数据结构各种排序算法的时间性能
数据结构复习与习题解析(2)
按路径长度递增次序产生最短路径
1、把 V 分成两组: (1) S:已求出最短路径的顶点的集合。 (2) V - S = T:尚未确定最短路径的顶点集合。
2、将 T 中顶点按最短路径递增的次序加入到 S 中,保证: (1) 从源点 v0 到 S 中各顶点的最短路径长度都不大于 从 v0 到 T 中任何顶点的最短路径长度。 (2) 每个顶点对应一个距离值: S中顶点:从 v0 到此顶点的最短路径长度。 T中顶点:从 v0 到此顶点的只包括 S 中顶点作中间顶点的 最短路径长度。
例题解析
例已知某网的邻接(出边)表,请画出该网络。
当邻接表的存储 结构形成后,图 便唯一确定!
图的遍历
❖广度优先搜索
从图的某一结点出发,首先依次访问该结点的所有邻接顶点 V1, V2, …, Vn 再按这些顶点被访问的先后次序依次访问与它们 相邻接的所有未被访问的顶点,重复此过程,直至所有顶点均 被访问为止。
7 10 3
a10 16 16 0 ✓
a11 14 14 0 ✓
v2
v7
v5
v9
v3
v8
v4 a6=2 v6
顶点 ve vl
v1
00
v2
66
v3
46
v4
58
v5
77
v6
7 10
v7 16 16
v8 14 14
v9 18 18
有向图的应用 应用
无向图的应用
Dijkstra算法 最短路径 Floyd算法
条件:边数不等于 n-1时 边 动作 连通分量 (0,2) 添加 {0,2},{1},{3},{4},{5} (3,5) 添加 {0,2},{3, 5},{1},{4} (1,4) 添加 {0,2},{3, 5},{1,4} (2,5) 添加 {0,2,3,5},{1,4} (0,3) 放弃 因构成回路 (2,3) 放弃 因构成回路 (1,2) 添加 {0,2,3,5,1,4}
数据结构第9章 排序
R[3] 10
R[4] 60
R[5] 25
R[6] 30
R[7] 18 18 18 18
18 36 20
10 10 36
60 60 60
25 25 25
30 30 30
【算法】直接插入排序 void D_InsertSort(datatype R[ ], int n) { /*对排序表R[1]..R[n]进行直接插入排序,n是记录的 个数*/ for(i=2; i<=n; i++) if (R[i].key<R[i-1].key) {R[0]=R[i]; /*将R[i]插入R[1].. R[i-1]中, R[0]为监测哨*/ for(j=i-1; R[0].key<R[j].key; j--) R[j+1]=R[j]; /*后移记录*/ R[j+1]=R[0]; /*插入到合适位置*/ } }
空间性能:除排序表以外的内存占用情况。 时间性能:比较关键码的次数,数据移动的次数。 它们往往是排序表规模(n)的函数
6. 记录和排序表的数据结构
一般采用顺序结构存储排序表。 记录和排序表的类型定义如下: #define MAXNUM … /* MAXNUM 为足够大的数 typedef struct { keytype key; …… } datatype; datatype R[MAXNUM]; /*关键码字段*/ /*其它信息*/ /*记录类型*/ /*定义排序表的存储
第一趟排序结果,使得间隔为5的字表有序: P=3
29 7 41 30 11 39 50 76 41 13 10 0 80 78 86
子序列分别为:{29,30,50,13,78},{7,11,76,100,86}, {41,39,41,80}。第二趟排序结果: P=1
数据结构课程设计—内部排序算法比较
数据结构课程设计—内部排序算法比较在计算机科学领域中,数据的排序是一项非常基础且重要的操作。
内部排序算法作为其中的关键部分,对于提高程序的运行效率和数据处理能力起着至关重要的作用。
本次课程设计将对几种常见的内部排序算法进行比较和分析,包括冒泡排序、插入排序、选择排序、快速排序和归并排序。
冒泡排序是一种简单直观的排序算法。
它通过重复地走访要排序的数列,一次比较两个数据元素,如果顺序不对则进行交换,并一直重复这样的走访操作,直到没有要交换的数据元素为止。
这种算法的优点是易于理解和实现,但其效率较低,在处理大规模数据时性能不佳。
因为它在最坏情况下的时间复杂度为 O(n²),平均时间复杂度也为O(n²)。
插入排序的工作原理是通过构建有序序列,对于未排序数据,在已排序序列中从后向前扫描,找到相应位置并插入,直到整个序列有序。
插入排序在数据量较小时表现较好,其平均时间复杂度和最坏情况时间复杂度也都是 O(n²),但在某些情况下,它的性能可能会优于冒泡排序。
选择排序则是每一次从待排序的数据元素中选出最小(或最大)的一个元素,存放在序列的起始位置,然后,再从剩余未排序元素中继续寻找最小(或最大)元素,然后放到已排序序列的末尾。
以此类推,直到全部待排序的数据元素排完。
选择排序的时间复杂度同样为O(n²),但它在某些情况下的交换操作次数可能会少于冒泡排序和插入排序。
快速排序是一种分治的排序算法。
它首先选择一个基准元素,将数列分成两部分,一部分的元素都比基准小,另一部分的元素都比基准大,然后对这两部分分别进行快速排序。
快速排序在平均情况下的时间复杂度为 O(nlogn),最坏情况下的时间复杂度为 O(n²)。
然而,在实际应用中,快速排序通常表现出色,是一种非常高效的排序算法。
归并排序也是一种分治算法,它将待排序序列分成若干个子序列,每个子序列有序,然后将子序列合并成一个有序序列。
数据结构课程设报告—各种排序算法的比较
数据结构课程设计报告几种排序算法的演示1、需求分析:运行环境:Microsoft Visual Studio 20052、程序实现功能:3、通过用户键入的数据, 经过程序进行排序, 最后给予数据由小到大的输出。
排序的方式包含教材中所介绍的几种常用的排序方式:直接插入排序、折半插入排序、冒泡排序、快速排序、选择排序、堆排序、归并排序。
每种排序过程中均显示每一趟排序的细节。
程序的输入:输入所需排序方式的序号。
输入排序的数据的个数。
输入具体的数据元素。
程序的输出:输出排序每一趟的结果, 及最后排序结果1、设计说明:算法设计思想:a交换排序(冒泡排序、快速排序)交换排序的基本思想是: 对排序表中的数据元素按关键字进行两两比较, 如果发生逆序(即排列顺序与排序后的次序正好相反), 则两者交换位置, 直到所有数据元素都排好序为止。
b插入排序(直接插入排序、折半插入排序)插入排序的基本思想是: 每一次设法把一个数据元素插入到已经排序的部分序列的合适位置, 使得插入后的序列仍然是有序的。
开始时建立一个初始的有序序列, 它只包含一个数据元素。
然后, 从这个初始序列出发不断插入数据元素, 直到最后一个数据元素插到有序序列后, 整个排序工作就完成了。
