插入排序的思想跟摸牌很相似,从我们摸到第二张牌的开始,依次将摸到到牌依次有序的插入到手中,最后手牌变成了有序。
有了大致的思路,接下来就要细分插入排序的细节。
首先考虑某一趟的插入排序。为什么先考虑某一趟呢?因为当需要解决的问题比较复杂时先将问题简单化会有利于问题的解决。
某一趟的插入排序:
整个插入排序:我们回味一下过年打牌的情景,是不是只有从第二张牌开始我们才开始将摸到牌插到手中?所以end是从1开始到n-1结束。
完整代码:
void InsertSort(int* arr, int n)
{
for (int i = 1; i < n ; i++)
{
int end = i;
int x = arr[end];
while (end > 0)
{
if (arr[end-1] > x)
{
//后移
arr[end] = arr[end - 1];
end--;
}
else
{
break;
}
}
arr[end] = x;
}
}
特点:
希尔排序是1959 年由D.L.Shell 提出来的,希尔排序是继插入排序的一次大幅度的优化。希尔排序又叫缩小增量排序。
基本思想:
先将整个数组分成若干个子数组,通过对子数组进行排序,达到数组"基本有序",再对整个数组进行插入排序,即可达到有序。
实现方法:
1,先分组,间隔为Gap的数据为一组,然后对这组数据进行排序,再分组,再排,直到数组被分完。
2,然后再把Gap减小,继续分组,排序。
3,此时数组基本有序,然后将最后Gap减小为1,即进行直接插入排序,得到有序数组。
图示:
有了大致思想后就可以开始写代码了。还是用化繁琐为简单的思想来写代码。
先考虑gap=某一个值时,代码的实现。
当gap=某一个值时,第一组数据的插入排序。(下图)
当gap=某一个值时,多组数据的插入排序。(下图)
完整代码:
//希尔排序
void ShellSort(int* arr, int n)
{
//多次预排序(gap>1)+直接插入(gap=1)
int gap = n;
while (gap > 1)
{
gap = gap / 3 + 1;
//对多组数进行插入排序
for (int j = gap; j < gap*2; j++)
{
//对一组数进行插入排序
for (int i = j; i < n ; i += gap)
{
int end = i;
int x = arr[end];
while (end >0)
{
if (arr[end-gap] > x)
{
arr[end] = arr[end-gap];
end = end - gap;
}
else
{
break;
}
}
arr[end] = x;
}
}
}
}
特点:
选择排序是我感觉最简单的排序,理解起来很简单,写起来也很容易。
基本思想:
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(末尾)位置,
然后选出次小(或次大)的一个元素,存放在最大(最小)元素的下一个位置,
void Swap(int* x, int* y)
{
int tmp = *x;
*x = *y;
*y = tmp;
}
//选择排序
void SelectSort(int* arr, int sz)
{
for (int i = 0; i < sz-1; i++)
{
int index = i;
for (int j = i + 1; j < sz; j++)
{
if (arr[j] < arr[index])
{
index = j ;
}
}
if (index != i)
{
Swap(&arr[i], &arr[index]);
}
}
}
选择排序的小优化:
基本思想:上面的思路是每一趟确定一个数,那能不能一趟确定两个数呢?
老规矩先考虑某一趟的代码编写:
上面的代码对于大部分情况是可以完成排序的。但是对于一些情况是有问题的。
例如:
为了出现这种情况,所以必须加个判断语句。
完整代码:
//选择排序
void SelectSort(int* arr, int n)
{
int beg = 0, end = n - 1;
while (beg < end)
{
//找出最大、最小的下标
int maxi = beg;
int mini = beg;
for (int i = beg; i <= end; i++)
{
if (arr[i] < arr[mini])
{
mini = i;
}
if (arr[i] > arr[maxi])
{
maxi = i;
}
}
Swap(&arr[beg], &arr[mini]);
if (maxi == beg)
{
maxi = mini;
}
Swap(&arr[end], &arr[maxi]);
beg++;
end--;
}
}
选择排序的特点:
1.选择排序思考非常好理解,但是效率不是很好(不论数组是否有序都会执行原步骤)。实际中很少使用
2.时间复杂度:O(N^2)(最好和最坏的情况下时间复杂度都是一样)
3.空间复杂度:O(1)
4.稳定性:不稳定
基本思想:
一趟过程中,前后两个数依次比较,将较大的数字往后推,下一次只需要比较剩下的n-1个数,如此往复。
动态图展示:
怎么编写冒泡排序的代码呢?咱们还是先把问题简单化,先考虑一趟冒泡排序的代码编写。
第一趟冒泡排序的编写:
怎么进行多趟的冒泡排序呢?
