七大基本排序算法C/C++(已优化及测试)

简介: 七大基本排序算法已通过VS2015环境测试可能不是最优算法,但是比基本版更好完整项目GitHub 地址:https://github.com/cugwyman/7-SortsBubbleSort冒泡排序//BubbleSort冒泡排序,复杂度O(n^2...

七大基本排序算法

BubbleSort冒泡排序

//BubbleSort冒泡排序,复杂度O(n^2)
//@param flag       优化算法
void BubbleSort(int *a) {
    int flag = 1;
    for (int i = 0; i < len && flag; i++) {
        flag = 0;       //若flag经j循环后为0,则序列已有序
        for (int j = 1; j < len - i; j++) {
            if (a[j - 1] > a[j]) {
                Swap(a, j - 1, j);
                flag = 1;
            }
        }
    }
}

QuickSort快速排序

//QuickSort快速排序,复杂度O(nlogn)
//@param        pivot   枢纽元
void QuickSort(int *a)//驱动程序
{
    QSort(a, 0, len - 1);
}

void QSort(int *a, int left, int right)
{
    int pivot;
    if ((right - left) > MINI_ARRAY)
    {
        while (left < right)
        {
            pivot = Partition(a, left, right);

            QSort(a, left, pivot - 1);
            //QSort(a, pivot + 1, right);
            left = pivot + 1;       
            //此处优化了QSort(a, pivot + 1, right);递归,缩减一部分代码
        }
    }
    else
    {
        InsertSort(a);//小数组使用插入排序
    }
}

int Partition(int *a, int left, int right)
{
    int temp;
    PickMiddle(a, left, right);//保证枢纽元a[left]为较中间值
    temp = a[left];         //挖坑
    while (left < right) {
        while (left < right && a[right] >= temp) {
            right--;
        }
        a[left] = a[right];//小的值赋到最左

        while (left < right && a[left] <= temp) {
            left++;
        }
        a[right] = a[left];//大的值赋到最右
    }

    a[left] = temp;         //填坑
    return left;
}

void PickMiddle(int *a, int left, int right)
{
    int middle = (left + right) / 2;

    if (a[left] > a[right])
    {
        Swap(a, left, right);
    }
    if (a[middle] > a[right])
    {
        Swap(a, middle, right);
    }
    if (a[left] > a[middle])
    {
        Swap(a, left, middle);
    }
}

InsertSort插入排序

//插入排序,复杂度O(n^2)
//将a[j]插入到前面a[0…j-1]的有序区间
void InsertSort(int *a)
{
    int i, j;

    for (i = 1; i < len; i++)
        for (j = i - 1; j >= 0 && a[j] > a[j + 1]; j--)//a[j]前一个数据a[j-1] > a[j]
            Swap(a, j, j + 1);//交换a[j]和a[j-1],再j--直到a[j-1]<= a[j]
}

ShellSort希尔排序

//希尔排序,复杂度O(n^(3/2))  
//分组直接插入排序,又称缩小增量排序
//@param    gap     分组(步长可改,此处为2)
void ShellSort(int *a)
{
    int i, j, gap;
    for (gap = len / 2; gap > 0; gap /= 2)
        for (i = gap; i < len; i++)
            for (j = i - gap; j >= 0 && a[j] > a[j + gap]; j -= gap)
                Swap(a, j, j + gap);
}

SelectSort选择排序

//选择排序,复杂度O(n^2)  
//从无序区选一个最小的元素直接放到有序区的最后
//@param    min     最小值
void SelectSort(int *a)
{
    int min;

    for (int i = 0; i<len; i++) {
        min = i;
        for (int j = i + 1; j<len; j++) {
            if (a[j] < a[min])
                min = j;
            Swap(a, i, min);
        }
    }
}

