经典排序算法解析(四)

本文涉及的产品
全局流量管理 GTM,标准版 1个月
云解析 DNS,旗舰版 1个月
公共DNS(含HTTPDNS解析),每月1000万次HTTP解析
简介: 经典排序算法解析

八、堆排序


   堆排序是比快速排序更加复杂的一种排序算法。堆排序使用到了堆这样一种数据结构。首先我们需要搞清楚什么是堆结构。堆是一种类似完全二叉树,同时又满足如下条件的数据结构:所有子节点的值总是小于(大于)父节点。所有子节点的值都小于父节点的堆叫大顶堆,所有子节点都大于父节点的堆叫小顶堆。


   二叉树你应该比较熟悉,下图就是一个小顶堆的示例:


image.png


此二叉树中任何一个子节点的值都是大于父节点。如何将数列构造成这样一个堆结构呢,其实十分简单,将数列按照从上到下,从左到右的原则来构造完全二叉树即可。例如如下数列[1, 54, 2, 64, 12, 65, 76, 46, 34, 98, 34]如果将其构造成堆如下图所示:

image.png



正常情况下,这个由数组映射成的二叉树并不符合我们堆的要求,否则也就不需要我们用算法来排序了。要让这个二叉树符合要求,我们需要进行整理,即从末节点开始进行调整,例如先从12,98,34中找到最小的,放在现在12所在的位置,然后从64,46,34中找到最小的元素进行上浮,接着再一层层上浮上去,直到堆顶元素为所有元素中的最小元素。整理完成后,我们只需要将堆顶元素和最后一个元素进行交换,之后除掉最后一个元素再进行堆整理,整理完成后再将顶元素(此时为第2小)与倒数第二个元素交换,依次进行下去,即可完成数列的排序。


   用文字描述堆排序步骤如下:


1.先将数列整理成符合要求的堆。


2.将首末元素交换。


3.除掉最后一个元素在进行堆的整理。


4.重复进行2和3,直到数列排序完成。


JavaScript实现的堆排序算法:


var array = [1, 54, 2, 64, 12, 65, 76, 46, 34, 98, 34];

//堆排序

//堆调整 大顶

function store(array,index,end){

let top = array[index];

let left;

let right;

if (index*2+1<=end) {

 left = index*2+1;

}else{

 //没有左子树 说明已经是叶子节点

 //无需调整直接return

 return;

}

if (index*2+2<=end) {

 right = index*2+2;

}else{

 //没有右子树 调整左子树即可

 if (array[left]>top) {

  array[index] = array[left];

  array[left] = top;

  top = array[index];

 }

 return;

}

//找出堆单元中的最大值

if (array[left]>top) {

 array[index] = array[left];

 array[left] = top;

 top = array[index];  

}

if (array[right]>top) {

 array[index] = array[right];

 array[right] = top;

 top = array[index];

}

}

function sort(array,end){

//先将堆进行调整 倒叙调整

let i = end;

while(i>=0){

 store(array,i,end)

 i--;

}

//根节点一定是最大的 放最后 再进行堆整理

let temp = array[end];

array[end] = array[0];

array[0] = temp;

end--;

if (end>0) {

 sort(array,end);

}else{

 return;

}


}

sort(array, array.length-1);

console.log(array); //[ 1, 2, 12, 34,34, 46, 54, 64, 65, 76, 98 ]

C语言实现的堆排序算法:


#include <stdio.h>

void store(int array[],int index,int end){

int top = array[index];

int left;

int right;

if (index*2+1<=end) {

 left = index*2+1;

}else{

 //没有左子树 说明已经是叶子节点

 //无需调整直接return

 return;

}

if (index*2+2<=end) {

 right = index*2+2;

}else{

 //没有右子树 调整左子树即可

 if (array[left]>top) {

  array[index] = array[left];

  array[left] = top;

  top = array[index];

 }

 return;

}

//找出堆单元中的最大值

if (array[left]>top) {

 array[index] = array[left];

 array[left] = top;

 top = array[index];  

}

if (array[right]>top) {

 array[index] = array[right];

 array[right] = top;

 top = array[index];

}

}

void mySort(int array[],int end){

//先将堆进行调整 倒叙调整

int i = end;

while(i>=0){

 store(array,i,end);

 i--;

}

//根节点一定是最大的 放最后 再进行堆整理

int temp = array[end];

array[end] = array[0];

array[0] = temp;

end--;

if (end>0) {

 mySort(array,end);

