[大师C语言(第十三篇)]C语言排序算法比较与技术详解

news/2024/7/25 21:34:50/文章来源:https://blog.csdn.net/suifengme/article/details/138511061

引言

排序算法是计算机科学中最基础且重要的内容之一。在数据处理、数据库索引、搜索算法等多个领域都有广泛的应用。C语言作为一种高效、底层的编程语言,被广泛用于实现各种排序算法。本文将深入探讨几种常用的排序算法,包括冒泡排序、选择排序和插入排序,分析它们背后的技术原理,并通过C语言代码示例来展示它们的实现。

第一部分:冒泡排序

1.1 算法概述

冒泡排序(Bubble Sort)是一种简单的排序算法。它重复地遍历要排序的数列,一次比较两个元素,如果它们的顺序错误就把它们交换过来。遍历数列的工作是重复地进行,直到没有再需要交换的元素为止。

1.2 算法原理

冒泡排序的原理是通过不断比较相邻的两个元素的大小,根据排序要求(升序或降序)交换位置,使得大的元素或小的元素逐步移动到数列的一端。

1.3 代码实现

以下是冒泡排序的C语言实现:

#include <stdio.h>void bubbleSort(int arr[], int n) {int i, j, temp;for (i = 0; i < n - 1; i++) {for (j = 0; j < n - i - 1; j++) {if (arr[j] > arr[j + 1]) {// 交换元素temp = arr[j];arr[j] = arr[j + 1];arr[j + 1] = temp;}}}
}int main() {int arr[] = {64, 34, 25, 12, 22, 11, 90};int n = sizeof(arr) / sizeof(arr[0]);bubbleSort(arr, n);printf("Sorted array: \n");for (int i = 0; i < n; i++) {printf("%d ", arr[i]);}printf("\n");return 0;
}

1.4 算法分析

  • 时间复杂度:平均情况和最坏情况下,冒泡排序的时间复杂度都是O(n^2),其中n是数列的长度。最好情况下,即数列已经是有序的情况下,时间复杂度为O(n)。
  • 空间复杂度:冒泡排序是原地排序算法,除了交换元素需要常数级的额外空间外,不需要额外的存储空间,因此空间复杂度为O(1)。
  • 稳定性:冒泡排序是稳定的排序算法,相同值的元素在排序过程中不会改变它们的相对顺序。

1.5 结论

冒泡排序虽然简单,但其时间复杂度较高,在实际应用中通常不推荐使用。然而,由于其算法原理简单,冒泡排序常被用作教学示例,帮助初学者理解排序算法的基本概念。

在接下来的两部分中,我们将继续探讨选择排序和插入排序,并比较这些排序算法的性能和适用场景。请继续关注,以获得更全面的技术解析。

第二部分:选择排序

2.1 算法概述

选择排序(Selection Sort)是一种简单直观的排序算法。它的工作原理是不断地选择剩余元素中的最小(或最大)元素,然后将其放到已排序部分的末尾。

2.2 算法原理

选择排序的原理是在未排序序列中找到最小(或最大)元素,存放到排序序列的起始位置,然后,再从剩余未排序元素中继续寻找最小(或最大)元素,然后放到已排序序列的末尾。以此类推,直到所有元素均排序完毕。

2.3 代码实现

以下是选择排序的C语言实现:

#include <stdio.h>void selectionSort(int arr[], int n) {int i, j, min_idx, temp;for (i = 0; i < n - 1; i++) {// 找到最小元素的索引min_idx = i;for (j = i + 1; j < n; j++) {if (arr[j] < arr[min_idx]) {min_idx = j;}}// 将找到的最小元素与第i个位置的元素交换temp = arr[min_idx];arr[min_idx] = arr[i];arr[i] = temp;}
}int main() {int arr[] = {64, 34, 25, 12, 22, 11, 90};int n = sizeof(arr) / sizeof(arr[0]);selectionSort(arr, n);printf("Sorted array: \n");for (int i = 0; i < n; i++) {printf("%d ", arr[i]);}printf("\n");return 0;
}

