排序演算法總結

❶ 求關於各種排序的總結

http://www.bluffton.e/~nesterd/java/SortingDemo.html

這里列出了多個演算法的比較， 你可仔細看一看。

如果你對這些很感興趣建議你看一看<<數據結構與演算法分析>>這本書

❷ 關於排序演算法比較的問題

樓上的說法不準確吧，不能說比較和交換的次數不是一個級別的，交換也不是最多隻有n次。比如一個逆序的數組進行升序的冒泡排序，交換就遠遠超過n次。
但是假設比較次數為P(n)，交換次數為Q(n)，那麼因為交換發生在比較之後（基本上排序演算法都是這樣，樓主可以自己想想），必然有Q(n)<=P(n)。如果時間復雜度為T(n)，那麼顯然根據時間復雜度的定義（極限定義），用大O表示法可以忽略Q(n)項（或用P(n)代替Q(n)），僅用P對T進行表示。
因為大O表示法是對時間復雜度上限的一個估計，而這種每比較一次就需要交換的情況確實存在（最差情況），所以在T(n)中使用P(n)對Q(n)進行替換並不會擴大對上限估計，而只是乘以了系數2，在大O表示法中常數項是不寫入的。
這些數學分析一般在國內的演算法教材中都不寫入的，MIT的《ITA》注重這方面的敘述。
關於總結其實樓主可以自己去搜，上來問這行為太懶了。不過我也幫你找來吧。

冒泡法：
這是最原始，也是眾所周知的最慢的演算法了。他的名字的由來因為它的工作看來象是冒泡： 復雜度為O(n*n)。當數據為正序，將不會有交換。復雜度為O(0)。
直接插入排序：O(n*n)
選擇排序：O(n*n)
快速排序：平均時間復雜度log2(n)*n，所有內部排序方法中最高好的，大多數情況下總是最好的。
歸並排序：log2(n)*n
堆排序：log2(n)*n
希爾排序：演算法的復雜度為n的1.2次冪

