选择排序和堆排序

本文介绍了选择排序和堆排序的基本思想及实现代码。选择排序通过每次选择最大或最小值来排序;堆排序则利用堆结构快速获取最大值或最小值,通过不断调整堆结构完成排序过程。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

今天Val要和大家分享关于选择排序和堆排序的基本思想和实现代码的算法~以升序为例
1.选择排序:在数组中选出最大(小)的数放在数组的末(首)端,缩小范围再进行选择,这个我在之前的博客里有分享过,http://blog.youkuaiyun.com/valdc_morning/article/details/54290413
当然还有更高效率的选择排序,每次选出最大的放在数组尾端,最小的放在数组首端,这是在一个循环中同时选出来的,这样一次就有最大和最小被同时选择出来,效率相对较高。
*要注意循环的范围,最大值最小值的初始值,还有数组范围的变化

代码如下:

void SelectSort(int* a, int n)
{
    int begin = 0;
    int end = n - 1;
    while (begin <= end)
    {
        int max = begin;
        int min = begin;
        for (size_t i = begin + 1; i <= end; i++)
        {
            if (a[i] >= a[max])
            {
                max = i;

            }
            if (a[i] < a[min])
            {
                min = i;
            }
        }
        swap(a[max], a[end]);
        swap(a[min], a[begin]);
        if (max == min)
        {
            swap(a[max], a[min]);
        }
        begin++;
        end--;
    }
}

2.堆排序也是一种选择排序
利用堆,大堆(父节点大于子节点),小堆(父节点小于子节点),从而快速得到数组中的最大值(或最小值),升序建大堆,降序建小堆,堆顶就是最大(最小)的,以升序为例,把堆顶数据和数组末尾数据交换,缩小数组大小,end–,继续把堆顶数据和它的孩子比较(向下调整),循环。
代码如下:

void AdjustDown(int *a, int n, int i)//n个数  从i开始调节
{
    int root = i;
    int child = root * 2 + 1;
    while (child < n)
    {
        if (child + 1 < n && a[child + 1] > a[child])
        {
            child++;
        }
        if (a[child]>a[root])
        {
            swap(a[child], a[root]);
            root = child;
            child = child * 2 + 1;
        }
        else
        {
            break;
        }
    }
}

void HeapSort(int* a, size_t n)
{
    assert(a);
    for (size_t i = (n - 2) / 2; i > 0; i--)//建堆,调整使其成为一个大堆
    {
        AdjustDown(a, n, i);
    }
    int end = n - 1;//要进行堆排序的最后一个元素下标
    for (; end > 0; end--)
    {
        swap(a[0], a[end]);
        AdjustDown(a,end,i);
    }

    //while(end>0)
    //{
    //    swap(a[0],a[end]);
    //    AdjustDown(a,end,0);
    //    end--;
    //}
}
### 直接选择排序堆排序的比较 #### 1. 算法描述 直接选择排序是一种简单直观的排序算法,其核心思想是每次从未排序部分中找到最小值,并将其放到已排序部分的末尾。其实现过程如引用所述[^3],通过双重循环实现,时间复杂度为 \(O(N^2)\)。 堆排序是一种基于二叉堆数据结构的高效排序算法。它利用了堆的性质(大顶堆或小顶堆),首先将数组构建成一个堆,然后逐步将堆顶元素末尾元素交换,并调整剩余部分以维持堆的性质。堆排序的时间复杂度为 \(O(N \log N)\)[^5]。 --- #### 2. 时间复杂度分析 - **直接选择排序**: 直接选择排序的时间复杂度始终为 \(O(N^2)\),无论输入数据是否有序。这是因为算法需要两层嵌套循环来完成排序操作。 - **堆排序**: 堆排序的时间复杂度为 \(O(N \log N)\)。建堆的过程可以通过从下到上的方式在 \(O(N)\) 时间内完成,而后续的调整交换操作需要 \(O(\log N)\) 的时间,总共执行 \(N\) 次,因此总复杂度为 \(O(N \log N)\)[^5]。 --- #### 3. 空间复杂度 - **直接选择排序**: 直接选择排序是一种原地排序算法,不需要额外的空间,因此空间复杂度为 \(O(1)\)[^3]。 - **堆排序**: 堆排序同样是一种原地排序算法,除了用于交换的临时变量外,不需要额外的空间,因此空间复杂度也为 \(O(1)\)[^5]。 --- #### 4. 实现代码 ##### 直接选择排序 ```python def select_sort(arr): n = len(arr) for i in range(n - 1): min_index = i for j in range(i + 1, n): if arr[j] < arr[min_index]: min_index = j if min_index != i: arr[i], arr[min_index] = arr[min_index], arr[i] ``` ##### 堆排序 ```python def heapify(arr, index, heap_size): left = 2 * index + 1 right = 2 * index + 2 largest = index if left < heap_size and arr[left] > arr[largest]: largest = left if right < heap_size and arr[right] > arr[largest]: largest = right if largest != index: arr[index], arr[largest] = arr[largest], arr[index] heapify(arr, largest, heap_size) def heap_sort(arr): n = len(arr) # 构建大顶堆 for i in range(n // 2 - 1, -1, -1): heapify(arr, i, n) # 逐个取出堆顶元素 for i in range(n - 1, 0, -1): arr[0], arr[i] = arr[i], arr[0] heapify(arr, 0, i) ``` --- #### 5. 总结 - **直接选择排序**适合处理小规模数据,但其效率较低,尤其在大规模数据集上表现不佳。 - **堆排序**虽然实现稍复杂,但其高效的 \(O(N \log N)\) 时间复杂度使其更适合大规模数据排序任务。 ---
评论
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