排序(2)--選擇排序，歸併排序和基數排序

一.選擇排序：

1.簡單選擇排序：

(1).思想: 首先通過 n –1 次關鍵字比較，從 n 個記錄中找出關鍵字最小的記錄，將它與第一個記錄交換。
再通過 n –2 次比較，從剩餘的 n –1 個記錄中找出關鍵字次小的記錄，將它與第二個記錄交換。
重複上述操作，共進行 n –1 趟排序後，排序結束。

(2)實現：

void SelectSort (SqList &L) {  // 對順序表 L 作簡單選擇排序
           for (i = 1; i < L.length;  ++ i) { 
                 k = i; 
                for ( j = i+1; j <= n; j++)  if (L.r[j].key < L.r[k].key)  k = j; 
                if (i != k)  L.r[i]←→L.r[k];   // 與第 i 個記錄交換
           } 
} // SelectSort

(3).演算法分析：

時間複雜度：O(n2);

空間複雜度：O(1)——交換時用到一個暫存單元

穩定性:由於存在著不相鄰元素之間的互換，因此，簡單選擇排序是“不穩定的” 。

2.樹形選擇排序(競標賽排序):

(1)思想: 首先對 n 個記錄的關鍵字進行兩兩比較，得到 n/2個優勝者(關鍵字小者)，作為第一步比較的結果保留下來。然後在這 n/2 個較小者之間再進行兩兩比較，…，如此重複，直到選出最小關鍵字的記錄為止

.......................

(2)演算法分析：

時間複雜度：O(nlog2n)-----------n個記錄各自比較約log2n次

空間複雜度：O(n) —勝者樹的附加內結點共有n-1個！

穩定性：穩定------左右結點相同者左為先

3.堆排序：

(1)概念：設有n個元素的序列k1，k2，…，kn，當且僅當滿足下述關係之一時，稱之為堆

*樹中所有結點的值均大於(或小於)其左右孩子，此樹的根結點(即堆頂)必最大(或最小)

(2)建堆(建小堆為例):

假若完全二叉樹的某一個結點i，它的左、右子樹已是堆。需要將R[2i].key與R[2i+1].key之中的最小者與R[i].key比較，若R[i].key較大則交換，這有可能破壞下一級堆。於是繼續採用上述方法構造下一級堆，直到完全二叉樹中結點i構成堆為止。

 void HeapAdjust(SqList ＆H， int s， int m) 
{//已知H.r[s..m]中記錄的關鍵字除H.r[s].key之外均滿足堆的定義，

 //本函式調整H.r[s]的關鍵字，使H.r[s..m]成為一個大頂堆
  rc = H.r[s]; 
      
    for (j=2*s; j<=m; j*=2)
    {
           
     //沿key較大的孩子結點向下篩選,j為key較大的記錄的下標 
   if(j<m && LT(H.r[j].key, H.r[j+1].key)) ++j;
   if(!LT(rc.key，H.r[j].key)) break; 
          
      H.r[s]=H.r[j]； 
      s=j；   //rc應插入在位置s上   
    }
   H.r[s] = rc;  //插入
 } //HeapAdjust

(3)怎樣進行堆排序

關鍵：將堆的當前頂點輸出後，如何將剩餘序列重新調整為堆？
方法：將當前頂點與堆尾記錄交換，然後仿建堆動作重新調整，如此反覆直至排序結束。

對建好的大堆進行排序：

.....知道最後記錄是從小到大的。

 void HeapSort (HeapType &H)
 {  //對順序表H進行堆排序。
   for(i=H.length/2;i>0;--i) //把H.r[1..length]建成大頂堆
    
  HeapAdjust(H,i,H.length);
  for(i=H.length; i>1; --i)
   {  //將堆頂記錄和當前未經排
                 
   //序子序列H.r.[1..i]中最後一個記錄相互交換   
  H.r[1]<---> H.r[i]； 
  HeapAdjust(H,1,i-1); //將H.R[1..i-1]重新調整為大頂堆
   
  }
} //HeapSort

(4)演算法分析;

時間效率： O(nlog2n)。因為整個排序過程中需要呼叫n-1次HeapAdjust( )演算法， HeapAdjust( )而演算法本身耗時為log2n；
空間效率：O(1)。僅在第二個for迴圈中交換記錄時用到一個臨時變數temp。
穩定性：不穩定。
優點：對少量資料效果不明顯，但對大量資料有效

