数据结构与算法第8章内排序.pptVIP

* 收集过程 Void Collect(Record* Array, int first, int i, int r, StaticQueue* queue) { int last, k=0; //已收集到的最后一个记录 // 找到第一个非空队列 while (queue[k].head == -1) k++; first = queue[k].head; last = queue[k].tail; while (kr-1) {//继续收集下一个非空队列 k++; //找到下一个非空队列 while (kr-1 queue[k].head== -1) k++; if (queue[k].head!= -1) {//将非空序列连接起来 Array[last].next = queue[k].head; last = queue[k].tail; //尾部记录 } } Array[last].next = -1; //收集完毕 } * 算法分析 空间代价 n个记录空间 r个子序列的头尾指针 Ｏ(n + r) 时间代价 不需要移动记录本身，只需要修改记录的next指针 Ｏ(d·(n+r)) 时间代价是O(d*n)，但是实际上还是O(nlogn) 没有重复编码的情况，需要n个不同的编码来处理他们 也就是说， 即O(nlogn) * 8.7 各种排序算法的理论和实验时间代价 算法 最大时间 平均时间 最小时间 辅助空间代价 稳定性 直接插入排序 Θ(n^2) Θ(n^2) Θ(n) Θ(1) 稳定 二分法插入排序 Θ(n^2) Θ(n^2) Θ(nlog^n) Θ(1) 稳定 冒泡排序 Θ(n^2) Θ(n^2) Θ(n^2) Θ(1) 稳定 改进的冒泡排序 Θ(n^2) Θ(n^2) Θ(n) Θ(1) 稳定 选择排序 Θ(n^2) Θ(n^2) Θ(n^2) Θ(1) 不稳定 Shell排序(3) Θ(n3/2) Θ(n3/2) Θ(n3/2) Θ(1) 不稳定 快速排序 Θ(n^2) Θ(nlog^n) Θ(nlog^n) Θ(log^n) 不稳定 归并排序 Θ(nlog^n) Θ(nlog^n) Θ(nlog^n) Θ(n) 稳定 堆排序 Θ(nlog^n) Θ(nlog^n) Θ(nlog^n) Θ(1) 不稳定 桶式排序 Θ(n+m) Θ(n+m) Θ(n+m) Θ(n+m) 稳定 基数排序 Θ(d·(n+r)) Θ(d·(n+r)) Θ(d·(n+r)) Θ(n+r) 稳定 * 数组规模 100 10K 1M 10K正序 10K逆序 直接插入排序 0.000175 1.7266 _____ 0.00031 3.44187 优化插入排序 0.000092 0.8847 _____ 0.00031 1.76157 二分插入排序 0.000036 0.1434 _____ 0.00453 0.28297 冒泡排序 0.000271 2.7844 _____ 1.74641 3.47484 优化冒泡排序 0.000269 2.7848 _____ 0.00032 3.44063 选择排序 0.000180 1.7199 _____ 1.72516 1.72812 Shell排序(2) 0.000072 0.0166 4.578 0.00484 0.00781 Shell排序(3) 0.000055 0.0153 4.125 0.00121 0.00687 * 数组规模 100 10K 1M 10K正序 10K逆序 快速排序 0.000042 0.0068 1.001 0.00547 0.00547 优化快速排序 0.000031 0.0057 0.856 0.00408 0.00409 归并排序 0.000045 0.0070 1.105 0.00625 0.00546 优化归并排序 0.000033 0.0057 0.934 0.00531 0.00531 堆排序 0.000042 0.0075 1.562 0.00672 0.00688 基数排序/2 0.000294 0.0294 3.031 0.02937 0.02922 基数排序/4 0.000145 0.0147 1.515 0.01469 0.01469 基数排序/8 0.000095 0.0092 0.953 0.00922 0.00921 * 8.8 排序问题的下限 排序问题的下限 就是解决排序问题所能达到的最佳可能效率，即使尚未设计出算法 排序问题的上限 是指已知的最快算法所达到的最佳渐进效率 排序问题的下限应该在?(n)到O(n l