二分法
1.算法设计
用一维数组S[]存储该有序序列，设变量low和high表示查找范围的下界和上界，middle表示查找范围的中间位置，x为特定的查找元素。
（1）初始化。令low=0，high=n-1。
（2）middle=(high-low)/2。
（3）判断low<=high是否成立，若成立，到第4步，否则算法结束。
（4）判断S[middle]与x的关系：若S[middle]>x，则x位于low~middle之间，令high=middle-1,；若S[middle]<x，则x位于middle~high之间，令low=middle+1；转第2步。若S[middle]==x，则搜索成功，退出。
2.图解
数据结构学习笔记已有整理，在此省略图解。
3.完整代码
#include<iostream> #include<algorithm> #include<cstdlib> #include<cstdio> using namespace std; const int M = 10000; int x, n, i; int s[M]; int BinarySearch(int n, int s[], int x) { int low = 0; int high = n - 1; while (low <= high) { int middle = low +(high - low) / 2; if (x < s[middle]) high = middle - 1; else if (x > s[middle]) low = middle + 1; else return middle; } return -1; } int main() { cout << "Please enter the number of these elements: "; cin >> n; cout << "Please enter the element: " << endl; for (i = 0; i < n; i++) { cout << "Element " << i+1 << ": "; cin >> s[i]; } sort(s, s + n); cout << "After sorted: " << endl; for (i = 0; i < n; i++) cout << s[i] << " "; cout << endl; cout << "Please enter the element that you want to find: " << endl; cin >> x; int ans = BinarySearch(n, s, x); if (ans == -1) cout << "Sorry, we can not find it.\n"; else cout << "The answer is " << ans+1 << ".\n"; system("pause"); return 0; }
排序复杂度为O(nlogn)，二分查找复杂度为O(logn)。
递归版：
int BinarySearch(int n, int s[], int x,int low, int high)
{
if (low > high)
return -1;
int middle = (low + high) / 2;
if (x == s[middle])
return middle;
else if (x > s[middle])
return BinarySearch(n, s, x, middle + 1, high);
else
return BinarySearch(n, s, x, low, middle - 1);
}
此方法二分查找复杂度仍旧是O(logn)。
合并排序
1.算法原理
将一大组数据，采用分治策略，分成很多个小问题。由于给定的是一个无序的大序列，可以把待排序列分解成两个规模大致相等的子序列，如果排序还是比较困难，则将子序列继续分解成两个规模大致相等的子序列，直到每个子序列的元素个数为1。然后进行合并，合并成完整的有序序列。
2.算法设计
（1）分解：将待排序列分解成大小相等的两个子序列；
（2）治理：将两个子序列进行合并排序；
（3）合并：将排好序的有序子序列进行合并，得到最终的序列。
合并的策略：采用i,j,k三个标志位，以及一个名为B的辅助数组。i,j分别位于A数组的0和mid+1位置，k指向B的起始位。由于A数组的0~mid，mid+1~end均为已经排好序的子序列，所以开始比较A[i]和A[j]。若A[i]>A[j]，则将A[j]的数字存入B[k]，然后j++，k++；若A[i]<A[j]，则将A[i]的数字存入B[k]，然后i++，k++；若此时某个数组已经比较完，则直接将另一个数组依序存入B，然后把B重新一一赋值给A，完成对A的排序。
3.完整代码
void Merge(int A[], int low, int mid, int high)
{
int *B = new int[high - low + 1];
int i = low, j = mid + 1, k = 0;
while (i <= mid && j <= high)
{
if (A[i] >= A[j])
B[k++] = A[j++];
else
B[k++] = A[i++];
}
while (i <= mid)
B[k++] = A[i++];//把剩下的元素复制到B中
while (j <= high)
B[k++] = A[j++];//把剩下的元素复制到B中
for (i = low,k=0; i <= high; i++)
{
A[i] = B[k++];
}
delete[] B;
}
void MergeSort(int A[], int low, int high)
{
if (low < high)
{
int mid = (low + high) / 2;//取中间点
