保研复习数据结构记（8）--排序

一.内部排序

1.概念

• 什么是排序？是将一个任意排列的记录或者是数据元素，排列成按关键字有序的序列
• 什么是排序方法是稳定的？按照关键字排序的ki=kj，在排序之后，两个关键字相等的记录的顺序与排序之前相同，若相反，则称为关键字是不稳定的。
• 什么是内部排序？指的是待排序记录序列存放在计算机内存随机存储器序列中
• 什么是外部排序？指的是待排序记录数量太多，一部分存放在外存中，在排序时需要进行存取磁盘操作。

2.插入排序

插入排序算法简单，适合记录数量少进行排序，不适合数量大的元素进行排序。

（1）直接插入排序Straight Insertion Sort

• 什么是直接插入排序？将一个记录插入到已排好序的有序序列中，如果采用顺序表存储方式存储的话，插入后需要后移元素，如果改进效率可以使用折半插入。
• 直接插入排序的时间复杂度是多少？
• 代码？

首先给出数据元素的定义

typedef int keytype;//为了方便定义整型 
#define maxsize 10
typedef struct{
	keytype key;//关键字数据项 
	keytype otherinfor;//其他数据项 
}elemtype; 
typedef struct{
	elemtype r[maxsize+1];//第一个元素用作临时存储
	int length=0; 
}Sqlist;

void straightSort(Sqlist L)
{
	for(int i=2;i<=L.length;++i)
	{
		if(L.r[i-1].key>L.r[i].key)
		{
			L.r[0].key=L.r[i].key;//存放待插元素
			L.r[i].key=L.r[i-1].key;//先后移一位元素，这也是后移向前插的开始 
			int j;
			for(j=i-2;L.r[0].key
			{
				L.r[j+1].key=L.r[j].key; 
			}
			L.r[j+1]=L.r[0];//插入到正确位置，因为r[j]不小于r[0]所以，0存在j的后面j+1 
		}
	}
	OutPut(L);
}

 （2）希尔排序Shell's Sort

• 什么是希尔排序？基本思想是先将整个记录序列分割成若干子序列，分别对若干子序列进行插入排序，逐渐缩小分割增量，待整个序列“基本有序”时，再整体进行一次插入排序。

void shellInsert(Sqlist L,int dk)
{
	//前后记录增量位置为dk 
	for(int i=dk+1;i<=L.length;++i)
	{
		if(L.r[i].key
		{
			L.r[0].key=L.r[i].key;//存放要插入的元素
			int j;
			for(j=i-dk;j>0&&L.r[0].key
			{
				L.r[j+dk]=L.r[j];//向后移动	
			} 
			L.r[j+dk]=L.r[0];//后移之后把元素赋值 
		}
	}	
} 
void shellSort(Sqlist L,int delta[],int t)
{
	//按增量delta[]对顺序表L进行排序 
	for(int k=0;k
	{
		shellInsert(L,delta[k])//一趟增量为delta的插入排序 
	}
}

关于增量序列delta[]，尚未有人得出较好的结论。有人指出当时，希尔排序的时间复杂度是，其中t是排序趟数，k<=t

3.快速排序Quick Sort

（1）冒泡排序Bubble Sort

• 冒泡排序的思想是什么？首先将第一个记录与第二个记录进行比较，如果逆序就swap，一直比较到最后一个记录的位置上；每一趟会比较出一个剩余最大的元素 放在后面，第i趟冒泡排序是从第1个到第n-i+1个依次比较。

（2）快速排序Quick Sort

• 快速排序如何选择枢轴Pivot？由于如果记录序列最初是基本有序，然后快排序列的Pivot选择第一个元素的话，那么整个流程类似于冒泡排序，所以Pivot通常采用“三者取中”，即比较L.r[s].key和L.r[t].key和L.r[(s+t)/2]，取三者中其关键字的中值作为枢轴。
• 快速排序的思想？首先按照“三者取中”的原则选取一个Pivot，然后进行一趟排序，排序的结果是，将所有小于Pivot的元素移动到Pivot左侧，所有大于Pivot的元素移动到Pivot右侧，继续对Pivot左右两侧分别快排。And每一趟排序选取left和right，假设枢轴值是pivotkey，如果pivotkey大于high那么交换pivotkey和high，high--。

