NOJ1066堆排序

堆排序算法的实现,采用最大堆。给定输入排序元素,程序通过构造最大堆并交换头尾来完成排序,输出排序后的序列。适合元素范围在[0, 100000)且数量不超过100000的情况。" 100575530,8732018,使用JS实现倒计时:00天00时00分00秒,"['JavaScript', 'js获取倒计时', '前端框架', '时间格式化', 'Web开发']

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

堆排序

时间限制(普通/Java):1000MS/3000MS          运行内存限制:65536KByte
总提交:244            测试通过:153

描述

给定输入排序元素数目n和相应的n个元素,写出程序,利用内排序算法中堆排序算法进行排序,并输出排序最后结果的相应序列。

输入

共两行,第一行给出排序元素数目n,第二行给出n个元素,1n100000,每个元素值范围为 [0100000)

输出

一行,输出排序结果。

样例输入

7
48 36 68 72 12 48 2

样例输出

2 12 36 48 48 68 72

提示

 数据结构A实验四

题目来源

CHENZ


分析:可以用最小堆或者最大堆。这里采用了最大堆。其实最小堆较方便吧。关键2步:构造最小堆或最大堆,然后交换头尾,继续构造。。。

更新2014/09/22 最大堆比较方便,最小堆的话还需要倒过来输出。

#include<stdio.h>
#define SWAP(x, y) {int tmp=x; x=y; y=tmp;}

//堆排序

int a[100000];

void AdjustDown(int a[], int r, int j)
{
	int child = 2*r+1;
	int tmp = a[r];
	while(child <= j)
	{
		if(child < j && a[child] < a[child+1]) child ++;
		if(tmp >= a[child]) break;
		a[(child-1)/2] = a[child];
		child = 2*child+1;
	}
	a[(child-1)/2] = tmp;
}

void heapsort(int a[], int n)
{
	for(int i=(n-2)/2;i>-1;i--) AdjustDown(a, i, n-1); // 构造最大堆
	for(int i=n-1;i>0;i--)
	{
		SWAP(a[0], a[i]); // 大的到屁股后面去
		AdjustDown(a, 0, i-1);
	}
}

int main()
{
	int n;
	scanf("%d",&n);
	for(int i=0;i<n;i++)
		scanf("%d",&a[i]);
	heapsort(a, n);

	for(int i=0;i<n-1;i++)
		printf("%d ",a[i]);
	printf("%d\n",a[n-1]);

	return 0;
}



### 西北工业大学 NOJ 平台排序算法大作业示例题目解题报告 #### 示例题目:优化版快速排序实现 在西北工业大学 NOJ 平台上,有一道关于优化版快速排序的大作业题目。该题目不仅要求学生掌握基本的快速排序原理,还强调了对不同数据分布情况下的性能优化。 #### 题目描述 给定一组整数数组 `arr` 和一个正整数 `k` (1 ≤ k ≤ length of array),编写程序找到前 K 小的元素并按升序返回这些元素组成的列表。为了提高效率,不允许使用额外的空间来存储中间结果(即空间复杂度应尽可能低)。此外,在最坏情况下时间复杂度不应超过 O(n log n)[^1]。 #### 思路分析 此问题可以通过修改传统的快速排序算法解决。传统方法会构建完整的有序序列再截取所需部分;而本题只需要获取特定位置上的若干个最小值,则可以利用分治法的思想只处理涉及目标范围内的子区间,从而减少不必要的比较次数达到加速效果。 #### Python 实现代码 ```python import random def partition(nums, low, high): pivot = nums[(low + high) // 2] i = low - 1 j = high + 1 while True: i += 1 while nums[i] < pivot: i += 1 j -= 1 while nums[j] > pivot: j -= 1 if i >= j: return j nums[i], nums[j] = nums[j], nums[i] def quick_select(nums, left, right, index): pos = partition(nums, left, right) if pos + 1 == index: return nums[pos] elif pos + 1 < index: return quick_select(nums, pos + 1, right, index) else: return quick_select(nums, left, pos - 1, index) def smallestK(arr, k): if not arr or k <= 0: return [] result = [] for _ in range(k): min_val = quick_select(arr[:], 0, len(arr)-1-_ ,len(arr)-_) arr.remove(min_val) result.append(min_val) return sorted(result) # 测试用例 print(smallestK([7, 10, 4, 3, 20, 15], 3)) ``` 上述解决方案通过调整标准快排逻辑实现了更高效的 top-k 查询功能,并且满足题目对于时间和空间复杂性的严格限制条件。
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