【排序算法】简单选择排序思想分析及代码实现详解

简介: 【排序算法】简单选择排序思想分析及代码实现详解

选择排序算法步骤分析

简单选择排序,Simple Selection Sort,用一句简述选择法排序即,每次选择一个最小的元素放在最前面。选择排序的基本思想是,在每一趟排序中,从n-i+1个元素中选择一个最小的元素与i位置上的元素交换,也就是说每次从无序子序列中选择一个最小的元素,并把该元素放在无序子序列的第一个位置上。这样,每趟选择排序需要比较n-i次,只需要交换1次。

第一趟选择排序:

将第1个元素与后面n-1个元素都进行比较 ,选择出一个最小的元素,并把该元素与0位置的元素进行交换,总共需要n-1次比较,1次交换。

经过一趟选择排序后,整个数组的最小元素被放在了0号位置,无序数组的长度只剩下n-1个元素。

第二趟选择排序:

从第二个元素开始的子序列,即(1, 2, 3, 4)的元素,将该无序子序列的第一个元素与后面的每一个元素比较,选择出最小的元素,并和该无序子序列的第一个位置元素进行交换。第二趟选择排序总共进行了n-2次比较,未发生交换(最好的情况是不交换,最差的情况是交换一次)。

经过第二趟选择排序,整个数组最小的两个元素已经按照顺序排在了最前面,有序子序列长度为2,无序子序列长度为n-2。

第n-1趟排序:

第n-1趟排序,要进行n-(n-1)次比较,最多进行一次交换。

选择排序的稳定性分析

假如说有一个序列{5, 6,7, 5, 2, 8 },第一趟选择排序的时候会把开头的5拿出来和2交换,这样原本在前面的5跑到了另一个5的后面,所以,简单选择排序是不稳定的。

可以看到,原本红色的5在黑色的5前面,经过一趟排序后,红色的5跑去了黑色5的后面。所以,选择排序是不稳定的。

选择排序的代码实现

1. /*交换 i j 位置的元素*/
2. void swap(int array[], int i, int j)
3. {
4.  int temp = array[i];
5.  array[i] = array[j];
6.  array[j] = temp;
7. }
8. 
9. /*选择排序*/
10. void select_sort(int array[], int num)
11. {
12.   int i = 0, j = 0, MinRecord = 0; /*MinRecord用于记录最小元素的位置*/
13.   for (i = 0; i < num - 1; i++)
14.   {
15.     MinRecord = i;
16.     for (j = i + 1; j < num; j++)
17.     {
18.       if (array[j] < array[MinRecord])
19.       {
20.         MinRecord = j; /*更新最小元素下标*/
21.       }
22.     }
23.     swap(array, i, MinRecord);
24.   }
25. }

选择排序的时间复杂度

选择排序总共需要n-1趟排序,第i趟选择排序要进行n-i次比较,至多1次交换。所以最坏的情况下,n-1趟排序总共需要次比较和n-1次交换(最坏每趟交换一次),时间复杂度为

选择排序算法是一种,不稳定的,时间复杂度为的,简单内排序算法。

(内排序:在内存中完成排序;外排序:排序过程需要内外存交互。)


