当前位置: 首页 > article >正文

【算法】直接插入排序、折半插入排序、希尔排序

1 直接插入排序

时间复杂度:O(N^2)
空间复杂度:O(1)
稳定性:稳定

元素集合越接近有序,直接插入排序算法的时间效率越高

1.1直接插入排序思想

把待排序的记录按其关键码值的大小逐个插入到一个已经排好序的有序序列中,直到所有的记录插入完为止,得到一个新的有序序列 。

当插入第i(i>=1)个元素时,前面的array[0],array[1],…,array[i-1]已经排好序,此时用array[i]的排序码与array[i-1],array[i-2],…的排序码顺序进行比较,找到插入位置即将array[i]插入,原来位置上的元素顺序后移
在这里插入图片描述

在这里插入图片描述

1.2直接插入排序代码实现

在这里插入图片描述

void InsertSort(int* a, int n)//直接插入排序:	时间复杂度:O(n*n)	空间复杂度:O(1)
{assert(a);for (int i = 1; i < n; i++)//总共插入n-1次{int temp = a[i];//将最后一个数保存下来int point = i-1;//从倒数第二个数依次往前遍历while (point >= 0)//单趟把末尾的数插入到正确的位置{if (temp < a[point])//把大的数后移(为了保有稳定性,相等的数不后移){a[point + 1] = a[point];point--;}else//因为前面已经排好序了,小于当前的就肯定小于前面的,直接break{break;}}a[point + 1] = temp;//把数插入到对应的位置}
}

2 折半插入排序

时间复杂度:O(N^2)
空间复杂度:O(1)
稳定性:稳定

此算法改变了比较元素的次数,比较的时间复杂度约为O(nlogn),但并未改变元素移动的次数,所以总体来看折半插入排序的时间复杂度仍然是O(n*n)

2.1折半插入排序思想

折半插入排序是直接插入排序的优化,在进行第n个数的插入时,对前面0~n-1个数进行二分查找,找到比第n个数小的数的下标,随后进行后移操作。

2.2折半插入排序代码实现

void InsertSort_Binary(int* a, int n)//折半插入排序:	时间复杂度:O(n*n)	空间复杂度:O(1)
{assert(a);for (int i = 1; i < n; i++)//总共插入n-1次{int temp = a[i];//将最后一个数保存下来int left = 0;int right = i - 1;int mid;while (left<=right)//单次找到小于temp的值的位置{mid = (left + right) / 2;if (temp >= a[mid]){left = mid + 1;}else{right = mid - 1;}}for (int j = i - 1; j >= left; j--)//把此位置及其之后全部后移1位{a[j + 1] = a[j];}a[left] = temp;}
}

3 希尔排序

时间复杂度:O(n^1.3)——O(n*n)
空间复杂度:O(1)
稳定性:不稳定

《数据结构(C语言版)》— 严蔚敏
在这里插入图片描述

《数据结构-用面相对象方法与C++描述》— 殷人昆在这里插入图片描述

3.1希尔排序思想

由前面我们知道,元素集合越接近有序,直接插入排序算法的时间效率越高。所以我们先对数组进行预排序。

先选定一个整数,把待排序文件中所有记录分成个组,所有距离为的记录分在同一组内,并对每一组内的记录进行排序。然后重复上述分组和排序的工作。当到达=1时,所有记录在统一组内排好序。
在这里插入图片描述

3.2希尔排序代码实现

void ShellSort(int* a, int n)//希尔排序:	时间复杂度:O(n^1.3)-O(n^2)	
{int gap = n; while (gap > 1)//gap>1时相当于预排序{gap = gap / 3 + 1;//+1保证了最后一次gap一定是1 for (int i = gap; i < n ; i++)//每一轮走(n-gap)次 {int temp = a[i];//将最后一个数保存下来(每组的最后一个)int point = i - gap;//从倒数第二个数依次往前遍历(每组的倒数第二个)while (point >= 0)//单趟把末尾的数插入到正确的位置{if (temp < a[point]){a[point+gap] = a[point];point -= gap;}else{break;}}a[point+gap] = temp;}}
}

相关文章:

【算法】直接插入排序、折半插入排序、希尔排序

1 直接插入排序 时间复杂度&#xff1a;O(N^2) 空间复杂度&#xff1a;O(1) 稳定性&#xff1a;稳定 元素集合越接近有序&#xff0c;直接插入排序算法的时间效率越高 1.1直接插入排序思想 把待排序的记录按其关键码值的大小逐个插入到一个已经排好序的有序序列中&#xff…...

