♥♥♥~~~~~~欢迎光临知星小度博客空间~~~~~~♥♥♥
♥♥♥零星地变得优秀~也能拼凑出星河~♥♥♥
♥♥♥我们一起努力成为更好的自己~♥♥♥
♥♥♥如果这一篇博客对你有帮助~别忘了点赞分享哦~♥♥♥
♥♥♥如果有什么问题可以评论区留言或者私信我哦~♥♥♥
✨✨✨✨✨✨个人主页✨✨✨✨✨✨
在前面的博客C语言------有关排序的算法中，我们对一些排序算法有了一定的了解，接下来这一篇博客我们更加深入地了解不同的排序算法~
目录
排序的概念及应用
什么是排序呢？排序排序不就是排顺序嘛~确实是这样~
概念：排序就是使⼀串记录（数据）按照其中的某个或某些关键字的大小（某一种规律）递增或递减的排列起来的操作。 （也就是说我们按照规律可能排升序，也有可能排降序）
在我们的生活中，处处都有排序的影子~比如世界五百强，中国内地大学排名，学生成绩排名......这些都是排序的运用，程序员们就需要使用排序来解决问题~
这里给出常见的排序算法~
有的排序算法（比如冒泡排序）在前面的博客中提到过~这一篇博客我们结合我们新学的知识进一步了解排序的算法~接下来，我们来一 一讲解这些不同的排序算法
插入排序
插入排序又可以分为直接插入排序和希尔排序，事实上希尔排序是直接插入排序的优化，接下来我们一个个来看~
直接插入排序
基本思想
基本思想：把待排序的记录 按其关键码值的大小逐个插入到⼀个已经排好序的有序序列 中，直到所有的记录插入完为止，得到⼀个新的有序序列 。
这也就类似于我们打扑克牌前对每一次拿到的牌插入到我们以前排好的牌中~
根据扑克牌的思想，首先我们循环拿到需要排序数组的每一个元素，使用end记录已经排序完成的数据最后一个下标，使用tmp保存需要排序的数据，end--往前面走，将tmp插入到前面排好的序列合适的位置。这里以升序为例，看看下面的代码~
代码
cpp
//直接插入排序
void InsertSort(int* arr, int sz)
{
for (int i = 0; i < sz - 1; i++)
{
int end = i;//当前已经排好序最后一个的下标
int tmp = arr[end + 1];//要插入的数据
//往前面走，将tmp插入到前面排好的序列合适的位置
while (end >= 0)
{
if (arr[end] > tmp)
{
//end下标的数据大于tmp，数据往后面走一个
arr[end + 1] = arr[end];
//下标--，继续向前走
end--;
}
else
{
break;
}
}
//跳出循环两种情况
//1.end越界（end = -1）说明插入元素就是最小的
//2.arr[end]<tmp,说明tmp是arr[end]后面的数据
arr[end + 1] = tmp;
}
}
排序成功~
时间复杂度
接下来我们来看看，直接插入排序的时间复杂度应该怎么表示呢？
我们可以看到有两层循环，外层循环次数为n，内层循环次数当我们排序的数组是降序要排序成升序时，那么内层循环次数依次为1、 2、3......n，根据时间复杂度表示法的规则，取最坏的情况，那么时间复杂度就为O（N^2)，不清楚的时间复杂度表示方法的记得看看这一篇博客哦~数据结构------复杂度
希尔排序
既然直接插入排序时间复杂度为O（N^2),那么有没有什么方法可以优化一下它呢？
接下来，就有我们的希尔排序来提高效率了~我们一起来看看~
基本思想
希尔排序法又称 缩小增量法 。
希尔排序法的基本思想是：先 选定⼀个整数（我们一般选择是gap = n/3+1） ，把 待排序文件 所有记录分成各组 （所有的 距离相等的记录分在同⼀组内 ），并对 每⼀组内的记录进行排序 ，然后 gap=gap/3+1得到下⼀个整数，再将数组分成各组 ，进行插入排序，当gap=1时，就相当于 直接插入排序。
前面gap>1时就是在进行预排序，把小的数据放在前面，大的数据放在后面~使数组接近有序~
gap=1时，就是直接插入排序~
是不是看起来蒙蒙的，别急，我们画图来理解~
选择如果我们想要排序【9，1，2，5，7，4，8，6，3，5】这个数组，一共10（n=10)个元素
这里为了方便画图，首先我们取gap = 5,将需要排序的数组分为5组（这里的分组依据是距离相等的记录分在同⼀组内）