❸ 各種排序演算法有什麼缺陷

1、 堆排序定義
n個關鍵字序列Kl，K2，…，Kn稱為堆，當且僅當該序列滿足如下性質(簡稱為堆性質)：
(1) ki≤K2i且ki≤K2i+1 或(2)Ki≥K2i且ki≥K2i+1(1≤i≤ )
若將此序列所存儲的向量R[1..n]看做是一棵完全二叉樹的存儲結構，則堆實質上是滿足如下性質的完全二叉樹：樹中任一非葉結點的關鍵字均不大於(或不小於)其左右孩子(若存在)結點的關鍵字。
【例】關鍵字序列(10，15，56，25，30，70)和(70，56，30，25，15，10)分別滿足堆性質(1)和(2)，故它們均是堆，其對應的完全二叉樹分別如小根堆示例和大根堆示例所示。
2、大根堆和小根堆
根結點(亦稱為堆頂)的關鍵字是堆里所有結點關鍵字中最小者的堆稱為小根堆。
根結點(亦稱為堆頂)的關鍵字是堆里所有結點關鍵字中最大者，稱為大根堆。
注意：
①堆中任一子樹亦是堆。
②以上討論的堆實際上是二叉堆(Binary Heap)，類似地可定義k叉堆。
3、堆排序特點
堆排序(HeapSort)是一樹形選擇排序。
堆排序的特點是：在排序過程中，將R[l..n]看成是一棵完全二叉樹的順序存儲結構，利用完全二叉樹中雙親結點和孩子結點之間的內在關系【參見二叉樹的順序存儲結構】，在當前無序區中選擇關鍵字最大(或最小)的記錄。
4、堆排序與直接插入排序的區別
直接選擇排序中，為了從R[1..n]中選出關鍵字最小的記錄，必須進行n-1次比較，然後在R[2..n]中選出關鍵字最小的記錄，又需要做n-2次比較。事實上，後面的n-2次比較中，有許多比較可能在前面的n-1次比較中已經做過，但由於前一趟排序時未保留這些比較結果，所以後一趟排序時又重復執行了這些比較操作。
堆排序可通過樹形結構保存部分比較結果，可減少比較次數。
5、堆排序
堆排序利用了大根堆(或小根堆)堆頂記錄的關鍵字最大(或最小)這一特徵，使得在當前無序區中選取最大(或最小)關鍵字的記錄變得簡單。
（1）用大根堆排序的基本思想
① 先將初始文件R[1..n]建成一個大根堆，此堆為初始的無序區
② 再將關鍵字最大的記錄R[1](即堆頂)和無序區的最後一個記錄R[n]交換，由此得到新的無序區R[1..n-1]和有序區R[n]，且滿足R[1..n-1].keys≤R[n].key
③ 由於交換後新的根R[1]可能違反堆性質，故應將當前無序區R[1..n-1]調整為堆。然後再次將R[1..n-1]中關鍵字最大的記錄R[1]和該區間的最後一個記錄R[n-1]交換，由此得到新的無序區R[1..n-2]和有序區R[n-1..n]，且仍滿足關系R[1..n-2].keys≤R[n-1..n].keys，同樣要將R[1..n-2]調整為堆。
……
直到無序區只有一個元素為止。
（2）大根堆排序演算法的基本操作：
① 初始化操作：將R[1..n]構造為初始堆；
② 每一趟排序的基本操作：將當前無序區的堆頂記錄R[1]和該區間的最後一個記錄交換，然後將新的無序區調整為堆(亦稱重建堆)。
注意：
①只需做n-1趟排序，選出較大的n-1個關鍵字即可以使得文件遞增有序。
②用小根堆排序與利用大根堆類似，只不過其排序結果是遞減有序的。堆排序和直接選擇排序相反：在任何時刻，堆排序中無序區總是在有序區之前，且有序區是在原向量的尾部由後往前逐步擴大至整個向量為止。
（3）堆排序的演算法：
void HeapSort(SeqIAst R)
{ //對R[1..n]進行堆排序，不妨用R[0]做暫存單元
int i；
BuildHeap(R)； //將R[1-n]建成初始堆
for(i=n;i1；i--){ //對當前無序區R[1..i]進行堆排序，共做n-1趟。
R[0]=R[1]；R[1]=R[i];R[i]=R[0]； //將堆頂和堆中最後一個記錄交換
Heapify(R，1，i-1)； //將R[1..i-1]重新調整為堆，僅有R[1]可能違反堆性質
} //endfor
} //HeapSort
（4） BuildHeap和Heapify函數的實現
因為構造初始堆必須使用到調整堆的操作，先討論Heapify的實現。
① Heapify函數思想方法
每趟排序開始前R[l..i]是以R[1]為根的堆，在R[1]與R[i]交換後，新的無序區R[1..i-1]中只有R[1]的值發生了變化，故除R[1]可能違反堆性質外，其餘任何結點為根的子樹均是堆。因此，當被調整區間是R[low..high]時，只須調整以R[low]為根的樹即可。
"篩選法"調整堆
R[low]的左、右子樹(若存在)均已是堆，這兩棵子樹的根R[2low]和R[2low+1]分別是各自子樹中關鍵字最大的結點。若R[low].key不小於這兩個孩子結點的關鍵字，則R[low]未違反堆性質，以R[low]為根的樹已是堆，無須調整；否則必須將R[low]和它的兩個孩子結點中關鍵字較大者進行交換，即R[low]與R[large](R[large].key=max(R[2low].key，R[2low+1].key))交換。交換後又可能使結點R[large]違反堆性質，同樣由於該結點的兩棵子樹(若存在)仍然是堆，故可重復上述的調整過程，對以R[large]為根的樹進行調整。此過程直至當前被調整的結點已滿足堆性質，或者該結點已是葉子為止。上述過程就象過篩子一樣，把較小的關鍵字逐層篩下去，而將較大的關鍵字逐層選上來。因此，有人將此方法稱為"篩選法"。
具體的演算法【參見教材】
②BuildHeap的實現
要將初始文件R[l..n]調整為一個大根堆，就必須將它所對應的完全二叉樹中以每一結點為根的子樹都調整為堆。
顯然只有一個結點的樹是堆，而在完全二叉樹中，所有序號 的結點都是葉子，因此以這些結點為根的子樹均已是堆。這樣，我們只需依次將以序號為 ， -1，…，1的結點作為根的子樹都調整為堆即可。
具體演算法【參見教材】。
5、大根堆排序實例
對於關鍵字序列(42，13，24，91，23，16，05，88)，在建堆過程中完全二叉樹及其存儲結構的變化情況參見【動畫演示】。
6、 演算法分析
堆排序的時間，主要由建立初始堆和反復重建堆這兩部分的時間開銷構成，它們均是通過調用Heapify實現的。
堆排序的最壞時間復雜度為O(nlgn)。堆排序的平均性能較接近於最壞性能。
由於建初始堆所需的比較次數較多，所以堆排序不適宜於記錄數較少的文件。
堆排序是就地排序，輔助空間為O(1)，
它是不穩定的排序方法。

❹ 大哥 你能幫我總結冒泡排序演算法額額原理並寫出示常式序嗎不用太復

publicclassBubblesort{
	publicstaticvoidmain(String[]args){
		int[]a={1,5,245,2,452,4,2,12,4};//定義一個數組
		intn=a.length-1;//設置n的值為數組的長度減一
		while(n!=0){//大循環用來循環小循環
		for(inti=0;i<n;++i){//小循環：數組的每個值和他後邊的元素比較
			if(a[i]>a[i+1]){//如果前邊的元素大於後邊的元素就調換位置
				inttemp=a[i];
				a[i]=a[i+1];
				a[i+1]=temp;
			}	
		}
		n--;//每循環比較一次，小循環就少循環一次
	}
		for(intj=0;j<a.length;++j)//遍歷列印
			System.out.print(a[j]+"");
		
