插入排序还是堆排序

插入排序与堆排序的区别与应用
这篇博客探讨了插入排序和堆排序两种算法的工作原理和特点。根据给出的输入输出格式,读者可以理解如何根据排序中间序列判断所使用的排序算法,并通过示例展示了排序过程。同时,文章还介绍了堆排序相关函数`make_heap()`、`push_heap()`和`pop_heap()`的使用方法及其注意事项。

插入排序还是堆排序 (25 分)

根据维基百科的定义:

插入排序是迭代算法,逐一获得输入数据,逐步产生有序的输出序列。每步迭代中,算法从输入序列中取出一元素,将之插入有序序列中正确的位置。如此迭代直到全部元素有序。

堆排序也是将输入分为有序和无序两部分,迭代地从无序部分找出最大元素放入有序部分。它利用了大根堆的堆顶元素最大这一特征,使得在当前无序区中选取最大元素变得简单。

现给定原始序列和由某排序算法产生的中间序列,请你判断该算法究竟是哪种排序算法?

输入格式:

输入在第一行给出正整数 N (≤100);随后一行给出原始序列的 N 个整数;最后一行给出由某排序算法产生的中间序列。这里假设排序的目标序列是升序。数字间以空格分隔。

输出格式:

首先在第 1 行中输出Insertion Sort表示插入排序、或Heap Sort表示堆排序;然后在第 2 行中输出用该排序算法再迭代一轮的结果序列。题目保证每组测试的结果是唯一的。数字间以空格分隔,且行首尾不得有多余空格。

输入样例 1:

10
3 1 2 8 7 5 9 4 6 0
1 2 3 7 8 5 9 4 6 0

输出样例 1:

Insertion Sort
1 2 3 5 7 8 9 4 6 0

输入样例 2:

10
3 1 2 8 7 5 9 4 6 0
6 4 5 1 0 3 2 7 8 9

输出样例 2:

Heap Sort
5 4 3 1 0 2 6 7 8 9

 make_heap()生成堆,他有两个参数,也可以有三个参数,前两个参数是指向开始元素的迭代器和指向结束元素的下一个元素的迭代器。第三个参数是可选的,可以用伪函数less()和greater()来生成大顶堆和小顶堆,其中type为元素类型。如果只传入前两个参数,默认是生成大顶堆。
push_heap()是在堆的基础上进行数据的插入操作,参数与make_heap()相同,需要注意的是,只有make_heap()和push_heap()同为大顶堆或小顶堆,才能插入。
pop_heap()是在堆的基础上,弹出堆顶元素。这里需要注意的是,pop_heap()并没有删除元素,而是将堆顶元素和数组最后一个元素进行了替换,如果要删除这个元素,还需要对数组进行pop_back()操作。

用less ()和greater () 需要添加头文件 # include<iostream> 。

 

#include<cstdio>
#include<algorithm>
#include<vector>
#include<iostream>//记得加上
using namespace std;
vector<int> va,vb;
int main(){
	int n,x;
	scanf("%d",&n);
	for(int i=0;i<n;i++){
		scanf("%d",&x);
		va.push_back(x);
	}
	for(int i=0;i<n;i++){
		scanf("%d",&x);
		vb.push_back(x);
	}
	int t=n;
	make_heap(va.begin(),va.begin()+t,less<int>());
	while(va!=vb&&t>0){
		pop_heap(va.begin(),va.begin()+t,less<int>());
		t--;
	}
	if(va==vb){
		printf("Heap Sort\n");
		pop_heap(va.begin(),va.begin()+t,less<int>());
		vb=va;
	}
	else{
		t=1;
		while(t<n&&vb[t-1]<=vb[t]) t++;
		while(t>0&&vb[t-1]>vb[t]){
			swap(vb[t-1],vb[t]);
			t--;
		}
		printf("Insertion Sort\n");
	}
	for(int i=0;i<n;i++){
		printf("%d%c",vb[i]," \n"[i==n-1]);
	}
	return 0;
} 

 

### PTA平台上插入排序堆排序的实现 #### 插入排序的实现 对于给定的一组数列,在判断其为插入排序的情况下,程序会继续模拟一次完整的插入排序过程并输出结果。如果中间序列的一部分已经有序而另一部分保持原样无序,则可以断定这是插入排序的过程[^2]。 ```python def insertion_sort_next_round(initial, current): n = len(current) # 找到第一个未排序的位置 i = 0 while i < n and initial[i] == current[i]: i += 1 if i >= n or all(x <= y for x, y in zip(current[:i], current[1:i+1])): pos = i # 进行下一轮插入操作 key = current[pos] j = pos - 1 while j >= 0 and current[j] > key: current[j + 1] = current[j] j -= 1 current[j + 1] = key return "Insertion Sort", current else: return None, [] ``` #### 堆排序的实现 当确认是堆排序时,意味着当前数组是从最大堆调整而来。为了完成下一步的操作,需要找出堆顶元素应该交换至的具体位置,并据此更新整个数组的状态[^4]。 ```python import heapq def heapify(arr, index=0, size=None): if size is None: size = len(arr) largest = index left_child = 2 * index + 1 right_child = 2 * index + 2 if left_child < size and arr[left_child] > arr[largest]: largest = left_child if right_child < size and arr[right_child] > arr[largest]: largest = right_child if largest != index: arr[index], arr[largest] = arr[largest], arr[index] heapify(arr, largest, size) def next_heap_sort_step(initial, current): sorted_part = list(reversed(sorted(current))) unsorted_part_start = sum(1 for a, b in zip(initial[::-1], sorted_part) if a == b) temp_arr = current.copy() last_element_index = len(temp_arr) - unsorted_part_start - 1 temp_arr[last_element_index], temp_arr[0] = temp_arr[0], temp_arr[last_element_index] heapify(temp_arr, size=len(temp_arr)-unsorted_part_start-1) return "Heap Sort", temp_arr ``` --- ### 性能对比分析 通常情况下,两种算法的时间复杂度分别为: - **插入排序**:平均时间复杂度 O(n²),但在接近已排序的数据集上表现较好,因为每次只需要移动少量元素即可维持顺序。 - **堆排序**:最坏情况下的时间复杂度稳定于 O(n log n),适用于处理较大规模且随机分布的数据集合[^1]。 因此,在PTA平台上的具体应用场景中,选择哪种排序方法取决于待排序列表的特点以及预期达到的效果。对于几乎已经是有序的小型数据集来说,插入排序可能更高效;而对于大型或完全无序的数据集,则应优先考虑使用堆排序来获得更好的性能。
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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