对于基本的几种排序方法:插入,选择,冒泡。他们的复杂度均为 O ( n 2 ) O(n^2) O(n2)。算法运行所需时间增加的速度通常比数组本身增加的速度要快。
希尔排序通过将原数组分为及几个子数组,先分别将这几个子数组排序,再把排序好的子数组进行排序,可以大大提高效率,排序方法可使用任意简单排序,这里使用插入排序
用伪代码来表示
将数组data分为h个子数组
for i = 1-h
对子数组hi排序
排序数组data
对于h的值的把控,是需要思考的问题。如果h过大,子数组就会过多,即使子数组已经排序好,也无法显著提高效率;反之,如果h过小,子数组的元素就会过多,算法效率也会降低。
希尔排序的核心是把数组data巧妙的分割为几个子数组,方法通常是:
从原始数组,每隔hi个元素提取一个元素,作为子数组的一部分,这样就能在逻辑上将数组分割
如下图,通过这种方式,data数组的大部分无序状态被消除了,在最后一次迭代中,数组更接近于它的最终形式
那么该如何选择最佳增量值h呢?
这里直接给出结论,一般认为满足以下条件的增量序列比较合适:
h 1 = 1 h i + 1 = 3 h + 1 h_1=1\\ h_{i+1}=3h+1 h1=1hi+1=3h+1
当h>=n时,停止即得h1。例如当n=10000时,则增量序列为
1 , 4 , 13 , 40 , 121 , 364 , 1093 , 3280 1,4,13,40,121,364,1093,3280 1,4,13,40,121,364,1093,3280
虽然希尔排序的复杂度已经比 O ( n 2 ) O(n^2) O(n2)要好得多,但是要远远没有达到 O ( n l o g n ) O(nlogn) O(nlogn)
代码实现
template<class T>
void ShellSort(T data[],int arrSize){
int i,j,hCht,h;
int increments[20],k;
for(h=1,i=0;h<arrSize;i++){
increments[i]=h;
h=3*h+1;
}
for(i--;i>=0;i--){
h=increments[i];
for(hCht=h;hCht<2*h;hCht++){
for(j=hCht;j<arrSize;){
T tmp=data[j];
k=j;
while(k-h>0&&tmp<data[k-h]){
data[k]=data[k-h];
k-=h;
}
data[k]=tmp;
j+=h;
}
}
}
}
堆是具有以下两个属性的二叉树:
堆中的元素不会完全按序排序,但是唯一可以确定的是,根节点是最大的元素。堆排序从堆开始,将最大的元素放在数组末尾,然后重建少了一个元素的堆。在新堆中,将最大的元素移到正确的位置上,然后为其他元素恢复堆属性。通过这样的循环就能完成排序。
时间复杂度为O(nLogn)
template<class T>
void moveDown(T data[],int first,int last){
int largest=2*first+1;
while(largest<=last){
if(largest<last && data[largest]<data[largest+1])
largest++;
if(data[first]<data[largest]){
mySwap(data[first],data[largest]);
first=largest;
largest=2*first+1;
}else
largest=last+1;
}
}
template<class T>
void heapsort(T data[],int size){
for(int i=size/2-1;i>=0;i--)
moveDown(data,i,size-1);
for(int i=size-1;i>=1;i--){
swap(data[0],data[i]);
moveDown(data,0,i-1);
}
}
原始数组以一个边界值为基准划分为两个数组,第一个数字中所有的元素都小于边界值,第二个则都大于边界值。然后不断的迭代下去,直到划分为只包含一个元素的数组,此时就不需要排序了。
他的核心要点就在于边界值的选取,最好的情况是将数组划分为两个长度相差不大的数组。但是也可能因为选择了不合适的边界值导致极端情况,比如一个子数组1个元素,而其他元素都在另外一个子数组里。
在下列程序中,是选择位于数组中间的元素为边界值
template<class T>
void quicksort(T data[],int first,int last){
int low=first+1,upper=last;
swap(data[first],data[(first+last)/2]);
T bound = data[first];
while(low<=upper){
while(data[low]<bound)
low++;
while(bound<data[upper])
upper--;
if(low<upper)
swap(data[low++],data[upper--]);
else low++;
}
