數據結構內部排線演算法

⑴ 數據結構內部排序問題

是的
在N個中排序，冒泡排序使用的時間是比較穩定的
而直接排序則視數列剛開始的排列有很大的差別
冒泡排序的時間復雜度是O（n^2）
選擇排序的時間復雜度最好為O（nlog2n）最壞為O（n^2）

二、幾種常見演算法的介紹及復雜度分析

1.基本概念

1.1穩定排序(stable sort)和非穩定排序

穩定排序是所有相等的數經過某種排序方法後，仍能保持它們在排序之前的相對次序，。反之，就是非穩定的排序。

比如：一組數排序前是a1,a2,a3,a4,a5，其中a2=a4，經過某種排序後為a1,a2,a4,a3,a5，

則我們說這種排序是穩定的，因為a2排序前在a4的前面，排序後它還是在a4的前面。假如變成a1,a4,a2,a3,a5就不是穩定的了。

1.2內排序( internal sorting )和外排序( external sorting)

在排序過程中，所有需要排序的數都在內存，並在內存中調整它們的存儲順序，稱為內排序； 在排序過程中，只有部分數被調入內存，並藉助內存調整數在外存中的存放順序排序方法稱為外排序。

1.3演算法的時間復雜度和空間復雜度

所謂演算法的時間復雜度，是指執行演算法所需要的計算工作量。 一個演算法的空間復雜度，一般是指執行這個演算法所需要的內存空間。

2.幾種常見演算法

2.1冒泡排序 （Bubble Sort）

冒泡排序方法是最簡單的排序方法。這種方法的基本思想是，將待排序的元素看作是豎著排列的「氣泡」，較小的元素比較輕，從而要往上浮。在冒泡排序演算法中我們要對這個「氣泡」序列處理若干遍。所謂一遍處理，就是自底向上檢查一遍這個序列，並時刻注意兩個相鄰的元素的順序是否正確。如果發現兩個相鄰元素的順序不對，即「輕」的元素在下面，就交換它們的位置。顯然，處理一遍之後，「最輕」的元素就浮到了最高位置；處理二遍之後，「次輕」的元素就浮到了次高位置。在作第二遍處理時，由於最高位置上的元素已是「最輕」元素，所以不必檢查。一般地，第i遍處理時，不必檢查第i高位置以上的元素，因為經過前面i-1遍的處理，它們已正確地排好序。

冒泡排序是穩定的。演算法時間復雜度是O(n ^2)。

2.2選擇排序 （Selection Sort）

選擇排序的基本思想是對待排序的記錄序列進行n-1遍的處理，第i遍處理是將L[i..n]中最小者與L[i]交換位置。這樣，經過i遍處理之後，前i個記錄的位置已經是正確的了。

選擇排序是不穩定的。演算法復雜度是O(n ^2 )。

2.3插入排序 （Insertion Sort）

插入排序的基本思想是，經過i-1遍處理後,L[1..i-1]己排好序。第i遍處理僅將L[i]插入L[1..i-1]的適當位置，使得L[1..i]又是排好序的序列。要達到這個目的，我們可以用順序比較的方法。首先比較L[i]和L[i-1]，如果L[i-1]≤ L[i]，則L[1..i]已排好序，第i遍處理就結束了；否則交換L[i]與L[i-1]的位置，繼續比較L[i-1]和L[i-2]，直到找到某一個位置j(1≤j≤i-1)，使得L[j] ≤L[j+1]時為止。圖1演示了對4個元素進行插入排序的過程，共需要(a),(b),(c)三次插入。

直接插入排序是穩定的。演算法時間復雜度是O(n ^2)

2.4堆排序

堆排序是一種樹形選擇排序，在排序過程中，將A[n]看成是完全二叉樹的順序存儲結構，利用完全二叉樹中雙親結點和孩子結點之間的內在關系來選擇最小的元素。

堆排序是不穩定的。演算法時間復雜度O(nlog n)。

2.5歸並排序

設有兩個有序（升序）序列存儲在同一數組中相鄰的位置上，不妨設為A[l..m]，A[m+1..h]，將它們歸並為一個有序數列，並存儲在A[l..h]。

其時間復雜度無論是在最好情況下還是在最壞情況下均是O(nlog2n)。

2.6快速排序

快速排序是對冒泡排序的一種本質改進。它的基本思想是通過一趟掃描後，使得排序序列的長度能大幅度地減少。在冒泡排序中，一次掃描只能確保最大數值的數移到正確位置，而待排序序列的長度可能只減少1。快速排序通過一趟掃描，就能確保某個數（以它為基準點吧）的左邊各數都比它小，右邊各數都比它大。然後又用同樣的方法處理它左右兩邊的數，直到基準點的左右只有一個元素為止。

快速排序是不穩定的。最理想情況演算法時間復雜度O(nlog2n)，最壞O(n ^2)。

⑵ C語言數據結構中的幾種內部排序法，求解！高手速度來指導我。。

1.Shell排序（ShellSort）

Shell排序通過將數據分成不同的組，先對每一組進行排序，然後再對所有的元素進行一次插入排序，以減少數據交換和移動的次數。平均效率是O(nlogn)。其中分組的合理性會對演算法產生重要的影響。現在多用D.E.Knuth的分組方法。