c选择排序(简单选择排序、堆排序)选择排序的基本思想是: 第一趟在有n个数据元素的排序表中选出关键字最小的数据元素, 然后在剩下的n-1个数据元素中再选出关键字最小(整个数据表中次小)的数据元素, 依次重复, 每一趟(例如第i趟, i=1, …, n-1)总是在当前剩下的n-i+1个待排序数据元素中选出关键字最小的数据元素, 作为有序数据元素序列的第i个数据元素。
等到第n-1趟选择结束, 待排序数据元素仅剩下一个时就不用再选了, 按选出的先后次序所得到的数据元素序列即为有序序列, 排序即告完成。
d归并排序(两路归并排序)1、两路归并排序的基本思想是: 假设初始排序表有n个数据元素, 首先把它看成是长度为1的首尾相接的n个有序子表(以后称它们为归并项), 先做两两归并, 得n/2上取整个长度为2的归并项(如果n为奇数, 则最后一个归并项的长度为1);再做两两归并, ……, 如此重复, 最后得到一个长度为n的有序序列。
8-1-数据结构——从概念到C++实现(第3版)-王红梅-清华大学出版社
大 学
出
int length;
版 社
};
void MergeSort1(int first, int last);
void MergeSort2( );
void Print( );
排序类的定义
Sort :: Sort(int r[ ], int n)
void Sort :: Print( )
{
{
data = new int[n];
( 从 概 念
到
升序(非降序) 降序(非升序)
实 现
)
排序码:排序的依据, 简单起见,也称关键码。
不失一般性,做如下约定:
(1)进行升序排序
清 华 大 学 出 版 社
排序的数据模型是什么?
排序是对线性结构的一种操作
(2)记录只有排序码一个数据项 (3)采用顺序存储,且下标从 1 开始
正序、逆序
正序:待排序序列中的记录已按关键码排好序。
快速排序
堆排序
二路归并非递归算法
(2)不基于比较:根据待排序数据的特点所采取的其他方法
第八章 v 排序技术
8-1-2 排序算法的性能
排序算法的性能
如何衡量排序算法的性能呢?
(1)时间性能:排序算法在各种情况(最好、最坏、平均)下的时间复杂度。
数
例如,基于比较的内排序在排序过程中的基本操作:
据 结 构
( 从 概 念
到
升序(非降序) 降序(非升序)
实 现
)
排序码:排序的依据,
职工号
姓名
性别
年龄
工作时间
清 华
大
简单起见,也称关键码。 0001
0002
王刚 张亮
数据结构之的拓扑排序算法拓扑排序算法的实现和性能分析
数据结构之的拓扑排序算法拓扑排序算法的实现和性能分析数据结构之拓扑排序算法拓扑排序算法的实现和性能分析拓扑排序是一种常用的图算法,用于对有向无环图(DAG)进行排序。
拓扑排序的主要应用包括任务调度、编译顺序、依赖关系管理等方面。
本文将介绍拓扑排序算法的实现及其性能分析。
一、拓扑排序算法的实现拓扑排序算法一般采用深度优先搜索(DFS)或广度优先搜索(BFS)来实现。
下面将以DFS实现为例进行介绍。
1. 创建图数据结构在进行拓扑排序之前,首先需要创建图的数据结构。
可以使用邻接表或邻接矩阵来表示图。
以邻接表为例,可以使用一个字典来表示每个节点和其相邻节点的关系。
2. 初始化标记数组为了保证每个节点只被访问一次,需要使用一个标记数组来记录节点的访问状态。
可以使用布尔数组或整数数组来表示,将未访问的节点标记为false或0,已访问的节点标记为true或1。
3. 实现拓扑排序函数拓扑排序函数的主要功能是对图进行遍历,并将节点按照拓扑排序的顺序输出。
拓扑排序函数通常使用递归的方式实现。
4. 输出排序结果拓扑排序算法完成后,可以将排序的结果输出。
按照拓扑排序的定义,输出的结果应该是一个拓扑有序的节点列表。
二、拓扑排序算法的性能分析拓扑排序算法的性能取决于图的规模和结构。
下面将从时间复杂度和空间复杂度两个方面进行性能分析。
1. 时间复杂度分析拓扑排序算法的时间复杂度主要取决于图的节点数和边数。
在最坏情况下,每个节点都需要遍历一次,而每个节点的边数是有限的,所以拓扑排序的时间复杂度为O(V+E),其中V表示节点数,E表示边数。
2. 空间复杂度分析拓扑排序算法的空间复杂度主要取决于存储图和标记数组的空间。
在使用邻接表表示图时,需要额外的空间来存储每个节点及其相邻节点的关系。
同时,需要使用标记数组来记录节点的访问状态。
所以拓扑排序的空间复杂度为O(V+E+V),即O(V+E),其中V表示节点数,E表示边数。
三、总结拓扑排序是一种常用的图算法,可以对有向无环图进行排序。
数据结构查找与排序
第二部分 排序
• 各种排序算法的特性
– 时间性能(最好、最坏、平均情况) – 空间复杂度 – 稳定性
• 常见排序算法
– 堆排序-堆的定义,创建堆,堆排序(厦大3次,南航2次,南大3次) – 快速排序 – 基数排序 – 插入排序 – 希尔排序 – 冒泡排序 – 简单选择排序 – 归并排序
一、基于选择的排序
• 快速排序算法关键字的比较和交换也是跳跃式进行的,所以快速排序 算法也是一种不稳定的排序方法。
• 由于进行了递归调用,需要一定数量的栈O(log2n)作为辅助空间
例如
1、快速排序算法在 数据元素按关键字有序的 情况下最不利于发挥其长处。
2、设关键字序列为:49,38,66,80,70,15,22,欲对该序列进行从小到大排序。 采用待排序列的第一个关键字作为枢轴,写出快速排序法的一趟和二趟排序之 后的状态
49
49
38
66
38
10
90
75
10
20
90
75
66
20
10
38
20
90
75
66
49
2.序列是堆的是( C )。 A.{75, 65, 30, 15, 25, 45, 20, 10} B.{75, 65, 45, 10, 30, 25, 20, 15} C.{75, 45, 65, 30, 15, 25, 20, 10} D.{75, 45, 65, 10, 25, 30, 20, 15}
➢ 依靠“筛选”的过程
➢ 在线性时间复杂度下创建堆。具体分两步进行: 第一步,将N个元素按输入顺序存入二叉树中,这一步只要求满 足完全二叉树的结构特性,而不管其有序性。
第二步,按照完全二叉树的层次遍历的反序,找到第一个非叶子结点, 从该结点开始“筛选”,调整各结点元素,然后按照反序,依次做筛选,直到做 完根结点元素,此时即构成一个堆。
(完整版)数据结构与算法第8章答案
第8 章排序技术课后习题讲解1. 填空题⑴排序的主要目的是为了以后对已排序的数据元素进行()。
【解答】查找【分析】对已排序的记录序列进行查找通常能提高查找效率。
⑵对n个元素进行起泡排序,在()情况下比较的次数最少,其比较次数为()。
在()情况下比较次数最多,其比较次数为()。
【解答】正序,n-1,反序,n(n-1)/2⑶对一组记录(54, 38, 96, 23, 15, 72, 60, 45, 83)进行直接插入排序,当把第7个记录60插入到有序表时,为寻找插入位置需比较()次。
【解答】3【分析】当把第7个记录60插入到有序表时,该有序表中有2个记录大于60。
⑷对一组记录(54, 38, 96, 23, 15, 72, 60, 45, 83)进行快速排序,在递归调用中使用的栈所能达到的最大深度为()。
