数据结构——实验七·排序

欢迎各位大佬们来到Tubishu的博客🌟
Tubishu是一名计算机本科生，不定期发送一些在学校的成果供佬们消遣~希望能为佬的编程之路添砖加瓦⭐🔥
求各位大佬们垂怜🔥点赞评论一下呗🔥🔥
本文专栏 ➡️ 数据结构

排序

本实验是基于C实现对一组数据进行排序，包括直接插入排序、折半插入排序、希尔排序、冒泡排序、快速排序、简单选择排序、堆排序和2-路归并排序这5种排序算法。

实验目的：

• 掌握各种排序算法的基本思想
• 掌握各种排序算法的实现方法

---

实验内容:

对一组数据进行排序，可选择直接插入排序、折半插入排序、希尔排序、冒泡排序、快速排序、简单选择排序、堆排序和2-路归并排序中的任意5种排序算法实现。
要求:设计菜单，根据菜单提示进行操作。

---

实验产出：

1.实验原理：
排序算法是将一组数据按照特定顺序排列的方法。常见的排序算法包括：
冒泡排序:通过重复交换相邻未按顺序排列的元素。
选择排序:每次从未排序部分选择最小元素放到已排序部分的末尾。
插入排序: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。
快速排序:通过一趟排序将待排序序列分割成两部分，其中一部分的所有元素都比另一部分小，然后递归地排序两部分。
归并排序:将数组分成两部分，分别排序后再合并。