只需要控制i的最终大小即可。
当一趟循环下来i=n-2时,可以保证arr[n-1]的值是最大的;
当一趟循环下来i=n-3时,可以保证arr[n-2]的值是次大的;
当一趟循环下来i=n-4时,可以保证arr[n-3]的值是次次大的;
…
所以只需要在嵌套一层循环即可。
//冒泡排序
void BubbleSort(int* arr, int n)
{
for (int j = 0; j < n-1 ; j++)
{
for (int i = 0; i < n -1- j; i++)
{
if (arr[i] > arr[i+1])
{
Swap(&arr[i], &arr[i+1]);
}
}
}
}
小伙伴到这是不是以为冒泡排序结束了?嘿嘿,其实还没有。不知道大家考虑过这样的情况过吗?
如下图:
答案是还要进行。这就是上面的冒泡排序缺点。
冒泡排序的小优化:
基本思想:
为了让冒泡排序知道数组数组是否有序,可以定义一个变量flag。当flag=1时,默认数组是无序的。当flag=0时,认为数组是有序的。
优化后的完整代码:
//冒泡排序
void BubbleSort(int* arr, int n)
{
int flag = 1;
for (int j = 0; j < n&&flag==1; j++)
{
flag = 0;
for (int i = 1; i < n-j; i++)
{
if (arr[i-1] > arr[i])
{
Swap(&arr[i - 1], &arr[i]);
flag = 1;
}
}
}
}
特点:
- 非常容易理解的排序
- 时间复杂度:O(N^2)
- 空间复杂度:O(1)
- 稳定性:稳定
基本思想:
乍一看这个排序写起来毫无思路,所以我们一步一步看问题,一步一步解决问题。
先考虑第一个问题:将数组中第一个数放在正确的位置。
第一个问题的基本思想:
第一个问题的基本步骤:
1、选出一个keyi,一般是最左边或是最右边的。
2、定义一个L和一个R,L从左向右走,R从右向左走。(需要注意的是:若选择最左边的数据作为key,则需要R先走;若选择最右边的数据作为keyi,则需要L先走)。
3、在走的过程中,若R遇到小于arr[keyi]的数,则停下,L开始走,直到L遇到一个大于arr[keyi]的数时,将L和R的内容交换,R再次开始走,如此进行下去,直到L和R最终相遇,此时将相遇点的内容与arr[keyi]交换即可。(选取最左边的值作为keyi)
经过一次单趟排序,最终使得key左边的数据全部都小于arr[keyi],key右边的数据全部都大于arr[keyi]。
为什么要注意谁先走呢?以左值为keyi举例说明:
第一个问题的动态图演示(Hoare):
//一趟快速排序
int Partion(int* arr, int left, int right)
{
assert(arr);
int keyi = left;
while (left < right)
{
//左边是key值,让右边先走
//右边找小
while (left < right && arr[right] >= arr[keyi])
{
right--;
}
//左边再走
//左边找大
while (left < right && arr[left] <= arr[keyi])
{
left++;
}
Swap(&arr[left], &arr[right]);
}
Swap(&arr[left], &arr[keyi]);
return left;
}
第一个问题的动态图演示(挖坑法):
代码(挖坑法):
//一趟快速排序(挖坑法)
int Partion2(int* arr, int left, int right)
{
int key = arr[left];
int pivot = left;
while (left < right)
{
//右边先走,找小
while (left < right && arr[right] >= key)
{
right--;
}
arr[pivot] = arr[right];
pivot = right;
//左边再走,找大
while (left < right && arr[left] <= key)
{
left++;
}
arr[pivot] = arr[left];
pivot = left;
}
arr[pivot] = key;
return pivot;
}
第一个问题的动态图演示(前后指针):
代码(前后指针):
//一趟快速排序(前后指针)
int Partion3(int* arr, int left, int right)
{
assert(arr);
int pre = left;
int cur = pre + 1;
int keyi = left;
while (cur <= right)
{
if (arr[cur] < arr[keyi])
{
Swap(&arr[cur], &arr[++pre]);
}
cur++;
}
Swap(&arr[pre], &arr[keyi]);
return pre;
}
第二个问题与第三个问题:
快速排序递归版代码(Hoare):
//一趟快速排序
int Partion(int* arr, int left, int right)
{
assert(arr);
int keyi = left;
while (left < right)
{
//左边是key值,让右边先走
//右边找小
while (left < right && arr[right] >= arr[keyi])
{
right--;
