几种排序算法的学习,利用Python和C实现

之前学过的都忘了,也没好好做过总结,现在总结一下。

时间复杂度和空间复杂度的概念:

1、空间复杂度:
是程序运行所以需要的额外消耗存储空间,一般的递归算法就要有o(n)的空间复杂度了,简单说就是递归集算时通常是反复调用同一个方法,递归n次,就需要n个空间。 2、时间复杂度:
一个算法花费的时间与算法中语句的执行次数成正比例,哪个算法中语句执行次数多,它花费时间就多。一个算法中的语句执行次数称为语句频度或时间频度。记为T(n)。
一般情况下,算法中基本操作重复执行的次数是问题规模n的某个函数,用T(n)表示,若有某个辅助函数f(n),使得当n趋近于无穷大时,T(n)/f (n)的极限值为不等于零的常数,则称f(n)是T(n)的同数量级函数。记作T(n)=O(f(n)),称O(f(n)) 为算法的渐进时间复杂度,简称时间复杂度。
在各种不同算法中,若算法中语句执行次数为一个常数,则时间复杂度为O(1),另外,在时间频度不相同时,时间复杂度有可能相同,如T(n)=n2+3n+4与T(n)=4n2+2n+1它们的频度不同,但时间复杂度相同,都为O(n2)。 按数量级递增排列,常见的时间复杂度有: 常数阶O(1),对数阶O(log2n),线性阶O(n), 线性对数阶O(nlog2n),平方阶O(n2),立方阶O(n3),...,

目前我已经学过的排序算法包括

1、二次排序:

1、插入排序

2、选择排序

2、递归排序:

1、归并排序

2、快速排序

3、希尔排序

4、冒泡排序

一、冒泡排序

原理:  冒泡排序就是把小的元素往前调或者把大的元素往后调。比较是相邻的两个元素比较,交换也发生在这两个元素之间。

评价:是效率最低的一种排序算法。

时间复杂度:最差和平均均为O(n2)

稳定性:由于相等的元素不需要交换,所以比较稳定

代码:

C实现:

#include<stdio.h>
#include<stdlib.h>
#include<time.h> int msort(int array[],int n)
{
int exchange = ;
int i,j;
i=j=;
for(i=;i<n;i++)
{
j=n-;
while(j > i)
{
int temp=;
//printf("%d",array[j]);
if (array[j]<array[j-])
{
temp = array[j];
printf("%d",temp);
array[j] = array[j-];
array[j-] = temp;
exchange = ;
}
j=j-;
}
if (exchange == )
break;
}
for(i=;i<n;i++)
printf("%d\n",array[i]);
} int main(void)
{
int SIZE=;
int array[]={,,,,,,,,};
int i=;
for(i=;i<SIZE;i++)
printf("%d\n",array[i]);
msort(array,SIZE);
return ;
}

Python实现:

import timeit

def  msort(array):
exchange=False
for i in xrange(len(array)):
j=len(array)-1
while(j>i):
if array[j]<array[j-1]:
array[j-1],arra[j]=array[j],array[j-1]
exchange=True
j=j-1
if exchange!=True:
break print array def main():
array=list(range(0,10000))
msort(array) if __name__=="__main__":
t=timeit.Timer("main()",'from __main__ import main')
print t.timeit(1)

二、选择排序

原理:简单点说就是从数组第一个位置开始,给每个位置在剩余的元素中都找到最小的值放上去。

评价:由于每次都要寻找最值,所以选择排序效率不高

时间复杂度:最坏,最优和平均时间复杂度都是O(n2).