那么，我们这里就进行了【9，4】，【1，8】，【2，6】，【5，3】，【7，5】这样的分组，分组完成之后我们就排序每一组内部的数据~排升序就变成【4，9】，【1，8】，【2，6】，【3，5】，【5，7】，那么我们得到新的数组就是【4，1，2，3，5，9，8，6，5，7】，我们会发现经过第一轮排序我们把小的数据放在了前面，大的数据放在了后面~
继续让gap = gap/3+1=2，将数据分为两组，每一组有5个数据
一组数据是【4，2，5，8，5】，一组数据是【1，3，9，6，7】，再对每一组数据进行排序，第一组就是【2，4，5，5，8】，第二组就是【1，3，6，7，9】，恢复到原来的数据就变成了【2，1，4，3，5，6，5，7，8，9】，接下来数据已经更加有序了，那么接下来我们就可以继续取gap=gap/3+1，这个时候gap已经等于1了，就相当于将数据分为一组，那么这个时候就相当于我们的直接插入排序进行排序了~
这里简单走一下过程~也更好地理解一下直接插入排序~
1.tmp = 1
|---|---|---|---|---|---|---|---|---|---|
| 1 | 2 | 4 | 3 | 5 | 6 | 5 | 7 | 8 | 9 |
2.tmp = 4
|---|---|---|---|---|---|---|---|---|---|
| 1 | 2 | 4 | 3 | 5 | 6 | 5 | 7 | 8 | 9 |
3.tmp = 3
|---|---|---|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | 6 | 5 | 7 | 8 | 9 |
4.tmp = 5
|---|---|---|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | 6 | 5 | 7 | 8 | 9 |
5.tmp = 6
|---|---|---|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | 6 | 5 | 7 | 8 | 9 |
6.tmp = 5
|---|---|---|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | 5 | 6 | 7 | 8 | 9 |
............
最终得到升序数组
|---|---|---|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | 5 | 6 | 7 | 8 | 9 |
代码
希尔排序思想理解了，那么怎么写代码呢？公主王子~请看下面的代码~
cpp
//希尔排序
void ShellSort(int* arr, int sz)
{
//给一个变量gap
int gap = sz;
while (gap > 1)
{
gap = gap / 3 + 1;//通常情况下，我们这样确定gap的值
//数据分为gap组，排序每一组
//这里的gap也代表着每一组数据相差的下标
for (int i = 0; i < sz - gap; i++)
{
//每一组进行组内排序
int end = i;
int tmp = arr[end + gap];
while (end >= 0)
{
if (arr[end] > tmp)
{
arr[end + gap] = arr[end];
end -= gap;
}
else
{
break;
}
}
//跳出循环两种情况
//1.end越界（end = -1）说明tmp是当前组最小的
//2.arr[end] < tmp
arr[end + gap] = tmp;
}
}
}
排序成功~
常见问题：
1，为什么外层循环条件不是gap>=1?
注意，以上面的例子为例，最开始我们让gap=n=10，第一次进入循环gap=gap/3+1=4>1，第二次进入循环gap=gap/3+1=2>1,第三次进入循环gap=gap/3+1= 1，这里已经gap=1了，就不需要再进入一次循环~
2.为什么i < sz-gap ?