【解答】3⑸对n个待排序记录序列进行快速排序,所需要的最好时间是(),最坏时间是()。
【解答】O(nlog2n),O(n2)⑹利用简单选择排序对n个记录进行排序,最坏情况下,记录交换的次数为()。
【解答】n-1⑺如果要将序列(50,16,23,68,94,70,73)建成堆,只需把16与()交换。
【解答】50⑻对于键值序列(12,13,11,18,60,15,7,18,25,100),用筛选法建堆,必须从键值为()的结点开始。
【解答】60【分析】60是该键值序列对应的完全二叉树中最后一个分支结点。
2. 选择题⑴下述排序方法中,比较次数与待排序记录的初始状态无关的是()。
A插入排序和快速排序B归并排序和快速排序C选择排序和归并排序D插入排序和归并排序【解答】C【分析】选择排序在最好、最坏、平均情况下的时间性能均为O(n2),归并排序在最好、最坏、平均情况下的时间性能均为O(nlog2n)。
⑵下列序列中,()是执行第一趟快速排序的结果。
A [da,ax,eb,de,bb] ff [ha,gc]B [cd,eb,ax,da] ff [ha,gc,bb]C [gc,ax,eb,cd,bb] ff [da,ha]D [ax,bb,cd,da] ff [eb,gc,ha]【解答】A【分析】此题需要按字典序比较,前半区间中的所有元素都应小于ff,后半区间中的所有元素都应大于ff。
数据结构之各种排序的实现与效率分析
各种排序的实现与效率分析一、排序原理(1)直接插入排序基本原理:这是最简单的一种排序方法,它的基本操作是将一个记录插入到已排好的有序表中,从而得到一个新的、记录增1的有序表。
效率分析:该排序算法简洁,易于实现。
从空间来看,他只需要一个记录的辅助空间,即空间复杂度为O(1).从时间来看,排序的基本操作为:比较两个关键字的大小和移动记录。
当待排序列中记录按关键字非递减有序排列(即正序)时,所需进行关键字间的比较次数达最小值n-1,记录不需移动;反之,当待排序列中记录按关键字非递增有序排列(即逆序)时,总的比较次数达最大值(n+2)(n-1)/2,记录移动也达到最大值(n+4)(n-2)/2.由于待排记录是随机的,可取最大值与最小值的平均值,约为n²/4.则直接插入排序的时间复杂度为O(n²).由此可知,直接插入排序的元素个数n越小越好,源序列排序度越高越好(正序时时间复杂度可提高至O(n))。
插入排序算法对于大数组,这种算法非常慢。
但是对于小数组,它比其他算法快。
其他算法因为待的数组元素很少,反而使得效率降低。
插入排序还有一个优点就是排序稳定。
(2)折半插入排序基本原理:折半插入是在直接插入排序的基础上实现的,不同的是折半插入排序在将数据插入一个有序表时,采用效率更高的“折半查找”来确定插入位置。
效率分析:由上可知该排序所需存储空间和直接插入排序相同。
从时间上比较,折半插入排序仅减少了关键字间的比较次数,为O(nlogn)。
而记录的移动次数不变。
因此,折半查找排序的时间复杂度为O(nlogn)+O(n²)= O(n²)。
排序稳定。
(3)希尔排序基本原理:希尔排序也一种插入排序类的方法,由于直接插入排序序列越短越好,源序列的排序度越好效率越高。
Shell 根据这两点分析结果进行了改进,将待排记录序列以一定的增量间隔dk 分割成多个子序列,对每个子序列分别进行一趟直接插入排序, 然后逐步减小分组的步长dk,对于每一个步长dk 下的各个子序列进行同样方法的排序,直到步长为1 时再进行一次整体排序。
数据结构(C语言版)实验报告 (内部排序算法比较)
《数据结构与算法》实验报告一、需求分析问题描述:在教科书中,各种内部排序算法的时间复杂度分析结果只给出了算法执行时间的阶,或大概执行时间。
试通过随机数据比较各算法的关键字比较次数和关键字移动次数,以取得直观感受。
基本要求:(l)对以下6种常用的内部排序算法进行比较:起泡排序、直接插入排序、简单选择排序、快速排序、希尔排序、堆排序。
(2)待排序表的表长不小于100000;其中的数据要用伪随机数程序产生;至少要用5组不同的输入数据作比较;比较的指标为有关键字参加的比较次数和关键字的移动次数(关键字交换计为3次移动)。
(3)最后要对结果作简单分析,包括对各组数据得出结果波动大小的解释。
数据测试:二.概要设计1.程序所需的抽象数据类型的定义:typedef int BOOL; //说明BOOL是int的别名typedef struct StudentData { int num; //存放关键字}Data; typedef struct LinkList { int Length; //数组长度Data Record[MAXSIZE]; //用数组存放所有的随机数} LinkList int RandArray[MAXSIZE]; //定义长度为MAXSIZE的随机数组void RandomNum() //随机生成函数void InitLinkList(LinkList* L) //初始化链表BOOL LT(int i, int j,int* CmpNum) //比较i和j 的大小void Display(LinkList* L) //显示输出函数void ShellSort(LinkList* L, int dlta[], int t,int* CmpNum, int* ChgNum) //希尔排序void QuickSort (LinkList* L, int* CmpNum, int* ChgNum) //快速排序void HeapSort (LinkList* L, int* CmpNum, int* ChgNum) //堆排序void BubbleSort(LinkList* L, int* CmpNum, int* ChgNum) //冒泡排序void SelSort(LinkList* L, int* CmpNum, int* ChgNum) //选择排序void Compare(LinkList* L,int* CmpNum, int* ChgNum) //比较所有排序2 .