稳定性:由于交换,可能导致相等元素的前后顺序发生变化,所以不稳定。比如举个例子,序列5 8 5 2 9, 我们知道第一遍选择第1个元素5会和2交换,那么原序列中2个5的相对前后顺序就被破坏了

代码:

C实现:

#include<stdio.h>
#include<stdlib.h> void ssort(int array[],int n)
{
int i,j;
int small;
for(i=;i<n;i++)
{
small=i;
for(j=i+;j<n;j++)
{
if (array[j]<array[small])
small=j;
}
int temp=;
if (small!=i)
{
temp=array[i];
array[i]=array[small];
array[small]=temp;
}
}
for(i=;i<n;i++)
printf("%d ",array[i]); } int main(void)
{
int array[]={,,,,,,};
ssort(array,);
}

Python实现:

def ssort(array):

    for i in xrange(0,len(array)):
j=i+1
small=i
while j<len(array):
if array[j]<array[small]:
small=j;
j+=1
if i!=small:
array[small],array[i] = array[i],array[small] return array array=[2,62,7,3,8,1,1]
print 'any',all(array)
print ssort(array)

三、插入排序:

原理:为当前有序序列插入元素,插入到正确的位置。当然,刚开始这个有序的小序列只有1个元素,就是第一个元素。比较是从有序序列的末尾开 始,也就是想要插入的元素和已经有序的最大者开始比起,如果比它大则直接插入在其后面,否则一直往前找直到找到它该插入的位置。

评价:对于比较有序的数组列表来说,效率是线性的,相当快。

稳定度:如果碰见一个和插入元素相 等的,那么插入元素把想插入的元素放在相等元素的后面。所以,相等元素的前后顺序没有改变,从原无序序列出去的顺序就是排好序后的顺序,所以插入排序是稳 定的。

时间复杂度:最差的情况是逆序的,需要O(n2),平均也是O(n2),最优的是线性的。

C实现

#include<stdio.h>
#include<stdlib.h> int isort(int array[],int n)
{
int i=;
int j;
for(i=;i<n;i++)
{
int temp=array[i];
for(j=i;j>&&array[j-]>temp;j--)
{
array[j]=array[j-];
}
array[j]=temp;
}
for(i=;i<;i++)
{
printf("%d ",array[i]);
}
} int main(void)
{
int array[]={,,,,,,};
int result[];
isort(array,);
}

Python实现:

def isort(array):
for i in xrange(,len(array)):
temp=array[i]
j=i
while j> and array[j-]>temp:
array[j]=array[j-]
j=j-
array[j]=temp
return array print isort([,,,,,])

四、归并排序

原理:采用分治法,将数组分成两部分元素,如此下去,知道只剩下一个元素,采用递归调用。两部分数组比较,需要一个临时数组,存储有序值。

评价:算法很快,但是需要分配临时数组,耗费内存。

稳定度:由于在比较时,两个相等值可以保证位置不变,所以是稳定的。

时间复杂度:最优,最差和平均都是O(nlogn)

代码:

Python:

def merge(L1,L2):
sorted_array=[]
while L1 and L2:
if L1[0] <= L2[0]:
sorted_array.append(L1.pop(0))
else:
sorted_array.append(L2.pop(0))
if L1:
sorted_array.extend(L1)
if L2:
sorted_array.extend(L2)
return sorted_array def mersort(array):
if len(array)<=1:
return array
center=int(len(array)/2)
return merge(mersort(array[:center]),mersort(array[center:])) if __name__=="__main__":
array=[8,20,15,4,6,3,7,2,1,9]
print mersort(array)

五、快速排序

原理:和归并排序的思想是相同的,都采用分治法,但是不同的是需要选择一个基准数,根据基准数把数组分为两段,比基准数小的在左边,比基准数大的在右边。左右两边再分别采用这种方法,如此递归调用下去,知道只剩下一个元素。

评价:关键是找到基准数,基准数一般是随机选择三个值,选择中间值,或者选择数组第一个元素,但是如果第一个元素是最小的或最大的就糟糕了。

稳定性:不稳定。比如序列为 5 3 3 4 3 8 9 10 11, 现在基准元素5和3(第5个元素,下标从1开始计)交换就会把元素3的稳定性打乱,所以快速排序是一个不稳定的排序算法