相关文章
|
22天前
|
存储 算法 程序员
C 语言递归算法:以简洁代码驾驭复杂逻辑
C语言递归算法简介:通过简洁的代码实现复杂的逻辑处理,递归函数自我调用解决分层问题,高效而优雅。适用于树形结构遍历、数学计算等领域。
|
23天前
|
并行计算 算法 测试技术
C语言因高效灵活被广泛应用于软件开发。本文探讨了优化C语言程序性能的策略,涵盖算法优化、代码结构优化、内存管理优化、编译器优化、数据结构优化、并行计算优化及性能测试与分析七个方面
C语言因高效灵活被广泛应用于软件开发。本文探讨了优化C语言程序性能的策略,涵盖算法优化、代码结构优化、内存管理优化、编译器优化、数据结构优化、并行计算优化及性能测试与分析七个方面,旨在通过综合策略提升程序性能,满足实际需求。
54 1
|
1月前
|
存储 缓存 算法
通过优化算法和代码结构来提升易语言程序的执行效率
通过优化算法和代码结构来提升易语言程序的执行效率
|
1月前
|
算法
分享一些提高二叉树遍历算法效率的代码示例
这只是简单的示例代码,实际应用中可能还需要根据具体需求进行更多的优化和处理。你可以根据自己的需求对代码进行修改和扩展。
|
1月前
|
算法 测试技术 开发者
在Python开发中,性能优化和代码审查至关重要。性能优化通过改进代码结构和算法提高程序运行速度,减少资源消耗
在Python开发中,性能优化和代码审查至关重要。性能优化通过改进代码结构和算法提高程序运行速度,减少资源消耗;代码审查通过检查源代码发现潜在问题,提高代码质量和团队协作效率。本文介绍了一些实用的技巧和工具,帮助开发者提升开发效率。
44 3
|
1月前
|
分布式计算 Java 开发工具
阿里云MaxCompute-XGBoost on Spark 极限梯度提升算法的分布式训练与模型持久化oss的实现与代码浅析
本文介绍了XGBoost在MaxCompute+OSS架构下模型持久化遇到的问题及其解决方案。首先简要介绍了XGBoost的特点和应用场景,随后详细描述了客户在将XGBoost on Spark任务从HDFS迁移到OSS时遇到的异常情况。通过分析异常堆栈和源代码,发现使用的`nativeBooster.saveModel`方法不支持OSS路径,而使用`write.overwrite().save`方法则能成功保存模型。最后提供了完整的Scala代码示例、Maven配置和提交命令,帮助用户顺利迁移模型存储路径。
|
18天前
|
算法
基于WOA算法的SVDD参数寻优matlab仿真
该程序利用鲸鱼优化算法(WOA)对支持向量数据描述(SVDD)模型的参数进行优化,以提高数据分类的准确性。通过MATLAB2022A实现,展示了不同信噪比(SNR)下模型的分类误差。WOA通过模拟鲸鱼捕食行为,动态调整SVDD参数,如惩罚因子C和核函数参数γ,以寻找最优参数组合,增强模型的鲁棒性和泛化能力。
|
24天前
|
机器学习/深度学习 算法 Serverless
基于WOA-SVM的乳腺癌数据分类识别算法matlab仿真,对比BP神经网络和SVM
本项目利用鲸鱼优化算法(WOA)优化支持向量机(SVM)参数,针对乳腺癌早期诊断问题,通过MATLAB 2022a实现。核心代码包括参数初始化、目标函数计算、位置更新等步骤,并附有详细中文注释及操作视频。实验结果显示,WOA-SVM在提高分类精度和泛化能力方面表现出色,为乳腺癌的早期诊断提供了有效的技术支持。
|
4天前
|
供应链 算法 调度
排队算法的matlab仿真,带GUI界面
该程序使用MATLAB 2022A版本实现排队算法的仿真,并带有GUI界面。程序支持单队列单服务台、单队列多服务台和多队列多服务台三种排队方式。核心函数`func_mms2`通过模拟到达时间和服务时间,计算阻塞率和利用率。排队论研究系统中顾客和服务台的交互行为,广泛应用于通信网络、生产调度和服务行业等领域,旨在优化系统性能,减少等待时间,提高资源利用率。
|
11天前
|
存储 算法
基于HMM隐马尔可夫模型的金融数据预测算法matlab仿真
本项目基于HMM模型实现金融数据预测,包括模型训练与预测两部分。在MATLAB2022A上运行,通过计算状态转移和观测概率预测未来值,并绘制了预测值、真实值及预测误差的对比图。HMM模型适用于金融市场的时间序列分析,能够有效捕捉隐藏状态及其转换规律,为金融预测提供有力工具。