各程序模块之间的层次(调用)关系:二、详细设计typedef int BOOL; //定义标识符关键字BOOL别名为int typedef struct StudentData //记录数据类型{int num; //定义关键字类型}Data; //排序的记录数据类型定义typedef struct LinkList //记录线性表{int Length; //定义表长Data Record[MAXSIZE]; //表长记录最大值}LinkList; //排序的记录线性表类型定义int RandArray[MAXSIZE]; //定义随机数组类型及最大值/******************随机生成函数********************/void RandomNum(){int i; srand((int)time(NULL)); //用伪随机数程序产生伪随机数for(i=0; i小于MAXSIZE; i++) RandArray[i]<=(int)rand(); 返回;}/*****************初始化链表**********************/void InitLinkList(LinkList* L) //初始化链表{int i;memset(L,0,sizeof(LinkList));RandomNum();for(i=0; i小于<MAXSIZE; i++)L->Record[i].num<=RandArray[i]; L->Length<=i;}BOOL LT(int i, int j,int* CmpNum){(*CmpNum)++; 若i<j) 则返回TRUE; 否则返回FALSE;}void Display(LinkList* L){FILE* f; //定义一个文件指针f int i;若打开文件的指令不为空则//通过文件指针f打开文件为条件判断{ //是否应该打开文件输出“can't open file”;exit(0); }for (i=0; i小于L->Length; i++)fprintf(f,"%d\n",L->Record[i].num);通过文件指针f关闭文件;三、调试分析1.调试过程中遇到的问题及经验体会:在本次程序的编写和调试过程中,我曾多次修改代码,并根据调试显示的界面一次次调整代码。
堆排序和快速排序的时间复杂度有何不同
堆排序和快速排序的时间复杂度有何不同堆排序和快速排序是两种常见且重要的排序算法,它们在时间复杂度方面存在着明显的不同。
要理解这两种排序算法时间复杂度的差异,首先得对它们的基本原理和操作过程有一定的认识。
堆排序是利用二叉堆这种数据结构来实现的排序算法。
二叉堆可以看作是一棵完全二叉树,分为最大堆和最小堆。
在堆排序中,首先要将待排序的数组构建成一个最大堆(或者最小堆)。
然后,将堆顶元素与堆的最后一个元素交换位置,并对堆进行调整,使其重新成为一个最大堆(或最小堆)。
重复这个过程,直到整个数组有序。
快速排序则是采用了分治的思想。
它首先选择一个基准元素,将数组分成两部分,一部分的元素都小于等于基准元素,另一部分的元素都大于等于基准元素。
然后对这两部分分别进行快速排序,从而实现整个数组的排序。
接下来,我们具体分析一下堆排序和快速排序的时间复杂度。
堆排序的平均时间复杂度和最坏时间复杂度都是 O(nlogn)。
这是因为在构建堆的过程中,调整堆的操作时间复杂度为 O(logn),而整个数组的元素个数为 n,所以总的时间复杂度为 O(nlogn)。
快速排序的平均时间复杂度也是 O(nlogn)。
在理想情况下,每次划分都能将数组平均分成两部分,那么递归的深度就是 O(logn),每次划分的时间复杂度为 O(n),所以总的时间复杂度为 O(nlogn)。
然而,快速排序的最坏时间复杂度是 O(n²)。
这种情况发生在每次选择的基准元素都是数组中的最大(或最小)元素,导致划分的结果极度不均衡,其中一个子数组为空,另一个子数组包含了几乎所有的元素。
这样,递归的深度就达到了n,总的时间复杂度就变成了O(n²)。
为了更直观地理解它们时间复杂度的不同,我们可以通过一些具体的例子来感受。
假设我们有一个包含 100 个元素的数组。
对于堆排序来说,无论数组的初始状态如何,其时间复杂度都大致是 O(100log100) = O(600)。
数据结构实验报告排序
数据结构实验报告排序数据结构实验报告:排序引言:排序是计算机科学中常见的算法问题之一,它的目标是将一组无序的数据按照特定的规则进行排列,以便于后续的查找、统计和分析。
在本次实验中,我们将学习和实现几种常见的排序算法,并对它们的性能进行比较和分析。
一、冒泡排序冒泡排序是最简单的排序算法之一,它通过不断交换相邻的元素,将较大(或较小)的元素逐渐“冒泡”到数组的一端。
具体实现时,我们可以使用两层循环来比较和交换元素,直到整个数组有序。
二、插入排序插入排序的思想是将数组分为两个部分:已排序部分和未排序部分。
每次从未排序部分中取出一个元素,插入到已排序部分的适当位置,以保持已排序部分的有序性。
插入排序的实现可以使用一层循环和适当的元素交换。
三、选择排序选择排序每次从未排序部分中选择最小(或最大)的元素,与未排序部分的第一个元素进行交换。
通过不断选择最小(或最大)的元素,将其放置到已排序部分的末尾,从而逐渐形成有序序列。
四、快速排序快速排序是一种分治的排序算法,它通过选择一个基准元素,将数组划分为两个子数组,其中一个子数组的所有元素都小于等于基准元素,另一个子数组的所有元素都大于基准元素。
然后对两个子数组分别递归地进行快速排序,最终将整个数组排序。
五、归并排序归并排序也是一种分治的排序算法,它将数组划分为多个子数组,对每个子数组进行排序,然后再将排好序的子数组合并成一个有序的数组。
归并排序的实现可以使用递归或迭代的方式。
六、性能比较与分析在本次实验中,我们对以上几种排序算法进行了实现,并通过对不同规模的随机数组进行排序,比较了它们的性能。
我们使用了计算排序时间的方式,并记录了每种算法在不同规模下的运行时间。
通过对比实验结果,我们可以得出以下结论:1. 冒泡排序和插入排序在处理小规模数据时表现较好,但在处理大规模数据时性能较差,因为它们的时间复杂度为O(n^2)。
2. 选择排序的时间复杂度也为O(n^2),与冒泡排序和插入排序相似,但相对而言,选择排序的性能稍好一些。
排序算法的时间
排序算法的时间性能比较排序算法的时间性能比较一、问题描述给出一组实验来比较下列排序算法的时间性能:快速排序、堆排序、冒泡排序二、基本要求(1)时间性能包括平均时间性能、最好情况下的时间性能、最差情况下的时间性能等。
(2)实验数据应具有说服力,包括:规模范围要大(如从100到10000),数据的初始特性类型要多,因而需要具有随机性;实验数据的组数要多,即同一规模的数组要多选几种不同类型的数据来实验。
实验结果要能以清晰的形式给出,如图、表等。
(3)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。
(4)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。
(5)要给出实验的方案及其分析。
三、工具/准备工作Microsoft Visual C++ 6.0 软件。
四、分析与实现1.快速选择排序这个是冒泡排序的一种改进,他的基本思想就是在当前无序区R 【1….H】中任取一个数据元素的基准用此基准将当前无序区划分成左右二个较小的无序去区,R【1……i-1】和R【i+1…..H】,且左边的元素序子区中的数据元素均小于等于基数元素,右边的元素序子区中的数据元素均大于等于基数元素。
直到所有无序子区中的数据元素均已排序为止。
2.堆排序堆排序实质上就是具备有如下性质的完全二叉树:树中任一非子叶节点的关键字均大于等于其子孩子结点的关键字,它只要记录一个大小的辅助空间,每个待排序的记录只占有一个存储空间,一般记录数较小的。
