邻的2个小组就可以了。这样通过先递归的分解数列再合并数列就完成了归并排序。

2. 过程:

5550

归并排序

3. 平均时间复杂度:O(NlogN)
归并排序的效率是比较高的,设数列长为N,将数列分开成小数列一共要logN步,每步都是一个合并有序数列的过程,时间复杂度可以记为O(N),故一共为O(N*logN)。

4. 代码实现:

public static void merge_sort(int a[],int first,int last,int temp[]){if(first < last){int middle = (first + last)/2;merge_sort(a,first,middle,temp);//左半部分排好序merge_sort(a,middle+1,last,temp);//右半部分排好序mergeArray(a,first,middle,last,temp); //合并左右部分}
}
//合并 :将两个序列a[first-middle],a[middle+1-end]合并
public static void mergeArray(int a[],int first,int middle,int end,int temp[]){     int i = first;int m = middle;int j = middle+1;int n = end;int k = 0; while(i<=m && j<=n){if(a[i] <= a[j]){temp[k] = a[i];k++;i++;}else{temp[k] = a[j];k++;j++;}}     while(i<=m){temp[k] = a[i];k++;i++;}     while(j<=n){temp[k] = a[j];k++;j++; }for(int ii=0;ii<k;ii++){a[first + ii] = temp[ii];}
}

堆排序

  1. 基本思想:

    6660

    • 图示: (88,85,83,73,72,60,57,48,42,6)

      7770

      Heap Sort

  2. 平均时间复杂度:O(NlogN)
    由于每次重新恢复堆的时间复杂度为O(logN),共N - 1次重新恢复堆操作,再加上前面建立堆时N / 2次向下调整,每次调整时间复杂度也为O(logN)。二次操作时间相加还是O(N * logN)。

  3. java代码实现

//构建最小堆
public static void MakeMinHeap(int a[], int n){for(int i=(n-1)/2 ; i>=0 ; i--){MinHeapFixdown(a,i,n);}
}
//从i节点开始调整,n为节点总数 从0开始计算 i节点的子节点为 2*i+1, 2*i+2  
public static void MinHeapFixdown(int a[],int i,int n){int j = 2*i+1; //子节点int temp = 0;while(j<n){//在左右子节点中寻找最小的if(j+1<n && a[j+1]<a[j]){   j++;}if(a[i] <= a[j])break;//较大节点下移temp = a[i];a[i] = a[j];a[j] = temp;i = j;j = 2*i+1;}
}public static void MinHeap_Sort(int a[],int n){int temp = 0;MakeMinHeap(a,n);for(int i=n-1;i>0;i--){temp = a[0];a[0] = a[i];a[i] = temp; MinHeapFixdown(a,0,i);}     
}

基数排序

BinSort

  1. 基本思想:
    BinSort想法非常简单,首先创建数组A[MaxValue];然后将每个数放到相应的位置上(例如17放在下标17的数组位置);最后遍历数组,即为排序后的结果。

  2. 图示:

    BinSort

    • 问题: 当序列中存在较大值时,BinSort 的排序方法会浪费大量的空间开销。

    RadixSort

    1. 基本思想: 基数排序是在BinSort的基础上,通过基数的限制来减少空间的开销。
    2. 过程:

      10101001

      过程1

      9990

      过程2

    (1)首先确定基数为10,数组的长度也就是10.每个数34都会在这10个数中寻找自己的位置。
    (2)不同于BinSort会直接将数34放在数组的下标34处,基数排序是将34分开为3和4,第一轮排序根据最末位放在数组的下标4处,第二轮排序根据倒数第二位放在数组的下标3处,然后遍历数组即可。

  3. java代码实现:

public static void RadixSort(int A[],int temp[],int n,int k,int r,int cnt[]){//A:原数组//temp:临时数组//n:序列的数字个数//k:最大的位数2//r:基数10//cnt:存储bin[i]的个数for(int i=0 , rtok=1; i<k ; i++ ,rtok = rtok*r){//初始化for(int j=0;j<r;j++){cnt[j] = 0;}//计算每个箱子的数字个数for(int j=0;j<n;j++){cnt[(A[j]/rtok)%r]++;}//cnt[j]的个数修改为前j个箱子一共有几个数字for(int j=1;j<r;j++){cnt[j] = cnt[j-1] + cnt[j];}for(int j = n-1;j>=0;j--){      //重点理解cnt[(A[j]/rtok)%r]--;temp[cnt[(A[j]/rtok)%r]] = A[j];}for(int j=0;j<n;j++){A[j] = temp[j];}}
}

 

这篇关于常用排序算法(三)归并排序、堆排序、基数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/970861

相关文章

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

JS常用组件收集

收集了一些平时遇到的前端比较优秀的组件,方便以后开发的时候查找!!! 函数工具: Lodash 页面固定: stickUp、jQuery.Pin 轮播: unslider、swiper 开关: switch 复选框: icheck 气泡: grumble 隐藏元素: Headroom

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例,告诉我们不懂推荐算法的产品,也能从产品侧出发, 设计出一款不错的推荐系统。 相信很多新手产品,看到算法二字,多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法(注:传统是指科班出身的产品都会接触过)。但对于推荐算法,多数产品对着网上搜到的资源,都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后,更是加大了理解的难度。 但,不了解推荐算法,就无法做推荐系

康拓展开(hash算法中会用到)

康拓展开是一个全排列到一个自然数的双射(也就是某个全排列与某个自然数一一对应) 公式: X=a[n]*(n-1)!+a[n-1]*(n-2)!+...+a[i]*(i-1)!+...+a[1]*0! 其中,a[i]为整数,并且0<=a[i]<i,1<=i<=n。(a[i]在不同应用中的含义不同); 典型应用: 计算当前排列在所有由小到大全排列中的顺序,也就是说求当前排列是第

csu 1446 Problem J Modified LCS (扩展欧几里得算法的简单应用)

这是一道扩展欧几里得算法的简单应用题,这题是在湖南多校训练赛中队友ac的一道题,在比赛之后请教了队友,然后自己把它a掉 这也是自己独自做扩展欧几里得算法的题目 题意:把题意转变下就变成了:求d1*x - d2*y = f2 - f1的解,很明显用exgcd来解 下面介绍一下exgcd的一些知识点:求ax + by = c的解 一、首先求ax + by = gcd(a,b)的解 这个

综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

LntonAIServer视频质量诊断功能中的抖动检测是一个专门针对视频稳定性进行分析的功能。抖动通常是指视频帧之间的不必要运动,这种运动可能是由于摄像机的移动、传输中的错误或编解码问题导致的。抖动检测对于确保视频内容的平滑性和观看体验至关重要。 优势 1. 提高图像质量 - 清晰度提升:减少抖动,提高图像的清晰度和细节表现力,使得监控画面更加真实可信。 - 细节增强:在低光条件下,抖

【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

【C++】_list常用方法解析及模拟实现

相信自己的力量,只要对自己始终保持信心,尽自己最大努力去完成任何事,就算事情最终结果是失败了,努力了也不留遗憾。💓💓💓 目录   ✨说在前面 🍋知识点一:什么是list? •🌰1.list的定义 •🌰2.list的基本特性 •🌰3.常用接口介绍 🍋知识点二:list常用接口 •🌰1.默认成员函数 🔥构造函数(⭐) 🔥析构函数 •🌰2.list对象

常用的jdk下载地址

jdk下载地址 安装方式可以看之前的博客: mac安装jdk oracle 版本:https://www.oracle.com/java/technologies/downloads/ Eclipse Temurin版本:https://adoptium.net/zh-CN/temurin/releases/ 阿里版本: github:https://github.com/

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