【数据结构】 实验报告13 各排序算法时间性能比较

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;
			}
评论 6
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值