这里我们需要确保数组下标有效，后面的end+gap=i+gap<sz,所以i < sz-gap。
时间复杂度
有人一看这希尔排序三层循环，肯定时间复杂度大于直接插入排序，事实上并不是这样。
- 希尔排序是对直接插入排序的优化。
- 当 gap > 1 时都是预排序，目的是让数组更接近于有序。
当 gap == 1 时，数组已经接近有序， 这样就会很快。整体来看，可以达到优化的效果。
希尔排序的时间复杂度估算：
外层循环：
外层循环的时间复杂度（取决于gap怎么样取值）： O (log 2 n ) 或者 O (log 3 n ) ，即 O (log n )
内层循环：
希尔排序在最初和最后的排序的次数都为n，即前⼀阶段排序次数是逐渐上升的状态，当到达
某⼀顶点时，排序次数逐渐下降到n~
所以希尔排序时间复杂度是很难计算的~
根据一些资料，我们一般认为 **希尔排序时间复杂度为O(N^1.3),**这明显小于直接插入排序的O（N^2）
比较时间
有的可能还是不相信希尔排序效率高于直接插入排序，我们来进行简单的验证~
这里首先来了解几个函数~
rand：
功能：产生随机值，从srand (seed)中指定的seed开始，返回一个[seed, RAND_MAX（0x7fff）)间的随机整数。
srand：
参数seed是rand()的种子，用来初始化rand()的起始值。
time：
如果希望rand（）在每次程序运行时产生的值都不一样，必须给srand(seed)中的seed一个变值，这个变值必须在每次程序运行时都不一样（比如到目前为止流逝的时间），我们知道时间是无时无刻都在变化的~我们就可以使用srand（time（0））
clock：C语言中的
clock()函数是一个标准库函数，它用于测量程序自某个特定时间点（通常默认为程序启动时）以来所消耗的CPU时钟周期数（可以简单理解为运行到当前代码的时间）。这个函数返回的是CLOCKS_PER_SEC常量表示的秒级时间戳，通常在大多数系统上，CLOCKS_PER_SEC等于CLOCKS_PER_SEC大约等于1000（毫秒）或者1000000（纳秒），VS编译器是ms（毫秒）。
接下来就可以写出测试代码：
cpp
//测试排序效率
void testOP()
{
srand(time(0));
const int N = 100000;
int* a1 = (int*)malloc(sizeof(int) * N);
int* a2 = (int*)malloc(sizeof(int) * N);
for (int i = 0; i < N; i++)
{
a1[i] = rand();//生成随机数放入数组中
a2[i] = a1[i];
}
int begin1 = clock();
InsertSort(a1, N);
int end1 = clock();
int begin2 = clock();
ShellSort(a2, N);
int end2 = clock();
printf("InsertSort time: %d\n", end1 - begin1);
printf("ShellSort time: %d\n", end2 - begin2);
}
直接插入排序时间3515ms，希尔排序2ms，显然希尔排序是优于直接插入排序的~
选择排序
直接选择排序
在前面的博客中，我们提到过这种排序方法，我们也把它叫做选择法排序~
基本思想
- 在 元素集合 array[i]--array[n-1] 中选择关键码最⼤(⼩)的数据元素
- 若 它不是这组元素中的最后⼀个(第⼀个)元素，则将它与这组元素中的最后⼀个（第一个）元素交换
- 在剩余的 array[i]--array[n-2] （ array[i+1]--array[n-1] ） 集合中，重复上述步骤，直到集合剩余 1 个元素
以排序【9，1，2，5，7，4，8，6，3，5】这个数组为例，我们首先想把最小的数据放在第一个位置，记录下当前位置（i=0)的下标，往后面走找到最小的数据的下标(i=1)，然后进行交换,依此类推，直到数据只剩下一个元素就停止~
代码
for循环版本：
cpp
//交换数据
void Swap(int* a, int* b)
{
int tmp = *a;
*a = *b;
*b = tmp;
}
//直接选择排序
void SelectSort(int* arr, int sz)
{
for (int j = 0; j < sz - 1; j++)
{
int mini = j;//记录最小元素下标
for (int i = j + 1; i < sz; i++)
{
//往后面遍历找当前最小元素
if (arr[i] < arr[mini])
{
mini = i; //记录记录最小元素下标
}
}
//如果mini！=j，就进行交换
if (mini != j)
{
