数据结构面试之十一——排序2(归并、快速、堆排序)
来源:互联网 发布:淘宝无限流量手机骗局 编辑:程序博客网 时间:2024/05/16 15:03
题注:《面试宝典》有相关习题,但思路相对不清晰,排版有错误,作者对此参考相关书籍和自己观点进行了重写,供大家参考。
十、数据结构面试之十一——排序2(归并、快速、堆排序)
5. 归并排序
【算法思想】:采用分治法的算法思想,将原始数组分为A、B两个子数组,然后对A、B两个子数组继续划分为A1L,A1R,B1L,B1R四个子数组,继续划分直到数组中元素个数为1个时,即认为数组有序;然后再合并相邻的数组据可以。
核心分为3步骤:
第一,Divided,对应Divided()函数。
第二,Conquer,做相关处理。
第三,Merge,对应MergeArray()函数。
步骤示意图:
数组下标
a[0]
a[1]
a[2]
a[3]
a[4]
a[5]
a[6]
a[7]
a[8]
a[9]
元素值
9
8
7
6
5
4
3
2
1
0
Divided
1
first
mid
last
2
first
mid
last
3
first
mid
last
4
first&mid
last
Merge
5
first&mid
last
6
first
mid
last
Divided
7
first&mid
last
Merge
8
first&mid
last
Merge
9
first
mid
last
Divided
11
first
mid
last
12
first
mid
last
13
first&mid
last
Merge
14
first&mid
last
15
first
mid
last
Divided
16
first&mid
last
Merge
17
first&mid
last
Merge
18
first
mid
last
Merge
19
first
mid
last
【算法实现】:
template <typename T>void MergeSort(T a[], int N){ int*pTmpArray = new int[N]; //临时存储空间.转存用! if(pTmpArray== NULL) { cout<< "Allocate Error!" << endl; } intfirst = 0; intlast = N-1; Dirvied(a,first,last,pTmpArray); delete[]pTmpArray;} //合并数组template <typename T>void MergeArray(T a[], int first, int mid, int last, int tempArr[]){ inti = first; intj = mid+1; intm = mid; intn = last; intk = 0; //两数组都非空 while(i<= m && j <= n) { if(a[i]< a[j]) { tempArr[k++]= a[i++]; } else { tempArr[k++]= a[j++]; } } //以下两循环代表有一个数组已空。 while(i<= m) { tempArr[k++]= a[i++]; } while(j<= n) { tempArr[k++]= a[j++]; }//临时存储的元素转存到a数组中. for(i = 0; i < k; i++) { a[first+i]= tempArr[i]; //注意此处的起点. }} //分解[递归函数]template <typename T>void Dirvied(T a[], int first, int last,int tempArr[]){ intmid; if(first< last) { mid= (first + last)/2; Dirvied(a,first,mid,tempArr);//左半部分. Dirvied(a,mid+1,last,tempArr);//右半部分. MergeArray(a,first,mid,last,tempArr); }}
6. 快速排序
【算法思想】:采用分治法的算法思想,1)初始选定枢轴元素并记录枢轴元素和left,先从后向前遍历,小于枢轴的值就和left位置元素交换;然后从前向后遍历,大于枢轴的元素则与right位置元素交换,直到left>=right结束遍历。2)一次遍历后,就能保证枢轴左侧的元素小于枢轴值,枢轴右侧的元素大于枢轴值。记录下交换后枢轴所在的位置pivotPos。3)对pivotPos左侧的元素及pivot右侧的元素依次递归调用1)、2)即可。直至全部有序后结束。
核心分为3步骤:
第一,Divided,对应Divided()函数。
第二,Conquer,做相关处理。
第三,Merge,每次Divide()后都能保证部分元素基本有序(大、小各在一侧)。
枢轴
0
1
2
3
4
5
6
7
8
9
72
6
57
88
60
42
83
73
48
85
pivot=72
<--48
<--42
left=right
88-->
<--48
6
57
<--42
60
72
83
73
88-->
85
pivot=48
48
6
57
42
60
<--42
left=right
57-->
60
<--42
6
48
57-->
60
pivot=42
42
6
<--6
42
pivot=57
57
60
57
60
pivot=83
83
73
88-->
85
73
83
88-->
85
pivot=73
73
83
73
83
pivot=88
88
85
85
88
排序结果
6
42
48
57
60
72
73
83
85
88
【算法实现】:
//取枢轴,并按枢轴划分[左侧小于枢轴元素,右侧大于枢轴元素]template <typename T>int Partition(T a[], int left, int right){ swap(a[left],a[(left+right)/2]);//交换,取中间元素为枢轴元素. T pivot = a[left]; //暂存枢轴元素,用于比较 while(left< right) { while(left< right && a[right] >= pivot) { --right; } a[left]= a[right]; //[左]存储比枢轴元素小的值; while(left< right && a[left] <= pivot) { ++left; } a[right]= a[left]; //[右]存储比枢轴元素大的值; } a[left]= pivot; //存放枢轴的新位置 return left;} //递归函数template <typename T>void QuickCurve(T a[], int left, intright){ intpivotPos = 0; if(left < right) { pivotPos= Partition (a,left,right); //获取枢轴分割后的位置,用以划分左右。 QuickCurve(a,left,pivotPos-1); //右边界-1 QuickCurve(a,pivotPos+1,right);//左边界+1 }} //快排template <typename T>void QuickSort(T a[], int N){ QuickCurve(a,0,N-1);//left=0, right=N-1}
7.堆排序
【算法引出】:是简单选择排序算法的改进算法,简单选择排序中每一趟比较选出一个最小值,但是后一趟的比较中会重复前面的比较结果,存在重复。堆排序对其的改进体现在—— 每次选择最小值的同时,根据结果对其他的值进行调整。
【堆的概念】:堆是具有以下性质的完全二叉树,每个节点都大于或等于左右孩子节点的值,称为大顶堆;每个节点都小于等于左右孩子节点的值,称为小顶堆。
【算法思想】:以小顶端堆为例,(1)首先构造一个小顶堆,即堆顶为所有元素的最小值;(2)其次,将该堆顶元素与堆末尾元素互换,此时堆末尾便存储了最小元素;(3)除去堆末尾元素,对于剩余的N-i个元素反复执行(1)、(2)操作即可完成排序。
【算法实现】:
//构建与调整小顶堆.
//大顶堆的调整方法同小顶堆,所做的改变只是比较符号的变换;
//arr[j+1] > arr[j],arr[j] <= temp
template<typename T>void heapAdjust(T arr[], int i, int N){ intj; inttemp = arr[i]; //临时存储需要节点信息. j= i*2+1; //左孩子节点 while(j< N) { if(j+1< N && arr[j+1] < arr[j]) { j++; //取左右孩子中的小值. } if(arr[j]>= temp) { break; //小顶堆,如果出现孩子节点值大,则终止循环. } //找寻是否存在孩子节点的孩子节点. arr[i]= arr[j]; i= j; j= 2*i + 1; }//endwhile arr[i]= temp; //存储新的位置.} //堆排序.template<typename T>void heapSort(T arr[], int N){ //构建小顶堆,初始是凌乱的,调整后成一个小顶堆 for(int i = N-1; i >= 0; i--) { heapAdjust(arr,i/2,N-1);//比较的位置从中间开始. } for(int i = N-1; i >= 0; i--) { swap(arr[i],arr[0]); heapAdjust(arr,0,i); //终止的大小为i,每次只调整根节点即可。 }}
- 数据结构面试之十一——排序2(归并、快速、堆排序)
- 排序3——堆排序,归并排序,快速排序
- 数据结构与算法之排序:堆排序、归并排序及快速排序
- 排序之选择排序、堆排序、归并排序、快速排序
- 基础数据结构算法_快速排序,堆排序,归并排序
- (十一)数据结构之归并排序算法实现
- 排序(希尔排序,堆排序,归并排序,快速排序)
- 数据结构(堆排序和归并排序)
- 【数据结构】常用比较排序算法(包括:选择排序,堆排序,冒泡排序,选择排序,快速排序,归并排序)
- 数据结构-排序算法详解(插入排序,希尔排序,堆排序,归并排序,快速排序,桶式排序)
- 数据结构之排序——归并排序
- 常用排序算法——插入排序,快速排序,归并排序,堆排序,计数排序
- 数据结构——堆排序和归并排序
- 数据结构6-排序算法(直接插入排序、希尔排序、快速排序、归并排序和堆排序)
- 排序算法(2)—归并排序,快速排序
- 【数据结构】排序算法:希尔、归并、快速、堆排序
- 【数据结构】排序算法:希尔、归并、快速、堆排序
- 数据结构排序法之堆排序he归并排序
- Java实践(二)——Applet简单应用
- 数据结构面试之十——排序1(直接插入、希尔、冒泡、直接选择排序)
- (Linux 技术)Fedora 16下编译无线网卡驱动成功
- fprintf函数和fscanf函数
- 九度的《剑指Offer:名企面试官精讲典型编程题》 面试题 解题报告
- 数据结构面试之十一——排序2(归并、快速、堆排序)
- [博弈] poj 1067 #裸的Wythoff Game
- Delphi 修正EmbeddedWEB不能使用中键滚动的bug
- Fedora17 x64 安装android sdk 出现的问题.
- Dom4j把xml转换成Map(非固定格式)
- java中的基本数据类型与封装类
- 一年半拿下五个证!
- 具动画效果的图片转换器ImageSwitcher
- Android开发中的进程与线程概念