但对基数较大的文件还是很有效的,因为运行时间主要是小号在建初始堆和调整建新堆时进行的反复的筛选上的。
3.冒泡排序这种排序的比较基本思想就是二二比较待排序的数据元素的大小,发现二个数据元素的次序相反时候,就进行交换,知道没有反序的数据为止。
冒泡排序是一种一次比较出最小或最大值,然后将其放置序列的最后一位置,再将剩下的从打一个位置开始到N-1的位置进行重复的操作。
排序算法的时间空间复杂度排序方法最坏情况平均情况最好情况快速排序O(nlogn)O(n2) O(1)堆排序O(nlogn) O(nlogn) O(n)冒泡排序O(n2) O(nlogn) O(n)程序代码:#include<stdio.h>#include<stdlib.h>#include<math.h>#define MAXSIZE 50typedef int KeyType;#define MAXNUM 100typedef struct{KeyType Key;} RedType; RedType R[MAXNUM];typedef struct{RedType r[MAXSIZE+1];int length;}Sqlist;Sqlist L,L0,L1,L2,L3,L4,L5,L6,L7; typedef Sqlist HeadType;#define RADIX 10#define MAX 8#define MAX_SPACE 10000typedef int KeysType;typedef struct{KeysType Keys [MAX];int next;}SLCell;typedef struct {SLCell rl[MAX_SPACE];int Keynum;int recnum;}SLList;typedef int ArrType[RADIX];int compare[8];int change[8];void shuRu(Sqlist L){int i=1,n;printf("请输入你输入的数据个数: \n"); scanf("%d",&n);printf("请依次的输入各个数据值\n"); L.length=n;for(;i<=L.length;i++){scanf ("%d",&L.r[i]);}}void shuChu(Sqlist L){int i=1;printf ("该顺序存储中的数据元素为:"); for(;i<L.length;i++){printf("%d",L.r[i]);}printf("%d\n\n",L.r[i]);}//=======快速排序=========int partition (Sqlist L,int low ,int high) { KeyType pivotKey;L.r[0]=L.r[low];pivotKey=L.r[low].Key;change [4]++;while (low<high){compare[4]++;compare[4]++;while (low<high&&L.r[high].Key>=pivotKey) {--high;compare[4]++;}L.r[low]=L.r[high];change[4]++;compare[4]++;while (low<high&&L.r[low].Key<=pivotKey) {++low;compare [4]++;}L.r[high]=L.r[low];change[4]++;}L.r[low]=L.r[0];change [4]++;return low;}void Qsort (Sqlist L,int low,int high){ int pivotloc;if (low<high){ pivotloc =partition (L,low,high);Qsort (L,low,pivotloc-1);Qsort (L,pivotloc+1,high);}}void QuickSort (Sqlist L){Qsort(L,1,L.length);}//=========堆排序========void HeadAdjust(HeadType H,int s,int m){RedType rc;int j;rc=H.r[s];for(j=2*s;j<=m;j*=2){ compare[5]++;if(j<m&&(compare[5]++)&&(H.r[j].Key<H.r[j+1].Key))++j; if(rc.Key>H.r[j].Key){compare[5]++;break;}H.r[s]=H.r[j];s=j;change[5]++;}H.r[s]=rc;change[5]++;}void HeadSort (HeadType H){ RedType temp;for(int i = H.length/2 ; i>0; --i){compare [5]++;HeadAdjust (H,i,H.length);}for(i=H.length;i>1;i--){compare [5]++;temp=H.r[1];H.r[1]=h.r[i];h.r[i]=temp;change[5]+=3HeadAjust (H,1,i-1);}}//=====冒泡法排序=====void bubbleSort (Sqlist &L){ int i,j,temp;for(i=1,i<=L.length;i++){compare[2]++;compare[2]++;if(L.r[j].Key>L.[j+1].Key0;L.r[j=1].Key=temp;charge[2]+=3}}}}printf("\t请选择你要进行的操作\t\n");printf("\tcase 1:产生完全随机的数据再进行排序\t\n"); printf("\tcase 2:自行输入一些数据再实现排序操作\t\n"); printf("\tcase 0:退出程序\t\n");void Table{printf("t=算法名称=====比较次数====交换次数======printf("\t1 快速排序 t%d\t %d\t\n",COMPARE[H] change [5]);printf("t=算法名称=====比较次数====交换次数======printf("\t1 堆排序t%d\t %d\t\n",COMPARE[H] change [3]);printf("t=算法名称=====比较次数====交换次数======printf("\t1 冒泡排序 t%d\t %d\t\n",COMPARE[H] change [0);void Random (sqlist &L){ SLList LK;for (int i=0;i<8;i++){compare[i]=0change[i]=0printf ("请输入你产生的随机数的数据个数:”)printf("排序之前的随机数的%d个数是:\n',L.length);for(i=1;i<=L.length:i++)printf ("%d",L.r[i].key);printf("\n下面执行的各个排序的运行情况、你“);void mian(){int choose;Men();printf("\t请选择:”);scanf (choose){case 1:Random (L);break: case 2:Yonghu (L);break:case 3:Nixh (L);break:case 0;return;}}}五、测试与结论输入数据得出结果如下:1当要求随机生成十二个数的结果如下:2.但随机生成34个数的结果如下:结论:从数据结果我们可以看出,当排序的数据个数少的时候,快速排序是最快的,而大的数据时,堆排序是比较好的选择。
