一、拓撲排序#
1. 概念定義#
AOV 網絡#
例如,假定一個計算機專業的學生必須完成圖 3-4 所列出的全部課程。從圖中可以清楚地看出各課程之間的先修和後續的關係。如課程 C5 的先修課為 C2,後續課程為 C4 和 C6。通常,我們把這種頂點表示活動、邊表示活動間先後關係的有向圖稱做頂點活動網 (Activity On Vertex network),簡稱 AOV 網。
拓撲序、DAG#
- 若圖中從 V 到 W 有一條有向路徑,則 V 一定排在 W 之前。滿足該條件的頂點序列稱為一個拓撲序
- 獲得一個拓撲序的過程就是拓撲排序
- AOV 若有合理的拓撲序,則必定是有向無環圖(Directed Acyclic Graph,DAG)
2. 拓撲排序思路#
拓撲排序的思路是每次都找一個入度為 0 的頂點並輸出,並且將該頂點所有鄰接點入度減 1。
可以看出,找入度為 0 的頂點是關鍵,若每次都要遍歷那必定會耗費大量時間空間,所以更聰明的算法是,隨時將入度變為 0 的頂點放入一個容器中。
伪碼描述如下
void TopSort() {
int cnt = 0;
for(圖中的每個頂點V)
if( Indegree[W] == 0)
Enqueue(V,Q);
while(!isEmpty(Q)) {
V = Dequeue(Q);
輸出V,或記錄V的輸出序號,cnt++;
for(V的每個鄰接點W)
if(--Indegree[W] == 0)
Enqueue(V,Q);
}
if(cnt != |V|)
Error("圖中有回路");
}
模板代碼:
const int maxn = 1005;
int N,M;//頂點數、邊數(活動數)
int edge[maxn][maxn];
int mint[maxn];//到每個活動檢查點的最短時間
int In[maxn];//每個活動檢查點的入度
void init() {
memset(edge, -1, sizeof(edge));
memset(mint, 0, sizeof(mint));
memset(In, 0, sizeof(In));
}
bool Topsort() {//拓撲排序
queue<int> q;
for(int i = 0; i < N; ++i) {
if(In[i] == 0)
q.push(i);
}
int cnt = 0;
while(!q.empty()) {
int v = q.front();
q.pop();
cnt++;
for(int i = 0; i < N; ++i) {
if(v == i || edge[v][i] == -1) continue;//檢查以v為起點的所有邊
In[i]--;
//其他操作
if(In[i] == 0) q.push(i);
}
}
if(cnt != N) return false;
else return true;
}
例題#
08 - 圖 8 How Long Does It Take (25 分)
是一道拓撲排序的變形,程序不算複雜,建議嘗試;
題意、代碼及思路指路博客:
3. 解決實際問題#
關鍵路徑問題#
AOE 網絡 (Activity On Edge) 網絡#
- 一般用於安排項目的工序
- 在 AOE 網絡中,活動是表示在邊上的,頂點被分為三個部分:頂點編號、最早完成時間和最晚完成時間
先推出最早完成時間 —— mint [j] = max ( mint [ j ], mint [ i ]+edge [ i ][ j ])#
再由後往前推出最晚完工時間 —— maxt [i] = min ( maxt [ j ], maxt [ j ]-edge [ i ][ j ])#
即可得機動時間 —— D [i][ j ] = maxt [ j ] - mint [ i ] - edge [ i ][ j ]#
而關鍵路徑,是由絕對不允許延誤的活動組成的路徑,即沒有機動時間的路徑。
例題#
08 - 圖 8 How Long Does It Take (25 分)
是一道拓撲排序的變形,求最早完成時間
08 - 圖 9 關鍵活動 (30 分)
求關鍵路徑
代碼及思路指路博客:PTA 數據結構題目集 第八周 —— 圖(下)
二、簡單排序#
1. 前提#
void X_Sort(ElementType A[], int N);
- 為簡單起見,討論整數的從小到大排序
- N 為正整數
- 只討論基於比較的排序(> = < 有定義)
- 只討論內部排序
- 穩定性: 任意兩個相等的數據排序前後的相對位置不發生改變
- 沒有哪一種排序是任何情況下都表現最好的!
