当前位置: 首页 > news >正文

C++排序算法全解析(加强版)

排序算法目录

  • C++排序算法全解析
    • 冒泡排序(Bubble Sort)
      • 一、引言
      • 二、冒泡排序的基本原理
        • 1. 算法思想
        • 2. 算法步骤
      • 三、C++实现代码示例
        • 代码解释
      • 四、性能分析与优化
        • 1. 时间复杂度
        • 2. 空间复杂度
        • 3. 稳定性
        • 4. 优化方法
      • 五、适用场景与总结
        • 1. 适用场景
        • 2. 总结
    • 选择排序(Selection Sort)
      • 一、引言
      • 二、选择排序的基本原理
        • 1. 算法思想
        • 2. 算法步骤
      • 三、C++实现代码示例
        • 代码解释
      • 四、性能分析与优化
        • 1. 时间复杂度
        • 2. 空间复杂度
        • 3. 稳定性
        • 4. 优化方法
      • 五、适用场景与总结
        • 1. 适用场景
        • 2. 总结
    • 插入排序(Insertion Sort)
      • 一、引言
      • 二、插入排序的基本原理
        • 1. 算法思想
        • 2. 算法步骤
      • 三、C++实现代码示例
        • 代码解释
      • 四、性能分析与优化
        • 1. 时间复杂度
        • 2. 空间复杂度
        • 3. 稳定性
        • 4. 优化方法
      • 五、适用场景与总结
        • 1. 适用场景
        • 2. 总结
    • 快速排序(Quick Sort)
      • 一、引言
      • 二、快速排序的基本原理
        • 1. 算法思想
        • 2. 算法步骤
      • 三、C++实现代码示例
        • 代码解释
      • 四、性能分析与优化
        • 1. 时间复杂度
        • 2. 空间复杂度
        • 3. 稳定性
        • 4. 优化方法
      • 五、适用场景与总结
        • 1. 适用场景
        • 2. 总结
    • 归并排序(Merge Sort)
      • 一、引言
      • 二、归并排序的基本原理
        • 1. 算法思想
        • 2. 算法步骤
      • 三、C++实现代码示例
        • 代码解释
      • 四、性能分析与优化
        • 1. 时间复杂度
        • 2. 空间复杂度
        • 3. 稳定性
        • 4. 优化方法
      • 五、适用场景与总结
        • 1. 适用场景
        • 2. 总结
    • 堆排序(Heap Sort)
      • 一、引言
      • 二、堆排序的基本原理
        • 1. 算法思想
        • 2. 算法步骤
      • 三、C++实现代码示例
        • 代码解释
      • 四、性能分析与优化
        • 1. 时间复杂度
        • 2. 空间复杂度
        • 3. 稳定性
        • 4. 优化方法
      • 五、适用场景与总结
        • 1. 适用场景
        • 2. 总结
    • C++标准库排序(`std::sort`)
      • 一、引言
      • 二、`std::sort`函数概述
        • 1. 函数原型
        • 2. 基本用法
      • 三、排序原理与算法选择
        • 1. 算法原理
        • 2. 算法选择
      • 四、自定义排序规则
        • 1. 使用`std::greater`进行降序排序
        • 2. 使用自定义比较函数
        • 3. 使用Lambda表达式
      • 五、性能分析与优化
        • 1. 时间复杂度
        • 2. 空间复杂度
        • 3. 稳定性
        • 4. 优化技巧
      • 六、适用场景与总结
        • 1. 适用场景
        • 2. 总结
    • 总结对比

C++排序算法全解析

排序算法是计算机科学中的基础内容,在C++编程中有着广泛的应用。本文将详细介绍C++中常见的排序算法,包括它们的原理、实现代码及性能分析。


冒泡排序(Bubble Sort)

一、引言

排序算法是计算机科学中的基础内容,而冒泡排序(Bubble Sort)以其简单直观的特点,成为了许多编程初学者接触的第一个排序算法。

二、冒泡排序的基本原理

1. 算法思想

冒泡排序是一种基于比较和交换的排序算法。它重复地遍历待排序的数组,每次比较相邻的两个元素,如果它们的顺序错误就交换它们的位置。通过多次遍历,较大的元素会逐渐“冒泡”到数组的末尾,而较小的元素则会逐渐移动到数组的开头,最终实现整个数组的有序排列。

2. 算法步骤
  • 比较相邻元素:从数组的第一个元素开始,依次比较相邻的两个元素。如果前一个元素大于后一个元素,则交换它们的位置。
  • 重复比较:对每一对相邻元素都进行上述比较和交换操作,直到数组的最后一个元素。这样,经过一轮比较后,最大的元素就会“冒泡”到数组的末尾。
  • 缩小范围:重复上述步骤,但每次比较的范围逐渐缩小,因为每一轮排序都会将当前未排序部分的最大元素移动到末尾,所以下一轮排序时可以不再考虑这些已经排好序的元素。
  • 终止条件:当某一轮排序中没有发生元素交换时,说明数组已经有序,排序过程可以提前终止。

三、C++实现代码示例

以下是使用C++实现的冒泡排序代码示例,用于对整数数组进行升序排序:

#include <iostream>
#include <vector>// 冒泡排序函数
void bubbleSort(std::vector<int>& arr) {int n = arr.size();for (int i = 0; i < n - 1; i++) {bool swapped = false; // 标志位,用于检测是否发生了交换for (int j = 0; j < n - i - 1; j++) {if (arr[j] > arr[j + 1]) {// 交换相邻的两个元素std::swap(arr[j], arr[j + 1]);swapped = true; // 发生了交换,设置标志位为true}}// 如果没有发生交换,说明数组已经有序,提前退出if (!swapped) {break;}}
}int main() {std::vector<int> arr = {64, 34, 25, 12, 22, 11, 90};std::cout << "排序前的数组: ";for (int num : arr) {std::cout << num << " ";}std::cout << std::endl;bubbleSort(arr);std::cout << "排序后的数组: ";for (int num : arr) {std::cout << num << " ";}std::cout << std::endl;return 0;
}
代码解释
  • bubbleSort函数:该函数接受一个整数类型的向量arr作为参数,并对其进行冒泡排序。外层循环控制排序的轮数,内层循环负责相邻元素的比较和交换。swapped标志位用于检测某轮排序中是否发生了交换,如果没有发生交换,则说明数组已经有序,可以提前退出循环。
  • main函数:在主函数中,我们定义了一个待排序的数组arr,并调用bubbleSort函数对其进行排序。排序前后分别打印数组的内容,以便观察排序效果。

四、性能分析与优化

1. 时间复杂度
  • 最坏情况:当输入数组为逆序排列时,冒泡排序需要进行n(n−1)2n(n-1)\over 22n(n1)次比较和交换,时间复杂度为O(n2)O(n^2)O(n2)
  • 最好情况:当输入数组已经有序时,冒泡排序只需遍历一遍数组,无需进行任何交换操作,时间复杂度为O(n)O(n)O(n)(使用优化版本)。
  • 平均情况:在一般情况下,冒泡排序的时间复杂度仍为O(n2)O(n^2)O(n2)
2. 空间复杂度

冒泡排序是原地排序算法,它只需要常数级别的额外空间(如临时变量tempswapped),因此空间复杂度为O(1)O(1)O(1)

3. 稳定性

冒泡排序是稳定的排序算法。在排序过程中,相等元素的相对位置不会发生改变。

4. 优化方法

为了提高冒泡排序的效率,可以引入一个标志位swapped来记录每一轮排序中是否发生了元素交换。如果在某一轮排序中没有发生交换,说明数组已经有序,可以提前终止排序过程,从而避免不必要的比较和交换操作。

五、适用场景与总结

1. 适用场景

由于冒泡排序的时间复杂度较高(O(n2)O(n^2)O(n2)),它不适用于大规模数据的排序。然而,对于小型数据集或几乎已经排序好的数据集,冒泡排序仍然是一个简单有效的选择。

2. 总结

冒泡排序作为一种基础的排序算法,虽然效率不高,但具有实现简单、稳定性好等优点。通过学习和理解冒泡排序的原理及实现方法,可以为进一步学习更高效的排序算法打下坚实的基础。在实际开发中,我们可以根据具体需求选择合适的排序算法来提高程序的性能。


选择排序(Selection Sort)

一、引言

在计算机科学中,排序算法是数据处理的基础。选择排序(Selection Sort)作为一种简单直观的排序方法,以其易于理解和实现的特点,成为了许多编程初学者学习排序算法的入门之选。

二、选择排序的基本原理

1. 算法思想

选择排序是一种基于比较和选择的排序算法。它的基本思想是:每次从待排序的数据元素中选出最小(或最大)的一个元素,将其与序列的起始位置交换,然后继续对剩余的元素重复上述过程,直到所有元素均排序完毕。

2. 算法步骤
  • 初始化:假设序列中的第一个元素为最小值。
  • 寻找最小值:遍历未排序部分的所有元素,找出其中的最小值,并记录其下标。
  • 交换位置:将找到的最小值与未排序部分的第一个元素交换位置。
  • 重复执行:重复上述步骤,每次处理一个元素,直到所有元素都排序完成。

以升序排序为例,具体步骤如下:

  1. 从整个数组中找到最小的元素,将其与第一个元素交换位置。
  2. 从剩下的n−1n-1n1个元素中找到最小的元素,将其与第二个元素交换位置。
  3. 以此类推,直到所有元素都排序完成。

三、C++实现代码示例

以下是使用C++实现的选择排序代码示例,用于对整数数组进行升序排序:

#include <iostream>
#include <vector>// 选择排序函数
void selectionSort(std::vector<int>& arr) {int n = arr.size();for (int i = 0; i < n - 1; i++) {// 假设当前索引i处的元素为最小值int minIndex = i;// 在未排序部分中寻找最小元素的下标for (int j = i + 1; j < n; j++) {if (arr[j] < arr[minIndex]) {minIndex = j;}}// 如果找到的最小元素不是当前索引i处的元素,则交换它们的位置if (minIndex != i) {std::swap(arr[i], arr[minIndex]);}}
}int main() {std::vector<int> arr = {64, 34, 25, 12, 22, 11, 90};std::cout << "排序前的数组: ";for (int num : arr) {std::cout << num << " ";}std::cout << std::endl;selectionSort(arr);std::cout << "排序后的数组: ";for (int num : arr) {std::cout << num << " ";}std::cout << std::endl;return 0;
}
代码解释
  • selectionSort函数:该函数接受一个整数类型的向量arr作为参数,并对其进行选择排序。外层循环控制排序的轮数,内层循环负责在未排序部分中寻找最小元素的下标。如果找到的最小元素不是当前索引i处的元素,则通过std::swap函数交换它们的位置。
  • main函数:在主函数中,我们定义了一个待排序的数组arr,并调用selectionSort函数对其进行排序。排序前后分别打印数组的内容,以便观察排序效果。

四、性能分析与优化

1. 时间复杂度
  • 最坏情况:当输入数组为逆序排列时,选择排序需要进行n(n−1)2n(n-1)\over 22n(n1)次比较和最多n−1n-1n1次交换,时间复杂度为O(n2)O(n^2)O(n2)
  • 最好情况:当输入数组已经有序时,选择排序仍然需要进行n(n−1)2n(n-1)\over 22n(n1)次比较,但无需进行交换操作,时间复杂度仍为O(n2)O(n^2)O(n2)
  • 平均情况:在一般情况下,选择排序的时间复杂度也为O(n2)O(n^2)O(n2)
2. 空间复杂度

