pivotpos=Partition（R，low，high）；//对R[low..high]做划分
QuickSort（R，low，pivotpos-1）；//对左区间递归排序
QuickSort（R，pivotpos+1，high）；//对右区间递归排序
}
}//QuickSort
注意：
为排序整个文件，只须调用QuickSort（R，1，n）即可完成对R[l..n]排序。
插入排序
算法描述
插入排序：
插入即表示将一个新数据插入到一个有序数组中，并继续保持有序。
比如有一个长度为N无序数组，进行N-1次插入即能完成排序；第一次，数组第1个数认为是有序数组，将数组第二个元素插入仅有1个有序数组中；第二次，数组前两个元素组成有序数组，将数组第三个元素插入由两个元素组成有序数组中......第N-1次，数组前N-1个元素组成有序数组，将数组第N个元素插入由N-1个元素组成有序数组中，则完成了整个插入排序。
以下面5个无序数据为例：
6527596458（文中仅细化了第四次插入过程）
第1次插入:
2765596458
第2次插入:
2759656458
第3次插入:
2759646558
第4次插入:
2758596465
二.算法分析
平均时间复杂度：
O（n2）
空间复杂度：
O
（1） （用于统计需要插入数据）
稳定性：
稳定
选择排序
算法描述
选择排序：
比如在一个长度为N无序数组中，在第一趟遍历N个数据，找出其中最小数值和第一个元素交换，第二趟遍历剩下N-1个数据，找出其中最小数值和第二个元素交换......第N-1趟遍历剩下2个数据，找出其中最小数值和第N-1个元素交换，至此选择排序完成。
以下面5个无序数据为例：
5612809120（文中仅细化了第一趟选择过程）
第1趟：
1256809120
第2趟：
1220809156
第3趟：
1220569180
第4趟：
1220568091
算法分析
平均时间复杂度：
O（n2）
空间复杂度：
O
（1） （用于交换和统计索引）
稳定性：
不稳定（比如序列【5，5，3】第一趟就将第一个[5]和[3]交换，造成第一个5挪动到第二个5后面）
冒泡排序
冒泡排序法基础思想：
（以升序为例）含有n个元素数组标准上要进行n-1次排序。
对于每一躺排序，从第一个数开始，依次比较前一个数和后一个数大小。
假如前一个数比后一个数大，则进行交换。
这么一轮过后，最大数将会出现称为最末位数组元素。
第二轮则去掉最终一个数，对前n-1个数再根据上面步骤找出最大数，该数将称为倒数第二数组元素......n-1轮过后，就完成了排序。
若要以降序次序排列，则只需将 if（array[j]>array[j+1]）语句中大于号改为小于号即可。
堆排序
堆排序是利用堆性质进行一个选择排序。
下面先讨论一下堆。
1.堆
堆实际上是一棵完全二叉树，其任何一非叶节点满足性质：
Key[i]<=key[2i+1]&&Key[i]<=key[2i+2]或Key[i]>=Key[2i+1]&&key>=key[2i+2]
即任何一非叶节点关键字小于或大于其左右孩子节点关键字。
堆分为大顶堆和小顶堆，满足Key[i]>=Key[2i+1]&&key>=key[2i+2]称为大顶堆，满足Key[i]<=key[2i+1]&&Key[i]<=key[2i+2]称为小顶堆。
由上述性质可知大顶堆堆顶关键字肯定是全部关键字中最大，小顶堆堆顶关键字是全部关键字中最小。
2.堆排序思想
利用大顶堆（小顶堆）堆顶统计是最大关键字（最小关键字）这一特征，使得每次从无序中选择最大统计（最小统计）变得简单。
其基础思想为（大顶堆）：
1）将初始待排序关键字序列（R1,R2....Rn）构建成大顶堆，此堆为初始无序区；
2）将堆顶元素R[1]和最终一个元素R[n]交换，此时得到新无序区（R1,R2,......Rn-1）和新有序区（Rn）,且满足R[1,2...n-1]<=R[n];
3）因为交换后新堆顶R[1]可能违反堆性质，所以需要对目前无序区（R1,R2,......Rn-1）调整为新堆，然后再次将R[1]和无序区最终一个元素交换，得到新无序区（R1,R2....Rn-2）和新有序区（Rn-1,Rn）。
不停反复此过程直到有序区元素个数为n-1，则整个排序过程完成。
操作过程以下：
1）初始化堆：
将R[1..n]结构为堆；
2）将目前无序区堆顶元素R[1]同该区间最终一个统计交换，然后将新无序区调整为新堆。
所以对于堆排序，最关键两个操作就是结构初始堆和调整堆，其实结构初始堆实际上也是调整堆过程，只不过结构初始堆是对全部非叶节点全部进行调整。
下面举例说明：
给定一个整形数组a[]={16,7,3,20,17,8}，对其进行堆排序。
首先依据该数组元素构建一个完全二叉树，得到
然后需要结构初始堆，则从最终一个非叶节点开始调整，调整过程以下：
20和16交换后造成16不满足堆性质，所以需重新调整
这么就得到了初始堆。
即每次调整全部是从父节点、左孩子节点、右孩子节点三者中选择最大者跟父节点进行交换（交换以后可能造成被交换孩子节点不满足堆性质，所以每次交换以后要重新对被交换孩子节点进行调整）。