2.4 算法分析

  • 时间复杂度:选择排序的时间复杂度为O(n^2),其中n是数列的长度。这是因为无论输入数据如何,都需要进行n-1次比较和交换操作。
  • 空间复杂度:选择排序是原地排序算法,除了交换元素需要常数级的额外空间外,不需要额外的存储空间,因此空间复杂度为O(1)。
  • 稳定性:选择排序是不稳定的排序算法,因为相同值的元素可能会因为交换操作而改变它们的相对顺序。

2.5 结论

选择排序的时间复杂度与冒泡排序相同,都是O(n^2),但是选择排序通常比冒泡排序要快一些,因为它的交换操作次数更少。然而,由于其时间复杂度较高,选择排序在实际应用中也不常用于排序大型数据集。

在第三部分中,我们将探讨插入排序,并比较这三种排序算法的性能和适用场景。请继续关注,以获得更全面的技术解析。

第三部分:插入排序

3.1 算法概述

插入排序(Insertion Sort)是一种简单直观的排序算法。它的工作原理是通过构建有序序列,对于未排序数据,在已排序序列中从后向前扫描,找到相应位置并插入。

3.2 算法原理

插入排序的原理是将一个记录插入到已经排好序的有序表中,从而得到一个新的、记录数增加1的有序表。在其实现过程中,所需进行的关键操作是从第2个记录开始,逐个与前面的记录比较并移动,直到找到合适的位置插入。

3.3 代码实现

以下是插入排序的C语言实现:

#include <stdio.h>void insertionSort(int arr[], int n) {int i, key, j;for (i = 1; i < n; i++) {key = arr[i];j = i - 1;// 将arr[i]与已排序的arr[0...i-1]中的元素比较并移动while (j >= 0 && arr[j] > key) {arr[j + 1] = arr[j];j = j - 1;}arr[j + 1] = key;}
}int main() {int arr[] = {12, 11, 13, 5, 6};int n = sizeof(arr) / sizeof(arr[0]);insertionSort(arr, n);printf("Sorted array: \n");for (int i = 0; i < n; i++) {printf("%d ", arr[i]);}printf("\n");return 0;
}

3.4 算法分析

  • 时间复杂度:插入排序的最好情况是输入数组已经是升序排列,此时时间复杂度为O(n)。最坏情况是输入数组是降序排列,此时时间复杂度为O(n^2)。平均情况下,插入排序的时间复杂度也是O(n^2)。
  • 空间复杂度:插入排序是原地排序算法,除了交换元素需要常数级的额外空间外,不需要额外的存储空间,因此空间复杂度为O(1)。
  • 稳定性:插入排序是稳定的排序算法,因为相同值的元素在排序过程中不会改变它们的相对顺序。

3.5 结论

插入排序在数据量较小,或者已经部分排序的情况下表现较好。由于其简单和稳定性,插入排序在某些特定场景下仍然是一个有效的选择。然而,对于大数据集,插入排序的时间复杂度较高,不是最优的排序算法。

3.6 三种排序算法比较

  • 时间复杂度:冒泡排序、选择排序和插入排序在最坏和平均情况下的时间复杂度都是O(n^2)。但是,插入排序在最好情况下的时间复杂度是O(n),而冒泡排序和选择排序的最好时间复杂度仍然是O(n^2)。
  • 空间复杂度:这三种排序算法都是原地排序,空间复杂度为O(1)。
  • 稳定性:冒泡排序和插入排序是稳定的排序算法,而选择排序是不稳定的。

3.7 总结

冒泡排序、选择排序和插入排序都是简单的排序算法,它们在数据量较小或者部分有序的情况下表现尚可。然而,对于大数据集,它们的效率都不高,实际应用中更倾向于使用时间复杂度更低的排序算法,如快速排序、归并排序和堆排序等。每种排序算法都有其独特的优势和局限性,选择合适的排序算法需要根据具体的应用场景和数据特点来决定。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.luyixian.cn/news_show_1052677.aspx