HeapSort堆排序

//堆排序 ,复杂度O(nlogn)  
//建堆
void AdjustDown(int *a, int index, int n)
{
    int parent = index;
    int child = 2 * parent + 1;
    while (child < n)
    {
        if (child < n && a[child] < a[child + 1])
            child++;
        if (child < n && a[child] > a[parent])
        {
            Swap(a, parent, child);
            parent = child;
            child = 2 * parent + 1;
        }
        else
            break;
    }
    child = parent;
}
//堆排序
void HeapSort(int *a)
{
    for (int i = len / 2 - 1; i >= 0; --i)
    {
        AdjustDown(a, i, len);
    }
    for (int j = len - 1; j>0; --j)
    {
        Swap(a, j, 0);
        AdjustDown(a, 0, j);
    }
    if (a[0] > a[1])
        Swap(a, 0, 1);
}

MergeSort归并排序

//归并排序(递归式),复杂度O(nlogn),  
//采用分治法( Divide and Conquer),先递归地分解数列,再合并数列

//单趟排序
void Merge(int *a, int *tmp, int first, int mid, int last)
{
    int i = first;
    int j = mid + 1;
    int k = first;
    while (i != mid + 1 && j != last + 1)
    {
        if (a[i] > a[j])
            tmp[k++] = a[j++];
        else
            tmp[k++] = a[i++];
    }
    while (i != mid + 1)
    {
        tmp[k++] = a[i++];
    }
    while (j != last + 1)
    {
        tmp[k++] = a[j++];
    }
    for (i = first; i <= last; i++)
        a[i] = tmp[i];
}

//三数求中法,避免用最后一位比较时最后一位是最大值或用第一位比较时第一位是最小值,降低了时间复杂度。 
int ThreeMid(int *a, int left, int right)//找首位,末尾和中点中中间的数
{
    int mid = left + ((right - left) >> 1);
    while (left < right)
    {
        if (a[left] < a[right])
        {
            if (a[mid] < a[left])
                return left;
            else if (a[right] < a[mid])
                return right;
            else
                return mid;
        }
        if (a[left] > a[right])
        {
            if (a[mid] < a[right])
                return right;
            else if (a[mid] > a[left])
                return left;
            else
                return mid;
        }
    }
    return mid;
}

//归并函数
void MSort(int *a, int *tmp, int first, int last)
{
    int mid;
    if (first < last)
    {
        mid = ThreeMid(a, first, last);
        MSort(a, tmp, first, mid);
        MSort(a, tmp, mid + 1, last);
        Merge(a, tmp, first, mid, last);
    }
}

//驱动函数
void MergeSort(int *a)
{
    int tmp[len];