二.歸併排序：

1.思想:將兩個(或以上)的有序表組成新的有序表。

可以把一個長度為n的無序序列看成是 n 個長度為 1 的有序子序列，首先做兩兩歸併，得到 n / 2 個長度為 2 的子序列；再做兩兩歸併，…，如此重複，直到最後得到一個長度為n 的有序序列。

2.實現：

一趟歸併排序演算法 (兩路有序併為一路)

void Merge (SR，&TR，i, m, n) {
       // 將有序的SR[i…m]和SR[m+1…n]歸併為有序的TR[i…n]
    for(k=i , j=m+1;  i<=m && j<=n;  ++k ) {
        if ( SR[i]<= SR[j] )TR[k]=SR[i++];
        else TR[k]=SR[j++];             // 將SR中記錄由小到大地併入TR
    }
   if (i<=m) TR[k…n]=SR[i…m]; // 將剩餘的SR[i…m]複製到TR
   if (j<=n) TR[k…n]=SR[j…n]; // 將剩餘的SR[j…n]複製到TR
}  // Merge

遞迴形式的兩路歸併排序演算法

 void MSort (SR，&TR1，s, t) {
       // 將無序的SR[s…t]歸併排序為TR1[s…t]
     if ( s==t )TR1[s]=SR[s];        // 當len=1時返回
     else {  
         m=(s+t)/2;   // 將SR [s…t]平分為SR [s…m]和SR [m+1…t]
        MSort (SR，&TR2，s, m);    // 將SR 一分為二, 2分為4…
                               // 遞迴地將SR [s…m]歸併為有序的TR2[s…m]
        MSort (SR，&TR2，m+1, t );
                              // 遞迴地將SR [m+1…t]歸併為有序的TR2[m+1…t]
       Merge(TR2， TR1， s, m, t );
                       // 將TR2 [s…m]和TR2 [m+1…t]歸併到TR1 [s…t]
 } 
}  // MSort

*初次呼叫時為（L, TR, 1, length）

3.演算法分析：

時間效率 :O(nlog2n) 一趟歸併排序的操作是：呼叫[n/2h]次演算法merge將SR[1..n]中前後相鄰且長度為h的有序段進行兩兩歸併，得到前後相鄰長度為2h的有序段，並存放在TR[1..n]中，整個歸併排序需要進行[log2n]趟，所以演算法總的時間複雜度為O(nlog2n)。
空間效率 :O(n) 因為需要一個與原始序列同樣大小的輔助序列(TR)。這正是此演算法的缺點。
穩定性：穩定

三.基數排序：

1.兩種思路：

最高位優先法MSD (Most Significant Digit first)

最低位優先法LSD (Least Significant Digit first)

例：對一副撲克牌該如何排序？
答：若規定花色為第一關鍵字（高位），面值為第二關鍵字（低位），則使用MSD和LSD方法都可以達到排序目的。
MSD方法的思路：先設立4個花色“箱”，將全部牌按花色分別歸入4個箱內（每個箱中有13張牌）；然後對每個箱中的牌按面值進行插入排序（或其它穩定演算法）。

LSD方法的思路：先按面值分成13堆（每堆4張牌），然後對每堆中的牌按花色進行排序（用插入排序等穩定的演算法）。

2.計算機實現：

再看一例：

例：初始關鍵字序列T=（32, 13, 27, 32*, 19，33），請分別用MSD和LSD進行排序，並討論其優缺點。

法1（MSD）：原始序列：32, 13, 27, 32*, 19， 33
先按高位Ki1 排序：（13, 19）, 27, （32, 32*，33）
再按低位 Ki2排序： 13, 19 ， 27, 32, 32*, 33

因為有分組，故此演算法需遞迴實現

法2（LSD）：原始序列： 32, 13, 27, 32*, 19 ，33
先按低位Ki2排序： 32, 32*, 13, 33, 27, 19
再按高位Ki1排序： 13, 19 , 27, 32, 32*, 33

無需分組，易程式設計實現！

3.LSD實現(順序表);

排序時經過了反覆的“分配”和“收集”過程。當對關鍵字所有的位進行掃描排序後，整個序列便從無序變為有序了。

討論：所用佇列是順序結構，浪費空間，能否改用鏈式結構？

4.LSD實現(鏈式)

5.演算法分析;

假設有n 個記錄, 每個記錄的關鍵字有d 位，每個關鍵字的取值有radix個, 則需要radix個佇列, 進行d趟“分配”與“收集”。因此時間複雜度：O( d ( n+radix ) )。
空間複雜度：O(radix). 基數排序需要增加n+2radix個附加連結指標，空間效率低
穩定性：穩定。(一直前後有序)。

排序(2)--選擇排序，歸併排序和基數排序

相關文章