如若内容造成侵权/违法违规/事实不符,请联系dt猫网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

LeetCode115:不同的子序列

题目描述 给你两个字符串 s 和 t &#xff0c;统计并返回在 s 的 子序列 中 t 出现的个数&#xff0c;结果需要对 109 7 取模。 代码 /*dp[i][j]&#xff1a;以i为结尾的s中有以j为尾的t的个数递推公式&#xff1a;当s[i - 1] 与 t[j - 1]相等时&#xff0c;dp[i][j]可以有两…

基于Java+SpringBoot+Mybaties-plus+Vue+elememt + uniapp 新闻资讯 的设计与实现

一.项目介绍 本系统分为 后端 和 小程序端 后端&#xff1a;点击登录按钮 设置个人中心、 管理员账号数据维护、 基础数据维护、 短视频信息维护(包括查看短视频留言、短视频收藏)、 论坛维护(增删改查帖子信息&#xff0c;包括查…

uniapp微信小程序的单项选择器大小颜色的修改

问题描述&#xff1a;需要修改radio的大小和颜色&#xff0c;组件官网radio-group | uni-app官网 修改radio颜色 直接使用color属性就行了 eg. <label class"agree_label"><radio class"agree_radio" value"" click"setuserAgr…

蓝桥杯第十四届国赛B组刷题笔记

A-0子2023&#xff1a; 题目&#xff1a; 小蓝在黑板上连续写下从 11 到 20232023 之间所有的整数&#xff0c;得到了一个数字序列&#xff1a; &#x1d446;12345678910111213...20222023S12345678910111213...20222023。 小蓝想知道 &#x1d446;S 中有多少种子序列恰好等…

OneForall工具的下载安装和使用(Windows和Linux)

目录 OneForall的介绍 OneForall的下载 OneForall的安装 安装要求 安装步骤&#xff08;git 版&#xff09; 安装&#xff08;kali&#xff09; OneForall的使用命令 在Windows 在Linux&#xff08;kali&#xff09; OneForall的结果说明 免责声明 本文所提供的文字和…

databricks~Unity Catalog

Unity Catalog hierarchy 包含了用户授权管理信息和元数据信息 workspace with unity catalog hierarchy unity metastore Ref: https://www.youtube.com/playlist?listPLY-V_O-O7h4fwcHcXgkR_zTLvddvE_GfC

逆向基础:软件手动脱壳技术入门

这里整合了一下之前自己学习软件手工脱壳的一些笔记和脱文&#xff0c;希望能给新学软件逆向和脱壳的童鞋们一点帮助。 1 一些概念 1.1 加壳 加壳的全称应该是可执行程序资源压缩&#xff0c;是保护文件的常用手段。加壳过的程序可以直接运行&#xff0c;但是不能查看源代码…

内网权限提升

打点进入内网中&#xff0c;权限一般为 web 服务的权限 1、什么是提权 一般一来说是低权限用户去申请高权限用户&#xff0c;可以是&#xff08;配置不当、溢出类漏洞&#xff08;历史漏洞&#xff09;、本地漏洞&#xff09; 2、常见用户分类 windows&#xff1a; 本地登录…

神奇动物在哪里?斯洛文尼亚旅游之野生动物寻踪

不仅拥有优美动人的自然风光&#xff0c;斯洛文尼亚还以其丰富的生物多样性而闻名。得益于国家对大自然开展的保护工作&#xff0c;斯洛文尼亚超过三分之一的国土面积都被规划为保护区&#xff0c;拥有约1.5万种动物和6000种植物&#xff0c;其中不乏众多特有、稀有和濒危动植物…

[数智人文实战] 02.舆情分析之词云可视化、文本聚类和LDA主题模型文本挖掘

【数智人文与文本挖掘】知识星球建立且正式运营,欢迎新老博友和朋友加入,一起分享更多数智人文知识和交流进步。该星球计划每周至少分享7个资源或文章,包括数智人文、文本挖掘、人工智能、大数据分析和图书情报的技术文章、代码及资源。同时,欢迎进入星球的朋友咨询我图情和…