Swap(&arr[mini], &arr[j]);
}
}
}
排序成功~
这里我们也可以给他优化一下，同时遍历找当前最大和最小的元素~
cpp
//交换数据
void Swap(int* a, int* b)
{
int tmp = *a;
*a = *b;
*b = tmp;
}
//直接选择排序
void SelectSort(int* arr, int sz)
{
for (int j = 0; j < sz / 2; j++)
{
int mini = j;//记录最小元素下标
int maxi = sz - 1 - j;//记录最大元素下标
//因为同时找最大和最小元素，所以查找范围是j~（sz-1-j)
for (int i = j; i < sz - 1 - j; i++)
{
//往后面遍历找当前最小元素
if (arr[i] < arr[mini])
{
mini = i; //记录当前最小元素下标
}
//往后面遍历找当前最大元素
if (arr[i] > arr[maxi])
{
maxi = i; //记录当前最大元素下标
}
}
//如果mini！=j，就进行交换
if (mini != j)
{
Swap(&arr[mini], &arr[j]);
}
//如果maxi！=(sz-1-j)，就进行交换
if (maxi != (sz - 1 - j))
{
Swap(&arr[maxi], &arr[sz - 1 - j]);
}
}
}
自信满满的写好代码，但是排序结果却是错误的~别急我们分析看看~
第一次进入循环：
初始：mini = 0,maxi=9,第二层循环结束后mini=1,maxi=0
交换arr[mini]和arr[j]------>arr[0]=1,arr[1]=9
再一次交换arr[maxi]和arr[sz-1-j]------>arr[0]=5,arr[9]=1
问题是不是就出现了，当我们的最大元素下标就是开始的位置时就出现了问题，因为我们前面已经交换了元素位置，所以这里就需要进行特殊处理一下~如果maxi=j，就让maxi提前走到mini的位置
正确代码：
cpp
//交换数据
void Swap(int* a, int* b)
{
int tmp = *a;
*a = *b;
*b = tmp;
}
//直接选择排序
void SelectSort(int* arr, int sz)
{
for (int j = 0; j < sz / 2; j++)
{
int mini = j;//记录最小元素下标
int maxi = sz - 1 - j;//记录最大元素下标
//因为同时找最大和最小元素，所以查找范围是j~（sz-1-j)
for (int i = j; i < sz - 1 - j; i++)
{
//往后面遍历找当前最小元素
if (arr[i] < arr[mini])
{
mini = i; //记录当前最小元素下标
}
//往后面遍历找当前最大元素
if (arr[i] > arr[maxi])
{
maxi = i; //记录当前最大元素下标
}
}
//特殊处理
// 如果maxi=j，就让maxi提前走到mini的位置
if (maxi == j)
{
maxi = mini;
}
//如果mini！=j，就进行交换
if (mini != j)
{
Swap(&arr[mini], &arr[j]);
}
//如果maxi！=(sz-1-j)，就进行交换
if (maxi != (sz - 1 - j))
{
Swap(&arr[maxi], &arr[sz - 1 - j]);
}
}
}
这一次才真正的排序成功~
前面是两层for循环版本，接下来还有一个版本是外层while循环，内层for循环版本~
代码：
cpp
//直接选择排序
void SelectSort2(int* arr, int sz)
{
int begin = 0;
int end = sz - 1;
//begin、end分别表示开头位置和结尾位置
while(begin < end)
{
int mini = begin;//记录最小元素下标
int maxi = end;//记录最大元素下标
//因为同时找最大和最小元素，所以查找范围是begin~end
for (int i = begin; i <= end; i++)
{
//往后面遍历找当前最小元素
if (arr[i] < arr[mini])
{
mini = i; //记录当前最小元素下标
}
//往后面遍历找当前最大元素
if (arr[i] > arr[maxi])
{
maxi = i; //记录当前最大元素下标
}
}
//特殊处理
// 如果maxi==begin，就让maxi提前走到mini的位置
if (maxi == begin)
{
maxi = mini;
}
//1.