2. 排序算法#
測試題目:09 - 排序 1 排序 (25 分)
冒泡排序#
它重複地走訪過要排序的元素列,依次比較兩個相鄰的元素,如果順序(如從大到小、首字母從 Z 到 A)錯誤就把他們交換過來。走訪元素的工作是重複地進行直到沒有相鄰元素需要交換,也就是說該元素列已經排序完成。
這個算法的名字由來是因為越小的元素會經由交換慢慢 “浮” 到數列的頂端(升序或降序排列),就如同碳酸飲料中二氧化碳的氣泡最終會上浮到頂端一樣,故名 “冒泡排序”。——摘自百度百科
void Bubble_Sort(ll a[], int N) {
for(int P = N-1; P >= 0; P--) {
bool flag = false;
//一趟冒泡 從上往下比較,上邊大於下邊則交換
for(int i = 0; i < P; ++i) {
if(a[i] > a[i+1]) {
swap(a[i], a[i+1]);
flag = true;
}
}
if(!flag) break; //一趟下來已經有序了,未發生交換
}
}
時間複雜度#
最好情況:順序,時間複雜度 T = O (N)
最壞情況:整個逆序,時間複雜度 T = O (N^2^)
優缺點#
優點:簡單易寫,只需交換相鄰元素,即使是單向鏈表也可直接排序,穩定(交換前後相等元素的位置不變)
缺點:時間複雜度較大,慢!
測試結果#
測試結果如下,有 3 個樣例沒過
插入排序#
插入排序,一般也被稱為直接插入排序。對於少量元素的排序,它是一個有效的算法。插入排序是一種最簡單的排序方法,它的基本思想是將一個記錄插入到已經排好序的有序表中,從而一個新的、記錄數增 1 的有序表。在其實現過程使用雙層循環,外層循環對除了第一個元素之外的所有元素,內層循環對當前元素前面有序表進行待插入位置查找,並進行移動。
——摘自百度百科
void Insertion_Sort(ll a[], int N) {
for(int P = 1; P < N; P++) {
ll t = a[P];//摸下一張牌
int i;
for(i = P; i > 0 && a[i-1] > t; --i)
a[i] = a[i-1]; //移出空位 直到前面那個這個元素小於當前元素
a[i] = t; //新牌落位
}
}
時間複雜度#
最好情況:順序,時間複雜度 T = O (N)
最壞情況:整個逆序,時間複雜度 T = O (N^2^)
一般情況下時間複雜度下界計算:
交換兩個相鄰元素正好消去 1 個逆序對
設有 I 個逆序對
則 T (N,I) = O (N+I)
優缺點#
優點:穩定
缺點:比較次數不一定,比較次數越少,插入點後的數據移動越多,尤其是當數據總量龐大的時候
測試結果#
測試結果如下,挺給力的
如何提高效率#
有定理如下
- 任意 N 個不同元素組成的序列平均具有 N (N-1)/4 個逆序對
- 任何僅以交換相鄰兩元素來排序的算法,其平均時間複雜度為 O (N^2^)
所以要提高算法效率,我們必須
- 每次消去不止 1 個逆序對!
- 每次交換相隔較遠的 2 個元素!
希爾排序#
利用了插入排序的簡單,克服插入排序只能交換相鄰兩元素的缺點。
希爾排序是把記錄按下標的一定增量分組,對每組使用直接插入排序算法排序;隨著增量逐漸減少,每組包含的關鍵詞越來越多,當增量減至 1 時,整個文件恰被分成一組,算法便終止。
——摘自百度百科
定義增量序列 D~M~ >D~M-1~>…>D~1~ = 1
對每個 D~k~ 進行 “D~k~ 間隔” 排序(k=M,M-1,……,1)
注意:“D~k~ 間隔” 有序的序列,在執行 “D~k-1~ 間隔” 排序後,仍然是 “D~k~ 間隔” 有序的!
希爾增量序列選取#
- 原始希爾排序增量序列 D~M~ = N/2, D~k~ = D~k+1~ / 2
- 增量元素不互質,則小增量可能根本不起作用!