2.核心代码：

#include <stdio.h>
#include <stdlib.h>
#include <time.h>
#include <string.h>#define MAXSIZE 100           // 顺序表最大长度
typedef int KeyType;          // 定义关键字类型为整型
typedef int InfoType;         // 定义其他数据项类型
typedef struct {              // 定义每个记录（数据元素）的结构KeyType key ;             // 关键字项 InfoType otherinfo;       // 其他数据项
} RedType;                    // 记录类型
typedef struct {              // 定义顺序表的结构RedType r[MAXSIZE+1];     // 存储顺序表，r[0]闲置、缓存或用作哨兵单元int length;               // 顺序表的长度
} SqList;// 直接插入排序
void InsertSort(SqList &L)
{ // 对顺序表L做直接插入排序for (int i=2; i<=L.length; i++) {if ( L.r[i].key < L.r[i-1].key ) { // 将L.r[i]插入有序子表L.r[0]=L.r[i];                 // 将L.r[0]看作监视哨，将待插入的记录暂存到此处L.r[i]=L.r[i-1];               // 将r[i-1]后移int j=0;for(j=i-2; L.r[0].key<L.r[j].key; --j) // 从后向前寻找插入位置L.r[j+1]=L.r[j];                   // 记录逐个后移，直到找到插入位置L.r[j+1]=L.r[0];                       // 将r[0]即原r[i]，插入到正确位置}}
}// 折半插入排序
void BInsertSort (SqList &L )
{ // 对顺序表L做折半插入排序int low, high, m;for (int i=2; i<= L.length ; ++i ) {L.r[0] = L.r[i];                // 将待插入的记录暂时存到监视哨中low = 1 ; high = i-1 ;          // 置查找区间初值while ( low <= high ) {         // 在r[low..high]中折半查找插入的位置m = ( low + high ) / 2 ;    // 折半if ( L.r[0].key < L.r[m]. key ) high = m -1; //插入点在前一子表else low = m + 1;                            // 插入点在后一子表}for (int j=i-1; j>=high+1; --j )L.r[j+1] = L.r[j]; // 记录后移L.r[high+1] = L.r[0];  // 将r[0]即原r[i]插入到正确位置}
}// 希尔排序
void ShellInsert(SqList &L, int dk)
{ // 对顺序表L做一趟增量是dk的希尔插入排序for( int i=dk+1; i<=L.length; ++ i) {if (L.r[i].key < L.r[i-dk].key) {   // 需将L.r[i]插入有序增量子表L.r[0]=L.r[i];                  // 暂存在L.r[0]int j=0;for(j=i-dk; j>0 &&(L.r[0].key<L.r[j].key); j-=dk)L.r[j+dk]=L.r[j];           // 记录后移，直到找到插入位置L.r[j+dk]=L.r[0];}}
}void ShellSort(SqList &L)
{ // 按增量序列dt[ ]对顺序表L作Shell排序int dt[5]={11,7,5,1}, t=4;for (int k=0; k<t; ++k)ShellInsert(L, dt[k]); // 增量为dt[k]的希尔插入排序
}// 冒泡排序
void BubbleSort(SqList &L)
{ // 对顺序表L做冒泡排序int m,j,flag=1;RedType x;m=L.length-1;while(m>0 && flag) {flag=0;         // flag置为0，如果本趟排序没有发生交换，则不会执行下一趟排序for(j=1; j<=m; j++) {if (L.r[j].key>L.r[j+1].key) {flag=1; // flag置为1，表示本趟排序发生了交换x=L.r[j]; L.r[j]=L.r[j+1]; L.r[j+1]=x; // 交换前后两个记录}}m--;}
}// 快速排序
void QuickSort(SqList &L, int low, int high)
{int left=low, right=high;RedType temp=L.r[low]; // 用子表的第一个记录做枢轴记录while (low<high) {     // 从表的两端交替地向中间扫描while((L.r[high].key >= temp.key) && (low<high)) high--;if (low<high) L.r[low++].key=L.r[high].key; // 将比枢轴记录小的记录移到低端while((L.r[low].key<=temp.key) && (low<high)) low++;if (low<high) L.r[high--].key=L.r[low].key; // 将比枢轴记录大的记录移到高端}L.r[low]=temp; // 一次划分得到枢轴记录的正确位置，存枢轴记录if(left<low-1) QuickSort(L,left,low-1);  // 递归调用，排序左子表if(low+1<right)QuickSort(L,low+1,right); // 递归调用，排序右子表
}// 简单选择排序
void SelectSort(SqList &L)
{ // 对顺序表L做简单选择排序int i, j, k;for (i=1; i<L.length; i++) {      // 做第i趟排序(1≤i≤L.length-1)k=i;for (j=i+1; j<=L.length; j++) // 在当前无序区L.r[j]...L.r[L.length]中选关键// 字最小的记录L.r[k]if (L.r[j].key < L.r[k].key)k=j; // k记下目前找到的最小关键字所在的位置if (k!=i) {  // 交换L.r[i]和L.r[k]L.r[0]=L.r[i];L.r[i]=L.r[k];L.r[k]=L.r[0]; // L.r[0]作暂存单元} // endif}     // endfor
}         // SeleetSort// 堆排序
void HeapAdjust(SqList &L, int s, int m)
{ // 本算法以大根堆为例// 假设L.r[s+1]…L.r[m]已经是堆，将L.r[s]…L.r[m]调整为以L.r[s]为根的大根堆RedType rc=L.r[s];for (int j=2*s; j<=m; j*=2) { // 沿关键字较大的子结点向下筛选if (j<m && L.r[j].key<L.r[j+1].key)j++;                         // j为关键字较大的记录的下标if (rc.key >= L.r[j].key) break; // 满足堆条件，退出L.r[s]=L.r[j]; s=j;              // 使s结点满足堆定义，再求子树j是否满足堆条件}L.r[s]=rc; // 插入
}// 建堆
void CreatHeap(SqList &L)
{ // 把无序序列L.r[1]…L.r[n]建成一个大根堆int n=L.length;for (int i=n/2; i>0; --i) // 反复调用HeapAdjust建堆HeapAdjust(L,i,n);
}// 堆排序
void HeapSort(SqList &L)