MergeSort(A, low, mid);//对A[low:mid]中的元素进行合并排序
MergeSort(A, mid + 1, high);//对A[mid+1:high]中的元素进行合并排序
Merge(A, low, mid, high);//合并
}
}
4.复杂度分析
时间复杂度：
（1）分解：O(1)；
（2）治理：2T(n/2)；
（3）合并：O(n)。
总的来说，T(n)=O(nlogn)。
空间复杂度：O(logn)。
快速排序
1.算法原理
通过一组排序将要排序的数据分割成独立的两部分，其中一部分的所有数据都比另一部分所有数据都要笑，然后按此方法对这两部分数据分别进行快速排序，整个排序过程可以递归进行，以此使所有数据变成有序序列。
快速排序是不稳定的算法！
2.算法设计
（1）分解：先从数列中取出一个元素作为基准元素，以基准元素为准，将问题分解为两个子序列，使小于等于基准元素的子序列在左侧，大于基准元素的子序列在右侧。
（2）治理：对两个子序列进行快速排序。
（3）合并：将排好序的两个子序列合并在一起，得到原问题的解。由于排序是原地进行的，所以在排好序后，合并步骤无需做什么，序列就已经排好序了。
一般来说，基准元素的选取有以下几种方法：
（1）取第一个元素；
（2）取最后一个元素；
（3）取中间位置的元素；
（4）取第一个、最后一个、中间位置元素三者的中位数；
（5）去第一个和最后一个之间位置的随机数k（low<=k<=high），选取R[k]做基准元素。
这个算法的难点在于“划分”，也就是分解这个步骤。
我们编写划分函数对原序列进行分解，分解为两个子序列，以基准元素pivot为界，左侧子序列都比pivot小，右侧子序列逗比pivot大。先从右向左扫描，找到小于等于pivot的数后，执行R[i]与R[j]的交换，然后进行i++，也就是从左向右扫描，找到比基准元素大的数，执行R[i]与R[j]的交换，然后进行j++……如此交替进行，直到i=j的时候停止。
3.完整代码
int Partition(int r[], int low, int high)
{
int i = low, j = high;
int pivot = r[low];
while (i < j)
{
//当r[j]>pivot的时候，就继续由右往左寻找小于的元素
while (i<j && r[j]>pivot)
j--;
//跳出while循环说明找到了，再判断下i<j，然后交换i和j的元素，然后i++，再开始从左向右寻找r[i]>pivot的元素
if (i<j)
swap(r[i++], r[j]);
//当r[i]<pivot的时候，就继续加i，直到找到r[i]>pivot的时候，跳出wile循环
while (i < j && r[i] <= pivot)
i++;
//跳出while循环说明找到了，再判断下i<j，然后交换i和j的元素，然后j--，再开始从右向左寻找小于的元素
if (i<j)
swap(r[i], r[j--]);
}
return i;
}
void QuickSort(int R[], int low, int high)
{
//先从一堆元素中找到一个基准元素，然后以这个基准元素为准，左侧都小于它，右侧都大于它。然后再对左侧和右侧分别进行快速排序。
int mid;
if (low < high)
{
mid = Partition(R, low, high);
QuickSort(R, low, mid - 1);//左侧快速排序
QuickSort(R, mid + 1, high);//右侧快速排序
}
}
4.复杂度分析
1.时间复杂度分析
（1）最好时间复杂度
①分解：O(n)；
②解决子问题：在最理想情况下，每次将问题划分为规模相当的两个子序列，也就是规模为n/2，即求解两个规模为n/2的子问题，所需时间为2T(n/2)；
③合并：没有任何操作，不需要时间复杂度。
所以
经过递归求解（规模为1，令n=2x，则x=logn），所以T(n)=O(nlogn)。
（2）最坏时间复杂度
①分解：O(n)；
②解决子问题：在最坏情况下，基准元素的一侧无元素，另一次有1个规模为n-1的子问题，那么递归出来所需要的时间为T(n-1)；
③合并：没有任何操作，不需要时间复杂度。
所以
所以T(n)=O(n2)。
空间复杂度：O(n)
（3）平均时间复杂度：O(nlogn)
5.算法优化扩展
上述算法都是每次交换与基准元素进行交换，实际上没必要这样，我们的目的就是把原序列分为以基准元素为界的两个子序列，左侧子序列小于等于基准元素，右侧子序列大于基准元素。步骤如下：
步骤1：首先取数据第一个元素作为基准元素pivot=R[low]。i=low, j=high。
步骤2：从右向左扫描，找小于等于pivot的数R[j]。
步骤3：从左向右扫描，找大于pivot的数R[i]。
步骤4：R[i]和R[j]交换，然后i++, j--。
步骤5：重复步骤2~步骤4，直到i和j相等，如果R[i]大于pivot，则R[i-1]和基准元素R[low]交换，返回该位置mid=i-1；否则R[i]跟基准元素交换，返回该位置mid=i，该位置的数正好是基准元素。
至此完成一趟排序。此时以mid为界，左侧子序列均小于pivot，右侧子序列均大于pivot。
代码如下：
int Partition2(int r[],int low, int high)
{
int i = low, j = high;
int pivot = r[low];
while (i < j)
{
while (i<j && r[j]>pivot)
j--;
while (i < j && r[i] <= pivot)
i++;
if (i < j)
{
swap(r[i++], r[j--]);
}
}
if (r[i] > pivot)
{
swap(r[i - 1], r[low]);
return i - 1;
}
swap(r[i], r[low]);
return i;
}
文章评论