int Partition(Sqlist& L,int low,int high)
{
	//交换顺序表中子表r[low..high]
	L.r[0].key=L.r[low].key;
	int pivotkey=L.r[low].key;//将最小值赋值给枢轴
	while(low
	{
		while(low=pivotkey)--high;
		L.r[low]=L.r[high];//将比枢轴小的记录移动到低端 
		while(low
		L.r[high]=L.r[low];//将比枢轴大的记录移动到高端 
	}
	L.r[low]=L.r[0];//将枢轴记录到位 
	return low;//返回枢轴位置 
}
void quickSort(Sqlist& L,int low,int high)
{
	if(low
	{
		int pivotloc=Partition(L,low,high);//将L一分为二
		quickSort(L,low,pivotloc);//对低表进行递归排序
		quickSort(L,pivotloc+1,high);//对高表进行递归排序 
	}
}

快速排序被认为在所有同数量级O(nlogn)的排序中，其性能最好。

4.选择排序Selection Sort

（1）简单选择排序Simple Selection Sort

• 简单选择排序的基本思想？在第i趟选择的过程中，从剩下n-i+1个元素中找到关键字最小的元素，与第i个元素进行交换，作为有序序列中的第i个元素。
• 时间复杂度为

（2）堆排序Heap Sort

• 什么是堆？n个元素的序列{k1,k2,...,kn}，当且仅当满足如下关系时，称之为堆：

  或者  其中

• 若将此序列对应的一维数组看成是一个完全二叉树，堆表明什么含义？完全二叉树所有非终端结点的值不大于（或不小于）其左右孩子结点的值。那么堆顶元素必为序列中n个元素的最小值或者最大值。
• 使用堆排序应该解决哪两个问题？如何由一个无序序列建成一个堆；如何在输出堆顶元素之后，调整剩余元素称为一个新的堆。
• 堆排序的代码？

void HeapAdjust(HeapType& H,int s,int m)
{
	elemtype rc=H.r[s];
	for(int j=2*s;j<=m;j*=2)//沿key较大的孩子结点向下筛选 
	{
		if(j1].key)
		++j;//j为key 
		if(rc.key>=H.r[j].key)break;
		H.r[s]=H.r[j];
		s=j; 
	}
	H.r[s]=rc;//插入 
}
void HeapSort(HeapType& H)
{
	//对顺序表H进行堆排序
	for(int i=H.length/2;i>0;i--)
	{
		HeapAdjust(H,i,H.length);	
	} 
	for(int i=H.length;i>1;--i)
	{
		swap(H.r[1],H.r[i]);//将堆顶记录，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 
	}
}

5.归并排序Merging Sort

• 什么是归并排序（什么是2-路归并排序）？假设有n个记录，将每一个记录看作n个有序的记录，两两归并，得到（n/2）向上取整 个长度为2或者1的有序序列，再继续两两归并，如此重复得到n个有序的序列为止。
• 代码是什么

void merge(int R[], int low, int mid, int high)
{
	int len = high - low + 1;
	int* temp = new int[len];
	int i = low, j = mid + 1;   
	int k = 0;     
	while (i <= mid && j <= high) {
		if (R[i] <= R[j]) {
			temp[k] = R[i];
			k++;
			i++;
		}
		else {
			temp[k] = R[j];
			k++;
			j++;
		}
	}
	while (i <= mid) {    
		temp[k] = R[i];
		k++;
		i++;
	}
	while (j <= high) {    
		temp[k] = R[j];
		k++;
		j++;
	}
	for (k = 0; k < len; k++)
		R[low + k] = temp[k];
}
void mergeSort(int R[], int low, int high){//主排序函数 
	if (low < high) {
		int mid = (low + high) / 2;
		mergeSort(R, low, mid);//左侧继续排序 
		mergeSort(R, mid+1, high);//右侧继续排序 
		merge(R, low, mid, high);//合并
	}
}

6.基数排序Radix Sorting