选择排序是原地排序算法,它只需要常数级别的额外空间(如临时变量minIndex),因此空间复杂度为O(1)O(1)O(1)

3. 稳定性

选择排序是不稳定的排序算法。在排序过程中,相等元素的相对顺序可能会发生改变。例如,对于数组[5(1),7,5(2),2],第一轮排序时第一个元素5(1)会与2交换位置,导致5(1)5(2)的相对顺序改变。

4. 优化方法

虽然选择排序的时间复杂度无法降低,但可以通过减少不必要的交换操作来优化性能。在内层循环结束后,只有当找到的最小元素与当前索引i处的元素不同时,才进行交换操作。这样可以避免在已经有序的情况下进行无谓的交换。

五、适用场景与总结

1. 适用场景

由于选择排序的时间复杂度较高(O(n2)O(n^2)O(n2)),它不适用于大规模数据的排序。然而,对于小型数据集或对内存要求严格的场景,选择排序仍然是一个简单有效的选择。此外,在选择排序中,每次选择最小(或最大)元素的过程可以很容易地进行优化,以适应特定的数据分布。

2. 总结

选择排序作为一种基础的排序算法,虽然效率不高,但具有实现简单、空间复杂度低等优点。通过学习和理解选择排序的原理及实现方法,可以为进一步学习更高效的排序算法打下坚实的基础。在实际开发中,我们可以根据具体需求选择合适的排序算法来提高程序的性能。


插入排序(Insertion Sort)

一、引言

在计算机科学中,排序算法是数据处理的基础。插入排序(Insertion Sort)作为一种简单直观的排序方法,以其易于理解和实现的特点,成为了许多编程初学者学习排序算法的入门之选。

二、插入排序的基本原理

1. 算法思想

插入排序是一种基于比较和插入的排序算法。它的基本思想是:每次从待排序的数据元素中取出一个元素,将其插入到已排序序列中的适当位置,直到所有元素都被插入到正确位置。

2. 算法步骤
  • 初始化:将数组的第一个元素视为已排序部分,其余元素视为未排序部分。
  • 逐个插入:从第二个元素开始,逐个取出未排序部分的元素,将其与已排序部分的元素从后向前比较,找到合适的位置插入。
  • 重复执行:重复上述步骤,直到所有元素都被插入到正确位置。

以升序排序为例,具体步骤如下:

  1. 将第一个元素视为已排序部分。
  2. 取出第二个元素,将其与已排序部分的元素从后向前比较,如果已排序部分的元素大于当前元素,则将该元素后移一位,直到找到合适的位置插入当前元素。
  3. 重复步骤2,依次处理后续的元素,直到所有元素都被插入到正确位置。

三、C++实现代码示例

以下是使用C++实现的插入排序代码示例,用于对整数数组进行升序排序:

#include <iostream>
#include <vector>// 插入排序函数
void insertionSort(std::vector<int>& arr) {int n = arr.size();for (int i = 1; i < n; i++) { // 从第二个元素开始遍历int key = arr[i]; // 当前待插入的元素int j = i - 1;// 将比key大的元素后移while (j >= 0 && arr[j] > key) {arr[j + 1] = arr[j];j--;}arr[j + 1] = key; // 插入key到正确位置}
}int main() {std::vector<int> arr = {64, 34, 25, 12, 22, 11, 90};std::cout << "排序前的数组: ";for (int num : arr) {std::cout << num << " ";}std::cout << std::endl;insertionSort(arr);std::cout << "排序后的数组: ";for (int num : arr) {std::cout << num << " ";}std::cout << std::endl;return 0;
}
代码解释
  • insertionSort函数:该函数接受一个整数类型的向量arr作为参数,并对其进行插入排序。外层循环从第二个元素开始遍历,内层循环负责将当前元素与已排序部分的元素从后向前比较,并将比当前元素大的元素后移一位,直到找到合适的位置插入当前元素。
  • main函数:在主函数中,我们定义了一个待排序的数组arr,并调用insertionSort函数对其进行排序。排序前后分别打印数组的内容,以便观察排序效果。

四、性能分析与优化

1. 时间复杂度
  • 最坏情况:当输入数组为逆序排列时,插入排序需要进行n(n−1)2n(n-1)\over 22n(n1)次比较和移动,时间复杂度为O(n2)O(n^2)O(n2)
  • 最好情况:当输入数组已经有序时,插入排序只需遍历一遍数组,无需进行任何移动操作,时间复杂度为O(n)O(n)O(n)
  • 平均情况:在一般情况下,插入排序的时间复杂度仍为O(n2)O(n^2)O(n2)
2. 空间复杂度

插入排序是原地排序算法,它只需要常数级别的额外空间(如临时变量keyj),因此空间复杂度为O(1)O(1)O(1)

3. 稳定性

插入排序是稳定的排序算法。在排序过程中,相等元素的相对顺序不会发生改变。

4. 优化方法

虽然插入排序的时间复杂度无法降低,但可以通过减少不必要的比较和移动操作来优化性能。例如,在内层循环结束后,如果当前元素已经在正确的位置(即无需移动),则可以提前结束内层循环。

五、适用场景与总结

1. 适用场景

由于插入排序的时间复杂度较高(O(n2)O(n^2)O(n2)),它不适用于大规模数据的排序。然而,对于小型数据集或几乎已经排序好的数据集,插入排序仍然是一个简单有效的选择。此外,在某些特定情况下(如数据量较小或数据部分有序),插入排序的性能可能优于其他更复杂的排序算法。

2. 总结

插入排序作为一种基础的排序算法,虽然效率不高,但具有实现简单、稳定性好等优点。通过学习和理解插入排序的原理及实现方法,可以为进一步学习更高效的排序算法打下坚实的基础。在实际开发中,我们可以根据具体需求选择合适的排序算法来提高程序的性能。