- 增量元素不互質,則小增量可能根本不起作用!
void Shell_Sort(ll a[], int N) {
for(int D = N/2; D > 0; D /= 2) { //希爾增量序列
for(int P = D; P < N; ++P) { //插入排序
ll t = a[P];
int i;
for(i = P; i >= D && a[i-D] > t; i -= D)
a[i] = a[i-D];
a[i] = t;
}
}
}
- Hibbard 增量序列
- D~k~ = 2^k^-1 —— 相鄰元素互質
- Sedgewick 增量序列等
優缺點#
優點:快,數據移動少!適用於數據量較大的情況
缺點:不同的增量序列選取會導致算法複雜度差異,如何選取增量序列只能根據經驗,不穩定
測試結果#
可以看到耗時都沒超過 100ms,在這些測試樣例里的速度還是很理想的
選擇排序#
在介紹堆排序前,先介紹選擇排序,老朋友了
void Selection_Sort(ll a[], int N) {
for(int i = 0; i < N; ++i) {
int mini = 0;
ll ans = inf;
//找i後邊的最小元 並將其位置賦給mini
for(int j = i; j <= N-1; ++j) {
if(a[j] < ans) {
ans = a[j];
mini = j;
}
}
//將未排序部分的最小元換到有序部分的最後位置
swap(a[i], a[mini]);
}
}
時間複雜度#
無論如何複雜度都為 O (N^2^)
測試結果#
測試結果如下,雖然都能過,但後幾個樣例耗時都很大
堆排序#
這裡以排成升序為例,我們需要將其原始數組調整成下標從 0 開始的最大堆,再將最大堆頂與當前最後的元素交換(相當於刪除最大堆頂)後調整
void swap(ll& x, ll& y) {
ll t = x;
x = y;
y = t;
}
void PercDown(ll a[], int N, int rt) {
//將N個元素的數組中以a[now]為根的子堆調整為最大堆
int father, son;
ll tmp = a[rt];
for(father = rt; (father*2+1) < N; father = son) {
son = father * 2 + 1;//左兒子
if(son != N-1 && a[son] < a[son+1]) //右兒子存在且比左兒子大
son++;
if(tmp >= a[son]) break;//找到該放的地方
else a[father] = a[son];//下濾
}
a[father] = tmp;
}
inline void BuildHeap(ll a[], int N) {
for(int i = N/2-1; i >= 0; --i) {
PercDown(a, N, i);
}
}
void Heap_Sort(ll a[], int N) {
BuildHeap(a, N);
for(int i = N-1; i > 0; --i) {
swap(a[0], a[i]);//最大堆頂a[0]與a[i]交換
PercDown(a, i, 0);//刪除後進行調整
}
}
時間複雜度#
堆排序給出了最佳的平均時間複雜度
最好情況 O (nlogn)
最壞情況 O (nlogn)
平均時間複雜度 O (nlogn)
優缺點#
優點:快!即使是最壞情況下性能也很優越,使用的輔助空間少
缺點:不穩定,不適合對象的排序。
測試結果#
測試結果如下,好像比希爾排序給力些哦~
归并排序#
核心是有序子列的合并,這裡給出遞歸實現的版本~非遞歸實現看這裡哦归并排序循環實現
void Merge(ll a[], int s, int m, int e, ll tmp[]) {
//將數組a的局部a[s,m]和a[m+1,e]合併到數組tmp,並保證tmp有序
//然後再拷貝回a[s,m] 時間複雜度O(e-m+1),即O(n);
int pb = s;//pb為tmp數組的下標
int p1 = s, p2 = m+1;//p1指向前一半p2指向後一半
while (p1 <= m && p2 <= e) {
if (a[p1] < a[p2])
tmp[pb++] = a[p1++];
else
tmp[pb++] = a[p2++];
}
while(p1 <= m)
tmp[pb++] = a[p1++];
while(p2 <= e)
tmp[pb++] = a[p2++];
for (int i = 0; i < e-s+1; ++i)
a[s+i] = tmp[i];