图像处理之计算物体的方向(C++)

图像处理之计算物体的方向&#xff08;C&#xff09; 文章目录 图像处理之计算物体的方向&#xff08;C&#xff09;前言一、PCA获取物体主要方向1.原理2.代码实现 二、Hu矩获取物体主要方向1.原理2.代码实现 总结 前言 在图像处理中&#xff0c;物体的方向&#xff08;倾斜角…

基于springboot+vue的班级综合测评管理系统

开发语言&#xff1a;Java框架&#xff1a;springbootJDK版本&#xff1a;JDK1.8服务器&#xff1a;tomcat7数据库&#xff1a;mysql 5.7&#xff08;一定要5.7版本&#xff09;数据库工具&#xff1a;Navicat11开发软件&#xff1a;eclipse/myeclipse/ideaMaven包&#xff1a;…

OpenBMC相关的网站

openbmc官方网站 https://github.com/openbmchttps://github.com/openbmc Dashboard [Jenkins]https://jenkins.openbmc.org/ https://gerrit.openbmc.org/Gerrit Code Reviewhttps://gerrit.openbmc.org/ Searchhttps://grok.openbmc.org/ openbmc参考网站 https://www.c…

计算机组成原理易混淆知识点总结(持续更新)

目录 1.机器字长&#xff0c;存储字长与指令字长 2.指令周期,机器周期,时钟周期 3.CPI,IPS,MIPS 4.翻译程序和汇编程序 5.计算机体系结构和计算机组成的区别和联系 6.基准程序执行得越快说明机器的性能越好吗? 1.机器字长&#xff0c;存储字长与指令字长 不同的机器三者…

Git-01

Git是一个免费且开源的分布式版本控制系统&#xff0c;它可以跟踪文件的修改、记录变更的历史&#xff0c;并且在多人协作开发中提供了强大的工具和功能。 Git最初是由Linus Torvalds开发的&#xff0c;用于Linux内核的开发&#xff0c;现在已经成为了广泛使用的版本控制系统&a…

Java 类加载机制解密一探到底

类加载是 Java 程序在运行期执行之前的重要环节&#xff0c;它决定着程序的运行效率和稳定性。本文将为您深入剖析 Java 类加载机制的整个生命周期&#xff0c;揭开神秘面纱&#xff0c;让您彻底掌握这一核心知识点。 一、类的生命周期概述 类的生命周期在Java中指的是从类被加…

【Linux 网络】网络基础(三)(数据链路层协议:以太网协议、ARP 协议)

一、以太网 两个不同局域网的主机传递数据并不是直接传递的&#xff0c;而是通过路由器 “一跳一跳” 的传递过去。 跨网络传输的本质&#xff1a;由无数个局域网&#xff08;子网&#xff09;转发的结果。 所以&#xff0c;要理解数据跨网络转发原理就要先理解一个局域网中数…

深度解析Nginx配置文件:从全局块到upstream块的探索之旅

Nginx配置文件的简介 在浩瀚的互联网世界中&#xff0c;Nginx就如同一座大型交通枢纽&#xff0c;将访问者的请求精准地引导到正确的服务终点。而这一切&#xff0c;都离不开一个神秘而重要的角色——Nginx配置文件。这个文件&#xff0c;就像是一份详尽的路线图&#xff0c;为…

深度学习模型在OCR中的可解释性问题与提升探讨

摘要&#xff1a; 随着深度学习技术在光学字符识别&#xff08;OCR&#xff09;领域的广泛应用&#xff0c;人们对深度学习模型的可解释性问题日益关注。本文将探讨OCR中深度学习模型的可解释性概念及其作用&#xff0c;以及如何提高可解释性&#xff0c;使其在实际应用中更可…

创新力作 焕新首发丨捷顺科技·捷曜系列智慧停车新品全新上市

2024捷顺科技智慧停车全家族新品全面上市 全新外观、全新特性、全新体验 新控制机、新道闸、新超眸相机... 每款新品都有哪些功能亮点 带您一探究竟