快速排序(Quick Sort)

一、引言

在计算机科学中,排序算法是数据处理的基础。快速排序(Quick Sort)作为一种高效的排序方法,以其平均时间复杂度低、实现相对简单等特点,广泛应用于各种场景。

二、快速排序的基本原理

1. 算法思想

快速排序是一种基于分治法(Divide and Conquer)的排序算法。它的基本思想是:通过一趟排序将待排序的数据分割成独立的两部分,其中一部分的所有数据都比另外一部分的所有数据都要小,然后再按此方法对这两部分数据分别进行快速排序,整个排序过程可以递归进行,以此达到整个数据变成有序序列。

2. 算法步骤
  • 选择基准值:从待排序的数组中选择一个元素作为基准值(pivot)。通常可以选择第一个元素、最后一个元素、中间元素或随机选择一个元素作为基准值。
  • 分区操作:重新排列数组,使得所有比基准值小的元素都放在基准值的左边,所有比基准值大的元素都放在基准值的右边。这个过程称为分区(Partition)。
  • 递归排序:对左右两个子数组递归地应用快速排序算法,直到子数组的长度为111000,此时认为子数组已经有序。

以升序排序为例,具体步骤如下:

  1. 选择一个基准值。
  2. 将数组分为两部分,使得左边部分的所有元素都小于或等于基准值,右边部分的所有元素都大于或等于基准值。
  3. 对左右两部分分别递归地进行快速排序。

三、C++实现代码示例

以下是使用C++实现的快速排序代码示例,用于对整数数组进行升序排序:

#include <iostream>
#include <vector>// 分区函数,返回基准值的正确位置
int partition(std::vector<int>& arr, int low, int high) {int pivot = arr[low]; // 选择第一个元素作为基准值int i = low;          // i指向小于等于pivot的部分的末尾int j = high;         // j指向大于pivot的部分的开头while (i < j) {// 从右向左找第一个小于pivot的元素while (i < j && arr[j] >= pivot) {j--;}if (i < j) {arr[i++] = arr[j]; // 将找到的小于pivot的元素放到左边}// 从左向右找第一个大于pivot的元素while (i < j && arr[i] <= pivot) {i++;}if (i < j) {arr[j--] = arr[i]; // 将找到的大于pivot的元素放到右边}}arr[i] = pivot; // 将基准值放到正确的位置return i;       // 返回基准值的位置
}// 快速排序函数
void quickSort(std::vector<int>& arr, int low, int high) {if (low < high) {int pivotPos = partition(arr, low, high); // 分区操作,获取基准值的位置quickSort(arr, low, pivotPos - 1);       // 递归排序左子数组quickSort(arr, pivotPos + 1, high);      // 递归排序右子数组}
}int main() {std::vector<int> arr = {64, 34, 25, 12, 22, 11, 90};std::cout << "排序前的数组: ";for (int num : arr) {std::cout << num << " ";}std::cout << std::endl;quickSort(arr, 0, arr.size() - 1);std::cout << "排序后的数组: ";for (int num : arr) {std::cout << num << " ";}std::cout << std::endl;return 0;
}
代码解释
  • partition函数:该函数负责将数组分为两部分,并返回基准值的正确位置。它选择数组的第一个元素作为基准值,然后使用两个指针ij分别从数组的两端向中间移动,寻找需要交换的元素。当ij相遇时,将基准值放到正确的位置,并返回该位置。
  • quickSort函数:该函数是快速排序的主函数。它首先检查当前子数组是否已经有序(即low >= high),如果是则直接返回。否则,调用partition函数进行分区操作,并获取基准值的位置。然后递归地对左右两个子数组进行快速排序。
  • main函数:在主函数中,我们定义了一个待排序的数组arr,并调用quickSort函数对其进行排序。排序前后分别打印数组的内容,以便观察排序效果。

四、性能分析与优化

1. 时间复杂度
  • 最坏情况:当每次选择的基准值都是当前数组的最大或最小元素时,快速排序的时间复杂度为O(n2)O(n^2)O(n2)。这种情况通常发生在数组已经有序或逆序时。
  • 最好情况:当每次选择的基准值都是当前数组的中位数时,快速排序的时间复杂度为O(n×log⁡2n)O(n\times\log_2 n)O(n×log2n)。这是快速排序的平均时间复杂度。
  • 平均情况:在一般情况下,快速排序的时间复杂度为O(n×log⁡2n)O(n\times\log_2 n)O(n×log2n)
2. 空间复杂度

快速排序是原地排序算法,它只需要常数级别的额外空间(如临时变量pivotij),因此空间复杂度为O(1)O(1)O(1)。然而,由于快速排序是递归实现的,递归调用栈的空间复杂度为O(log⁡2n)O(\log_2 n)O(log2n)。因此,总的空间复杂度为O(log⁡2n)O(\log_2 n)O(log2n)

3. 稳定性

快速排序是不稳定的排序算法。在排序过程中,相等元素的相对顺序可能会发生改变。例如,对于数组[5(1),7,2,9,1,5(2)],经过一次分区操作后,两个5的相对顺序可能会发生变化。

4. 优化方法

为了提高快速排序的性能,可以采取以下优化措施:

  • 随机选择基准值:通过随机选择基准值,可以避免最坏情况的发生,从而提高快速排序的平均性能。
  • 三数取中法:选择数组的第一个元素、中间元素和最后一个元素的中位数作为基准值,可以减少分区不均衡的情况。
  • 尾递归优化:对于较短的子数组,可以使用插入排序等更高效的排序算法来替代递归调用,从而减少递归调用的次数和栈空间的使用。