使用API有效率地管理Dynadot域名,为域名部署DNS安全拓展(DNSSEC)

关于Dynadot Dynadot是通过ICANN认证的域名注册商&#xff0c;自2002年成立以来&#xff0c;服务于全球108个国家和地区的客户&#xff0c;为数以万计的客户提供简洁&#xff0c;优惠&#xff0c;安全的域名注册以及管理服务。 Dynadot平台操作教程索引&#xff08;包括域名邮…...

【排版教程】如何在Word/WPS中优雅的插入参考文献

材料展示 随便选取一段综述内容&#xff0c;以及对应的参考文献&#xff0c;如下图所示&#xff1a; 1 参考文献编辑 首先对参考文献部分进行编辑&#xff0c;将其设置自动编号 在段落中&#xff0c;选择悬挂缩进 在编号中&#xff0c;设置自定义编号&#xff0c;然后按照…...

神经形态视觉的实时动态避障系统:突破传统SLAM的响应延迟瓶颈

引言&#xff1a;机器人感知的实时性挑战 斯坦福机器人实验室采用异步脉冲神经网络处理DVS事件相机数据后&#xff0c;动态障碍物响应延迟从34ms降至0.9ms。在20m复杂场景避障测试中&#xff0c;基于神经形态芯片的路径规划系统将SLAM更新频率提升至10kHz&#xff0c;较传统GP…...

python绘图之密集散点图

密集散点图主要目的是生成一个可视化图表&#xff0c;展示 insurance 数据集中 bmi&#xff08;身体质量指数&#xff09;和 charges&#xff08;医疗费用&#xff09;之间的关系&#xff0c;并通过不同的维度对数据进行分组和区分&#xff0c;以便更清晰地观察数据的分布和特征…...

Linux操作系统4-进程间通信5(共享内存实现两个进程通信)

上篇文章&#xff1a;Linux操作系统4-进程间通信4&#xff08;共享内存原理&#xff0c;创建&#xff0c;查看&#xff0c;命令&#xff09;-CSDN博客 本篇Gitee仓库&#xff1a;myLerningCode/l24 橘子真甜/Linux操作系统与网络编程学习 - 码云 - 开源中国 (gitee.com) 本篇重…...

sam2 windows 编译安装

目录 1. pip install sam2 2. 编译安装 1. pip install sam2 运行报错&#xff1a; cannot import name _C from sam2 (E:\project\smpl\render_blender\linux\GroundedSAM2_SMPL\sam2\__init__.py) 2. 编译安装 cd E:\project\sam2\sam2-main set DISTUTILS_USE_SDK1 py…...

RFID测温技术:电力设备安全监测的新利器

在当今高度依赖电力的现代化社会中&#xff0c;稳定且可靠的电力供应是社会运转的基石。电力设备作为电力系统的关键核心&#xff0c;其运行状态直接关乎电力供应的品质。然而&#xff0c;电力设备长期运行过程中&#xff0c;受到诸如过载、接触不良以及环境因素等多重影响&…...

(一)趣学设计模式 之 单例模式!

目录 一、啥是单例模式&#xff1f;二、为什么要用单例模式&#xff1f;三、单例模式怎么实现&#xff1f;1. 饿汉式&#xff1a;先下手为强&#xff01; &#x1f608;2. 懒汉式&#xff1a;用的时候再创建&#xff01; &#x1f634;3. 枚举&#xff1a;最简单最安全的单例&a…...

自动化办公|xlwings生成图表

在日常的数据分析和报告生成中&#xff0c;Excel图表是一个非常重要的工具。它能够帮助我们直观地展示数据&#xff0c;发现数据中的规律和趋势。然而&#xff0c;手动创建和调整图表往往耗时且容易出错。幸运的是&#xff0c;借助Python的xlwings库&#xff0c;我们可以自动化…...

