您的位置:首页 > 理论基础 > 数据结构算法

数据结构面试之十一——排序2(归并、快速、堆排序)

2012-09-05 00:03 369 查看
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
; //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。
}
}
内容来自用户分享和网络整理,不保证内容的准确性,如有侵权内容,可联系管理员处理 点击这里给我发消息
标签: 
相关文章推荐