}
//左边找大
while (left < right && arr[left] <= arr[keyi])
{
left++;
}
Swap(&arr[left], &arr[right]);
}
Swap(&arr[left], &arr[keyi]);
return left;
}
//快速排序
void QuickSort(int* arr, int left, int right)
{
assert(arr);
if (left >= right)
{
return;
}
int keyi = Partion(arr, left, right);
QuickSort(arr, left, keyi - 1);
QuickSort(arr, keyi+1, right);
}
当待排序的数组内的值都是同一个值且数量很多时递归版快速排序容易出现栈溢出的情况,为了优化这一现象就有了非递归版快速排序。
快速排序的非递归算法基本思路:
1、先将待排序列的第一个元素的下标和最后一个元素的下标入栈。
2、当栈不为空时,读取栈中的信息(一次读取两个:一个是L,另一个是R),然后调用某一版本的单趟排序,排完后获得了key的下标,然后判断key的左序列和右序列是否还需要排序,若还需要排序,就将相应序列的L和R入栈;若不需排序了(序列只有一个元素或是不存在),就不需要将该序列的信息入栈。
3、反复执行步骤2,直到栈为空为止。
图示:
快速排序非递归代码:
/快速排序(非递归)
void QuickSortNonR(int* arr, int left, int right)
{
assert(arr);
Stack ST;
Init_Stack(&ST);
Push_Stack(&ST, left);
Push_Stack(&ST, right);
while (!IsEmpty(&ST))
{
int end = Top_Stack(&ST);
Pop_Stack(&ST);
int begin = Top_Stack(&ST);
Pop_Stack(&ST);
//[begin,keyi-1] keyi [keyi+1,end]
int keyi=Partion1(arr, begin, end);
if (keyi + 1 < end)
{
Push_Stack(&ST, keyi + 1);
Push_Stack(&ST, end);
}
if (begin < keyi - 1)
{
Push_Stack(&ST, begin);
Push_Stack(&ST, keyi - 1);
}
}
Destroy_Stack(&ST);
}
1.快速排序很怪,为什么呢?这个排序排乱序的数组贼快,但是排有序数组慢的离谱。
比如:
为了避免最坏情况的发生,做了个三数取中的小优化
优化代码:
//三数取中
int GetMidIndex(int* arr, int left, int right)
{
//int mid = (left + right) / 2;
int mid = left + (right - left) / 2;
if (arr[left] < arr[mid])
{
if (arr[mid] < arr[right])
{
return mid;
}
//arr[left]arr[right]
else if (arr[right] < arr[left])
{
return left;
}
else
{
return right;
}
}
//arr[left] > arr[mid]
else
{
if (arr[mid] > arr[right])
{
return mid;
}
///arr[left] > arr[mid] arr[mid] < arr[right]
else if (arr[left]>arr[right])
{
return right;
}
else
{
return left;
}
}
return 1;
}
//一趟快速排序(Hoare)
int Partion1(int* arr, int left, int right)
{
assert(arr);
int keyi = left;
while (left < right)
{
//左边是key值,让右边先走
//右边找小
while (left < right && arr[right] >= arr[keyi])
{
right--;
}
//左边找大
while (left < right && arr[left] <= arr[keyi])
{
left++;
}
Swap(&arr[left], &arr[right]);
}
Swap(&arr[left], &arr[keyi]);
return left;
}
//快速排序
void QuickSort(int* arr, int left, int right)
{
assert(arr);
int midi = GetMidIndex(arr, left, right);
Swap(&arr[midi], &arr[left]);
if (left >= right)
{
return;
}
int keyi = Partion2(arr, left, right);
QuickSort(arr, left, keyi - 1);
QuickSort(arr, keyi+1, right);
}
通过这样的优化如果快速排序遇到最坏情况,那么最坏情况直接变成最好情况。
基本思想:
上面排序的思想已经大致清楚了,那么怎么建堆呢?怎么把一个数组建成堆呢?