有了初始堆以后就能够进行排序了。
此时3在堆顶不满堆性质，则需调整继续调整
这么整个区间便已经有序了。
从上述过程可知，堆排序其实也是一个选择排序，是一个树形选择排序。
只不过直接选择排序中，为了从R[1...n]中选择最大统计，需比较n-1次，然后从R[1...n-2]中选择最大统计需比较n-2次。
实际上这n-2次比较中有很多已经在前面n-1次比较中已经做过，而树形选择排序恰好利用树形特点保留了部分前面比较结果，所以能够降低比较次数。
对于n个关键字序列，最坏情况下每个节点需比较log2（n）次，所以其最坏情况下时间复杂度为nlogn。
堆排序为不稳定排序，不适合统计较少排序。
归并排序
归并排序基础操作是 将两个或两个以上统计有序序列归并为一个有序序列。
最简单情况是，只含一个统计序列显然是个有序序列，经过"逐趟归并"使整个序列中有序子序列长度逐趟增大，
直至整个统计序列为有序序列止。
它基础操作是将两个相邻有序子序列"归并"为一个有序序列，
如右侧所表示。
这个操作对次序表而言是极其轻易实现，只要依关键字从小到大进行"复制"即可
基数排序
简略概述：
基数排序是经过“分配”和“搜集”过程来实现排序。
而这个思想该怎样了解呢？
请看以下例子。
（1）假设有欲排数据序列以下所表示：
73 22 93 43 55 14 28 65 39 81
首先依据个位数数值，在遍历数据时将它们各自分配到编号0至9桶（个位数值和桶号一一对应）中。
分配结果（逻辑想象）以下图所表示：
分配结束后。
接下来将全部桶中所盛数据根据桶号由小到大（桶中由顶至底）依次重新搜集串起来，得到以下仍然无序数据序列：
81 22 73 93 43 14 55 65 28 39
接着，再进行一次分配，这次依据十位数值来分配（原理同上），分配结果（逻辑想象）以下图所表示：
分配结束后。
接下来再将全部桶中所盛数据（原理同上）依次重新搜集串接起来，得到以下数据序列：
14 22 28 39 43 55 65 73 81 93
观察能够看到，此时原无序数据序列已经排序完成。
假如排序数据序列有三位数以上数据，则反复进行以上动作直至最高位数为止。
那么，到这里为止，你认为你是不是一个细心人？
不要不假思索回复我。
不管回复什么样问题，全部要做到心比头快，头比嘴快。
仔细看看你对整个排序过程中还有哪些迷惑？
真看不到？
认为我做得很好？
抑或前面没看懂？
假如你看到这里真心没有意识到或发觉这个问题，那我告诉你：
悄悄去找个墙角蹲下用小拇指画圈圈（好好反省反省）。
追问：
观察原无序数据序列中73 93 43三个数据次序，在经过第一次（根据个位数值，它们三者应该是在同一个桶中）分配以后，
在桶中次序由底至顶应该为73 93 43（即就是装迟在最上面，对应我们上面逻辑想象应该是43 93 73），对吧？
这个应该能够想明白吧？
理论上应该是这么。
不过，不过，不过分配后很显著在3号桶中三者次序刚好相反。
这点莫非你没有发觉吗？
或是发觉了认为不屑谈及（算我贻笑大方）？
其实这个也正是基数排序稳定性原因（分配时由末位向首位进行），请看下文具体分析。
再思索一个问题：
既然我们能够从最低位到最高位进行如此分配搜集，那么是否能够由最高位到最低位依次操作呢？
答案是完全能够。
基于两种不一样排序次序，我们将基数排序分为LSD（Leastsignificantdigital）或MSD（Mostsignificantdigital），
LSD排序方法由数值最右边（低位）开始，而MSD则相反，由数值最左边（高位）开始。
注意一点：
LSD基数排序适适用于位数少数列，假如位数多话，使用MSD效率会比很好。
MSD方法和LSD相反，是由高位数为基底开始进行分配，但在分配以后并不立即合并回一个数组中，而是在每个“桶子”中建立“子桶”，将每个桶子中数值根据下一数位值分配到“子桶”中。
在进行完最低位数分配后再合并回单一数组中。
（2）我们把扑克牌排序看成由花色和面值两个数据项组成主关键字排序。
要求以下：
花色次序：
梅花<方块<红心<黑桃
面值次序：
2<3<4<...<10那么，若要将一副扑克牌排成下列次序：
梅花2，...，梅花A，方块2，...，方块A，红心2，...，红心A，黑桃2，...，黑桃A。
有两种排序方法：
<1>先按花色分成四堆，把各堆搜集起来；然后对每堆按面值由小到大排列，再按花色从小到大按堆收叠起来。
----称为"最高位优先"（MSD）法。
<2>先按面值由小到大排列成13堆，然后从小到大搜集起来；再按花色不一样分成四堆，最终次序搜集起来。
----称为"最低位优先"（LSD）法。
【2】代码实现
（1）MSD法实现
最高位优先法通常是一个递归过程：
<1>先依据最高位关键码K1排序，得到若干对象组，对象组中每个对象全部有相同关键码K1。
<2>再分别对每组中对象依据关键码K2进行排序，按K2值不一样，再分成若干个更小子组，每个子组中对象含有相同K1和K2值。
<3>依此反复，直到对关键码Kd完成排序为止。
<4> 最终，把全部子组中对象依次连接起来，就得到一个有序对象序列。
（2）LSD法实现