if (mini != begin)
{
Swap(&arr[mini], &arr[begin]);
}
if (maxi != end)
{
Swap(&arr[maxi], &arr[end]);
}
//2.也可以不判断直接交换，就是自己和自己交换
/*Swap(&arr[mini], &arr[begin]);
Swap(&arr[maxi], &arr[end]);*/
begin++;
end--;
}
}
排序成功~
时间复杂度
显然
- 直接选择排序思考非常好理解，但是效率不是很好，实际中很少使用
- 时间复杂度： O ( N ^2 )
- 空间复杂度： O (1)
我们同样可以测试一下时间~
我们可以看出来直接选择排序时间还大于直接插入排序~
堆排序
思路及代码
另外一种选择排序就是堆排序了~堆排序(Heapsort)是指利用堆积树（堆）这种数据结构所设计的⼀种排序算法，排升序要建大堆，排降序建小堆~这里我们给出代码~有疑问的可以再看看这一篇博客~数据结构------二叉树
cpp
//向下调整数据
AdjustDown(HPDataType* arr, int parent, int size)
{
assert(arr);
//当前父结点的左孩子结点
int child = 2 * parent + 1;
while (child < size)
//左孩子结点编号必须小于结点个数
{
//如果右孩子结点存在!!!
// 并且右孩子结点>左孩子结点，那么child就是右孩子结点编号
if (child + 1 < size && (arr[child + 1] > arr[child]))
{
child++;
}
//如果父结点小于孩子结点就进行交换
if (arr[parent] < arr[child])
{
Swap(&arr[parent], &arr[child]);
//继续往下面调整
parent = child;
child = 2 * parent + 1;
}
//如果父结点大于孩子结点就提前结束循环
else
{
break;
}
}
}
void HeapSort(int* arr, int sz)
{
//根据给定的arr建堆
//调整数组arr的数据
//1.向下的算法建堆
//child = sz - 1(最大的孩子结点下标）
//parent = （ sz - 1 - 1)/2 (最大的父结点下标）
int i = 0;
for (i = (sz - 1 - 1) / 2; i >= 0; i--)
{
AdjustDown(arr, i, sz);
//AdjustDown参数//AdjustDown(HPDataType* arr, int parent, int size)
}
//2.向上的算法建堆
//for(i = 0;i < sz; i++)
//{
// AdjustUP(arr, i);
// //AdjustUP参数//AdjustUP(HPDataType* arr, int child)
//}
//进行堆排序
//升序------大堆
// 堆顶元素就是当前最大的，交换之后最后面的元素最大
//降序------小堆
//堆顶元素就是当前最小的，交换之后最后面的元素最小
int end = sz - 1;
while (end > 0)
{
//一个个调整
Swap(&arr[0], &arr[end]);
//堆顶元素就是当前最大的，交换之后最后面的元素最大
AdjustDown(arr, 0, end);
//这里end就代表调整个数
// 数组下标为end的元素已经是最大的不需要调整
//最后面元素变化
end--;
}
}
时间复杂度
通过前面的博客，我们知道堆排序时间复杂度为O（N*lgN），这里我们来测试一下它排序十万个数据要花的时间~
这一篇博客有关于排序的内容就结束啦~想了解更多的排序内容~请看下集~
♥♥♥本篇博客内容结束，期待与各位优秀程序员交流，有什么问题请私信♥♥♥
♥♥♥如果这一篇博客对你有帮助~别忘了点赞分享哦~♥♥♥
✨✨✨✨✨✨个人主页✨✨✨✨✨✨