zoukankan      html  css  js  c++  java
  • 选择排序

    思想:

    先找到最小的,然后放到第一个位置。之后再看剩余元素中最小的,放到第二个位置……以此类推,就可以完成整个的排序工作了。

    可以很清楚的发现,选择排序是固定位置,找元素。相比于插入排序的固定元素找位置,是两种思维方式。不过条条大路通罗马,两者的目的是一样的。

     


    理解:

    在介绍选择排序算法前,我们再回顾下冒泡算法。

    详细过程可以见博客冒泡排序部分。

     

    冒泡算法是通过两两比较,不断交换,逐个推进的方式,来进行排序的。一次遍历,得到一个最值。

    冒泡算法最费时的是什么? 

    一是两两比较

    一是两两交换, 交换要比比较费时多了。

    在冒泡算法一篇中,介绍了几种改进方法,那几种改进方法为什么放在冒泡算法中一篇中,而不另一一篇介绍?

    原因就是:无论那几种方法怎么改进,都还是基于两两交换不断推进的冒泡算法。从广义上说,都是属于冒泡算法。

    那还有没有其它改进的余地呢?

    冒泡算法两两交换的目的是什么?-------找出最值。

    而通过这种方式取得最值得代价是很大的,因为,每次遍历,可能需要很多次交换才能找到最值,而这些交换都是很浪费时间的。

    如果能减少交换次数,同时又能取得最值,那么这就是一种改进。

    因此问题便转换为:如何求最值?求最值得方法有几种?

    正所谓条条大路通罗马All RoadsLead to Rome,做成一件事的方法不只一种,人生的路也不只一条。

    因此,除了使用两两交换的算法找出最值外,或许还有其它方式。

    如果有的话,就是通过另外的思路求得最值,于是便跳出了冒泡的思维模式。

    好了,大家想想有没有其他的方法遍历一次就可求出最值?

    求最值,需要比较,但不一定非得通过不断推进的方式。

    那如何能更好的求得最值呢?

    很自然的一种想法便是:

    每次遍历,只选择最值元素进行交换,这样一次遍历,只需进行一次交换即可,从而避免了其它无价值的交换操作。

     

    如何求得最值元素所在位置呢?

    这还得通过遍历比较。

    具体方法为:

    遍历一次,记录下最值元素所在位置,遍历结束后,将此最值元素调整到合适的位置

    这样一次遍历,只需一次交换,便可将最值放置到合适位置

     

    这便是 简单选择排序算法。

    void SelectSort(T a[], int len)
    {
    
        T temp;
        int nIndex=0;
    
        //每次循环只进行一次交换 最多进行len-1次循环,因此总体上,比冒泡进行交换的次数少
        for (int i=0;i<len-1;i++)
        {
            //第i次排序时,已经进行了i次大循环,因此已经排好了i个元素
            //已排好序的元素0,,...,i-2,i-1
            //    待排元素为i,i+1,...,len-1
    
    
            nIndex=i;
            for (int j=i+1;j<len;j++)
            {
                if (a[j]<a[nIndex])
                {
                    nIndex=j;        
                }
    
            }
    
            //交换
            if (nIndex!=i)
            {
                temp=a[i];
                a[i]=a[nIndex];
                a[nIndex]=temp;
            }
    
    
        }
    
    }

    分析:

    从选择排序的思想或者是上面的代码中,我们都不难看出,寻找最小的元素需要一个循环的过程,而排序又是需要一个循环的过程。因此显而易见,这个算法的时间复杂度也是O(n*n)的。这就意味值在n比较小的情况下,算法可以保证一定的速度,当n足够大时,算法的效率会降低。并且随着n的增大,算法的时间增长很快。因此使用时需要特别注意。

  • 相关阅读:
    Python 实践
    Keras实践
    NLP S实践
    Spark java 实践
    Seaborn数据探索可视化
    Linux实践
    Redis
    ML算法选型
    Elasticsearch issue
    牛客练习赛37
  • 原文地址:https://www.cnblogs.com/samjustin/p/4564602.html
Copyright © 2011-2022 走看看