时间复杂度:最坏的情况是O(n2),最好喝平均都是O(nlogn)

python实现:

import random

def partition(array,left,right):

    if right-left==1:
if array[left]>array[right]:
array[left],array[right]=array[right],array[left]
return None base=array[left]
big_index,small_index = left+1,right
while big_index < small_index:
while array[big_index] <= base and big_index < right:
big_index += 1
while array[small_index] >= base and small_index > left:
small_index -=1
if big_index < small_index:
array[big_index],array[small_index] = array[small_index],array[big_index]
array[left],array[small_index] = array[small_index],base
return small_index def qsort(array,left,right):
if right > left:
mid=partition(array,left,right)
if mid is not None:
qsort(array,left,mid)
qsort(array,mid+1,right) if __name__=="__main__":
array=[]
for i in xrange(0,50):
array.append(random.randint(0,30))
qsort(array,0,(len(array)-1))
print array

其实快速排对大数组很有效率,但如果小数组,插入排序比较好,经验表明,元素数目小于15时,可以改为插入排序

Python:

import random
from insert.isort import import isort
def partition(array,left,right): if right-left==1:
if array[left]>array[right]:
array[left],array[right]=array[right],array[left]
return None base=array[left]
big_index,small_index = left+1,right
while big_index < small_index:
while array[big_index] <= base and big_index < right:
big_index += 1
while array[small_index] >= base and small_index > left:
small_index -=1
if big_index < small_index:
array[big_index],array[small_index] = array[small_index],array[big_index]
array[left],array[small_index] = array[small_index],base
return small_index def qsort(array,left,right):
if right-left>15:
mid=partition(array,left,right)
if mid is not None:
qsort(array,left,mid)
qsort(array,mid+1,right)
else:
isort(array) if __name__=="__main__":
array=[]
for i in xrange(0,50):
array.append(random.randint(0,30))
qsort(array,0,(len(array)-1))
print array

六、希尔排序

原理:采用不同的步长,分别进行插入排序,直到步长为1.原理解释最直观的如下:

例如,假设有这样一组数[ 13 14 94 33 82 25 59 94 65 23 45 27 73 25 39 10 ],如果我们以步长为5开始进行排序,我们可以通过将这列表放在有5列的表中来更好地描述算法,这样他们就应该看起来是这样:

13 14 94 33 82

25 59 94 65 23

45 27 73 25 39

10

然后我们对每列进行排序:

10 14 73 25 23

13 27 94 33 39

25 59 94 65 82

45

将上述四行数字,依序接在一起时我们得到:[ 10 14 73 25 23 13 27 94 33 39 25 59 94 65 82 45 ].这时10已经移至正确位置了,然后再以3为步长进行排序:

10 14 73

25 23 13

27 94 33

39 25 59

94 65 82

45

排序之后变为:

10 14 13

25 23 33

27 25 59

39 65 73

45 94 82

94

最后以1步长进行排序(此时就是简单的插入排序了)。

评价:选择步长是关键,选择好了,比较快,一般步长初始选择数组长度除以2,一直除以2,一直到步长为1.

稳定度:不稳定,不同部分数组排序,很有可能打破相等元素的顺序。

时间复杂度:(摘抄):

需要大量的辅助空间,和归并排序一样容易实现。希尔排序是基于插入排序的一种算法, 在此算法基础之上增加了一个新的特性,提高了效率。希尔排序的时间复杂度与增量序列的选取有关,例如希尔增量时间复杂度为O(n²),而Hibbard增量的希尔排序的时间复杂度为O(

几种排序算法的学习,利用Python和C实现

),但是现今仍然没有人能找出希尔排序的精确下界。希尔排序没有快速排序算法快 O(n(logn)),因此中等大小规模表现良好,对规模非常大的数据排序不是最优选择。但是比O(