最低位优先法首先依据最低位关键码Kd对全部对象进行一趟排序，
再依据次低位关键码Kd-1对上一趟排序结果再排序，
依次反复，直到依据关键码K1最终一趟排序完成，就能够得到一个有序序列。
使用这种排序方法对每一个关键码进行排序时，不需要再分组，而是整个对象组。
【3】基数排序稳定性分析
基数排序是稳定性排序算法，那么，到底怎样了解它所谓稳定特征呢？
比如：
我们有以下欲排数据序列：
下面选择LSD逻辑演示
第一次按个位数值分配，结果以下图所表示：
然后搜集数据结果以下：
第二次按十位数值分配，结果以下图所表示：
然后搜集数据结果以下：
注意：
分配时是从欲排数据序列末位开始进行，逐次分配至首位。
D.界面型
a.OpenGL图形库程序
openGL（OpenGraphicsLibrary）从本质上说，它是一个3D图形和模型库，含有高度移植性。
我们能够将openGL看做是一个C运行时函数库，这个函数库能够帮助我们绘制二维或三维图像。
静态链接库和动态链接库
静态库：
lib文件。
编译时代码编译进exe中，会使得程序体积很庞大。
不利于模块共享。
优点：
不会有dllhell问题。
仿佛“企业间吞并”。
动态库：
dll文件。
代码在dll中，其它程序调用dll中代码，多个程序能够共享。
缺点：
dllhell（dll地狱），版本问题。
另外，关键用到就是“glut.h”这个头文件，它包含了我们所需大多数函数，直接调用很方便！
我们利用OpenGl函数库编写了三个简单程序，分别是：
绘制黑白框、绘制螺旋曲线、绘制彩色立方体。
2.2关键功效
A.数学型
a.十个评委打分，分数在1~100之间，选手最终得分为：
去掉一个最高分和一个最低分后其它8个分数平均值。
该题关键实现赛场积分统计
b.求555555约数中最大三位数
该题关键实现一个数约数求解
B.标准型
a.打印指定年份公历表和农历表
该题关键实现制订年月日期输出
C.算法型
a.七种排序算法：
快速排序
插入排序
选择排序
冒泡排序
堆排序
归并排序
基数排序
该题关键实现一组数据排序
D.界面型
a.OpenGL图形库程序
该题关键实现OpenGl图形库在Windows系统下图形设计
/*请在这里说明你大作业程序功效，并具体描述它们实现原理和方法（包含算法、数据结构）。
*/
2.3函数实现
B.标准型
a.打印指定年份公历表和农历表
voidDateTrans（char*chDate,int*nYear,int*nMonth,int*nDay）//1
{
*nYear=（chDate[0]-'0'）*1000+（chDate[1]-'0'）*100+（chDate[2]-'0'）*10+chDate[3]-'0';
*nMonth=（chDate[5]-'0'）*10+chDate[6]-'0';
*nDay=（chDate[8]-'0'）*10+chDate[9]-'0';
}
intIsLeapYear（intnYear）//2
{
if（nYear%4==0）
return1;
else
return0;
}
intGetWeekOfFirstday（intnYear）//3
{
if（nYear>）
return（（nYear-）*365+（nYear-）/4+1）%7;
elseif（nYear<）
return6-（（-nYear）*365+（-nYear）/4）%7;
else
return6;
}
intGetWeek（intnYear,intnMonth,intnDay,intnWeekOfFirstday）//4
{
intnDaysYear[]={31,28,31,30,31,30,31,31,30,31,30,31};
intnDaysLeapYear[]={31,29,31,30,31,30,31,31,30,31,30,31};
inti,sum=0;
if（nYear%4==0）
{
for（i=0;i<（nMonth-1）;i++）
{
sum+=nDaysLeapYear[i];
}
return（sum+nDay+nWeekOfFirstday-1）%7;
}
else
{
for（i=0;i<（nMonth-1）;i++）
{
sum+=nDaysYear[i];
}
return（sum+nDay+nWeekOfFirstday-1）%7;
}
}
voidPrintCalendar（intnWeek,intnDay,intnMonthDays,char*chDate）//5
{
inti,j;
printf（"thecalenderofthismonthasfollowing:
\n"）;
printf（"*********************************\n"）;
printf（"SUNMONTUEWENTHUFRISTA\n"）;
for（i=1,j=1;j<=nMonthDays;i++）
{
if（i<=nWeek+1）
printf（""）;
else
{
printf（"%4d",j）;
j++;
}
if（i%7==0）
printf（"\n"）;
}
printf（
升级会员 