第9章排序(上)-数据结构简明教程(第2版)-微课版-李春葆-清华大学出版社
9.1
1. 什么是排序
所谓排序,是要整理表中的记录,使之按关键字递增(递减)
排 有序排列。其确切定义如下:
序 的 基
输 入 : n 个 记 录 , R0,R1,…,Rn-1, 其 相 应 的 关 键 字 分 别 为 k0,k1,…,kn-1。
序
} while (j>=0 && R[j].key>tmp.key);
R[j+1]=tmp;
//在j+1处插入R[i]
} } }
直接插入排序算法分析:
9.2
最好的情况(关键字在记录序列中顺序有序):
“比较”的次数:
n1
1 n 1
i 1
“移动”的次数: 0
插 最坏的情况(关键字在记录序列中逆序有序):
……
R[n-1]
入
排
一趟排序
序
R[0] ……
R[i-1] R[i] R[i+1] …… R[n-1]
有序区
无序区
初始时,有序区只有一个元素R[0] i=1~n-1,共经过n-1趟排序
【例9.1】 已知有10个待排序的记录,它们的关键字序列为
(75,87,68,92,88,61,77,96, 80,72),给出用直接插入排序法进 行排序的过程。
最终结果 61 68 72 75 77 80 87 88 92 96
i=1的行表示i=1这一趟的排序结果
以i=6即插入77为例说明一趟的过程:
i=5的排序结果:
有序区
0
自考数据结构02142-第七章
二、归并排序 1.思想:(2-路归并排序)
① n个记录的表看成n个,长度为1的有序表 ② 两两归并成 n/2 个,长度为2的有序表(n为奇数,则 还有1个长为1的表) ③再两两归并为 n/2 /2 个,长度为4的有序表 . . . 再两两归并直至只剩1个,长度为n的有序表;
共log2n 趟
2. 例:
二、快速排序★
1.基本思想:通过分部排序完成整个表的排 序;
首先取第一个记录,将之与表中其余记录比较并交换,从而将 它放到记录的正确的最终位置,使记录表分成两部分{其一(左边的) 诸记录的关键字均小于它;其二(右边的)诸记录的关键字均大于 它};然后对这两部分重新执行上述过程,依此类推,直至排序完毕。
7.5 归并排序
一、有序序列的合并(两个有序表归并成一个有 序表) 1. 思想:比较各个子序列的第一个记录的 键值,最小的一个就是排序后序列的第一个 记录。取出这个记录,继续比较各子序列现 有的第一个记录的键值,便可找出排序后的 第二个记录。如此继续下去,最终可以得到 排序结果。 2. 两个有序表归并算法 (见P199)
▲排序类型——
内部排序:全部数据存于内存;
排序过程
外部排序:需要对外村进行访问的
内部排序
按方法分
插入排序 交换排序 选择排序 归并排序
▲排序文件的物理表示:数组表示 #define n 100 /*序列中待排序记录的总数*/ typedef struct { int key; /*关键字项*/ anytype otheritem ; /*其他数据项*/ }records; typedef records list[n+1]; list r; r[0] r[1] r[2]….r[n] r[i].key——第i个记录的关键字 ▲排序指标(排序算法分析): 存储空间-空间复杂度 比较次数-时间复杂度
常用的排序算法的时间复杂度和空间复杂度
常用的排序算法的时间复杂度和空间复杂度排序法最差时间分析平均时间复杂度稳定度空间复杂度冒泡排序O(n2) O(n2) 稳定O(1)O(log2n)~O(n) 快速排序O(n2) O(n*log2n)不稳定选择排序O(n2) O(n2) 稳定O(1)二叉树排序O(n2) O(n*log2n) 不一顶O(n) 插入排序O(n2) O(n2) 稳定O(1)堆排序O(n*log2n) O(n*log2n) 不稳定O(1)希尔排序O O 不稳定O(1)1、时间复杂度(1)时间频度一个算法执行所耗费的时间,从理论上是不能算出来的,必须上机运行测试才能知道。
但我们不可能也没有必要对每个算法都上机测试,只需知道哪个算法花费的时间多,哪个算法花费的时间少就可以了。
并且一个算法花费的时间与算法中语句的执行次数成正比例,哪个算法中语句执行次数多,它花费时间就多。
一个算法中的语句执行次数称为语句频度或时间频度。
记为T(n)。
(2)时间复杂度在刚才提到的时间频度中,n称为问题的规模,当n不断变化时,时间频度T(n)也会不断变化。
但有时我们想知道它变化时呈现什么规律。
为此,我们引入时间复杂度概念。
一般情况下,算法中基本操作重复执行的次数是问题规模n的某个函数,用T(n)表示,若有某个辅助函数f(n),使得当n趋近于无穷大时,T(n)/f(n)的极限值为不等于零的常数,则称f(n)是T(n)的同数量级函数。
记作T(n)=O(f(n)),称O(f(n)) 为算法的渐进时间复杂度,简称时间复杂度。
在各种不同算法中,若算法中语句执行次数为一个常数,则时间复杂度为O(1),另外,在时间频度不相同时,时间复杂度有可能相同,如T(n)=n2+3n+4与T(n)=4n2+2n+1它们的频度不同,但时间复杂度相同,都为O(n2)。
按数量级递增排列,常见的时间复杂度有:常数阶O(1),对数阶O(log2n),线性阶O(n), 线性对数阶O(nlog2n),平方阶O(n2),立方阶O(n3),...,k次方阶O(nk),指数阶O(2n)。
数据结构 -第13周内排序第7讲-内排序的比较.pdf
90
2
70
90
3
80
72
4
70
72
标识
k1
k2
k2简单选择排序
4
70
72
3
80
72
1
80
90
2
70
90
标识
k1
k2
k1直接插入排序
4
70
72
相对次序不改变
2
70
3
80
90 72
相对次序不改变
1
80
90
答案为D。
4、如何选择合适的排序算法
因为不同的排序方法适应不同的应用环境和要求,所以选择 合适的排序方法应综合考虑下列因素:
O(n2)
最好情况 O(n) O(nlog2n)
O(n2) O(n2) O(n2) O(nlog2n) O(nlog2n) O(d(n+r))
O(n) O(nlog2n) O(n2) O(nlog2n) O(nlog2n) O(d(n+r))
空间复杂度
O(1) O(1) O(1) O(1) O(log2n) O(1) O(1) O(n) O(r)
考虑2:k2选择直接插入排序还是简单选择排序 ? 稳定性
例如:
标识
