博客
关于我
【排序】选择排序及其优化
阅读量:497 次
发布时间:2019-03-07

本文共 2032 字,大约阅读时间需要 6 分钟。

选择排序及其优化技术

选择排序是一种简单而高效的排序算法,最初设计用于对小数据集进行排序。其工作原理是通过多次线性扫描数据集,在每次扫描中找到最小或最大元素,并将其交换到正确位置。这种方法的时间复杂度为O(n²),在数据集较小时表现优异。

首先,原始的选择排序算法如下:

void SelectSort(int* array, int size) {    for (int i = 0; i < size - 1; i++) {        int maxPos = 0;        for (int j = 0; j < size - i; j++) {            if (array[j] > array[maxPos])                maxPos = j;        }        if (maxPos != size - i - 1)            Swap(&array[maxPos], &array[size - i - 1]);    }}

该算法在每次循环中找到当前未排序段中的最大值,并将其交换到正确位置。虽然简单,但其时间复杂度较高,特别是在处理大数据集时效率差。

选择排序的优化版本之一是同时找出当前段中的最大值和最小值,进行交换:

void SelectSortOP(int* array, int size) {    int begin = 0;    int end = size - 1;    while (begin < end) {        int MaxPos = begin;        int MinPos = begin;        int index = begin + 1;        while (index <= end) {            if (array[MaxPos] < array[index])                MaxPos = index;            if (array[MinPos] > array[index])                MinPos = index;            index++;        }        if (MinPos != left)            Swap(&array[MinPos], &array[left]);        if (MaxPos != right)            Swap(&array[MaxPos], &array[right]);        begin++;        end--;        left++;        right--;    }}

这一优化通过在同一遍扫描中同时找到最大值和最小值,减少了比较次数,使算法效率提升到原来的1/3左右。

然而,该优化存在一个瑕疵:当最小值位于段尾时,交换操作可能导致递归段的范围变化不准确。以下版本修复了这一问题:

void SelectSort_2(std::vector
&arr) { int len = arr.size(); int left = 0; int right = len - 1; while (left < right) { int min_pos = left; int max_pos = left; for (int i = left; i <= right; ++i) { if (arr[min_pos] > arr[i]) min_pos = i; if (arr[max_pos] < arr[i]) max_pos = i; } if (min_pos != left) swap(arr[min_pos], arr[left]); if (max_pos == left) { max_pos = min_pos; } if (max_pos != right) swap(arr[max_pos], arr[right]); left++; right--; }}

该版本通过在最小值和最大值交换时,确保当前段的左右边界正确更新,避免了之前优化版本的问题。

选择排序通过减少数据移动,展现了较好的性能,尽管在最坏情况下表现不如快速排序或归并排序。经过多次优化,选择排序在特定场景下仍然是一个实用的排序算法。

转载地址:http://xfacz.baihongyu.com/

你可能感兴趣的文章
null可以转换成任意非基本类型(int/short/long/float/boolean/byte/double/char以外)
查看>>
Numix Core 开源项目教程
查看>>
numpy
查看>>
NumPy 或 Pandas:将数组类型保持为整数,同时具有 NaN 值
查看>>
numpy 或 scipy 有哪些可能的计算可以返回 NaN?
查看>>
numpy 数组 dtype 在 Windows 10 64 位机器中默认为 int32
查看>>
numpy 数组与矩阵的乘法理解
查看>>
NumPy 数组拼接方法-ChatGPT4o作答
查看>>
numpy 用法
查看>>
Numpy 科学计算库详解
查看>>
Numpy.fft.fft和numpy.fft.fftfreq有什么不同
查看>>
Numpy.ndarray对象不可调用
查看>>
numpy、cv2等操作图片基本操作
查看>>
numpy判断对应位置是否相等,all、any的使用
查看>>
Numpy如何使用np.umprod重写range函数中i的python
查看>>
numpy数组替换其中的值(如1替换为255)
查看>>
numpy数组索引-ChatGPT4o作答
查看>>
numpy绘制热力图
查看>>
numpy转PIL 报错TypeError: Cannot handle this data type
查看>>
NutzCodeInsight 2.0.7 发布,为 nutz-sqltpl 提供友好的 ide 支持
查看>>