swap(data[upper],data[first]);
if(first<upper-1)
quicksort(data,first,upper-1);
if(upper+1<last)
quicksort(data,upper+1,last);
}
以下程序在快速排序之前,对数组进行了预处理,将最大的元素放在了数组的末尾,这是因为,如果边界值正好是最大的元素,这会导致low的值超过数组的末端
template<class T>
void quicksort(T data[],int n){
int i,max;
if(n<2)
return;
for(i=1,max=0;i<n;i++){
if(data[max]<data[i])
max=i;
}
swap(data[n-1],data[max]);
quicksort(data,0,n-2);
}
最好的情况:每次都能将数组分为两个长度相同的子数组,他的递归树应该是相对平衡的,树的高度为 h = l o g 2 ( n ) + 1 h=log2(n)+1 h=log2(n)+1,时间复杂度:
n + 2 n 2 + 4 n 4 + 8 n 8 + . . + n n n = n ( l o g 2 n + 1 ) n+2\frac{n}{2}+4\frac{n}{4}+8\frac{n}{8}+..+n\frac{n}{n}=n(log_2n+1) n+22n+44n+88n+..+nnn=n(log2n+1)
最坏的情况:每次都将数组分为一个长度为1的子数组和另外一个数组,其划分需要进行
n − 2 + n − 3 + n − 4 + n − 5 + . . . + 1 n-2+n-3+n-4+n-5+...+1 n−2+n−3+n−4+n−5+...+1
时间复杂度为 O ( n 2 ) O(n^2) O(n2),平均情况下 O ( n l o g n ) O(nlogn) O(nlogn)更加常见。
快速排序的缺陷就在于划分的过程难以控制
主要过程是将多个已经排好序的子数组合并为一个排好序的数组。他本身也是递归的,直到子数组的元素少于2个时,一分为二就会停止。伪代码如下
mergesort(data[],first,last){
if first < last
mid = (first + last) / 2;
mergesort(data,first,mid);
mergesort(data,mid+1,last);
merge(data,first,last);
}
他的时间复杂度也是 O ( n l o g n ) O(nlogn) O(nlogn),他的缺点在于合并过程需要额外的存储空间,这对于大量的数据来说是巨大的缺点。
他的排序思路如下图
复杂度为 O ( d ( r + n ) ) O(d(r+n)) O(d(r+n))
void radixsort(long data[],int n){
int d,j,k,factor;
const int radix=10;
const int digit=10;
queue<long> queue[radix];
for(d=0,factor=1;d<digit;factor*=radix,d++){
for(j=0;j<n;j++){
queue[(data[j]/factor)%radix].push(data[j]);
}
for(j=k=0;j<radix;j++)
while(!queue[j].empty()){
data[k++]=queue[j].front();
queue[j].pop();
}
}
}
排序思路如下图
//计数排序
void countingsort(long data[],const long n){
long i;
long largest = data[0];
long* tmp=new long[n];
for(i=0;i<n;i++){
if(largest<data[i]){
largest=data[i];
}
}
unsigned long* count=new unsigned long[largest+1];
for(i=0;i<n;i++){
count[data[i]]++;
}
for(i=1;i<=largest;i++){
count[i]=count[i-1]+count[i];
}
for(i=n-1;i>=0;i--){
tmp[count[data[i]]-1]=data[i];
count[data[i]]--;
}
for(i=0;i<n;i++)
data[i]=tmp[i];
}
文章浏览阅读1.6k次。安装配置gi、安装数据库软件、dbca建库见下:http://blog.csdn.net/kadwf123/article/details/784299611、检查集群节点及状态:[root@rac2 ~]# olsnodes -srac1 Activerac2 Activerac3 Activerac4 Active[root@rac2 ~]_12c查看crs状态