	}
}

❺ OC中數組幾種排序總結

數據排序方法
好的排序方法可以有效提高排序速度，提高排序效果。
在計算機領域主要使用數據排序方法根據佔用內存的方式不同分為2大類：內部排序方法與外部排序方法。
內部排序方法
若整個排序過程不需要訪問外存便能完成，則稱此類排序問題為內部排序。
內排序的方法有許多種，按所用策略不同，可歸納為五類：插入排序、選擇排序、交換排序、歸並排序和基數排序。
其中，插入排序主要包括直接插入排序和希爾排序兩種；選擇排序主要包括直接選擇排序和堆排序；交換排序主要包括氣（冒）泡排序和快速排序。
外部排序方法
外部排序基本上由兩個相互獨立的階段組成。首先，按可用內存大小，將外存上含n個記錄的文件分成若干長度為k的子文件或段(segment)，依次讀入內存並利用有效的內部排序方法對它們進行排序，並將排序後得到的有序子文件重新寫入外存。通常稱這些有序子文件為歸並段或順串；然後，對這些歸並段進行逐趟歸並，使歸並段(有序子文件)逐漸由小到大，直至得到整個有序文件為止。

❻ 蠻力排序演算法的實現與性能分析實驗小結怎麼寫

向右掃描，查找第一個關鍵字大於 temp.key 的記錄 */ if (i<j) R[j--]=R[i]; /* 交換 R[i]和 R[j] */ } while (i!=j); R[i]=temp; /* 基準 temp 已被最後定位 */ return i; } /* PARTITION */ void QUICKSORT(rectype R[ ], int s1, int t1) /* 對

❼ 冒泡排序演算法有幾種寫法

冒泡排序演算法有兩種，一種是從大到小排，另一種是從小到大排。

冒泡排序也是一種穩定排序演算法。因為冒泡排序就是把小的元素往前調或者把大的元素往後調。比較是相鄰的兩個元素比較，交換也發生在這兩個元素之間。所以，如果兩個元素相等，是不會再交換的；如果兩個相等的元素沒有相鄰，那麼即使通過前面的兩兩交換把兩個相鄰起來，這時候也不會交換，所以相同元素的前後順序並沒有改變。

❽ 排序演算法應用二（直接法、插入法、shell排序）

#include<iostream.h>
void main ()
{
int a,b
.................

❾ Shell排序的演算法總結

下面幾個演算法有研究價值 /**D.Shell最初的演算法。*/intshellsortSh(intp[],intn){intop=0;inth,i,j,temp;for(h=n/2;h>0;h=h/2）{for(i=h;i<n;i++){temp=p[i];for(j=i-h;j>=0&&p[j]>temp;j-=h){p[j+h]=p[j];op++;}p[j+h]=temp;op++;}}returnop;}shell排序演算法C語言實現voidshellsort(intv[],intn){intgap,i,j,temp;for(gap=n/2;gap>0;gap/=2){for(i=gap;i<n;i++){for(j=i-gap;j>=0&&v[j]>v[j+gap];j-=gap){temp=v[j];v[j]=v[j+gap];v[j+gap]=temp;}}}}Lazarus-Frank 演算法，1960 年發表。 /**原為在必要時加1使所有增量都為奇數，現修正為減1。*/intshellsortLF(intp[],intn){intop=0;inth,i,j,temp;for(h=n/2;h>0;h=h/2）{if(h%2==0)h--;for(i=h;i<n;i++){temp=p[i];for(j=i-h;j>=0&&p[j]>temp;j-=h){p[j+h]=p[j];op++;}p[j+h]=temp;op++;}}returnop;} intshellsortGo(intp[],intn){intop=0;inth,i,j,temp;for(h=n;h>1;){h=(h<5）?1:(h*5-1）/11;for(i=h;i<n;i++){temp=p[i];for(j=i-h;j>=0&&p[j]>temp;j-=h){p[j+h]=p[j];op++;}p[j+h]=temp;op++;}}returnop;}Incerpj-Sedgewick 演算法，1985 年發表。 intshellsortIS(intp[],intn){intop=0;inth,i,j,t,temp;intincs[16]={/*a1=3,a2=7,a3=16,a4=41,a5=101*/1391376,/*a1*a2*a3*a4*a5*/463792,/*a2*a3*a4*a5*/198768,/*a1*a3*a4*a5*/86961,/*a1*a2*a4*a5*/33936,/*a1*a2*a3*a5*/13776,/*a1*a2*a3*a4*/4592,/*a2*a3*a4*/1968,/*a1*a3*a4*/861,/*a1*a2*a4*/336,/*a1*a2*a3*/112,/*a2*a3*/48,/*a1*a3*/21,/*a1*a2*/7,/*a2*/3,/*a1*/1};for(t=0;t<16;t++){h=incs[t];for(i=h;i<n;i++){temp=p[i];for(j=i-h;j>=0&&p[j]>temp;j-=h){p[j+h]=p[j];op++;}p[j+h]=temp;op++;}}returnop;}