常見的內(nèi)排序算法

所謂的內(nèi)排序是指所有的數(shù)據(jù)已經(jīng)讀入內(nèi)存，在內(nèi)存中進行排序的算法。排序過程中不需要對磁盤進行讀寫。同時，內(nèi)排序也一般假定所有用到的輔助空間也可以直接存在于內(nèi)存中。與之對應(yīng)地，另一類排序稱作外排序，即內(nèi)存中無法保存全部數(shù)據(jù)，需要進行磁盤訪問，每次讀入部分數(shù)據(jù)到內(nèi)存進行排序。我們在9.1.2“常見的外排序算法”中討論該類問題。

1．合并排序

合并排序(Merge Sort)是一種典型的排序算法，應(yīng)用“分而治之(divide and conquer)”的算法思路，將線性數(shù)據(jù)結(jié)構(gòu)(如array、vector或list)分為兩個部分，對兩部分分別進行排序，排序完成后，再將各自排序好的兩個部分合并還原成一個有序結(jié)構(gòu)。由于合并排序不依賴于隨機讀寫，因此具有很強的普適性，適用于鏈表等數(shù)據(jù)結(jié)構(gòu)。算法的時間復(fù)雜度為O(nlogn)，如果是處理數(shù)組需要額外O(n)空間，處理鏈表只需要O(1)空間。算法實現(xiàn)如下：

void merge_sort( int array[], int helper[], int left, int right){　　if( left >= right )　　　　return;　　// divide and conquer: array will be divided into left part and right part　　// both parts will be sorted by the calling merge_sort　　int mid = right - (right - left) / 2;　　merge_sort( array, helper, left, mid );　　merge_sort( array, helper, mid + 1, right);　　// now we merge two parts into one　　int helperLeft = left;　　int helperRight = mid + 1;　　int curr = left;　　for(int i = left; i <= right; i++)　　　　helper[i] = array[i];　　while( helperLeft <= mid && helperRight <= right ){　　　　if( helper[helperLeft] <= helper[helperRight] )　　　　　　array[curr++] = helper[helperLeft++];　　　　else　　　　　　array[curr++] = helper[helperRight++];　　}　　// left part has some large elements remaining. Put them into the right side　　while( helperLeft <= mid )　　　　array[curr++] = helper[helperLeft++];}

當遞歸調(diào)用merge_sort返回時，array的左右兩部分已經(jīng)分別由子函數(shù)排序完成，我們利用helper數(shù)組暫存array中的數(shù)值，再利用兩個while循環(huán)完成合并。helper數(shù)組的左右半邊就是兩個排序完的隊列，第一個while循環(huán)相當于比較隊列頭，將較小的元素取出放入array，最后使得array的左半邊由小到大排序完成。第二個while循環(huán)負責(zé)掃尾，把helper左半邊剩余元素復(fù)制入array中。注意，此時我們不需要對helper右半邊做類似操作，因為即使右半邊有剩余元素，它們也已經(jīng)處于array中恰當?shù)奈恢谩?/p>

關(guān)于合并排序更多理論方面的討論，請見9.3“工具箱”。

2．快速排序

快速排序(Quick Sort)是最為常用的排序算法，C++自帶的排序算法的實現(xiàn)就是快速排序。該算法以其高效性，簡潔性，被評為20世紀十大算法之一(雖然合并排序與堆排序的時間復(fù)雜度量級相同，但一般還是比快速排序慢常數(shù)倍)。快速排序的算法核心與合并排序類似，也采用“分而治之”的想法：隨機選定一個元素作為軸值，利用該軸值將數(shù)組分為左右兩部分，左邊元素都比軸值小，右邊元素都比軸值大，但它們不是完全排序的。在此基礎(chǔ)上，分別對左右兩部分遞歸調(diào)用快速排序，使得左右部分完全排序。算法的平均時間復(fù)雜度是O(nlogn)，在最壞情況下為O(n^2)，額外空間復(fù)雜度為O(logn)。算法實現(xiàn)如下：

int partition( int array[], int left, int right ) {　　int pivot = array[right];　　while( left != right ){　　　　while( array[left] < pivot && left < right)　　　　　　left++;　　　　if (left < right) {　　　　　　swap( array[left], array[right--]);　　　　}　　　　while( array[right] > pivot && left < right)　　　　　　right--;　　　　if( left < right )　　　　　　swap( array[left++], array[right]);　　}　　//array[left] = pivot;　　return left;}void qSort( int array[], int left, int right ){　　if( left >=right )　　　　return;　　int index = partition( array, left, right);　　qSort(array, left, index - 1);　　qSort(array, index + 1, right);}

