1.快速排序
快速排序也采用了分治思想:
- 分解:數組A[p..r]劃分為兩個可能為空的子數組A[p..q-1]和A[q+1..r],前者均小于等于A[q],後者均大于等于A[q]。
- 解決:遞歸調用,對兩個子數組繼續采用快速排序的方法。
- 合并:數組是原址操作,不需要合并。
因為看過好多次快速排序的實作方式,是以學習了多種快速排序的實作方式,不過算法導論上的方法QuickSort2更容易了解以及記憶。其實隻要會一種可以熟練應用就可以了。
template<class T>
void QuickSort(T a[], int left, int right)
{
T key = a[(left + right) / ];
T temp=;
int l, r;
l = left;
r = right;
while (l< r)
{
while (a[r] > key){
r--;
}
while(a[l]<key){
l++;
}
if (l<=r){
temp = a[r];
a[r] = a[l];
a[l] = temp;
r--;
l++;
}
if (l == r){
l++;
}
}
if (left < r)
{
QuickSort(a, left, l-);
}
if (right >l)
{
QuickSort(a, r+, right);
}
}
template<class T>
void QuickSort2(T a[], int left, int right)
{
T temp, x = a[right];
int i,j,q;
if (left < right){
i = left - ;
for (j = left; j < right; j++)
{
if (a[j] <= x)
{
i += ;
temp = a[j];
a[j] = a[i];
a[i] = temp;
}
}
temp = a[right];
a[right] = a[i + ];
a[i + ] = temp;
q = i + ;
QuickSort2(a, left, q - );
QuickSort2(a, q + , right);
}
}
template<class T>
void QuickSort3(T a[], int left, int right)
{
T temp, x = a[left];
int i, j, q;
if (left < right){
i = right+ ;
for (j = right; j > left; j--)
{
if (a[j] >= x)
{
i -= ;
temp = a[j];
a[j] = a[i];
a[i] = temp;
}
}
temp = a[left];
a[left] = a[i -];
a[i - ] = temp;
q = i - ;
QuickSort2(a, left, q - );
QuickSort2(a, q + , right);
}
}
template<class T>
void QuickSort4(T a[], int left, int right)
{
if (left >= right)
{
return;
}
int first = left;
int last = right;
int key = a[first];
while (first < last)
{
while (first < last && a[last] >= key)
{
--last;
}
a[first] = a[last];
while (first < last && a[first] <= key)
{
++first;
}
a[last] = a[first];
}
a[first] = key;
QuickSort4(a, left, first - );
QuickSort4(a, first + , right);
}
快速排序的運作時間依賴于劃分是否平衡,如果平衡,其性能與歸并排序一樣,如果不平衡,其性能接近于插入排序。最壞情況下,子問題分别包含n-1和0個元素,其運作時間時O(n^2),性能還不如插入排序,因為假如數組已有序,插入排序O(n),而快速排序還是O(n^2)。最好情況下為Θ(nlogn)。
快速排序的平均運作時間更接近與最好情況,而非最壞情況,即使每次劃分的比例都是9:1,看似很不平衡,但其時間複雜度仍是O(nlogn)。
目前為止這幾種排序方法都是通過元素之間的比較進行排序的,是以被稱為比較排序,在最壞情況下,任何比較排序算法都需要做Ω(nlogn)次比較。是以歸并排序和堆排序是漸進最優的。但快速排序通常是實際應用排序中最好的選擇,是以其平均性能非常好。期望時間複雜度為Θ(nlogn),并且Θ(nlogn)其中隐含的常數因子非常小,能夠進行原址排序。
2.計數排序
假設n個輸入元素中每一個都是在0到k區間的一個整數,其中k為某個整數。計數排序的基本思想是,對一個輸入元素x,确定小于x的元素個數,利用這一資訊将其放在對應的輸出位置上。
void CountSort(int a[], int b[], int n,int k)
{
vector<int> c;
c.resize(k);
for (int i = ; i < k; i++)
{
c[i] = ;
}
//記錄某個元素出現了幾次
for (int j = ; j < n; j++)
{
c[a[j]] += ;
}
//累加,記錄某個元素應該出現在哪個位置上
for (int i = ; i < k; i++)
{
c[i] += c[i - ];
}
//将原數組中元素放到對應的位置上,c數組減一是為處理有相同值的情況
for (int j = n-; j>=; j--)
{
b[c[a[j]]-] = a[j];
c[a[j]] -= ;
}
}
總得時間代價是Θ(k+n),實際工作中,如果k=O(n)時,一般會采用計數排序,運作時間為Θ(n)。計數排序是穩定的,具有相同值的元素在輸入輸出數組中的相對位置時一樣的。個人感覺上隻能用來處理整數排序,而且運作時間要取決于k值的大小。
3.基數排序
通過對數值一位一位(不是二進制是十進制)比較而達到排序的目的,通常采用按最低有效位來排序。一位數的排序算法必須是穩定的。感覺上也是針對整數的排序,但應該可以改寫成針對其他類型資料的排序,時間複雜度上也可以達到線性的時間代價。
//求資料的最大位數
int maxbit(int data[], int n)
{
//儲存最大的位數
int d = ;
int p = ;
for (int i = ; i < n; i++)
{
while (data[i] >= p)
{
p *= ;
d++;
}
}
return d;
}
//基數排序
void radixsort(int data[], int n)
{
int d = maxbit(data, n);
int *tmp = new int[n];
//計數器
int *count = new int[];
int i, j, k;
int radix = ;
//進行d次排序
for (i = ; i <= d; i++)
{
//計數排序
for (j = ; j < ; j++)
count[j] = ;
for (j = ; j < n; j++)
{
k = (data[j] / radix) % ;
count[k]++;
}
for (j = ; j < ; j++)
count[j] = count[j - ] + count[j];
for (j = n - ; j >= ; j--)
{
k = (data[j] / radix) % ;
tmp[count[k] - ] = data[j];
count[k]--;
}
for (j = ; j < n; j++)
data[j] = tmp[j];
radix = radix * ;
}
delete[]tmp;
delete[]count;
}
4.桶排序
算法導論中講述的是假設要排序的數組均勻、獨立分布在[0,1)之間。然後将[0,1)區間劃分為n個大小相同的區間,稱為桶,然後先對每個桶中的元素進行排序,最後按照次序将桶中元素列出即可。時間複雜度也是線性時間。
感覺類似于基數排序,但是是按照最高位進行排序,然後把相同最高位的分别進行排序,最後按照次序列出。這也說明基數排序也是可以修改為對浮點數等類型進行排序。這兩種算法的基本思想就是一位一位進行排序,而書中針對一位數排序時,基數排序是讓采用穩定的排序方法,而桶排序采用的是插入排序。這幾種排序方法均可以線上性時間内完成。