{ // 对顺序表L进行堆排序RedType x;CreatHeap(L); // 建堆for(int i=L.length; i>1; i--) {x=L.r[1]; // 将堆顶记录和当前未经排序子序列L.r[2]…L.r[i]中最后一个记录互换L.r[1] = L.r[i];L.r[i] =x;HeapAdjust(L, 1, i-1); // 将元素L.r[1]...L.r[i-1]重新调整为堆}
}// 归并排序
void Merge (SqList &R, SqList &T, int low, int mid, int high)
{ // 将有序表R.r[low]…R.r[mid]和R.r[mid+1]…R.r[high]归并为有序表T.r[low]..T.r[high]int i=0;int j=0;int k=0;for (i=low, j=mid+1, k=low; i<=mid && j<=high; k++) {if (R.r[i].key<=R.r[j].key) T.r[k]=R.r[i++]; // 将R中记录由小到大并入T中else T.r[k]=R.r[j++];}while (i<=mid) T.r[k++]=R.r[i++];   // 将剩余的元素R.r[i]..R.r[mid]复制到T中while (j<=high) T.r[k++]=R.r[j++];  // 将剩余的元素R.r[j]..R.r[high]复制到T中
}void MergeSort(SqList &R, SqList &T, SqList &S,int low, int high)
{ // R.r[low]…R.r[high]归并排序后存入T中,S仅用作临时存放数据元素if (low==high) T.r[low]=R.r[low];else {int mid=(low+high)/2;        // 将当前序列一分为二，求出分裂点midMergeSort(R,S,T,low,mid);    // 对子序列R.r[low]..R.r[mid]归并排序，// 结果放入S.r[low]..S.r[mid]MergeSort(R,S,T,mid+1,high); // 对子序列R.r[mid+1]..R.r[high]归并排序，// 结果放入S.r[mid+1]..S.r[high]Merge(S,T,low,mid,high);     // 将S.r[low]..S.r[mid]和S.r[mid+1]..S.r[high]// 归并到T.r[low]..T.r[high]}
}void print(SqList R)
{for(int i=1; i<=R.length; i++){if((i-1)%10==0) printf("\n");printf("%6d", R.r[i].key);}printf("\n");
}void producerandom(SqList &T)
{srand(time(NULL));            // time()返回从某点开始到现在的秒数,设置随机种子。for(int i=1; i<=MAXSIZE; i++)T.r[i].key = rand()%1000; // 产生0-1000之间的随机数T.length=MAXSIZE;print(T);                     // 输出随机数
}// 显示菜单 
void showmenu()
{printf("\n\n");printf("\t            ----排序----            \n");printf("\t************************************\n");printf("\t*       1-------产生随机数         *\n");printf("\t*       2-------直接插入排序       *\n");printf("\t*       3-------折半插入排序       *\n");printf("\t*       4-------希尔排序           *\n");printf("\t*       5-------冒泡排序           *\n");printf("\t*       6-------快速排序           *\n");printf("\t*       7-------简单选择排序       *\n");printf("\t*       8-------堆排序             *\n");printf("\t*       9-------2-路归并排序       *\n");printf("\t*                                  *\n");printf("\t*       0-------退出               *\n");printf("\t************************************\n");
}void Sort()
{SqList R,T,S; // T存放原始数据，R存放排序后的数据，S临时变量char choice = 'N';int randfl = 0; // 随机数产生标志，0 无，1有    while(choice!='0'){printf("\n请选择菜单号(0--9): ");scanf("%c",&choice); getchar(); // clear '\n'switch (choice){case '1':printf("\n\t产生随机数......\n");producerandom(T);randfl = 1; // 随机数已产生            break;case '2':if (randfl == 0)printf("\n\t 请先产生随机数\n");else {printf("\n\t 直接插入排序\n");R=T; // 将T复制给R，使R等于原始数据InsertSort(R);print(R);}break;case '3':if (randfl == 0)printf("\n\t 请先产生随机数\n");else {printf("\n\t 折半插入排序\n");R=T; // 将T复制给R，使R等于原始数据BInsertSort(R);print(R);}break;case '4':if (randfl == 0)printf("\n\t 请先产生随机数\n");else {printf("\n\t 希尔排序\n");R=T; // 将T复制给R，使R等于原始数据ShellSort(R);print(R);}break;case '5':if (randfl == 0)printf("\n\t 请先产生随机数\n");else {printf("\n\t 冒泡排序\n");R=T; // 将T复制给R，使R等于原始数据BubbleSort(R);print(R);}break;case '6':if (randfl == 0) {printf("\n\t 请先产生随机数\n");}else {printf("\n\t 快速排序\n");R=T; // 将T复制给R，使R等于原始数据QuickSort(R, 1, R.length);print(R);}break;case '7':if (randfl == 0) {printf("\n\t 请先产生随机数\n");}else {printf("\n\t 简单选择排序\n");R=T; // 将T复制给R，使R等于原始数据SelectSort(R);print(R);}break;case '8':if (randfl == 0) {printf("\n\t 请先产生随机数\n");}else {printf("\n\t 堆排序\n");R=T; // 将T复制给R，使R等于原始数据HeapSort(R);print(R);}break;case '9':if (randfl == 0) {printf("\n\t 请先产生随机数\n");}else {printf("\n\t 归并排序\n");R=T; // 将T复制给R，使R等于原始数据S=T;MergeSort(R,R,S,1,R.length);print(R);}break;case '0':printf("\n\t 程序结束！\n");break;default:printf("\n\t 输入错误，请重新输入！\n");}}
}int main()
{showmenu(); Sort();return 0;
}