Shell排序比冒泡排序快5倍，比插入排序大致快2倍。Shell排序比起QuickSort，MergeSort，HeapSort慢很多。但是它相對比較簡單，它適合於數據量在5000以下並且速度並不是特別重要的場合。它對於數據量較小的數列重復排序是非常好的。

2.快速排序（QuickSort）

快速排序是一個就地排序，分而治之，大規模遞歸的演算法。從本質上來說，它是歸並排序的就地版本。快速排序可以由下面四步組成。

（1） 如果不多於1個數據，直接返回。

（2） 一般選擇序列最左邊的值作為支點數據。

（3） 將序列分成2部分，一部分都大於支點數據，另外一部分都小於支點數據。

（4） 對兩邊利用遞歸排序數列。

快速排序比大部分排序演算法都要快。盡管我們可以在某些特殊的情況下寫出比快速排序快的演算法，但是就通常情況而言，沒有比它更快的了。快速排序是遞歸的，對於內存非常有限的機器來說，它不是一個好的選擇。

3堆排序（HeapSort）

堆排序適合於數據量非常大的場合（百萬數據）。

堆排序不需要大量的遞歸或者多維的暫存數組。這對於數據量非常巨大的序列是合適的。比如超過數百萬條記錄，因為快速排序，歸並排序都使用遞歸來設計演算法，在數據量非常大的時候，可能會發生堆棧溢出錯誤。

堆排序會將所有的數據建成一個堆，最大的數據在堆頂，然後將堆頂數據和序列的最後一個數據交換。接下來再次重建堆，交換數據，依次下去，就可以排序所有的數據。

下面是一個總的表格（這張表很重要），大致總結了我們常見的所有的排序演算法的特點。
排序法 平均時間 最差情形 穩定度 額外空間 備注
冒泡 O(n2) O(n2) 穩定 O(1) n小時較好
交換 O(n2) O(n2) 不穩定 O(1) n小時較好
選擇 O(n2) O(n2) 不穩定 O(1) n小時較好
插入 O(n2) O(n2) 穩定 O(1) 大部分已排序時較好
基數 O(logRB) O(logRB) 穩定 O(n)
B是真數(0-9)，

R是基數(個十百)

Shell O(nlogn) O(ns) 1<s<2 不穩定 O(1) s是所選分組
快速 O(nlogn) O(n2) 不穩定 O(nlogn) n大時較好
歸並 O(nlogn) O(nlogn) 穩定 O(1) n大時較好
堆 O(nlogn) O(nlogn) 不穩定 O(1) n大時較好
備注:O(n2)表示雙重循環，即n^2

⑶ 內部排序演算法比較

[email protected] 發封郵件給我 我給你答案，，，這是我們今年數據結構的最後一個實驗

⑷ 數據結構中有哪些基本演算法

數據結構中最基本的演算法有：查找、排序、快速排序，堆排序，歸並排序，，二分搜索演算法
等等。

1、用的最多也是最簡單的數據結構是線性表。

2、有前途的又難數據結構是圖 。

3、常用的80％演算法是排序和查找。

⑸ 有幾種數據結構幾種演算法

有線性，層次，網狀三種數據結構，演算法嘛多了去了

⑹ 數據結構有哪些基本演算法

一、排序演算法 1、有簡單排序（包括冒泡排序、插入排序、選擇排序） 2、快速排序，很常見的 3、堆排序， 4、歸並排序，最穩定的，即沒有太差的情況 二、搜索演算法 最基礎的有二分搜索演算法，最常見的搜索演算法，前提是序列已經有序 還有深度優先和廣度有限搜索；及使用剪枝，A*，hash表等方法對其進行優化。 三、當然，對於基本數據結構，棧，隊列，樹。都有一些基本的操作 例如，棧的pop，push，隊列的取隊頭，如隊；以及這些數據結構的具體實現，使用連續的存儲空間（數組），還是使用鏈表，兩種具體存儲方法下操作方式的具體實現也不一樣。 還有樹的操作，如先序遍歷，中序遍歷，後續遍歷。 當然，這些只是一些基本的針對數據結構的演算法。 而基本演算法的思想應該有：1、回溯2、遞歸3、貪心4、動態規劃5、分治有些數據結構教材沒有涉及基礎演算法，lz可以另外找一些基礎演算法書看一下。有興趣的可以上oj做題，呵呵。演算法真的要學起來那是挺費勁。