五、适用场景与总结

1. 适用场景

由于快速排序的时间复杂度较低(平均为O(n×log⁡2n)O(n\times\log_2 n)O(n×log2n)),它适用于大规模数据的排序。此外,快速排序的原地排序特性使其在内存使用方面具有优势。然而,对于小规模数据或几乎已经排序好的数据,其他排序算法(如插入排序)可能更为高效。

2. 总结

快速排序作为一种高效的排序算法,在计算机科学中具有广泛的应用。通过学习和理解快速排序的原理及实现方法,可以为进一步学习更复杂的算法打下坚实的基础。在实际开发中,我们可以根据具体需求选择合适的排序算法来提高程序的性能。同时,通过采取优化措施,可以进一步提高快速排序的性能和稳定性。


归并排序(Merge Sort)

一、引言

在计算机科学中,排序算法是数据处理的基础。归并排序(Merge Sort)作为一种高效的排序方法,以其时间复杂度稳定、实现相对简单等特点,成为了许多编程学习者和开发者的首选。

二、归并排序的基本原理

1. 算法思想

归并排序是一种基于分治法(Divide and Conquer)的排序算法。它的基本思想是:将待排序的序列分成两个子序列,分别对这两个子序列进行排序,然后将排序后的子序列合并成一个有序的序列。

2. 算法步骤
  • 分解:将待排序的序列递归地分成两个子序列,直到每个子序列只有一个元素。
  • 合并:将两个已排序的子序列合并成一个有序的序列。合并时,比较两个子序列的元素,将较小的元素依次放入结果序列中,直到其中一个子序列的所有元素都被合并。然后将另一个子序列的剩余元素依次放入结果序列中。

以升序排序为例,具体步骤如下:

  1. 将待排序的序列分成两个子序列。
  2. 递归地对两个子序列进行归并排序。
  3. 将排序后的两个子序列合并成一个有序的序列。

三、C++实现代码示例

以下是使用C++实现的归并排序代码示例,用于对整数数组进行升序排序:

#include <iostream>
#include <vector>// 合并两个已排序的子数组
void merge(std::vector<int>& arr, int left, int mid, int right) {int n1 = mid - left + 1; // 左子数组的长度int n2 = right - mid;    // 右子数组的长度// 创建临时数组存储左右子数组std::vector<int> L(n1);std::vector<int> R(n2);// 拷贝数据到临时数组for (int i = 0; i < n1; i++) {L[i] = arr[left + i];}for (int j = 0; j < n2; j++) {R[j] = arr[mid + 1 + j];}// 合并临时数组到原数组int i = 0, j = 0, k = left;while (i < n1 && j < n2) {if (L[i] <= R[j]) {arr[k++] = L[i++];}else {arr[k++] = R[j++];}}// 拷贝剩余元素(如果有的话)while (i < n1) {arr[k++] = L[i++];}while (j < n2) {arr[k++] = R[j++];}
}// 归并排序函数
void mergeSort(std::vector<int>& arr, int left, int right) {if (left < right) {int mid = left + (right - left) / 2; // 计算中间点,避免溢出mergeSort(arr, left, mid);          // 递归排序左子数组mergeSort(arr, mid + 1, right);     // 递归排序右子数组merge(arr, left, mid, right);       // 合并两个已排序的子数组}
}int main() {std::vector<int> arr = {64, 34, 25, 12, 22, 11, 90};std::cout << "排序前的数组: ";for (int num : arr) {std::cout << num << " ";}std::cout << std::endl;mergeSort(arr, 0, arr.size() - 1);std::cout << "排序后的数组: ";for (int num : arr) {std::cout << num << " ";}std::cout << std::endl;return 0;
}
代码解释
  • merge函数:该函数负责将两个已排序的子数组arr[left…mid]arr[mid+1…right]合并成一个有序的数组。它首先创建两个临时数组LR来存储左右子数组的元素,然后通过比较LR中的元素,将较小的元素依次放入原数组arr中。最后,将剩余的元素(如果有的话)拷贝到原数组中。
  • mergeSort函数:该函数是归并排序的主函数。它首先检查当前子数组是否已经有序(即left >= right),如果是则直接返回。否则,计算中间点mid,并递归地对左右两个子数组进行归并排序。最后,调用merge函数将排序后的两个子数组合并成一个有序的数组。
  • main函数:在主函数中,我们定义了一个待排序的数组arr,并调用mergeSort函数对其进行排序。排序前后分别打印数组的内容,以便观察排序效果。

四、性能分析与优化

1. 时间复杂度
  • 最坏情况:归并排序的时间复杂度为O(n×log⁡2n)O(n\times\log_2 n)O(n×log2n),其中nnn是待排序序列的长度。这是因为每次递归都将序列分成两半,并且每层递归都需要O(n)O(n)O(n)的时间来合并两个子序列。
  • 最好情况:归并排序的时间复杂度仍然是O(n×log⁡2n)O(n\times\log_2 n)O(n×log2n),因为无论输入序列的初始状态如何,归并排序都需要进行相同的分解和合并操作。
  • 平均情况:归并排序的时间复杂度也是O(n×log⁡2n)O(n\times\log_2 n)O(n×log2n)
2. 空间复杂度

归并排序需要额外的空间来存储临时数组LR,因此它的空间复杂度为O(n)O(n)O(n)。这是归并排序的一个主要缺点,特别是在处理大规模数据时,可能会消耗较多的内存。

3. 稳定性

归并排序是稳定的排序算法。在排序过程中,相等元素的相对顺序不会发生改变。

4. 优化方法

为了减少归并排序的空间复杂度,可以采取以下优化措施:

  • 原地归并:通过巧妙地交换元素的位置,可以在不使用额外空间的情况下完成归并操作。然而,这种方法的实现相对复杂,且在某些情况下可能会降低算法的效率。
  • 递归转迭代:虽然递归实现简单直观,但在处理大规模数据时可能会导致栈溢出。因此,可以将递归实现改为迭代实现,以避免栈溢出的问题。
  • 多路归并:当处理多个有序序列时,可以使用多路归并算法来进一步提高效率。多路归并算法可以同时合并多个有序序列,从而减少总的比较次数和移动次数。