3.运行结果：

其他的排序结果赶快去用代码实操看看叭

4.调试：
未生成随机数直接排序：

5.性能分析：
1.时间复杂度分析
时间复杂度是衡量算法运行时间随数据规模增长而增长的速率。
1.1冒泡排序
平均时间复杂度:O(n²)
最坏时间复杂度:O(n²)
最好时间复杂度:O(n)（当数据已经有序时）
稳定性:稳定
分析:
冒泡排序通过重复比较相邻元素并交换它们来实现排序。在最坏情况下，每对元素都需要交换，导致时间复杂度为O(n²)。在最好情况下，数据已经有序，只需进行一次遍历，时间复杂度为O(n)。
实验结果:
在实验中，冒泡排序在处理大规模数据时表现不佳。
1.2选择排序
平均时间复杂度:O(n²)
最坏时间复杂度:O(n²)
最好时间复杂度:O(n²)
稳定性:不稳定
分析:
选择排序每次从未排序部分选择最小元素放到已排序部分的末尾。无论数据是否有序，选择排序都需要进行n(n-1)/2次比较，因此时间复杂度始终为O(n²)。
实验结果:
选择排序在处理大规模数据时性能较差。
1.3插入排序
平均时间复杂度:O(n²)
最坏时间复杂度:O(n²)
最好时间复杂度:O(n)（当数据已经有序时）
稳定性:稳定
分析:
插入排序通过构建有序序列，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。在最好情况下，数据已经有序，只需进行一次遍历，时间复杂度为O(n)。在最坏情况下，每插入一个元素都需要移动所有已排序元素，时间复杂度为O(n²)。
实验结果:
插入排序在处理小规模数据时表现良好，但在处理大规模数据时性能下降。
1.4快速排序
平均时间复杂度:O(n log n)
最坏时间复杂度:O(n²)（当枢轴选择不当，如数据已经有序时）
最好时间复杂度:O(n log n)
稳定性:不稳定
分析:
快速排序通过一趟排序将待排序序列分割成两部分，其中一部分的所有元素都比另一部分小，然后递归地排序两部分。在平均情况下，时间复杂度为O(nlogn)。在最坏情况下，如数据已经有序且枢轴选择不当，时间复杂度退化为O(n²)。
实验结果:
快速排序在处理大规模数据时表现最佳。
1.5归并排序
平均时间复杂度:O(nlogn)
最坏时间复杂度:O(nlogn)
最好时间复杂度:O(nlogn)
稳定性:稳定
分析:
归并排序将数组分成两部分，分别排序后再合并。由于每次递归都将数组分成两半，因此时间复杂度始终为O(nlogn)。归并排序需要额外的空间来存储合并后的数组。
实验结果:
归并排序在处理大规模数据时性能稳定。
2.空间复杂度分析
空间复杂度是衡量算法运行过程中临时占用存储空间大小的指标。
2.1冒泡排序、选择排序、插入排序
空间复杂度:O(1)（原地排序）
分析:
这三种排序算法都是原地排序，不需要额外的存储空间。
2.2快速排序
空间复杂度:O(logn)（递归调用栈）
分析:
快速排序在递归调用时需要使用栈空间。在平均情况下，空间复杂度为O(logn)。
2.3归并排序
空间复杂度:O(n)（需要额外的数组存储合并结果）
分析:
归并排序需要额外的空间来存储合并后的数组，空间复杂度为O(n)。

3.性能对比总结

排序算法	平均时间复杂度	最坏时间复杂度	最好时间复杂度	稳定性	空间复杂度
冒泡排序	O(n²)	O(n²)	O(n)	稳定	O(1)
选择排序	O(n²)	O(n²)	O(n²)	不稳定	O(1)
插入排序	O(n²)	O(n²)	O(n)	稳定	O(1)
快速排序	O(n log n)	O(n²)	O(n log n)	不稳定	O(log n)
归并排序	O(n log n)	O(n log n)	O(n log n)	稳定	O(n)

---

总结

（1）掌握了各种排序算法的基本思想；
（2）掌握了各种排序算法的实现方法。
快速排序在实验中表现最佳，验证了其在平均情况下的高效性。
冒泡排序和选择排序在处理大规模数据时效率较低，符合理论预期。
插入排序在处理小规模数据时表现良好，但在处理大规模数据时性能下降。
归并排序虽然性能稳定，但需要额外的空间，实验中需要考虑内存使用情况。

佬~来都来了 点个赞👍、评论一下💬呗🥺你的支持是Tubishu不断前行的源泉✨！衷心感谢你的鼓励与陪伴🙏！
愿各位大佬们在技术的道路上，代码顺畅无阻💻，思路清晰如光💡，不断突破自我，向着更高的目标迈进，实现自己的梦想！🎉
再次感谢大佬的莅临🌸