⑺ 數據結構的結構演算法

演算法的設計取決於數據（邏輯）結構，而演算法的實現依賴於採用的存儲結構。數據的存儲結構實質上是它的邏輯結構在計算機存儲器中的實現，為了全面的反映一個數據的邏輯結構，它在存儲器中的映象包括兩方面內容，即數據元素之間的信息和數據元素之間的關系。不同數據結構有其相應的若干運算。數據的運算是在數據的邏輯結構上定義的操作演算法，如檢索、插入、刪除、更新和排序等。
數據的運算是數據結構的一個重要方面，討論任一種數據結構時都離不開對該結構上的數據運算及其實現演算法的討論。
數據結構不同於數據類型，也不同於數據對象，它不僅要描述數據類型的數據對象，而且要描述數據對象各元素之間的相互關系。
數據類型是一個值的集合和定義在這個值集上的一組操作的總稱。數據類型可分為兩類：原子類型、結構類型。一方面，在程序設計語言中，每一個數據都屬於某種數據類型。類型明顯或隱含地規定了數據的取值范圍、存儲方式以及允許進行的運算。可以認為，數據類型是在程序設計中已經實現了的數據結構。另一方面，在程序設計過程中，當需要引入某種新的數據結構時，總是藉助編程語言所提供的數據類型來描述數據的存儲結構。
計算機中表示數據的最小單位是二進制數的一位，叫做位。我們用一個由若干位組合起來形成的一個位串表示一個數據元素，通常稱這個位串為元素或結點。當數據元素由若干數據項組成時，位串中對應於各個數據項的子位串稱為數據域。元素或結點可看成是數據元素在計算機中的映象。
一個軟體系統框架應建立在數據之上，而不是建立在操作之上。一個含抽象數據類型的軟體模塊應包含定義、表示、實現三個部分。
對每一個數據結構而言，必定存在與它密切相關的一組操作。若操作的種類和數目不同，即使邏輯結構相同，數據結構能起的作用也不同。
不同的數據結構其操作集不同，但下列操作必不可缺：
1,結構的生成；
2.結構的銷毀；
3,在結構中查找滿足規定條件的數據元素；
4,在結構中插入新的數據元素；
5,刪除結構中已經存在的數據元素；
6,遍歷。
抽象數據類型：一個數學模型以及定義在該模型上的一組操作。抽象數據類型實際上就是對該數據結構的定義。因為它定義了一個數據的邏輯結構以及在此結構上的一組演算法。抽象數據類型可用以下三元組表示：（D，S，P）。D是數據對象，S是D上的關系集，P是對D的基本操作集。ADT的定義為：
ADT 抽象數據類型名：{數據對象：（數據元素集合），數據關系：（數據關系二元組結合），基本操作：（操作函數的羅列）}； ADT抽象數據類型名;抽象數據類型有兩個重要特性：
數據抽象
用ADT描述程序處理的實體時，強調的是其本質的特徵、其所能完成的功能以及它和外部用戶的介面（即外界使用它的方法）。
數據封裝
將實體的外部特性和其內部實現細節分離，並且對外部用戶隱藏其內部實現細節。
數據（Data）是信息的載體，它能夠被計算機識別、存儲和加工處理。它是計算機程序加工的原料，應用程序處理各種各樣的數據。計算機科學中，所謂數據就是計算機加工處理的對象，它可以是數值數據，也可以是非數值數據。數值數據是一些整數、實數或復數，主要用於工程計算、科學計算和商務處理等；非數值數據包括字元、文字、圖形、圖像、語音等。數據元素（Data Element）是數據的基本單位。在不同的條件下，數據元素又可稱為元素、結點、頂點、記錄等。例如，學生信息檢索系統中學生信息表中的一個記錄等，都被稱為一個數據元素。
有時，一個數據元素可由若干個數據項（Data Item）組成，例如，學籍管理系統中學生信息表的每一個數據元素就是一個學生記錄。它包括學生的學號、姓名、性別、籍貫、出生年月、成績等數據項。這些數據項可以分為兩種：一種叫做初等項，如學生的性別、籍貫等，這些數據項是在數據處理時不能再分割的最小單位；另一種叫做組合項，如學生的成績，它可以再劃分為數學、物理、化學等更小的項。通常，在解決實際應用問題時是把每個學生記錄當作一個基本單位進行訪問和處理的。
數據對象（Data Object）或數據元素類（Data Element Class）是具有相同性質的數據元素的集合。在某個具體問題中，數據元素都具有相同的性質（元素值不一定相等），屬於同一數據對象（數據元素類），數據元素是數據元素類的一個實例。例如，在交通咨詢系統的交通網中，所有的頂點是一個數據元素類，頂點A和頂點B各自代表一個城市，是該數據元素類中的兩個實例，其數據元素的值分別為A和B。 數據結構（Data Structure）是指互相之間存在著一種或多種關系的數據元素的集合。在任何問題中，數據元素之間都不會是孤立的，在它們之間都存在著這樣或那樣的關系，這種數據元素之間的關系稱為結構。

⑻ 數據結構 的演算法

FIFO 10次缺頁，分別是第1，2，3，4，8（1），10（2），11（3），12（4），13（6），14（1）頁
LRU 8次缺頁，分別是第1，2，3，4，8（3），12（4），13（6），14（1）頁
--------------------------------------
註：括弧內是缺頁時進程淘汰的頁號。因開始時進程中頁面為空，故前四次不淘汰頁面。