}
void MergeSort(ll a[], int s, int e, ll tmp[]) {
if (s < e) {//若s>=e則不做任何事情
int m = s + (e-s)/2;
MergeSort(a, s, m, tmp);//前一半排序
MergeSort(a, m+1, e, tmp);//后一半排序
Merge(a, s, m, e, tmp);//合併 將a中s到m和m+1到e的兩個數組有序的合併
}
}
時間複雜度#
最好情況 O (nlogn)
最壞情況 O (nlogn)
平均時間複雜度 O (nlogn)
優缺點#
優點:穩定、快
缺點:較佔用空間
測試結果#
測試結果如下,你品,你細品
快速排序#
1. 設 k = a [0], 將 k 挪到適當位置,使得比 k 小的元素都在 k 左邊,比 k 大的元素都在 k 右邊 (在 O (n) 時間完成)
2. 把 k 左邊的部分快速排序
3. 把 k 右邊的部分快速排序
k 為主元
void QuickSort(ll a[], int s, int e){//將a[s,e]快排
if (s >= e)
return;
int k = a[s];
int i = s,j = e;
while (i != j) {
while (j > i && a[j] >= k) --j;
swap(a[i],a[j]);
while (i < j && a[i] <= k) ++i;
swap(a[i],a[j]);
}//處理完後a[i] = k;
QuickSort(a, s, i-1);//快排左邊部分
QuickSort(a, i+1, e);//快排右邊部分
}
時間複雜度#
最好情況每次正好中分 O (nlogn)
最壞情況 O (N^2^)
平均時間複雜度 O (nlogn)
優缺點#
優點:是所有內部排序的最快的算法
缺點:不穩定,最壞情況下效率較慢!
測試結果#
測試結果如下
表排序#
當數據量大且待排序的元素為對象、移動所需時間特別高時,我們需要間接排序
定義一個指針數組作為 “表”(table),記錄待排元素
時間複雜度#
最好情況初始即有序
最壞情況有 N/2 個環,每個環包含 2 個元素,交換兩個元素需要走三步,需要 3N/2 次元素移動
T = O (m N),m 是每個 A 元素的複製時間
基數排序(桶排序的推廣)#
之前講的算法都需要比較,最壞情況下也都有 Nlogn,還能更快嗎?
假設我們有 N 個學生,他們的成績是 0~100 之間的整數(於是有 M = 101 個不同的成績值),如何在線性時間內將學生按成績排序
LSD 主位優先 MSD 次位優先
基數排序的代碼我參考了這篇博客的,用的方法非常巧妙:基數排序
ll getMax(ll a[], int n) {//找n個元素的a數組中最大數
int maxx = a[0];
for(int i = 1; i < n; ++i) {
if(a[i] > maxx) maxx = a[i];
}
return maxx;
}
void radixsort(ll a[], int n, int exp) { //對n個元素的數組a按照"某位數"進行排序(桶排序),基數為10
ll tmp[maxn];
ll T[20] = {0}; //有負數的十進制 二十個桶
for(int i = 0; i < n; ++i) //T存儲該桶里有多少個數
T[(a[i]/exp)%10 + 10]++;
for(int i = 1; i < 20; ++i) //讓T的值是在tmp中的位置
T[i] += T[i-1];
for(int i = n - 1; i >= 0; --i) {
int now = T[(a[i]/exp)%10 + 10];//當前這個數所應在的位置
tmp[now-1] = a[i];
T[(a[i]/exp)%10 + 10]--;
}
for(int i = 0; i < n; ++i)
a[i] = tmp[i]; //將排好序的tmp賦給a
}
void Radix_Sort(ll a[], int n) {
ll maxnum = getMax(a, n);
for(int exp = 1; maxnum/exp > 0; exp *= 10)
radixsort(a, n, exp);
}
時間複雜度#
N 為待排序元素個數,而 B 是桶數
O (P (N+B)) 一趟分配時間為 O (N),一趟收集時間複雜度為 O (B),共進行 P 趟分配和收集
優缺點#
優點:適用於位數不多,待排序列最大位數不是特別大的情況,快
缺點:空間換時間
測試結果#
測試結果如下,超快的說~