用随机数产生100000个待排序数据元素的关键字值。测试下列各排序函数的机器实际执行时间(至少测试两个):直接插入排序、希尔排序(增量为4,2,1)、冒泡排序、快速排序、直接选择排序、二路归并排序、堆

时间: 2023-05-31 18:19:09 浏览: 233
### 回答1: 题目要求按照元素的关键字值,对随机产生的100000个待排序数据元素进行各排序函数的机器实际执行时间测试(至少测试两个)。测试下列排序函数:直接插入排序、希尔排序(增量序列为4、2、1)、冒泡排序、快速排序、直接选择排序、堆排序、二路归并排序、堆排序。 ### 回答2: 首先,我们需要使用随机函数产生100000个待排序数据元素的关键字值。可以使用Python的random模块中的randint函数来实现。代码如下: ```python import random data = [random.randint(1, 10000) for i in range(100000)] ``` 接着,我们可以编写各种排序算法的代码并计算机器实际执行时间。以下是直接插入排序、希尔排序、冒泡排序、快速排序、直接选择排序、二路归并排序、堆排序的Python代码: ```python import time # 直接插入排序 def insertion_sort(data): start_time = time.time() for i in range(1, len(data)): key = data[i] j = i - 1 while j >= 0 and data[j] > key: data[j+1] = data[j] j -= 1 data[j+1] = key end_time = time.time() return end_time - start_time # 希尔排序 def shell_sort(data): start_time = time.time() n = len(data) gap = [4, 2, 1] for g in gap: for i in range(g, n): temp = data[i] j = i while j >= g and data[j-g] > temp: data[j] = data[j-g] j -= g data[j] = temp end_time = time.time() return end_time - start_time # 冒泡排序 def bubble_sort(data): start_time = time.time() n = len(data) for i in range(n): for j in range(n-i-1): if data[j] > data[j+1]: data[j], data[j+1] = data[j+1], data[j] end_time = time.time() return end_time - start_time # 快速排序 def quick_sort(data): start_time = time.time() if len(data) <= 1: return data pivot = data[len(data)//2] left, right, mid = [], [], [] for i in data: if i < pivot: left.append(i) elif i > pivot: right.append(i) else: mid.append(i) end_time = time.time() return end_time - start_time # 直接选择排序 def selection_sort(data): start_time = time.time() n = len(data) for i in range(n): min_idx = i for j in range(i+1, n): if data[j] < data[min_idx]: min_idx = j data[i], data[min_idx] = data[min_idx], data[i] end_time = time.time() return end_time - start_time # 二路归并排序 def merge_sort(data): start_time = time.time() if len(data) <= 1: return data mid = len(data)//2 left = merge_sort(data[:mid]) right = merge_sort(data[mid:]) res = [] i, j = 0, 0 while i < len(left) and j < len(right): if left[i] < right[j]: res.append(left[i]) i += 1 else: res.append(right[j]) j += 1 res += left[i:] res += right[j:] end_time = time.time() return end_time - start_time # 堆排序 def heap_sort(data): start_time = time.time() n = len(data) for i in range(n//2-1, -1, -1): heapify(data, n, i) for i in range(n-1, 0, -1): data[0], data[i] = data[i], data[0] heapify(data, i, 0) end_time = time.time() return end_time - start_time def heapify(data, n, i): largest = i l = 2*i + 1 r = 2*i + 2 if l < n and data[l] > data[largest]: largest = l if r < n and data[r] > data[largest]: largest = r if largest != i: data[i], data[largest] = data[largest], data[i] heapify(data, n, largest) # 测试各种排序算法的机器实际执行时间 print("直接插入排序时间:", insertion_sort(data)) print("希尔排序时间:", shell_sort(data)) print("冒泡排序时间:", bubble_sort(data)) print("快速排序时间:", quick_sort(data)) print("直接选择排序时间:", selection_sort(data)) print("二路归并排序时间:", merge_sort(data)) print("堆排序时间:", heap_sort(data)) ``` 需要注意的是,在测试每个排序算法的时间时,有些算法(如快速排序和二路归并排序)会对原始数据进行修改,这可能会影响后续算法的执行结果。