    MSort(a, tmp, 0, len - 1);
}
目录
相关文章
|
1月前
|
人工智能 搜索推荐 数据管理
探索软件测试中的自动化测试框架选择与优化策略
本文深入探讨了在现代软件开发流程中,如何根据项目特性、团队技能和长期维护需求,精准选择合适的自动化测试框架。
116 8
|
4天前
|
算法 数据可视化 安全
基于DWA优化算法的机器人路径规划matlab仿真
本项目基于DWA优化算法实现机器人路径规划的MATLAB仿真,适用于动态环境下的自主导航。使用MATLAB2022A版本运行,展示路径规划和预测结果。核心代码通过散点图和轨迹图可视化路径点及预测路径。DWA算法通过定义速度空间、采样候选动作并评估其优劣(目标方向性、障碍物距离、速度一致性),实时调整机器人运动参数,确保安全避障并接近目标。
|
27天前
|
机器学习/深度学习 算法
基于改进遗传优化的BP神经网络金融序列预测算法matlab仿真
本项目基于改进遗传优化的BP神经网络进行金融序列预测,使用MATLAB2022A实现。通过对比BP神经网络、遗传优化BP神经网络及改进遗传优化BP神经网络,展示了三者的误差和预测曲线差异。核心程序结合遗传算法(GA)与BP神经网络,利用GA优化BP网络的初始权重和阈值,提高预测精度。GA通过选择、交叉、变异操作迭代优化,防止局部收敛,增强模型对金融市场复杂性和不确定性的适应能力。
166 80
|
15天前
|
机器学习/深度学习 数据采集 算法
基于GA遗传优化的CNN-GRU-SAM网络时间序列回归预测算法matlab仿真
本项目基于MATLAB2022a实现时间序列预测,采用CNN-GRU-SAM网络结构。卷积层提取局部特征,GRU层处理长期依赖,自注意力机制捕捉全局特征。完整代码含中文注释和操作视频,运行效果无水印展示。算法通过数据归一化、种群初始化、适应度计算、个体更新等步骤优化网络参数,最终输出预测结果。适用于金融市场、气象预报等领域。
基于GA遗传优化的CNN-GRU-SAM网络时间序列回归预测算法matlab仿真
|
17天前
|
机器学习/深度学习 人工智能 算法
机器学习算法的优化与改进:提升模型性能的策略与方法
机器学习算法的优化与改进:提升模型性能的策略与方法
124 13
机器学习算法的优化与改进:提升模型性能的策略与方法
|
13天前
|
移动开发 算法 计算机视觉
基于分块贝叶斯非局部均值优化(OBNLM)的图像去噪算法matlab仿真
本项目基于分块贝叶斯非局部均值优化(OBNLM)算法实现图像去噪,使用MATLAB2022A进行仿真。通过调整块大小和窗口大小等参数,研究其对去噪效果的影响。OBNLM结合了经典NLM算法与贝叶斯统计理论,利用块匹配和概率模型优化相似块的加权融合,提高去噪效率和保真度。实验展示了不同参数设置下的去噪结果,验证了算法的有效性。
|
11天前
|
消息中间件 监控 小程序
电竞陪玩系统架构优化设计,陪玩app如何提升系统稳定性,陪玩小程序平台的测试与监控
电竞陪玩系统架构涵盖前端(React/Vue)、后端(Spring Boot/php)、数据库(MySQL/MongoDB)、实时通信(WebSocket)及其他组件(Redis、RabbitMQ、Nginx)。通过模块化设计、微服务架构和云计算技术优化,提升系统性能与可靠性。同时,加强全面测试、实时监控及故障管理,确保系统稳定运行。
|
12天前
|
算法 决策智能
基于SA模拟退火优化算法的TSP问题求解matlab仿真,并对比ACO蚁群优化算法
本项目基于MATLAB2022A,使用模拟退火(SA)和蚁群优化(ACO)算法求解旅行商问题(TSP),对比两者的仿真时间、收敛曲线及最短路径长度。SA源于金属退火过程,允许暂时接受较差解以跳出局部最优;ACO模仿蚂蚁信息素机制,通过正反馈发现最优路径。结果显示SA全局探索能力强,ACO在路径优化类问题中表现优异。
|
12天前
|
存储 算法 测试技术
【C++数据结构——树】二叉树的遍历算法(头歌教学实验平台习题) 【合集】
本任务旨在实现二叉树的遍历,包括先序、中序、后序和层次遍历。首先介绍了二叉树的基本概念与结构定义,并通过C++代码示例展示了如何定义二叉树节点及构建二叉树。接着详细讲解了四种遍历方法的递归实现逻辑,以及层次遍历中队列的应用。最后提供了测试用例和预期输出,确保代码正确性。通过这些内容,帮助读者理解并掌握二叉树遍历的核心思想与实现技巧。
36 2
|
20天前
|
机器学习/深度学习 算法
基于遗传优化的双BP神经网络金融序列预测算法matlab仿真
本项目基于遗传优化的双BP神经网络实现金融序列预测,使用MATLAB2022A进行仿真。算法通过两个初始学习率不同的BP神经网络(e1, e2)协同工作,结合遗传算法优化,提高预测精度。实验展示了三个算法的误差对比结果,验证了该方法的有效性。

热门文章

最新文章