思路1:将数组中从第二个元素开始利用向上调整函数建堆。
向上调整代码:
//向上调整
void AjustUp(HeapDateType* arr, int child)
{
assert(arr);
int parent = (child - 1) / 2;
while (child > 0)
{
//大于号是大堆,小于号是小堆
if (arr[child] > arr[parent])
{
Swap(&arr[parent], &arr[child]);
child = parent;
parent = (child - 1) / 2;
}
else
{
break;
}
}
}
//构建大堆
//方法1
for (int i = 1; i < n; i++)
{
AjustUp(a, i);
}
思路2:将数组中从倒数第一个非叶子节点开始利用向下调整函数建堆。
向下调整代码:
//向下调整
void AjustDown(HeapDateType* arr, int len, int parent)
{
assert(arr);
int child = parent * 2 + 1;
while (child < len)
{
//大于号是大堆,小于号是小堆
if (child + 1 < len && arr[child + 1] > arr[child])
{
child++;
}
//大于号是大堆,小于号是小堆
if (arr[child] > arr[parent])
{
Swap(&arr[parent], &arr[child]);
parent = child;
child = parent * 2 + 1;
}
else
{
break;
}
}
}
//方法2
//n-1是最后一个叶子节点 (n-1-1)/2是最后一个叶子节点的父亲节点
for (int i = (n - 1 - 1) / 2; i >= 0; i--)
{
AjustDown(a, n, i);
}
堆排序代码:
void HeapSort(int* a, int n)
{
assert(a);
//构建大堆
//方法1
//for (int i = 1; i < n; i++)
//{
// AjustUp(a, i);
//} //方法2
for (int i = (n - 1 - 1) / 2; i >= 0; i--)
{
AjustDown(a, n, i);
}
for (int end = n - 1; end > 0; end--)
{
Swap(&a[end], &a[0]);
AjustDown(a, end, 0);
}
}
归并排序(递归)的思想
归并排序是采用分治法的一个非常典型的应用。其基本思想是:将已有序的子序合并,从而得到完全有序的序列,即先使每个子序有序,再使子序列段间有序。
将两个有序的数组归并成一个有序数组动态图:
递归版归并排序:
上面的图示其实已经可以看出有了写递归的影子了。想要对一个数组进行排序,就需要两个有序的子数组来归并,而这两个子数组想要有序也需要其自身的两个有序子数组来归并,就这样套娃模式就开始了,对付套娃还得是递归才行。
递归版归并排序写代码前分析:
递归版归并排序代码:
void _MergeSort(int* arr, int left, int right, int* temp)
{
if (left >= right)
{
return;
}
int mid = (left + right) / 2;
//递归
_MergeSort(arr, left, mid, temp);
_MergeSort(arr, mid+1, right, temp);
int begin1 = left, end1 = mid;
int begin2 = mid + 1, end2 = right;
int i = left;
while (begin1 <= end1 && begin2 <= end2)
{
if (arr[begin1] < arr[begin2])
{
temp[i++] = arr[begin1++];
}
else
{
temp[i++] = arr[begin2++];
}
}
while (begin1 <= end1)
{
temp[i++] = arr[begin1++];
}
while (begin2 <= end2)
{
temp[i++] = arr[begin2++];
}
for (int i = left; i <= right; i++)
{
arr[i] = temp[i];
}
}
//归并排序
void MergeSort(int* arr, int n)
{
assert(arr);
int* temp = (int*)malloc(sizeof(int) * n);
if (temp == NULL)
{
perror("MergeSort::malloc");
return;
}
_MergeSort(arr, 0, n - 1, temp);
free(temp);
temp = NULL;
}
在上面我们知道快速排序有递归版与非递归版,那么归并排序有非递归吗?因为递归的缺点还是很明显的,在有非递归下最好还是使用非递归。其实是有非递归的归并排序的。但是这个写法需要注意的东西很多,直接上代码很容易看懵,所以且让我慢慢道来。
归并排序(非递归)的基本思想(图示):
理想情况下的代码:
//归并排序(非递归)
void MergeSortNonR(int* arr, int n)
{
assert(arr);
int gap = 1;
int* temp = (int*)malloc(sizeof(int) * n);
while (gap < n)
{
for (int i = 0; i <= n; i += 2 * gap)
{
int begin1 = i, end1 = i + gap - 1;
int begin2 = i + gap, end2 = i + 2 * gap - 1;
int j = begin1;