k1
k2
1
80
90
2
70
90
பைடு நூலகம்
3
80
72
4
70
72
标识
k1
k2
k2直接插入排序
3
80
72
4
70
72
1
80
90
2
70
数据结构与算法-排序
假定待排序文件由 n 条记录组成,记录依次存储在 r[1]~r[n]中。使用简单冒泡排
序算法对待排序文件中的记录进行排序,具体处理流程如下。
(1)遍历待排序文件 r[1]~r[n],每访问一条记录 r[j]时,比较所访问记录排序关
键字与所访问记录后一记录排序关键字的大小,核对所访问记录 r[j]与所访问记录后一
则,此排序算法是不稳定的。例如, 给定待排序文件 A={1,2,3,1,4}和B={1,3,1,2,4},假定某
一排序算法对文件 A 和B 的排序结果分别为{1,1,2,3,4}和{1,1,2,3,4},由于文件 B 中存在多
项同为 1 的记录,且排序后同为 1 的记录相对位置发生了改变,因此,此算法是不稳定
排序
目
CONTENTS
录
01
排序的概述
02
插入排序算法
03
交换排序算法
04
选择排序算法
05
归并排序算法
06
分配排序算法
07
各种排序技术比较
08
本章小结
01
PART
排序的概述
排序是以某一数据项(称为排序关键字)为依据,将一组无序记录调整成一组有序
记录,形成有序表的过程。排序问题可以定义为以下形式。
件排序时,记录分组以及每趟排序结果如右
图所示。
插入排序算法
2.3希尔排序算法
第一趟排序时,增量 h=4,因此,以
h=4 为记录间隔,将待排序文件中的记录分
为 4 组:{r[1],r[5],r[9]}、{r[2],r[6]}、{r[3],r[7]}
和{r[4],r[8]},并分别对 4 组记录进行直接插入
数据结构第十章 排序
10.2 插入排序 插入排序
直接插入排序 折半插入排序 2-路插入排序 表插入排序 希尔排序
10.2.1 直接插入排序
基本操作:将一个记录插入到已排好序的有序表中, 从而得到一个新的、记录数增1的有序表。
例:有一组待排序的记录的关键字初始序列如下:
(49,38,65,97,76,13,27,49`)
(4)归并排序 (5)基数排序
按内排过程中所需的工作量分类:
(1)简单的排序方法,其时间复杂度为O(n×n)
(2)先进的排序方法,其时间复杂度为O(nlogn);
(3)基数排序,其时间复杂度为O(d(n+rd))
排序算法的两种基本操作:
(1)比较两个关键字的大小; (2)将记录从一个位置移至另一个位置;
算法实现的关键设计:
将d看成是一个循环数组,并设两个指针first和final分别指示排序过 程中得到的有序序列中的第一个记录和最后一个记录在d中的位置.
例:有一组待排序的记录的关键字初始排列如下:
(49,38,65,97,76,13,27,49`) 16
[初始关键字] 49 38 65 97 76 13 27 49`
18
10.2.3 希尔排序 从直接插入排序
待排序序列基本有序可提高效率 回顾 待排序序列的记录数n很小时可提高效率
希尔排序的基本思想:
先将整个待排记录序列分割成为若干子序列分别进行
直接插入排序,待整个序列中的记录“基本有序”时,再对 全
体记例录:有进一行组一待次排直序接的插记入录排的序关. 键字初始排列如下: (49,38,65,97,76,13,27,49`)
} 12
直接插入排序的性能分析: 10. 3
(1)空间:只需一个记录的辅助空间r[0].
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
HUNAN UNIVERSITY 课程实习报告题目:排序算法的时间性能学生姓名学生学号专业班级指导老师李晓鸿完成日期设计一组实验来比较下列排序算法的时间性能快速排序、堆排序、希尔排序、冒泡排序、归并排序(其他排序也可以作为比较的对象)要求(1)时间性能包括平均时间性能、最好情况下的时间性能、最差情况下的时间性能等。
(2)实验数据应具有说服力,包括:数据要有一定的规模(如元素个数从100到10000);数据的初始特性类型要多,因而需要具有随机性;实验数据的组数要多,即同一规模的数组要多选几种不同类型的数据来实验。
实验结果要能以清晰的形式给出,如图、表等。
(3)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。
(4)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。
(5)要给出实验的方案及其分析。
说明本题重点在以下几个方面:理解和掌握以实验方式比较算法性能的方法;掌握测试实验方案的设计;理解并实现测试数据的产生方法;掌握实验数据的分析和结论提炼;实验结果汇报等。
一、需求分析(1) 输入的形式和输入值的范围:本程序要求实现各种算法的时间性能的比较,由于需要比较的数目较大,不能手动输入,于是采用系统生成随机数。
用户输入随机数的个数n,然后调用随机事件函数产生n个随机数,对这些随机数进行排序。
于是数据为整数(2) 输出的形式:输出在各种数目的随机数下,各种排序算法所用的时间和比较次数。
(3) 程序所能达到的功能:该程序可以根据用户的输入而产生相应的随机数,然后对随机数进行各种排序,根据排序进行时间和次数的比较。
(4)测试数据:略二、概要设计1.抽象数据类型ADT List数据对象D={ ai | ai ∈ElemSet, i=1,2,...,n, n≥0 }数据关系R1={ <ai-1 ,ai >|ai-1 ,ai∈D, i=2,...,n }基本操作virtual void clear() = 0;bool insert(const Elem&) = 0;bool append(const Elem&) = 0;lbool remove(Elem&) = 0;void setStart() = 0;void setEnd() = 0;void prev() = 0;void next() = 0;int leftLength() const = 0;int rightLength() const = 0;bool setPos(int pos) = 0;bool getValue(Elem&) const = 0;void print() const = 0;2.程序的流程(1)输入模块:输入要排序的数的数量n(2)处理模块:系统产生n个随机数,对随机数进行排序(3)输出模块:将排序的结果输出3.算法的基本思想1、随机数的产生:利用srand()产生随机数。
2、快速排序:选定一记录R,将所有其他记录关键字k’与记录R的关键字k比较, 若k’<k则将记录换至R之前,若k’ >k 则将记录换至R之后,继续对R前后两部分记录进行快速排序,直至排序范围为13、插入排序:逐个处理待排序的记录,每个新记录与前面已排序的子序列进行比较,将它插入到子序列中正确的位置4、冒泡排序:比较并交换相邻的元素对,直到所有元素都被放到正确的地方为止。