五、适用场景与总结

1. 适用场景

由于归并排序的时间复杂度稳定且较低(O(n×log⁡2n)O(n\times\log_2 n)O(n×log2n)),它适用于大规模数据的排序。此外,归并排序的稳定性和原地性使其在需要保持相等元素相对顺序或节省内存空间的场景中具有优势。然而,对于小规模数据或内存受限的环境,其他排序算法(如插入排序)可能更为高效。

2. 总结

归并排序作为一种高效的排序算法,在计算机科学中具有广泛的应用。通过学习和理解归并排序的原理及实现方法,可以为进一步学习更复杂的算法打下坚实的基础。在实际开发中,我们可以根据具体需求选择合适的排序算法来提高程序的性能。同时,通过采取优化措施,可以进一步提高归并排序的性能和效率。


堆排序(Heap Sort)

一、引言

在计算机科学中,排序算法是数据处理的基础。堆排序(Heap Sort)作为一种高效的排序方法,以其时间复杂度稳定、实现相对简单等特点,成为了许多编程学习者和开发者的首选。

二、堆排序的基本原理

1. 算法思想

堆排序是一种基于堆数据结构的比较排序算法。堆是一个近似完全二叉树的结构,分为最大堆和最小堆。在最大堆中,父节点的值总是大于或等于其子节点的值;而在最小堆中,父节点的值总是小于或等于其子节点的值。堆排序通常使用最大堆来升序排序数组,使用最小堆则可以降序排序数组。

2. 算法步骤
  • 构建最大堆:从最后一个非叶子节点开始,向上至根节点,逐个节点进行堆化。堆化过程:对于当前节点,如果其任一子节点的值大于当前节点的值,则交换它们,并继续对受影响的子树进行堆化,直到树满足最大堆的性质。
  • 排序过程:将堆顶元素(即最大值)与堆的最后一个元素交换,此时堆的大小减111(排除已排序的最大元素)。对新的堆顶元素进行堆化,使其满足最大堆性质。重复上述步骤,直到堆的大小为111,此时数组已完全排序。

以升序排序为例,具体步骤如下:

  1. 将待排序的序列构造成一个最大堆,此时序列的最大值为根节点。
  2. 依次将根节点与待排序序列的最后一个元素交换。
  3. 再维护从根节点到该元素的前一个节点为最大堆,如此往复,最终得到一个递增序列。

三、C++实现代码示例

以下是使用C++实现的堆排序代码示例,用于对整数数组进行升序排序:

#include <iostream>
#include <vector>// 堆化函数,调整以i为根的子树成为最大堆
void heapify(std::vector<int>& arr, int n, int i) {int largest = i; // 初始化largest为根节点int left = 2 * i + 1; // 左子节点int right = 2 * i + 2; // 右子节点// 如果左子节点存在且大于根节点if (left < n && arr[left] > arr[largest]) {largest = left;}// 如果右子节点存在且大于当前largest节点if (right < n && arr[right] > arr[largest]) {largest = right;}// 如果largest不是根节点if (largest != i) {std::swap(arr[i], arr[largest]); // 交换根节点和largest节点heapify(arr, n, largest); // 递归调整受影响的子树}
}// 堆排序函数
void heapSort(std::vector<int>& arr) {int n = arr.size();// 构建最大堆for (int i = n / 2 - 1; i >= 0; i--) {heapify(arr, n, i);}// 一个个从堆顶取出元素并调整堆for (int i = n - 1; i > 0; i--) {std::swap(arr[0], arr[i]); // 交换堆顶和当前末尾元素heapify(arr, i, 0); // 对新的堆顶进行堆化,注意堆的大小已减1}
}int main() {std::vector<int> arr = {64, 34, 25, 12, 22, 11, 90};std::cout << "排序前的数组: ";for (int num : arr) {std::cout << num << " ";}std::cout << std::endl;heapSort(arr);std::cout << "排序后的数组: ";for (int num : arr) {std::cout << num << " ";}std::cout << std::endl;return 0;
}
代码解释
  • heapify函数:该函数负责调整以i为根的子树成为最大堆。它首先假设i是最大的节点,然后检查其左右子节点是否比它大。如果发现更大的子节点,就更新largest变量。最后,如果largest不是根节点,就交换根节点和largest节点的值,并递归地调整受影响的子树。
  • heapSort函数:该函数是堆排序的主函数。它首先通过调用heapify函数构建最大堆。然后,它逐步将堆顶元素(最大值)与当前末尾元素交换,并减小堆的大小。每次交换后,它都会调用heapify函数对新的堆顶进行堆化,以确保堆的性质得以维持。这个过程一直持续到堆的大小为111,此时数组已完全排序。
  • main函数:在主函数中,我们定义了一个待排序的数组arr,并调用heapSort函数对其进行排序。排序前后分别打印数组的内容,以便观察排序效果。

四、性能分析与优化

1. 时间复杂度
  • 最坏情况:堆排序的时间复杂度为O(n×log⁡2n)O(n\times\log_2 n)O(n×log2n),其中nnn是待排序序列的长度。这是因为每次递归都将序列分成两半,并且每层递归都需要O(n)O(n)O(n)的时间来合并两个子序列。
  • 最好情况:堆排序的时间复杂度仍然是O(n×log⁡2n)O(n\times\log_2 n)O(n×log2n),因为无论输入序列的初始状态如何,归并排序都需要进行相同的分解和合并操作。
  • 平均情况:堆排序的时间复杂度也是O(n×log⁡2n)O(n\times\log_2 n)O(n×log2n)
2. 空间复杂度