while (begin1 <= end1 && begin2 <= end2)
{
if (arr[begin1] < arr[begin2])
{
temp[j++] = arr[begin1++];
}
else
{
temp[j++] = arr[begin2++];
}
}
while (begin1<=end1)
{
temp[j++] = arr[begin1++];
}
while (begin2<=end2)
{
temp[j++] = arr[begin2++];
}
}
for (int j = 0; j <n; j++)
{
arr[j] = temp[j];
}
gap *= 2;
}
free(temp);
}
那怎在非理想进行非递归归并排序呢?首先就要考虑非理想情况下与理想情况下的差别有哪些。
我们仔细观察会发现理想情况下的begin1、end1、begin2、end2是不会出现越界的,而非理想情况下end1、begin2、end2是会出现越界的。
所以只需要对这三种情况分别处理下就好了
第一种修正方式图示:
非递归归并排序代码(第一种):
/归并排序(非递归)
void MergeSortNonR(int* arr, int n)
{
assert(arr);
int gap = 1;
int* temp = (int*)malloc(sizeof(int) * n);
while (gap < n)
{
for (int i = 0; i <= n; i += 2 * gap)
{
int begin1 = i, end1 = i + gap - 1;
int begin2 = i + gap, end2 = i + 2 * gap - 1;
int j = begin1;
//printf("[%d,%d] [%d,%d] ", begin1, end1, begin2, end2);
//end1、begin2、end2越界
if (end1 >= n)
{
end1 = n - 1;
}
//begin2、end2越界不进行归并
if (begin2 >= n)
{
begin2 = n;
end2 = n - 1;
}
if (end2 >= n)
{
end2 = n - 1;
}
//printf("[%d,%d] [%d,%d] ", begin1, end1, begin2, end2);
while (begin1 <= end1 && begin2 <= end2)
{
if (arr[begin1] < arr[begin2])
{
temp[j++] = arr[begin1++];
}
else
{
temp[j++] = arr[begin2++];
}
}
while (begin1<=end1)
{
temp[j++] = arr[begin1++];
}
while (begin2<=end2)
{
temp[j++] = arr[begin2++];
}
}
for (int j = 0; j <n; j++)
{
arr[j] = temp[j];
}
gap *= 2;
//printf("\n");
}
free(temp);
}
//归并排序(非递归)法2
void MergeSortNonR(int* arr, int n)
{
assert(arr);
int gap = 1;
int* temp = (int*)malloc(sizeof(int) * n);
while (gap < n)
{
for (int i = 0; i <= n; i += 2 * gap)
{
int begin1 = i, end1 = i + gap - 1;
int begin2 = i + gap, end2 = i + 2 * gap - 1;
int j = begin1;
//end1或者begin2越界
if (end1 >= n||begin2>=n)
{
break;
}
//end2越界
if (end2 >= n)
{
end2 = n - 1;
}
while (begin1 <= end1 && begin2 <= end2)
{
if (arr[begin1] < arr[begin2])
{
temp[j++] = arr[begin1++];
}
else
{
temp[j++] = arr[begin2++];
}
}
while (begin1 <= end1)
{
temp[j++] = arr[begin1++];
}
while (begin2 <= end2)
{
temp[j++] = arr[begin2++];
}
for (int j = i; j <=end2; j++)
{
arr[j] = temp[j];
}
}
gap *= 2;
}
free(temp);
}
//计数排序
void CountSort(int* arr,int n)
{
assert(arr);
int max = arr[0], min = arr[0];
//找出最大、最小数
for (int i = 0; i < n; i++)
{
arr[i] = arr[i];
if (arr[i] < min)
{
min = arr[i];
}
if (arr[i] > max)
{
max = arr[i];
}
}
int rang = max - min + 1;
int* temp = (int*)malloc(sizeof(int) * rang);
//初始化temp数组
memset(temp, 0, sizeof(int) * rang);
//开始在temp数组里计数
for (int i = 0; i < n; i++)
{
temp[arr[i] - min]++;
}
//排序arr
int j = 0;
for (int i = 0; i < rang; i++)
{
while (temp[i])
{
arr[j++] = i + min;
temp[i]--;
}
}
free(temp);
}