数据结构课件第10章排序.pptVIP

void HeapSort ( HeapType H ) { // 对顺序表 H 进行堆排序 } // HeapSort for ( i = H.length/2; i 0; - - i ) HeapAdjust (H.r, i, H.length); // 建大顶堆 for ( i = H.length; i 1; - - i ) { H.r[1]←→H.r[i]; // 将堆顶记录和当前未经排序子序列 // H.r[1..i]中最后一个记录相互交换 HeapAdjust (H.r, 1, i -1); // 对 H.r[1] 进行筛选 } 定义堆类型为： typedef SqList HeapType; // 堆用顺序表表示 void HeapAdjust (HeadType H, int s, int m) { // 已知 H.r[s..m]中记录的关键字除 H.r[s] 之外均满足堆的特征，本函数自 // 上而下调整 H.r[s] 的关键字，使 H.r[s..m] 成为一个大顶堆 } // HeapAdjust rc = H.r[s]; // 暂存 H.r[s] for ( j=2*s; j=m; j*=2 ) { // j 初值指向左孩子自上而下的筛选过程; } R[s] = rc; // 将调整前的堆顶记录插入到 s 位置 if ( rc.key = R[j].key ) break; // 再作“根”和“子树根”之间的比较，若“=”成立，则说明 // 已找到 rc 的插入位置 s ，不需要继续往下调整 R[s] = R[j]; s = j; // 否则记录上移，尚需继续往下调整 if ( j m H.r[j].key H.r[j+1].key ) ++j; // 左/右“子树根”之间先 // 进行相互比较，令 j 指示关键字较大记录的位置 堆排序的时间复杂度和空间复杂度： 1. 对深度为 k 的堆，“筛选”所需进行的关键字比较的次数至多 为 2(k-1)； 3. 调整“堆顶” n-1 次，总共进行的关键字比较的次数不超过 2 (?log2(n-1)?+ ?log2(n-2)?+ …+log22) 2n(?log2n?) 因此，堆排序的时间复杂度为 O(nlogn)，与简单选择排序 O(n2) 相比时间效率提高了很多。 2. 对 n 个关键字，建成深度为 h(=?log2n?+1) 的堆，所需进行的  关键字比较的次数至多 4n； 空间复杂度：S(n) = O(1) 堆排序是一种速度快且省空间的排序方法。 不稳定。 ▲ 10.5 归并排序 归并：将两个或两个以上的有序表组合成一个新的有序表。 　　在内部排序中，通常采用的是 2-路归并排序。即：将两个 位置相邻的记录有序子序列归并为一个记录有序的序列。 初始关键字： [49] [38] [65] [97] [76] [13] [27] 一趟归并后： [38 49] [65 97] [13 76] [27] 二趟归并后： [38 49 65 97] [13 27 76] 三趟归并后： [13 27 38 49 65 76 97] 看成是 n 个有序的子 序列（长度为 1）， 然后两两归并。 得到 ?n/2? 个长度为 2 或 1 的有序子序列。 空间复杂度为：O(n)。 时间复杂度为：O(nlog2n)。 稳定。 每趟归并的时间复杂度为O(n)，共需进行 ?log2n? 趟。 10.6 基数排序 基数排序是一种借助“多关键字排序”的思想来实现“单关键 字排序”的内部排序算法。 10.6.1 多关键字的排序 例：将右表所示的学生 成绩单按数学成绩 的等级由高到低排 序，数学成绩相同 的学生再按英语成 绩的高低等级排序。 … B C 108 …