几种排序算法的学习,利用Python和C实现

)复杂度的算法快得多。并且希尔排序非常容易实现,算法代码短而简单。 此外,希尔算法在最坏的情况下和平均情况下执行效率相差不是很多,与此同时快速排序在最坏的情况下执行的效率会非常差。专家们提倡,几乎任何排序工作在开始时都可以用希尔排序,若在实际使用中证明它不够快,再改成快速排序这样更高级的排序算法. 本质上讲,希尔排序算法是直接插入排序算法的一种改进,减少了其复制的次数,速度要快很多。 原因是,当n值很大时数据项每一趟排序需要的个数很少,但数据项的距离很长。当n值减小时每一趟需要和动的数据增多,此时已经接近于它们排序后的最终位置。 正是这两种情况的结合才使希尔排序效率比插入排序高很多。

Python实现:

def shsort(array):
interval = len(array)/2
while interval >= 1:
i = interval
while i < len(array):
if array[i] < array[i-interval]:
j=i-interval
temp=array[i]
while j >=0 and array[j] >temp:
array[j+interval]=array[j]
j-=interval
array[j+interval]=temp
i+=1
interval/=2 return array if __name__=="__main__": array=[3,6,9,5,7,4,8,2,1]
print shsort(array)

七、基数排序

原理:又名桶子排序,有10个桶。首先把个位数按照顺序放到桶子中,个位数相同的就放在同一个桶子里;然后再按照十位数的大小顺序放到桶子里,依次类推,最后得到结果。

评价:基数排序的时间复杂度是 O(k·n),其中n是排序元素个数,k是数字位数。注意这不是说这个时间复杂度一定优于O(n·log(n)),k的大小取决于数字位的选择(比如比特位数),和待排序数据所属数据类型的全集的大小;k决定了进行多少轮处理,而n是每轮处理的操作数目。

以排序n个不同整数来举例,假定这些整数以B为底,这样每位数都有B个不同的数字,k = logB(N),N是待排序数据类型全集的势。虽然有B个不同的数字,需要B个不同的桶,但在每一轮处理中,判断每个待排序数据项只需要一次计算确定对应数位的值,因此在每一轮处理的时候都需要平均n 次操作来把整数放到合适的桶中去,所以就有:

  • k 约等于 logB(N)

所以,基数排序的平均时间T就是:

T ~= logB(Nn

其中前一项是一个与输入数据无关的常数,当然该项不一定小于logn

稳定度:很稳定.基数排序基于分别排序,分别收集,所以其是稳定的排序算法

时间复杂度:O(k·n)

Python实现:

def rsort(array):
length = len(str(max(array)))
locat = 0
while locat < length:
bucket = []
for n in xrange(0,10):
bucket.append([])
for i in array:
index=i%10 if not locat else i/(locat*10)%10
bucket[index].append(i) array = []
for i in bucket:
array.extend(i)
locat += 1
return array print rsort([35,8611,84,36,745,154,39,4,3])

八、堆排序

原理:构成堆,将末端值与根节点交换

稳定度:不稳定

时间复杂度:nlogn

Python实现:

def make_heap(array,start,end):
lchild = lambda x:2*x+1
rchild = lambda x:2*x+2
root = start
while True:
left = lchild(root)
if left > end:
break
right = rchild(root)
child = right if right <= end and array[left]<array[right] else left
if array[child] <= array[root]:
break
else:
array[root],array[child] = array[child],array[root]
root = child def list_heap(array):
for i in xrange(len(array)/2,-1,-1):
make_heap(array,i,len(array)-1) def hsort(array):
list_heap(array)
for end in xrange(len(array)-1,0,-1):
array[0],array[end] = array[end],array[0]
make_heap(array,0,end-1)
return array

if __name__=="__main__":

array=[3,7,1,8,230,56,100,34,12,40,9,54,67,24,26]
   print hsort(array)

上一篇:十大排序算法JavaScript实现总结


下一篇:【AIX】查看系统内存、CPU等信息