}else{

 return;

}


}

int main(){

int a[] = {1, 2, 12, 34, 46, 54, 64, 65, 76, 98,34};

mySort(a,10);

for(int i = 0;i<11;i++){

 printf("%d\n",a[i]);

}

return 0;

}

需要注意,大顶堆排序完成后为升序,小顶堆排序完成后为降序。


九、归并排序


   归并排序的核心并不是交换元素的顺序,而是将数列分成多个有序小数列,将相邻的小数列进行归并。文字描述归并排序步骤如下:


1.把长度为n的数列分成长度为1的n个数列。


2.相邻数列进行排序归并。


3.重复操作2,直到所有数列归并成1个整体。


JavaScript实现的归并排序算法:


var array = [1, 54, 2, 64, 12, 65, 76, 46, 34, 98, 34];

//归并排序

function mergeArray(arrL,arrR){

var tempArray = new Array();

let i = 0;

let j = 0;

while(i<arrL.length && j<arrR.length){

 if (arrL[i]<arrR[j]) {

  tempArray.push(arrL[i]);

  i++;

 }else{

  tempArray.push(arrR[j]);

  j++;

 }

}

while(i<arrL.length){

 tempArray.push(arrL[i]);

 i++;

}

while(j<arrR.length){

 tempArray.push(arrR[j]);

 j++

}

return tempArray;

}

function sort(array){

if (array.length>1) {

 let arrL = array.slice(0,Math.floor(array.length/2));

 let arrR = array.slice(Math.floor(array.length/2),array.length);

 if (arrL.length>1) {

  arrL = sort(arrL);

 }

 if (arrR.length>1) {

  arrR = sort(arrR);

 }

 return mergeArray(arrL,arrR);

}

return array;

}

console.log(sort(array)); //[ 1, 2, 12, 34,34, 46, 54, 64, 65, 76, 98 ]

C语言实现的归并排序算法:


#include <stdio.h>

void merge(int array[],int temp[],int start,int end,int middle){

int i=start,j=middle+1,k=start;

while(i<middle+1 && j<end+1){

 if(array[i]<array[j]){

  temp[k++] = array[i++];

 }else {

  temp[k++] = array[j++];

 }

}

while(i<middle+1){

 temp[k++] = array[i++];

}

while(j<end+1){

 temp[k++] = array[j++];

}

for(i=start;i<=end;i++){

 array[i] = temp[i];

 // printf("%d,",temp[i]);

}

}

void sort(int array[],int temp[],int start,int end){

int middle;

if(start<end){

 middle = (start+end)/2;

 sort(array, temp, start, middle);

 sort(array, temp, middle+1, end);

 merge(array, temp, start, end, middle);

}

}

int main(){

int a[] = {1, 2, 12, 34, 46, 54, 64, 65, 76, 98,34};

int b[11] = {0};

sort(a,b,0,10);

for(int i = 0;i<11;i++){

 printf("%d\n",a[i]);

}

return 0;

