欢迎来到天天文库
浏览记录
ID:25092746
大小:75.68 KB
页数:3页
时间:2018-11-18
《[计算机]算法时间复杂度分析》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库。
1、冒泡排序算法:依次比较相邻的两个数,将小数放在前面,大数放在后面。即在第一趟:首先比较第1个和第2个数,将小数放前,大数放后。然后比较第2个数和第3个数,将小数放前,大数放后,如此继续,直至比较最后两个数,将小数放前,大数放后。至此第一趟结束,将最大的数放到了最后。在第二趟:仍从第一对数开始比较(因为可能由于第2个数和第3个数的交换,使得第1个数不再小于第2个数),将小数放前,大数放后,一直比较到倒数第二个数(倒数第一的位置上已经是最大的),第二趟结束,在倒数第二的位置上得到一个新的最大数(其实在整个数列中是第二
2、大的数)。如此下去,重复以上过程,直至最终完成排序。voidbubble_sort(int*x,intn) { intj,k,h,t; for(h=n-1;h>0;h=k)/*循环到没有比较范围*/ { for(j=0,k=0;j*(x+j+1))/*大的放在后面,小的放到前面*/ { t=*(x+j); *(x+j)=*(x+j+1); *(x+j+1)=t;/*完成交换*/ k=j;/*保存最后下沉的位置。
3、这样k后面的都是排序排好了的。*/ } } } }时间复杂性的分析:比较的时间耗费+移动的时间耗费若记录序列的初始状态为"正序",则冒泡排序过程只需进行一趟排序,在排序过程中只需进行n-1次比较,且不移动记录;反之,考虑最坏情况,若记录序列的初始状态为"逆序",则有第一次进行n-1次比较,n-1次移动第二次进行n-2次比较,n-2次移动第三次进行n-3次比较,n-3次移动。。。。第n-1次进行1次比较,1次移动共需进行1+2+3+。。。+n-1=n(n-1)/2次比较和记录移动。因此冒泡排序总的时间复杂度
4、为O(n*n)。堆排序算法:堆积排序(Heapsort)是指利用堆积树(堆)这种资料结构所设计的一种排序算法,可以利用数组的特点快速定位指定索引的元素。调整堆算法:1234567H······························h·················· ①初始化操作:构造为初始堆; ②每一趟排序的基本操作:1最大堆堆顶V[0]具有最大的排序码,将V[0]与V[n-1]对调,把具有最大排序码的对象交换到最后2再对前面的n-1个对象,调整堆,具有次最大排序码的对象又上浮到V[0]位置。3再对
5、调V[0]和V[n-2]堆排序对应程序代码://array是待调整的堆数组,i是待调整的数组元素的位置,length是数组的长度 voidHeapAdjust(intarray[],inti,intnLength)//本函数功能是:根据数组array构建大根堆 { intnChild; intnTemp; for(nTemp=array[i];2*i+16、f(nChildarray[nChild]) ++nChild; //如果较大的子结点大于父结点那么把较大的子结点往上移动,替换它的父结点 if(nTemp7、ntarray[],intlength) { //调整序列的前半部分元素,调整完之后第一个元素是序列的最大的元素 for(inti=length/2-1;i>=0;--i) { HeapAdjust(array,i,length); } //从最后一个元素开始对序列进行调整,不断的缩小调整的范围直到第一个元素 for(inti=length-1;i>0;--i) { //把第一个元素和当前的最后一个元素交换, //保证当前的最后一个位置的元素都是在现在的这个序列之中最大的 Swap(&ar8、ray[0],&array); //不断缩小调整heap的范围,每一次调整完毕保证第一个元素是当前序列的最大值 HeapAdjust(array,0,i); } }时间复杂性的分析:建堆的时间耗费+排序的时间耗费排序的时间耗费:结点个数高度比较次数j=2log2+1<=2×log2j=3log3+1<=2×log3j=4log4+1<=2×log4。。。。j=n-
6、f(nChildarray[nChild]) ++nChild; //如果较大的子结点大于父结点那么把较大的子结点往上移动,替换它的父结点 if(nTemp7、ntarray[],intlength) { //调整序列的前半部分元素,调整完之后第一个元素是序列的最大的元素 for(inti=length/2-1;i>=0;--i) { HeapAdjust(array,i,length); } //从最后一个元素开始对序列进行调整,不断的缩小调整的范围直到第一个元素 for(inti=length-1;i>0;--i) { //把第一个元素和当前的最后一个元素交换, //保证当前的最后一个位置的元素都是在现在的这个序列之中最大的 Swap(&ar8、ray[0],&array); //不断缩小调整heap的范围,每一次调整完毕保证第一个元素是当前序列的最大值 HeapAdjust(array,0,i); } }时间复杂性的分析:建堆的时间耗费+排序的时间耗费排序的时间耗费:结点个数高度比较次数j=2log2+1<=2×log2j=3log3+1<=2×log3j=4log4+1<=2×log4。。。。j=n-
7、ntarray[],intlength) { //调整序列的前半部分元素,调整完之后第一个元素是序列的最大的元素 for(inti=length/2-1;i>=0;--i) { HeapAdjust(array,i,length); } //从最后一个元素开始对序列进行调整,不断的缩小调整的范围直到第一个元素 for(inti=length-1;i>0;--i) { //把第一个元素和当前的最后一个元素交换, //保证当前的最后一个位置的元素都是在现在的这个序列之中最大的 Swap(&ar
8、ray[0],&array); //不断缩小调整heap的范围,每一次调整完毕保证第一个元素是当前序列的最大值 HeapAdjust(array,0,i); } }时间复杂性的分析:建堆的时间耗费+排序的时间耗费排序的时间耗费:结点个数高度比较次数j=2log2+1<=2×log2j=3log3+1<=2×log3j=4log4+1<=2×log4。。。。j=n-
此文档下载收益归作者所有