Docker基于Ollama本地部署大语言模型

一、Ollama介绍 Ollama 是一个开源的大型语言模型&#xff08;LLM&#xff09;平台&#xff0c;旨在简化大型语言模型在本地环境中的运行、管理和交互。通过Ollama&#xff0c;用户可以轻松加载和使用各种预训练的语言模型&#xff0c;执行诸如文本生成、翻译、代码编写、问答…...

Pytorch实现之GIEGAN(生成器信息增强GAN)训练自己的数据集

简介 简介:在训练数据样本之前首先利用VAE来推断潜在空间中不同类的分布,用于后续的训练,并使用它来初始化GAN。与ACGAN和BAGAN不同的是,提出的GIEGAN有一个分类器结构,这个分类器主要判断生成的图像或者样本图像属于哪个类,而鉴别器仅判断图像是来自于生成器还是真实样…...

centos9安装k8s集群

以下是基于CentOS Stream 9的Kubernetes 1.28.2完整安装流程&#xff08;containerd版&#xff09;&#xff1a; 一、系统初始化&#xff08;所有节点执行&#xff09; # 关闭防火墙 systemctl disable --now firewalld# 关闭SELinux sed -i "s/SELINUXenforcing/SELINU…...

pytest下allure

import pytestdef test_case01():用例01~print(用例01)class Test_mokuai01:def test_case02(self):用例02~print(用例02)if __name____main__:#pytest.main([-vs,test_sample-2.py])pytest.main([-vs,test_sample-2.py,--allure-dir,./result2])#生成allure报告&#xff0c;参…...

JVM预热

阿里电商平台每年的各种大促活动&#xff0c;对于Java技术来说&#xff0c;其中重要一个操作环节就是预热操作。 目录 预热是什么&#xff1f;为什么要预热&#xff1f; java 程序不预热和预热的调用对比 预热是什么&#xff1f; 预热是指&#xff0c;在 JVM 启动后&#xff0…...

【JavaWeb12】数据交换与异步请求:JSON与Ajax的绝妙搭配是否塑造了Web的交互革命?

文章目录 &#x1f30d;一. 数据交换--JSON❄️1. JSON介绍❄️2. JSON 快速入门❄️3. JSON 对象和字符串对象转换❄️4. JSON 在 java 中使用❄️5. 代码演示 &#x1f30d;二. 异步请求--Ajax❄️1. 基本介绍❄️2. JavaScript 原生 Ajax 请求❄️3. JQuery 的 Ajax 请求 &a…...

Ubuntu 查看mysql用户和数据库

在Ubuntu系统中&#xff0c;你可以使用以下MySQL命令来查看用户和数据库的信息。请确保你已经安装了MySQL服务器&#xff0c;并且你具有足够的权限&#xff08;如root用户权限&#xff09;来执行这些命令。 查看所有数据库 要查看MySQL服务器上的所有数据库&#xff0c;可以使…...

数据库服务器和应用服务器的区别是什么?

在当今的互联网社会中&#xff0c;各个行业中的业务都离不来网络科技&#xff0c;而作为互联网基础设施的服务器&#xff0c;受到了各大行业的广泛应用&#xff0c;同时根据所承担职责的不同&#xff0c;可以将服务器分为数据库服务器和应用服务器&#xff0c;本文就来概括一下…...

初级银行从业考试真题

2023 年 6 月初级银行从业考试真题 法律法规 单选题 1.按照《中华人民共和国反洗钱法》的规定,金融机构所建立的客户身份资料和客户交易信息在业务关系或交易结束后至少 保存期限为()年。 A.5 B.3 C.10 D.2 参考答案:A 2.物价稳定是要保持()的大体稳定,避免出现高…...

普通转录组RNASeq生物信息流程

探序基因肿瘤研究院 整理 比对工具&#xff1a;HISAT2&#xff0c;下载源代码编译安装或者二进制文件 定量工具&#xff1a;feactureCounts&#xff0c;下载地址&#xff1a;The Subread package 参考基因组&#xff1a;NCBI的GCF_000001405.40_GRCh38.p14_genomic.fna.g…...

nginx容器配置fastapi服务失败

问题描述&#xff1a; Linux虚拟机中启动了一个fastapi服务器&#xff08;8000端口&#xff09;&#xff0c;希望能通过nginx容器设置代理使得前端代码可以调用这个接口&#xff0c;但是访问时报错&#xff08;状态码&#xff1a;502&#xff09;。nginx配置如下&#xff1a; l…...