}

目录
相关文章
|
3月前
|
存储 算法 Java
解析HashSet的工作原理,揭示Set如何利用哈希算法和equals()方法确保元素唯一性,并通过示例代码展示了其“无重复”特性的具体应用
在Java中,Set接口以其独特的“无重复”特性脱颖而出。本文通过解析HashSet的工作原理,揭示Set如何利用哈希算法和equals()方法确保元素唯一性,并通过示例代码展示了其“无重复”特性的具体应用。
73 3
|
1天前
|
算法 搜索推荐 Java
【潜意识Java】深度解析黑马项目《苍穹外卖》与蓝桥杯算法的结合问题
本文探讨了如何将算法学习与实际项目相结合,以提升编程竞赛中的解题能力。通过《苍穹外卖》项目,介绍了订单配送路径规划(基于动态规划解决旅行商问题)和商品推荐系统(基于贪心算法)。这些实例不仅展示了算法在实际业务中的应用,还帮助读者更好地准备蓝桥杯等编程竞赛。结合具体代码实现和解析,文章详细说明了如何运用算法优化项目功能,提高解决问题的能力。
23 6
|
20天前
|
存储 算法 安全
基于红黑树的局域网上网行为控制C++ 算法解析
在当今网络环境中,局域网上网行为控制对企业和学校至关重要。本文探讨了一种基于红黑树数据结构的高效算法,用于管理用户的上网行为,如IP地址、上网时长、访问网站类别和流量使用情况。通过红黑树的自平衡特性,确保了高效的查找、插入和删除操作。文中提供了C++代码示例,展示了如何实现该算法,并强调其在网络管理中的应用价值。
|
1月前
|
机器学习/深度学习 人工智能 算法
深入解析图神经网络:Graph Transformer的算法基础与工程实践
Graph Transformer是一种结合了Transformer自注意力机制与图神经网络(GNNs)特点的神经网络模型,专为处理图结构数据而设计。它通过改进的数据表示方法、自注意力机制、拉普拉斯位置编码、消息传递与聚合机制等核心技术,实现了对图中节点间关系信息的高效处理及长程依赖关系的捕捉,显著提升了图相关任务的性能。本文详细解析了Graph Transformer的技术原理、实现细节及应用场景,并通过图书推荐系统的实例,展示了其在实际问题解决中的强大能力。
222 30
|
24天前
|
存储 监控 算法
企业内网监控系统中基于哈希表的 C# 算法解析
在企业内网监控系统中,哈希表作为一种高效的数据结构,能够快速处理大量网络连接和用户操作记录,确保网络安全与效率。通过C#代码示例展示了如何使用哈希表存储和管理用户的登录时间、访问IP及操作行为等信息,实现快速的查找、插入和删除操作。哈希表的应用显著提升了系统的实时性和准确性,尽管存在哈希冲突等问题,但通过合理设计哈希函数和冲突解决策略,可以确保系统稳定运行,为企业提供有力的安全保障。
|
1月前
|
存储 算法
深入解析PID控制算法:从理论到实践的完整指南
前言 大家好,今天我们介绍一下经典控制理论中的PID控制算法,并着重讲解该算法的编码实现,为实现后续的倒立摆样例内容做准备。 众所周知,掌握了 PID ,就相当于进入了控制工程的大门,也能为更高阶的控制理论学习打下基础。 在很多的自动化控制领域。都会遇到PID控制算法,这种算法具有很好的控制模式,可以让系统具有很好的鲁棒性。 基本介绍 PID 深入理解 (1)闭环控制系统:讲解 PID 之前,我们先解释什么是闭环控制系统。简单说就是一个有输入有输出的系统,输入能影响输出。一般情况下,人们也称输出为反馈,因此也叫闭环反馈控制系统。比如恒温水池,输入就是加热功率,输出就是水温度;比如冷库,
390 15
|
3月前
|
搜索推荐 算法
插入排序算法的平均时间复杂度解析
【10月更文挑战第12天】 插入排序是一种简单直观的排序算法,通过不断将未排序元素插入到已排序部分的合适位置来完成排序。其平均时间复杂度为$O(n^2)$,适用于小规模或部分有序的数据。尽管效率不高,但在特定场景下仍具优势。
|
2月前
|
算法 Linux 定位技术
Linux内核中的进程调度算法解析####
【10月更文挑战第29天】 本文深入剖析了Linux操作系统的心脏——内核中至关重要的组成部分之一,即进程调度机制。不同于传统的摘要概述,我们将通过一段引人入胜的故事线来揭开进程调度算法的神秘面纱,展现其背后的精妙设计与复杂逻辑,让读者仿佛跟随一位虚拟的“进程侦探”,一步步探索Linux如何高效、公平地管理众多进程,确保系统资源的最优分配与利用。 ####
83 4
|
2月前
|
缓存 负载均衡 算法
Linux内核中的进程调度算法解析####
本文深入探讨了Linux操作系统核心组件之一——进程调度器,着重分析了其采用的CFS(完全公平调度器)算法。不同于传统摘要对研究背景、方法、结果和结论的概述,本文摘要将直接揭示CFS算法的核心优势及其在现代多核处理器环境下如何实现高效、公平的资源分配,同时简要提及该算法如何优化系统响应时间和吞吐量,为读者快速构建对Linux进程调度机制的认知框架。 ####
|
3月前
|
前端开发 算法 JavaScript
无界SaaS模式深度解析:算力算法、链接力、数据确权制度
私域电商的无界SaaS模式涉及后端开发、前端开发、数据库设计、API接口、区块链技术、支付和身份验证系统等多个技术领域。本文通过简化框架和示例代码,指导如何将核心功能转化为技术实现,涵盖用户管理、企业店铺管理、数据流量管理等关键环节。

热门文章

最新文章

推荐镜像

更多