partition函數(shù)先選定數(shù)組right下標所指的元素作為軸值，用pivot變量存儲該元素值。然后，右移left，即從左向右掃描數(shù)組，直到發(fā)現(xiàn)某個元素大于軸值或者掃描完成。如果某個元素大于軸值，則將該元素與軸值交換。該操作特性在于：保證交換后軸值左側(cè)的元素都比軸值小。再次，左移right，即從右向左掃描數(shù)組，直到發(fā)現(xiàn)某個元素小于軸值或者掃描完成。如果某個元素小于軸值，則將該元素與軸值交換。該操作特性在于：保證交換后軸值右側(cè)的元素都比軸值大。重復(fù)上述過程直到left和right相遇，最終相遇的位置即為軸值所在位置。由于上述操作的特性，最終軸值左側(cè)的元素都比軸值小，軸值右側(cè)的元素都比軸值大。

關(guān)于快速排序的更多理論討論請見9.3“工具箱”。C++標準模版庫提供函數(shù)sort，實現(xiàn)快速排序的功能：sort( iterator first, iterator last, Compare comp ); // can also be pointers here。

3．堆排序

堆排序(Heap Sort)利用了我們在第5章中提到的堆作為邏輯存儲結(jié)構(gòu)，將輸入array變成一個最大值堆。然后，我們反復(fù)進行堆的彈出操作?；仡欀八龅膹棾鲞^程：將堆頂元素與堆末元素交換，堆的大小減一，向下移動新的堆頂以維護堆的性質(zhì)。事實上，該操作等價于每次將剩余的最大元素移動到數(shù)組的最右邊，重復(fù)這樣的操作最終就能獲得由小到大排序的數(shù)組。初次建堆的時間復(fù)雜度為O(n)，刪除堆頂元素并維護堆的性質(zhì)需要O(logn)，這樣的操作一共進行n次，故最終時間復(fù)雜度為O(nlogn)。我們不需要利用額外空間，故空間復(fù)雜度O(1)。具體實現(xiàn)如下：

void heapSort(int array[], int size)　{ 　　Heapify(array, size);　　for (int i = 0; i < size - 1; i++)　　　　 　　　　　 popHeap(array);}

Heapify和popHeap的實現(xiàn)參考本書第5章。

4．桶排序和基數(shù)排序

桶排序(Bucket Sort)和基數(shù)排序(Radix Sort)不需要進行數(shù)據(jù)之間的兩兩比較，但是需要事先知道數(shù)組的一些具體情況。特別地，桶排序適用于知道待排序數(shù)組大小范圍的情況。其特性在于將數(shù)據(jù)根據(jù)其大小，放入合適的“桶(容器)”中，再依次從桶中取出，形成有序序列。具體實現(xiàn)如下：

void BucketSort(int array[], int n, int max){　　// array of length n，all records in the range of [0,max)　　int tempArray[n];　　int i;　　for (i = 0; i < n; i++)　　　　tempArray[i] = array[i];　　int count[max];　　// buckets　　memset(count, 0, max * sizeof(int));　　for (i = 0; i < n; i++)　　// put elements into the buckets　　　　count[array[i]]++;　　for (i = 1; i < max; i++)　　　　count[i] = count[i-1] + count [i];　// count[i] saves the starting index (in array) of value i+1　　// for value tempArray[i], the last index should be count[tempArray[i]]-1　　for (i = n-1; i >= 0; i--)　　　　array[--count[tempArray[i]]] = tempArray[i];}

該實現(xiàn)總的時間代價為O(max+n)，適用于max相對n較小的情況。空間復(fù)雜度也為O(max+n)，用以記錄原始數(shù)組和桶計數(shù)。