5、归并排序:将两个或者多个有序表归并成一个有序表6、堆排序:首先将数组转化为一个满足堆定义的序列,然后将堆顶的最大元素取出,再将剩下的数排成堆,再取堆顶数值,…。
如此下去,直到堆为空。
到最后结束时,就排出了一个由小到大排列的数组。
三、详细设计(1)产生随机数:直接调用函数srand(),以时间作为随机种子进行选择,并把随机数装入数组中unsigned long int *Sort::setRan(unsigned long int num){unsigned long int *ra;ra=(unsigned long int*)malloc(num*sizeof(unsigned long int));srand(time(NULL));for(unsigned long int m=0;m<num;m++){ra[m]=rand();}cout<<endl;return ra;}(2)快速排序:要实现快速排序首先选择一个轴值,这里选取数组第一个为轴值。
定义两个标识low,high。
high标识最后一个元素的位置,从后向前,将关键字与轴值比较,直至遇到小于轴值的关键字,前移,low标识在第二个元素的位置,从前向后,将关键字与轴值比较,直至遇到大于轴值的关键字,后移。
当low,high相遇后第一趟排序结束。
调整数列,轴值左边的为比轴值小的,右边为比轴值大的。
对轴值左边(即low到pivotkey-1的数)和右边的子列(pivotkey+1到high的数)分别进行上述递归快速排序,直到范围为1结束。
int partition(int a[],int low,int high){//快速排序中的一趟int pivotkey; //作为枢轴来使用pivotkey=a[low];while(low<high){while(low<high&&a[high]>=pivotkey)--high;a[low]=a[high];while(low<high&&a[low]<=pivotkey)++low;a[high]=a[low];}a[low]=pivotkey;return low;}void qsort(int a[],int low,int high){//快速排序的递归形式int pivotloc;if(low<high){pivotloc=partition(a,low,high);//一趟排序结果的调用qsort(a,low,pivotloc-1);qsort(a,pivotloc+1,high);}}(3)插入排序:插入排序的思想是将一组无序的元素分别插入一个已经有序的的数组里,并保证插入后的数组也是有序的。
当所有无序组的元素都插入完毕时,一个有序数组构造完成。
数组n[1…r]为初始的一个无序数组(为了直观起见,我们这里设定数组从1开始,而不是0),则n[1]默认为只有一个元素的有序数组,n[2]插入只有n[1]构成的有序数组中,则此时有序数组的元素数量变为2。
以此类推,到第i个元素时,前i-1个元素已经是有序的,此时只需将第i个元素插入到有序数组中并使之保持有序。
如此直至最后一个元素插入完毕,整个插入排序完成。
void Sort::insertSort(unsigned long int *s){this->setNum();LARGE_INTEGER Freg;LARGE_INTEGER Count1,Count2;QueryPerformanceFrequency(&Freg);QueryPerformanceCounter(&Count1);//获取时间Count1double d;int temp,j;for (unsigned long int i=0;i<this->getRanNum();i++){j=i;temp=s[i];while (j>=1 && temp<s[j-1]){s[j]=s[j-1];j--;this->SortNum++;}if(j>1)this->SortNum++;s[j]=temp;}QueryPerformanceCounter(&Count2);//获取时间Count2d=(double)(Count2.QuadPart-Count1.QuadPart)/(double)Freg.QuadPart*1000.0;//计算时间差,d的单位为ms.cout<<"插入排序算法对"<<this->RanNum<<"个随机数排序时间为为"<<d<<" ms."<<endl;cout<<"插入排序算法对"<<this->RanNum<<"个随机数交换次数为"<<this->SortNum<<"次。
"<<endl;}(4) 冒泡排序(bubble sort):将被排序的记录数组R[1..n]垂直排列,每个记录R[i]看作是重量为R[i].key的气泡。
根据轻气泡不能在重气泡之下的原则,从下往上扫描数组R:凡扫描到违反本原则的轻气泡,就使其向上"飘浮"。
如此反复进行,直到最后任何两个气泡都是轻者在上,重者在下为止。
从无序区底部向上依次比较相邻的两个气泡的重量,若发现轻者在下、重者在上,则交换二者的位置。
即依次比较(R[n],R[n-1]),(R[n-1],R[n-2]),…,(R[2],R[1]);对于每对气泡(R[j+1],R[j]),若R[j+1].key<R[j].key,则交换R[j+1]和R[j]的内容。
第一趟扫描完毕时,"最轻"的气泡就飘浮到该区间的顶部,即关键字最小的记录被放在最高位置R[1]上。
扫描R[2..n]。
扫描完毕时,"次轻"的气泡飘浮到R[2]的位置上……最后,经过n-1 趟扫描可得到有序区R[1..n]void Sort::bubbleSort(unsigned long int *s){this->setNum();LARGE_INTEGER Freg;LARGE_INTEGER Count1,Count2;QueryPerformanceFrequency(&Freg);QueryPerformanceCounter(&Count1);//获取时间Count1double d;unsigned long int temp;for(unsigned long int i=0;i<(this->RanNum);i++){for(int j=i+1;j<(this->RanNum);j++){if(s[i]>s[j]){temp = s[i];s[i]=s[j];s[j]=temp;this->SortNum++;}}}QueryPerformanceCounter(&Count2);//获取时间Count2d=(double)(Count2.QuadPart-Count1.QuadPart)/(double)Freg.QuadPart*1000.0;//计算时间差,d的单位为ms.cout<<"冒泡排序算法对"<<this->RanNum<<"个随机数排序时间为"<<d<<" ms."<<endl;cout<<"冒泡排序算法对"<<this->RanNum<<"个随机数交换次数为"<<this->SortNum<<"次。