网页制作06-html,css,javascript初认识のhtml如何建立超链接

超链接有外部链接、电子邮件链接、锚点链接、空链接、脚本链接 一、内部链接 与自身网站页面有关的链接被称为内部链接 1、创建内部链接 1&#xff09;语法&#xff1a; <a href"链接地址"> …… </a> 2&#xff09;举例应用&#xff1a; 3&#xf…...

代码讲解系列-CV(七)——前沿论文复现

文章目录 一、论文速览1.1 确定baseline1.2 DepthMaster: Taming Diffusion Models for Monocular Depth Estimation 二、数据环境搭建2.1 环境搭建2.2 数据权重 三、推理debug3.1 单图推理3.2 数据集验证 四、模型训练4.1 数据读取4.2 训练流程 五、作业 一、论文速览 1.1 确…...

3DGS(三维高斯散射)与SLAM技术结合的应用

3DGS&#xff08;三维高斯散射&#xff09;与SLAM&#xff08;即时定位与地图构建&#xff09;技术的结合&#xff0c;为动态环境感知、高效场景建模与实时渲染提供了新的可能性。以下从技术融合原理、应用场景、优势挑战及典型案例展开分析&#xff1a; 一、核心融合原理 1. …...

数据库面试知识点总结

目录 1. MySQL 基础题1.1 执行⼀条 select / update 语句&#xff0c;在 MySQL 中发生了什么&#xff1f;1.2 MySQL 一行记录是怎么存储的&#xff1f; 2. 三大范式3. 数据库引擎3.1 Innodb3.2 MyISAM 4. 数据库索引4.1 索引分类4.2 索引优缺点4.3 索引使用场景4.4 优化索引方法…...

1.25作业

1easytornado SSTI——tornado模板 hints.txt&#xff1a;在/fllllllllllllag里&#xff1b;计算filehash的方法&#xff08;需要cookie_secret,对filename进行md5拼接再第二次md5&#xff09; ?filename/hints.txt&filehash{ {2*3}}&#xff0c;跳转到另一个页面 存在且…...

Power Query M函数

文章目录 三、PQ高阶技能&#xff1a;M函数3.1 M函数基本概念3.1.1 表达式和值3.1.2 计算3.1.3 运算符3.1.4 函数3.1.5 元数据3.1.6 Let 表达式3.1.6 If 表达式3.1.7 Error 3.2 自定义M函数3.2.1 语法3.2.2 调用定义好的自定义函数3.2.3 直接调用自定义函数3.2.4 自定义函数&am…...

python argparse 解析命令行参数

可选参数 带 - 或者 -- 的参数都是可选参数&#xff0c;如果命令行不输入&#xff0c;得到的结果是 None 参数名只能使用下划线&#xff0c;不能使用中划线 default&#xff1a; 设置默认值 action&#xff1a; 默认是 store 方法&#xff0c;常用的是 store_true 命令行出…...

使用西门子 PLC(以 S7 - 1200 为例)编写梯形图程序来根据转速计算瞬时流量和累计流量的详细步骤

以下是一个使用西门子 PLC&#xff08;以 S7 - 1200 为例&#xff09;编写梯形图程序来根据转速计算瞬时流量和累计流量的详细步骤&#xff0c;同时会考虑与昆仑通泰触摸屏的交互。该程序支持 4 - 20 毫安信号输入和另一种模拟的手动输入方式。 需求理解 流量计算原理&#x…...

【网络编程】服务器模型(二):并发服务器模型(多线程)和 I/O 复用服务器(select / epoll)

一、多线程并发服务器 在 高并发的 TCP 服务器 中&#xff0c;单线程或 fork() 多进程 方式会导致 资源浪费和性能瓶颈。因此&#xff0c;我们可以使用 多线程 来高效处理多个客户端的连接。 承接上文中的多进程并发服务器&#xff0c;代码优化目标&#xff1a; 1.使用 pthr…...