【数据结构】实验报告13 各排序算法时间性能比较

最新推荐文章于 2022-06-20 23:28:47 发布

RealWeakCoder

最新推荐文章于 2022-06-20 23:28:47 发布

阅读量9.5k

点赞数 22

分类专栏：数据结构与算法文章标签：排序算法算法数据结构 c++

本文链接：https://blog.youkuaiyun.com/RealCoder/article/details/107081459

版权

该实验报告对比了直接插入排序、希尔排序、冒泡排序、快速排序、直接选择排序、堆排序和归并排序在不同数据规模下的性能。实验结果显示，O(n²)算法在数据规模较大时排序时间显著增长，而O(nlogn)算法表现更优。在同一时间复杂度内，不同算法也有性能差异，如插入排序优于选择排序，快速排序优于归并排序。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、实验目的和要求

目的：给出一组实验来比较排序算法的时间性能
要求：
（1）时间性能
（2）实验数据应具有说服力
（3）实验结果要能以清晰的形式给出，如图、表等。
（4）算法所用时间必须是机器时间，也可以包括比较和交换元素的次数。
（5）实验分析及其结果要能以清晰的方式来描述，如数学公式或图表等。
（6）要给出实验的方案及其分析。

二、实验环境

软件环境：visual stdio 2017
硬件环境：①CPU：Intel（R）Core（TM）i7-8565U CPU @1.80Ghz
②内存：8.0GB

三、实验内容

给出一组实验来比较排序算法的时间性能

四、实验过程

4.1 任务定义和问题分析

选取若干个排序算法，对每种算法进行大量数据测试，同一规模的数据进行3次测试取平均值，最终得到若干个实验数据，进行绘图展示。

4.2 数据结构的选择和概要设计

本次实验选取直接插入排序，希尔排序，冒泡排序，快速排序，直接选择排序，堆排序，归并排序这7种算法。
分为2个大实验组，第一个大实验组为算法时间复杂度为O（n²）的算法，其中有直接插入排序，冒泡排序，直接选择排序。
第二个实验组为算法时间复杂度为O（nlogn）的算法，其中有希尔排序，快速排序，堆排序，归并排序。
4.3 详细设计
在第一个实验组中，选取规模分别为1000,5000,10000,50000,75000,100000,125000,175000,200000,250000的数据，每种数据测试三次取平均值。
在第二个实验组中，选取规模分别为10000,100000,200000,250000,500000,600000,750000,900000,1000000,10000000,25000000,30000000,40000000,50000000,60000000,75000000,100000000的数据，每种数据测试三次取平均值。在这些数据中，以1000000为分界点，分别制图。
制图采用python中的matplotlib工具，制作曲线图。
在这里插入图片描述

直接插入排序

template<typename T>
void insert_sort(T array[], int n)
{
	for (int i = 1; i < n; i++)
	{
		T temp = array[i];
		int j = i - 1;
		while (array[j] > temp&&j >= 0)
			array[j + 1] = array[j--];
		array[j + 1] = temp;
	}
}

希尔排序

template<typename T>
void shell_sort(T array[], int n)
{
	int d = n / 2;
	while (d > 0)
	{
		for (int i = d; i < n; i++)
		{
			T temp = array[i];
			int j = i - d;
			while (j >= 0 && temp < array[j])
			{
				array[j + d] = array[j];
				j -= d;
			}