存储管理查找和排序.docx
《存储管理查找和排序.docx》由会员分享，可在线阅读，更多相关《存储管理查找和排序.docx（8页珍藏版）》请在冰豆网上搜索。
存储管理查找和排序
存储管理、查找和排序
题目：
内部排序算法比较
问题描述：
通过随机数据比较各算法的关键字比较次数与移动次数
基本要求：
至少比较快速排序与堆排序。
对结果进行简单分析
一、需求分析
1．排序算法的基本操作
大多数排序算法都有两个基本的操作：
（1）比较两个关键字的大小；
（2）改变指向记录的指针或移动记录本身。
注意：
第
（2）种基本操作的实现依赖于待排序记录的存储方式。
2．待排文件的常用存储方式
（1）以顺序表（或直接用向量）作为存储结构
排序过程：
对记录本身进行物理重排（即通过关键字之间的比较判定，将记录移到合适的位置）
（2）以链表作为存储结构
排序过程：
无须移动记录，仅需修改指针。
通常将这类排序称为链表（或链式）排序；
（3）用顺序的方式存储待排序的记录，但同时建立一个辅助表（如包括关键字和指向记录位置的指针组成的索引表）
排序过程：
只需对辅助表的表目进行物理重排（即只移动辅助表的表目，而不移动记录本身）。
适用于难于在链表上实现，仍需避免排序过程中移动记录的排序方法。
3．排序算法性能评价
（1）评价排序算法好坏的标准
评价排序算法好坏的标准主要有两条：
1执行时间和所需的辅助空间
2算法本身的复杂程度
（2）排序算法的空间复杂度
若排序算法所需的辅助空间并不依赖于问题的规模n，即辅助空间是O
（1），则称之为就地排序（In-PlaceSou）。
非就地排序一般要求的辅助空间为O（n）。
（3）排序算法的时间开销
大多数排序算法的时间开销主要是关键字之间的比较和记录的移动。
有的排序算法其执行时间不仅依赖于问题的规模，还取决于输入实例中数据的状态。
快速排序：
快速排序有两个方向，左边的i下标一直往右走，当a[i]<=a[center_index]，其中center_index是中枢元素的数组下标，一般取为数组第0个元素。
而右边的j下标一直往左走，当a[j]>a[center_index]。
如果i和j都走不动了，i<=j,交换a[i]和a[j],重复上面的过程，直到i>j。
交换a[j]和a[center_index]，完成一趟快速排序。
在中枢元素和a[j]交换的时候，很有可能把前面的元素的稳定性打乱，比如序列为53343891011，现在中枢元素5和3（第5个元素，下标从1开始计）交换就会把元素3的稳定性打乱，所以快速排序是一个不稳定的排序算法，不稳定发生在中枢元素和a[j]交换的时刻。
堆排序：
我们知道堆的结构是节点i的孩子为2*i和2*i+1节点，大顶堆要求父节点大于等于其2个子节点，小顶堆要求父节点小于等于其2个子节点。
在一个长为n的序列，堆排序的过程是从第n/2开始和其子节点共3个值选择最大（大顶堆）或者最小（小顶堆）,这3个元素之间的选择当然不会破坏稳定性。
但当为n/2-1,n/2-2,...1这些个父节点选择元素时，就会破坏稳定性。
有可能第n/2个父节点交换把后面一个元素交换过去了，而第n/2-1个父节点把后面一个相同的元素没有交换，那么这2个相同的元素之间的稳定性就被破坏了。
所以，堆排序不是稳定的排序算法。
二、概要设计
模块：
１．结构体
２．快速排序算法
３．堆排序算法
三、详细设计
1.结构体：
typedefstruct
{
intlength;
intnum[101];
}NUM;
2．快速排序
voidquick_sort（NUM&a,intl,inth,int&move_count,int&judge_count）
{
intlow=l;
inthigh=h;
intm;
if（low{
m=one_quick_sort（a,low,high,move_count,judge_count）;
quick_sort（a,1,m-1,move_count,judge_count）;
quick_sort（a,m+1,high,move_count,judge_count）;
}
}
3．堆排序
voidheap_sort（NUM&a,int&move_count,int&judge_count）
{
for（inti=a.length/2;i>0;--i）
{
heap_adjust（a,i,a.length,move_count,judge_count）;
}
for（inti=a.length;i>1;--i）
{
swap（a.num[1],a.num[i]）;
move_count+=3;
heap_adjust（a,1,i-1,move_count,judge_count）;
}
}
四、调试分析
1．对正序、逆序和若干不同程度随机打乱的可排序表，进行各种排序方法的比较测试，得到的测试数据具有较好的典型性和可比较性。
通过设计和实现指定程度的随机乱序算法，对伪随机数序列的产生有了具体的认识和实践。
2．本实习作业采用循序渐进的策略。
首先设计和实现可排序表的建立和打乱操作，然后用插入排序验证各种内部辅助操作的正确性，进而逐个加入其他排序算法，最后完成对测试结果比较表的显示。
调试能力有了提高。
五、用户手册
统计在快速排序、堆排序、直接插入排序中，数字的移动次数和判断次数。
并且输出排序后的序列.
输入数字的长度和数字然后回车
六、测试结果
测试
快速排序
堆排序
比较
次数
少
乱否差异小
稍多
乱否差异很小
移动
次数
第二少
乱否差异较小
稍多
乱否差异很小
七、源程序清单
#include"stdafx.h"#includeusingnamespacestd;typedefstruct{intlength;intnum[101];}NUM;intone_quick_sort（NUM&a,intL,intH,int&move_count,int&judege_count）{intprivotkey=a.num[L];intlow=L;inthigh=H;a.num[0]=privotkey;++move_count;while（low=a.num[low]）{++low;++judege_count;}a.num[high]=a.num[low];++move_count;}a.num[low]=privotkey;++move_count;returnlow;}voidquick_sort（NUM&a,intl,inth,int&move_count,int&judge_count）{intlow=l;inthigh=h;intm;if（lowjudge（a.num[j],a.num[j+1],judge_count））{j++;}if（judge（rc,a.num[j],judge_count））{break;}a.num[s]=a.num[j];++move_count;s=j;}a.num[s]=rc;++move_count;}voidswap（int&a,int&b）{ints;s=a;a=b;b=s;}voidheap_sort（NUM&a,int&move_count,int&judge_count）{for（inti=a.length/2;i>0;--i）{heap_adjust（a,i,a.length,move_count,judge_count）;}for（inti=a.length;i>1;--i）{swap（a.num[1],a.num[i]）;move_count+=3;heap_adjust（a,1,i-1,move_count,judge_count）;}}int_tmain（intargc,_TCHAR*argv[]）{NUMa,b,c;cout<<"pleaseinputlengthofthenumber:
"<>a.length;b.length=a.length;c.length=b.length;cout<<"pleaseinputthenumber:
"<>a.num[i];b.num[i]=a.num[i];c.num[i]=a.num[i];}intmove_count=0;intjudge_count=0;//快速排序cout<<"quicksort:
"<"<"<"<";heap_sort（c,move_count,judge_count）;cout<<"move_count:
"<"<"<=1;--i）{cout<
升级会员 