堆排序只需要常数级别的额外空间(如临时变量largestleftright),因此空间复杂度为O(1)O(1)O(1)。这是堆排序的一个主要优点,特别是在处理大规模数据时,它可以节省大量的内存空间。

3. 稳定性

堆排序是不稳定的排序算法。在排序过程中,相等元素的相对顺序可能会发生改变。例如,对于数组[5(1),7,2,9,1,5(2)],经过一次堆化操作后,两个5的相对顺序可能会发生变化。

4. 优化方法

为了进一步提高堆排序的性能,可以采取以下优化措施:

  • 减少交换次数:在堆化过程中,可以通过减少不必要的交换来提高性能。例如,当根节点已经是最大值时,就不需要交换。
  • 避免递归调用:虽然递归实现简单直观,但在处理大规模数据时可能会导致栈溢出。因此,可以将递归实现改为迭代实现,以避免栈溢出的问题。
  • 多路归并:当处理多个有序序列时,可以使用多路归并算法来进一步提高效率。多路归并算法可以同时合并多个有序序列,从而减少总的比较次数和移动次数。然而,这种方法在堆排序中并不常用,因为它会增加算法的复杂性。

五、适用场景与总结

1. 适用场景

由于堆排序的时间复杂度稳定且较低(O(n×log⁡2n)O(n\times\log_2 n)O(n×log2n)),它适用于大规模数据的排序。此外,堆排序的原地性使其在内存使用方面具有优势。然而,对于小规模数据或几乎已经排序好的数据,其他排序算法(如插入排序)可能更为高效。此外,由于堆排序是不稳定的排序算法,因此在需要保持相等元素相对顺序的场景中可能不适用。但在某些情况下(如构建优先队列时),不稳定性并不是问题。

2. 总结

堆排序作为一种高效的排序算法,在计算机科学中具有广泛的应用。通过学习和理解堆排序的原理及实现方法,可以为进一步学习更复杂的算法打下坚实的基础。在实际开发中,我们可以根据具体需求选择合适的排序算法来提高程序的性能。同时,通过采取优化措施,可以进一步提高堆排序的性能和效率。


C++标准库排序(std::sort

一、引言

在C++标准库中,std::sort函数是用于对容器(如数组、向量等)中的元素进行排序的重要工具。它以其高效、灵活和通用的特点,成为了许多编程任务中的首选排序方法。本文将详细介绍std::sort的原理、用法、性能以及优化技巧。

二、std::sort函数概述

1. 函数原型

std::sort函数定义在<algorithm>头文件中,其函数原型如下:

template <class RandomIt>
void sort(RandomIt first, RandomIt last);template <class RandomIt, class Compare>
void sort(RandomIt first, RandomIt last, Compare comp);
  • firstlast:这两个参数是迭代器,分别指向要排序序列的开始和结束。注意,last 指向的是序列“之后”的位置,所以序列中的元素范围实际上是 [first, last)
  • comp:这是一个可选的比较函数或函数对象,用于定义排序的顺序。如果提供了这个参数,std::sort 会使用这个比较函数来确定元素的顺序。默认情况下,std::sort 使用 < 操作符来比较元素。
2. 基本用法

以下是一些使用std::sort函数的示例:

#include <algorithm>
#include <vector>
#include <iostream>int main() {// 对数组进行排序int arr[] = {5, 3, 1, 4, 2};std::sort(arr, arr + sizeof(arr) / sizeof(arr[0]));// 对向量进行排序std::vector<int> vec = {5, 3, 1, 4, 2};std::sort(vec.begin(), vec.end());// 输出排序后的结果for (int num : arr) std::cout << num << " ";std::cout << std::endl;for (int num : vec) std::cout << num << " ";std::cout << std::endl;return 0;
}

输出结果:

1 2 3 4 5 
1 2 3 4 5 

三、排序原理与算法选择

1. 算法原理

std::sort通常使用经过优化的快速排序算法,但在某些情况下,比如小数组或者近乎有序的情况下,可能会使用插入排序或堆排序。

  • 快速排序:通过选择一个基准值(pivot),将待排序序列分割为两个子序列,其中一个子序列的所有元素小于等于基准值,另一个子序列的所有元素大于基准值。然后递归地对两个子序列进行排序,最终得到有序序列。
  • 插入排序:对于小型数据集,插入排序因其较低的常数因子而更高效。
  • 堆排序:在递归层次较深的情况下,为了避免快速排序的最坏情况(时间复杂度退化到O(n2)O(n^2)O(n2)),std::sort可能会选择堆排序。
2. 算法选择

std::sort会根据输入数据的大小和特性自适应地选择一种合适的排序算法。这种自适应的选择策略使得std::sort在大多数情况下都能提供良好的性能。

四、自定义排序规则

std::sort函数默认使用<运算符进行升序排序,但也可以通过提供自定义的比较函数或谓词来改变排序规则。

1. 使用std::greater进行降序排序
#include <algorithm>
#include <vector>
#include <iostream>
#include <functional> // 包含std::greaterint main() {std::vector<int> vec = {5, 3, 1, 4, 2};std::sort(vec.begin(), vec.end(), std::greater<int>());for (int num : vec) std::cout << num << " ";std::cout << std::endl;return 0;
}

输出结果:

5 4 3 2 1 
2. 使用自定义比较函数
#include <algorithm>
#include <vector>
#include <iostream>// 自定义比较函数,按降序排序
bool compare(int a, int b) {return a > b;
}int main() {std::vector<int> vec = {5, 3, 1, 4, 2};std::sort(vec.begin(), vec.end(), compare);for (int num : vec) std::cout << num << " ";std::cout << std::endl;return 0;
}

输出结果:

5 4 3 2 1 
3. 使用Lambda表达式
#include <algorithm>
#include <vector>
#include <iostream>int main() {std::vector<int> vec = {5, 3, 1, 4, 2};std::sort(vec.begin(), vec.end(), [](int a, int b) { return a > b; });for (int num : vec) std::cout << num << " ";std::cout << std::endl;return 0;
}

输出结果:

5 4 3 2 1 

五、性能分析与优化

1. 时间复杂度
  • 平均情况std::sort的平均时间复杂度为O(n×log⁡2n)O(n\times\log_2 n)O(n×log2n),其中n是待排序序列的大小。
  • 最坏情况:在最坏情况下,快速排序的时间复杂度为O(n2)O(n^2)O(n2),但这种情况很少发生。通过合理选择基准值,可以减少最坏情况的发生概率。
2. 空间复杂度

std::sort是一种原地排序算法,不需要额外的存储空间来保存排序结果。它直接在输入序列中进行排序,因此空间复杂度为O(1)O(1)O(1)

3. 稳定性

std::sort不保证排序的稳定性,即相等元素的顺序可能在排序后发生改变。如果需要保持相等元素的顺序不变,可以使用std::stable_sort算法。

4. 优化技巧
  • 避免不必要的排序:在调用std::sort之前,可以先检查序列是否已经有序。如果已经有序,则无需进行排序。
  • 选择合适的比较函数:自定义比较函数应确保是严格弱排序(即对于任何两个元素abcomp(a, b)comp(b, a)不能同时为真)。这有助于提高排序的效率和正确性。
  • 使用合适的容器std::sort要求使用随机访问迭代器,因此它适用于std::vectorstd::dequestd::array等容器,但不适用于std::list(因为std::list提供的是双向迭代器)。

六、适用场景与总结

1. 适用场景

std::sort适用于大多数需要对序列进行排序的场景,特别是在以下情况下表现尤为出色:

  • 大规模数据排序:由于其平均时间复杂度为O(n×log⁡2n)O(n\times\log_2 n)O(n×log2n)std::sort在处理大规模数据时非常高效。
  • 需要自定义排序规则:通过提供自定义的比较函数或谓词,std::sort可以满足各种复杂的排序需求。
  • 原地排序:由于不需要额外的存储空间,std::sort在内存使用方面具有优势。
2. 总结

std::sort是C++标准库中一个强大而灵活的排序工具。通过学习和理解其原理及用法,我们可以更好地利用它来解决各种排序问题。在实际开发中,我们可以根据具体需求选择合适的排序算法和优化策略,以提高程序的性能和效率。同时,也需要注意std::sort的一些限制和注意事项,如不保证排序的稳定性等。


总结对比

算法时间复杂度(平均)空间复杂度稳定性适用场景
冒泡排序(Bubble Sort)O(n2)O(n^2)O(n2)O(1)O(1)O(1)稳定小规模数据,教学演示
选择排序(Selection Sort)O(n2)O(n^2)O(n2)O(1)O(1)O(1)不稳定少量数据,对稳定性无要求
插入排序(Insertion Sort)O(n2)O(n^2)O(n2)O(1)O(1)O(1)稳定小规模或近乎有序的数据
快速排序(Quick Sort)O(n×log⁡2n)O(n \times\log_2 n)O(n×log2n)O(log⁡2n)O(\log_2 n)O(log2n)不稳定大规模数据,追求效率
归并排序(Merge Sort)O(n×log⁡2n)O(n \times\log_2 n)O(n×log2n)O(n)O(n)O(n)稳定大规模数据,需稳定排序
堆排序(Heap Sort)O(n×log⁡2n)O(n \times\log_2 n)O(n×log2n)O(1)O(1)O(1)不稳定大规模数据,空间受限
C++标准库排序(std::sortO(n×log⁡2n)O(n \times\log_2 n)O(n×log2n)O(log⁡2n)O(\log_2 n)O(log2n)不稳定通用场景,标准库优先

实际编程中,建议优先使用C++标准库的std::sortstd::stable_sort,它们经过高度优化且易于使用。

http://www.dtcms.com/a/269761.html

相关文章:

  • 单调栈通关指南:从力扣 84 到力扣 42
  • 前端技术小结
  • Android Jetpack Compose状态管理与状态提升
  • linux安装CUDA
  • VM文件管理与Vi/vim操作
  • multicore和multithreading
  • 多模态交互HMI全解析:语音、手势、眼动追踪的集成方案
  • rocketmq 刷盘机制 与同步机制区别
  • JavaScript之数组方法详解
  • VSYNC 深度解析
  • Apollo源码架构解析---附C++代码设计示例
  • 提炼总结—ROS2机器人开发(完结)
  • 【WEB】Polar靶场 16-20题 详细笔记
  • Python实现二分查找算法详解
  • 经典论文 Science子刊:数据驱动的偏微分方程发现 —— Supplementary Materials
  • 找了两个月,没找到工作
  • 【笔记】开源 AI Agent 项目 V1 版本 [新版] 部署 日志
  • 开源 python 应用 开发(四)python文件和系统综合应用
  • go go go 出发咯 - go web开发入门系列(一) helloworld
  • uniapp使用 renderjs 多平台谷歌地图(Google Map)的适配
  • 力扣-31.下一个排列
  • React Native安卓刘海屏适配终极方案:仅需修改 AndroidManifest.xml!
  • 【openGLES】安卓端EGL的使用
  • Javafx教程(1)——初始Javafx
  • 工业HMI的智能化转型:边缘计算与预测性维护的深度融合
  • 自定义RecyclerView的ItemDecoration,用于处理网格布局间距装饰器(支持边缘间距独立控制)
  • ubuntu vscode 点击变量链接进去后 怎么返回原来的位置
  • LocalStorage和SessionStorage的区别和应用
  • 马尔可夫决策过程
  • python办公自动化----使用pandas和os合并多个订单表