程序设计基础(C语言)第8章查找和排序算法.pptxVIP

汇报人:AA2024-01-12程序设计基础(C语言)第8章查找和排序算法

目录CONTENCT查找算法排序算法查找与排序算法比较查找与排序算法应用案例查找与排序算法优化与改进实验与练习

01查找算法

原理时间复杂度适用场景从数据的一端开始，顺序扫描，直到找到所查元素为止。平均时间复杂度和最坏时间复杂度都是O(n)，其中n是数据规模。适用于数据量较小或者数据无序的情况。顺序查找

80%80%100%二分查找采用分治策略，每次将数据规模缩小一半，直到找到所查元素或确定元素不存在为止。平均时间复杂度和最坏时间复杂度都是O(logn)，其中n是数据规模。适用于数据量较大且数据已排序的情况。原理时间复杂度适用场景

原理时间复杂度适用场景索引查找平均时间复杂度为O(1)，但需要额外的空间来存储索引表。适用于需要频繁查找且数据量较大的情况。通过建立索引表，将关键字与数据元素的存储位置建立对应关系，从而快速定位到所查元素。

通过哈希函数将数据元素的关键字转换为哈希地址，然后在哈希表中查找对应的数据元素。原理平均时间复杂度为O(1)，但最坏情况下可能达到O(n)。时间复杂度适用于需要快速查找且数据量较大的情况，但需要注意哈希冲突的处理。适用场景哈希表查找

02排序算法

通过相邻元素之间的比较和交换，使得每一轮比较后最大（或最小）的元素能够“浮”到序列的一端。原理使用嵌套的循环结构，外层循环控制排序的轮数，内层循环负责相邻元素的比较和交换。实现最好情况下为O(n)，最坏和平均情况下为O(n^2)。时间复杂度冒泡排序

选择排序原理在每一轮排序中，找到未排序部分的最小（或最大）元素，将其与未排序部分的第一个元素交换位置。实现使用两层循环，外层循环控制排序的轮数，内层循环负责查找最小（或最大）元素并交换位置。时间复杂度无论最好、最坏还是平均情况，均为O(n^2)。

实现使用两层循环，外层循环控制未排序元素的遍历，内层循环负责将未排序元素插入到已排序序列中的正确位置。原理将未排序的元素插入到已排序的序列中，使得插入后序列仍然有序。时间复杂度最好情况下为O(n)，最坏和平均情况下为O(n^2)。插入排序

要点三原理通过比较相距一定间隔的元素来工作，各趟比较所用的距离随着算法的进行而减小，直到只比较相邻元素的最后一趟排序为止。要点一要点二实现首先将待排序的数组元素按某个增量d（n/2,n为元素个数）分成若干组子序列，每组中记录的下标相差d.对每组中全部元素进行直接插入排序，然后再用一个较小的增量（d/2）对它进行分组，在每组中再进行直接插入排序。当增量减到1时，进行直接插入排序后，排序完成。时间复杂度在最坏的情况下，希尔排序的时间复杂度为O(n^2)，但在最好和平均情况下，其时间复杂度要优于O(n^2)。要点三希尔排序

03查找与排序算法比较

顺序查找二分查找插入排序归并排序时间复杂度比较平均时间复杂度为O(n)，最坏情况下时间复杂度为O(n)。平均时间复杂度为O(logn)，最坏情况下时间复杂度为O(logn)。平均时间复杂度为O(n^2)，最坏情况下时间复杂度为O(n^2)。平均时间复杂度为O(nlogn)，最坏情况下时间复杂度为O(nlogn)。

顺序查找空间复杂度为O(1)。二分查找空间复杂度为O(1)。插入排序空间复杂度为O(1)。归并排序空间复杂度为O(n)。空间复杂度比较序查找：稳定。二分查找：稳定。插入排序：稳定。归并排序：稳定。稳定性比较序查找二分查找插入排序归并排序适用性比较适用于少量数据的排序，时间复杂度较低。只适用于有序线性表，且要求线性表必须采用顺序存储结构。适用于无序或有序线性表，但效率较低。适用于大量数据的排序，采用分治策略，将大问题分解为小问题逐一解决。

04查找与排序算法应用案例

图书馆管理系统01在图书馆管理系统中，查找算法被广泛应用于检索书籍、期刊等资源的信息。例如，二分查找算法可以用于快速定位指定书籍在书架上的位置。数据库查询优化02数据库系统中经常需要执行大量的数据查询操作。通过使用高效的查找算法，如哈希表查找或B树查找，可以显著提高查询速度并优化数据库性能。网络搜索引擎03网络搜索引擎需要处理海量的网页数据，并快速响应用户的搜索请求。查找算法，如倒排索引和TF-IDF算法，被用于实现高效的网页内容检索和排名。查找算法应用案例

电子商务网站电子商务网站需要展示大量的商品信息，并根据用户的喜好、价格等因素进行排序。排序算法，如快速排序或归并排序，被用于按照特定规则对商品信息进行排序，以便用户更方便地浏览和选择商品。数据统计与分析在数据统计和分析领域，经常需要对大量数据进行排序以发现数据中的规律和趋势。例如，在数据分析中，可以使用排序算法对数据进行升序或降序