桶排序只適合max很小的情況，如果數(shù)據(jù)范圍很大，可以將一個記錄的值即排序碼拆分為多個部分來進行比較，即使用基數(shù)排序。基數(shù)排序相當于將數(shù)據(jù)看作一個個有限進制數(shù)，按照由高位到低位(適用于字典序)，或者由低位到高位(適用于數(shù)值序)進行排序。排序具體過程如下：對于每一位，利用桶排序進行分類，在維持相對順序的前提下進行下一步排序，直到遍歷所有位。該算法復(fù)雜度為O(k*n)，k為位數(shù)(或者字符串長度)。直觀上，基數(shù)排序進行了k次桶排序。具體實現(xiàn)如下：

void RadixSort(int Array[], int n, int digits, int radix){　　// n is the length of the array　　// digits is the number of digits　　int　*TempArray = new int[n];　　int *count = new int[radix]; // radix buckets　　int i, j, k;　　int Radix = 1; // radix modulo, used to get the ith digit of Array[j]　　// for ith digit　　for (i = 1; i <= digits; i++)　{　　　　for (j = 0; j < radix; j++)　　　　　　count[j] = 0;　　　　　　// initialize counter　　　　for (j = 0; j < n; j++)　　 {　　　　　　// put elements into buckets　　　　　　k = (Array[j] / Radix) % radix;　// get a digit　　　　　　count[k]++;　　　　}　　　　for (j = 1; j < radix; j++) {　　　　　　// count elements in the buckets　　　　　　count[j] = count[j-1] + count[j];　　　　}　　　　// bucket sort　　　　for (j = n-1; j >= 0; j--)　{　　　　　　k = (Array[j] / Radix ) % radix;　　　　　　count[k]--;　　　　　　TempArray[count[k]] = Array[j];　　　　}　　　　for (j = 0; j < n; j++) {　　　　　　// copy data back to array　　　　　　Array[j] = TempArray[j];　　　　}　　　　Radix *= radix;　　　// get the next digit　　}}

與其他排序方式相比，桶排序和基數(shù)排序不需要交換或比較，它更像是通過逐級的分類來把元素排序好。

常見的外排序算法

外排序算法的核心思路在于把文件分塊讀到內(nèi)存，在內(nèi)存中對每塊文件依次進行排序，最后合并排序后的各塊數(shù)據(jù)，依次按順序?qū)懟匚募?。外排序需要進行多次磁盤讀寫，因此執(zhí)行效率往往低于內(nèi)排序，時間主要花費于磁盤讀寫上。我們給出外排序的算法步驟如下：

假設(shè)文件需要分成k塊讀入，需要從小到大進行排序。

(1)依次讀入每個文件塊，在內(nèi)存中對當前文件塊進行排序(應(yīng)用恰當?shù)膬?nèi)排序算法)。此時，每塊文件相當于一個由小到大排列的有序隊列。

(2)在內(nèi)存中建立一個最小值堆，讀入每塊文件的隊列頭。

(3)彈出堆頂元素，如果元素來自第i塊，則從第i塊文件中補充一個元素到最小值堆。彈出的元素暫存至臨時數(shù)組。

(4)當臨時數(shù)組存滿時，將數(shù)組寫至磁盤，并清空數(shù)組內(nèi)容。

(5)重復(fù)過程(3)、(4)，直至所有文件塊讀取完畢。

本文節(jié)選自《程序員面試白皮書》

本書是程序員和IT從業(yè)人員的面試求職指南。本書遵從大多數(shù)面試參考圖書的組織方式，結(jié)合實例，按照常見的數(shù)據(jù)結(jié)構(gòu)、算法以及計算機基礎(chǔ)知識進行章節(jié)劃分。每一章的“知識要點”部分介紹章節(jié)涉及的相關(guān)知識點，回顧重要的基礎(chǔ)知識點；“模式識別”部分給出一些例題，幫助大家總結(jié)解決相關(guān)問題的常見方法，并且通過分析問題中的關(guān)鍵信息，教授讀者如何從題目中分析題型和解題方法。程序員面試是對于面試者計算機知識的全面檢測，因此，本書設(shè)有專門的章節(jié)覆蓋了網(wǎng)絡(luò)、操作系統(tǒng)、編譯器、算法和數(shù)據(jù)結(jié)構(gòu)等等各個領(lǐng)域的知識。

本書作者來自硅谷一線的IT公司，書中包含了作者親身的經(jīng)驗和體驗，書中收集的題目部分來自互聯(lián)網(wǎng)上分享的面試經(jīng)驗、在線編程網(wǎng)站leetcode，以及一些著名的面試參考資料。本書適合想要從事正規(guī)的程序員、架構(gòu)師以及相關(guān)IT公司的專業(yè)人士和學(xué)生參考，尤其適合那些以一線IT外企或互聯(lián)網(wǎng)公司為求職目標的讀者閱讀。

總結(jié)

以上是生活随笔為你收集整理的使用qsort对不连续的内存数据排序_常见的内排序和外排序算法的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。