文章浏览阅读1.3w次,点赞45次,收藏99次。我个人用的是anaconda3的一个python集成环境,自带jupyter notebook,但在我打开jupyter notebook界面后,却找不到对应的虚拟环境,原来是jupyter notebook只是通用于下载anaconda时自带的环境,其他环境要想使用必须手动下载一些库:1.首先进入到自己创建的虚拟环境(pytorch是虚拟环境的名字)activate pytorch2.在该环境下下载这个库conda install ipykernelconda install nb__jupyter没有pytorch环境
文章浏览阅读5.2k次,点赞19次,收藏28次。选择scoop纯属意外,也是无奈,因为电脑用户被锁了管理员权限,所有exe安装程序都无法安装,只可以用绿色软件,最后被我发现scoop,省去了到处下载XXX绿色版的烦恼,当然scoop里需要管理员权限的软件也跟我无缘了(譬如everything)。推荐添加dorado这个bucket镜像,里面很多中文软件,但是部分国外的软件下载地址在github,可能无法下载。以上两个是官方bucket的国内镜像,所有软件建议优先从这里下载。上面可以看到很多bucket以及软件数。如果官网登陆不了可以试一下以下方式。_scoop-cn
文章浏览阅读4.5k次,点赞2次,收藏3次。首先要有一个color-picker组件 <el-color-picker v-model="headcolor"></el-color-picker>在data里面data() { return {headcolor: ’ #278add ’ //这里可以选择一个默认的颜色} }然后在你想要改变颜色的地方用v-bind绑定就好了,例如:这里的:sty..._vue el-color-picker
文章浏览阅读640次。基于芯片日益增长的问题,所以内核开发者们引入了新的方法,就是在内核中只保留函数,而数据则不包含,由用户(应用程序员)自己把数据按照规定的格式编写,并放在约定的地方,为了不占用过多的内存,还要求数据以根精简的方式编写。boot启动时,传参给内核,告诉内核设备树文件和kernel的位置,内核启动时根据地址去找到设备树文件,再利用专用的编译器去反编译dtb文件,将dtb还原成数据结构,以供驱动的函数去调用。firmware是三星的一个固件的设备信息,因为找不到固件,所以内核启动不成功。_exynos 4412 刷机
文章浏览阅读2w次,点赞24次,收藏42次。Linux系统配置jdkLinux学习教程,Linux入门教程(超详细)_linux配置jdk
文章浏览阅读3.3k次,点赞5次,收藏19次。xlabel('\delta');ylabel('AUC');具体符号的对照表参照下图:_matlab微米怎么输入
文章浏览阅读119次。顺序读写指的是按照文件中数据的顺序进行读取或写入。对于文本文件,可以使用fgets、fputs、fscanf、fprintf等函数进行顺序读写。在C语言中,对文件的操作通常涉及文件的打开、读写以及关闭。文件的打开使用fopen函数,而关闭则使用fclose函数。在C语言中,可以使用fread和fwrite函数进行二进制读写。 Biaoge 于2024-03-09 23:51发布 阅读量:7 ️文章类型:【 C语言程序设计 】在C语言中,用于打开文件的函数是____,用于关闭文件的函数是____。
文章浏览阅读3.4k次,点赞2次,收藏13次。跟随鼠标移动的粒子以grid(SOP)为partical(SOP)的资源模板,调整后连接【Geo组合+point spirit(MAT)】,在连接【feedback组合】适当调整。影响粒子动态的节点【metaball(SOP)+force(SOP)】添加mouse in(CHOP)鼠标位置到metaball的坐标,实现鼠标影响。..._touchdesigner怎么让一个模型跟着鼠标移动
文章浏览阅读178次。项目运行环境配置:Jdk1.8 + Tomcat7.0 + Mysql + HBuilderX(Webstorm也行)+ Eclispe(IntelliJ IDEA,Eclispe,MyEclispe,Sts都支持)。项目技术:Springboot + mybatis + Maven +mysql5.7或8.0+html+css+js等等组成,B/S模式 + Maven管理等等。环境需要1.运行环境:最好是java jdk 1.8,我们在这个平台上运行的。其他版本理论上也可以。_基于java技术的停车场管理系统实现与设计
文章浏览阅读3.5k次。前言对于MediaPlayer播放器的源码分析内容相对来说比较多,会从Java-&amp;gt;Jni-&amp;gt;C/C++慢慢分析,后面会慢慢更新。另外,博客只作为自己学习记录的一种方式,对于其他的不过多的评论。MediaPlayerDemopublic class MainActivity extends AppCompatActivity implements SurfaceHolder.Cal..._android多媒体播放源码分析 时序图
文章浏览阅读2.4k次,点赞41次,收藏13次。java 数据结构与算法 ——快速排序法_快速排序法