算法导论（3） 快速排序、计数排序、基数排序

1.快速排序

快速排序也采用了分治思想：

分解：数组A[p..r]划分为两个可能为空的子数组A[p..q-1]和A[q+1..r]，前者均小于等于A[q]，后者均大于等于A[q]。

解决：递归调用，对两个子数组继续采用快速排序的方法。

合并：数组是原址操作，不需要合并。

因为看过好多次快速排序的实现方式，因此学习了多种快速排序的实现方式，不过算法导论上的方法QuickSort2更容易理解以及记忆。其实只要会一种可以熟练应用就可以了。

template<class T>
void QuickSort(T a[], int left, int right)
{
T key = a[(left + right) / 2];
T temp=0;
int l, r;
l = left;
r = right;
while (l< r)
{
while (a[r] > key){
r--;
}
while(a[l]<key){
l++;
}
if (l<=r){
temp = a[r];
a[r] = a[l];
a[l] = temp;
r--;
l++;
}
if (l == r){
l++;
}
}
if (left < r)
{
QuickSort(a, left, l-1);
}
if (right >l)
{
QuickSort(a, r+1, right);
}

}

template<class T>
void QuickSort2(T a[], int left, int right)
{
T temp, x = a[right];
int i,j,q;
if (left < right){
i = left - 1;
for (j = left; j < right; j++)
{
if (a[j] <= x)
{
i += 1;
temp = a[j];
a[j] = a[i];
a[i] = temp;
}
}
temp = a[right];
a[right] = a[i + 1];
a[i + 1] = temp;
q = i + 1;
QuickSort2(a, left, q - 1);
QuickSort2(a, q + 1, right);
}
}
template<class T>
void QuickSort3(T a[], int left, int right)
{
T temp, x = a[left];
int i, j, q;
if (left < right){
i = right+ 1;
for (j = right; j > left; j--)
{
if (a[j] >= x)
{
i -= 1;
temp = a[j];
a[j] = a[i];
a[i] = temp;
}
}
temp = a[left];
a[left] = a[i -1];
a[i - 1] = temp;
q = i - 1;
QuickSort2(a, left, q - 1);
Quic
4000
kSort2(a, q + 1, right);
}
}

template<class T>
void QuickSort4(T a[], int left, int right)
{
if (left >= right)
{
return;
}
int first = left;
int last = right;
int key = a[first];

while (first < last)
{
while (first < last && a[last] >= key)
{
--last;
}

a[first] = a[last];

while (first < last && a[first] <= key)
{
++first;
}

a[last] = a[first];

}
a[first] = key;
QuickSort4(a, left, first - 1);
QuickSort4(a, first + 1, right);
}

快速排序的运行时间依赖于划分是否平衡，如果平衡，其性能与归并排序一样，如果不平衡，其性能接近于插入排序。最坏情况下，子问题分别包含n-1和0个元素，其运行时间时O(n^2)，性能还不如插入排序，因为假如数组已有序，插入排序O(n)，而快速排序还是O(n^2)。最好情况下为Θ(nlog⁡n)。

快速排序的平均运行时间更接近与最好情况，而非最坏情况，即使每次划分的比例都是9:1，看似很不平衡，但其时间复杂度仍是O(nlog⁡n)。

目前为止这几种排序方法都是通过元素之间的比较进行排序的，因此被称为比较排序，在最坏情况下，任何比较排序算法都需要做Ω(nlog⁡n)次比较。因此归并排序和堆排序是渐进最优的。但快速排序通常是实际应用排序中最好的选择，因此其平均性能非常好。期望时间复杂度为Θ(nlog⁡n)，并且Θ(nlog⁡n)其中隐含的常数因子非常小，能够进行原址排序。

2.计数排序

假设n个输入元素中每一个都是在0到k区间的一个整数，其中k为某个整数。计数排序的基本思想是，对一个输入元素x，确定小于x的元素个数，利用这一信息将其放在对应的输出位置上。

void CountSort(int a[], int b[], int n,int k)
{
vector<int> c;
c.resize(k);
for (int i = 0; i < k; i++)
{
c[i] = 0;
}
//记录某个元素出现了几次
for (int j = 0; j < n; j++)
{
c[a[j]] += 1;
}
//累加，记录某个元素应该出现在哪个位置上
for (int i = 1; i < k; i++)
{
c[i] += c[i - 1];
}
//将原数组中元素放到对应的位置上，c数组减一是为处理有相同值的情况
for (int j = n-1; j>=0; j--)
{
b[c[a[j]]-1] = a[j];
c[a[j]] -= 1;
}
}

总得时间代价是Θ(k+n)，实际工作中，如果k=O(n)时，一般会采用计数排序，运行时间为Θ(n)。计数排序是稳定的，具有相同值的元素在输入输出数组中的相对位置时一样的。个人感觉上只能用来处理整数排序，而且运行时间要取决于k值的大小。

3.基数排序

通过对数值一位一位（不是二进制是十进制）比较而达到排序的目的，通常采用按最低有效位来排序。一位数的排序算法必须是稳定的。感觉上也是针对整数的排序，但应该可以改写成针对其他类型数据的排序，时间复杂度上也可以达到线性的时间代价。

//求数据的最大位数
int maxbit(int data[], int n)
{
//保存最大的位数
int d = 1;
int p = 10;
for (int i = 0; i < n; i++)
{
while (data[i] >= p)
{
p *= 10;
d++;
}
}
return d;
}
//基数排序
void radixsort(int data[], int n)
{
int d = maxbit(data, n);
int *tmp = new int
;
//计数器
int *count = new int[10];
int i, j, k;
int radix = 1;
//进行d次排序
for (i = 1; i <= d; i++)
{
//计数排序
for (j = 0; j < 10; j++)

count[j] = 0;
for (j = 0; j < n; j++)
{
k = (data[j] / radix) % 10;
count[k]++;
}
for (j = 1; j < 10; j++)
count[j] = count[j - 1] + count[j];
for (j = n - 1; j >= 0; j--)
{
k = (data[j] / radix) % 10;
tmp[count[k] - 1] = data[j];
count[k]--;
}
for (j = 0; j < n; j++)
data[j] = tmp[j];
radix = radix * 10;
}
delete[]tmp;
delete[]count;
}

4.桶排序

算法导论中讲述的是假设要排序的数组均匀、独立分布在[0,1)之间。然后将[0,1)区间划分为n个大小相同的区间，称为桶，然后先对每个桶中的元素进行排序，最后按照次序将桶中元素列出即可。时间复杂度也是线性时间。

感觉类似于基数排序，但是是按照最高位进行排序，然后把相同最高位的分别进行排序，最后按照次序列出。这也说明基数排序也是可以修改为对浮点数等类型进行排序。这两种算法的基本思想就是一位一位进行排序，而书中针对一位数排序时，基数排序是让采用稳定的排序方法，而桶排序采用的是插入排序。这几种排序方法均可以在线性时间内完成。