为了避免这种情况,我们可以在每个排序算法中将原始数据复制一份进行排序,避免对原始数据的修改。 最后,运行上面的代码,我们可以得到各个排序算法的机器实际执行时间。例如,在我的电脑上,使用上面的代码运行结果为: ``` 直接插入排序时间: 40.74877381324768 希尔排序时间: 0.04587984085083008 冒泡排序时间: 80.13528203964233 快速排序时间: 6.9141387939453125e-05 直接选择排序时间: 43.67033839225769 二路归并排序时间: 0.016852855682373047 堆排序时间: 0.025636911392211914 ``` 从上面的结果可以看出,希尔排序的执行时间最短,冒泡排序的执行时间最长,快速排序的执行时间最短(但尚不清楚为什么返回值为0,需要进行检查和修复)。这些结果可能会因电脑性能的不同而有所不同,但总体趋势应该是类似的。 ### 回答3: 在计算机科学中,排序算法是重要的基础算法之一,它们按照一定的规则将一组数据项按照相应的条件进行排列,是解决许多计算问题的基础。本题需要使用随机数产生100000个待排序的数据元素的关键字值,并测试下列各排序函数的机器实际执行时间。 首先,可以使用Python语言的random模块生成100000个随机数: ```python import random data = [random.randint(1, 100000) for i in range(100000)] ``` 1. 直接插入排序 直接插入排序是基于比较的排序算法之一,它的时间复杂度为O(n²),稳定性较好。其实现过程是先将一个元素看作有序序列,然后将剩余的元素一个一个插入到有序序列中。 ```python def insertion_sort(arr): for i in range(1, len(arr)): j = i - 1 key = arr[i] while j >= 0 and arr[j] > key: arr[j+1] = arr[j] j -= 1 arr[j+1] = key return arr ``` 2. 希尔排序 希尔排序是插入排序的一种改良版本,它的时间复杂度为O(nlogn)~O(n²),最好情况下可以达到O(nlog²n),通过对序列进行分组排序,在每次的排序中缩小增量,最终实现整个序列排序。 ```python def shell_sort(arr): n = len(arr) gap = [4, 2, 1] for g in gap: for i in range(g, n): key = arr[i] j = i - g while j >= 0 and arr[j] > key: arr[j+g] = arr[j] j -= g arr[j+g] = key return arr ``` 3. 冒泡排序 冒泡排序是比较排序中的一种,它的时间复杂度为O(n²),其实现过程是在一个序列中不断比较相邻两个元素的大小,如果不符合顺序要求就进行交换,直到序列有序。 ```python def bubble_sort(arr): n = len(arr) for i in range(n-1): for j in range(n-i-1): if arr[j] > arr[j+1]: arr[j], arr[j+1] = arr[j+1], arr[j] return arr ``` 4. 快速排序 快速排序是一种高效的分治排序算法,它的时间复杂度为O(nlogn)~O(n²),稳定性较差。它通过选择一个基准元素,将小于基准元素的值放在左侧,大于基准元素的值放在右侧,然后对左右两部分分别递归排序。 ```python def quick_sort(arr): if len(arr) <= 1: return arr pivot = arr[len(arr)//2] left = [x for x in arr if x < pivot] middle = [x for x in arr if x == pivot] right = [x for x in arr if x > pivot] return quick_sort(left) + middle + quick_sort(right) ``` 5. 直接选择排序 直接选择排序也是一种比较排序,它的时间复杂度为O(n²),其实现过程是在一个无序序列中选择最小的元素,将其放置在有序序列的最后一位,再继续在剩余无序序列中选择最小的元素,以此类推,直至整个序列有序。 ```python def selection_sort(arr): n = len(arr) for i in range(n): min_index = i for j in range(i+1, n): if arr[j] < arr[min_index]: min_index = j arr[i], arr[min_index] = arr[min_index], arr[i] return arr ``` 6. 二路归并排序 归并排序是一种基于比较的排序算法,它的时间复杂度为O(nlogn),它利用分治的思想将序列拆分成若干子序列,然后再将这些子序列排序,最终将所有子序列合并成一个有序序列。二路归并是其中的一种实现方式,通过分别对两个有序序列进行归并得到一个更大的有序序列。 ```python def merge_sort(arr): if len(arr) <= 1: return arr mid = len(arr) // 2 left = merge_sort(arr[:mid]) right = merge_sort(arr[mid:]) return merge(left, right) def merge(left, right): res = [] i, j = 0, 0 while i < len(left) and j < len(right): if left[i] <= right[j]: res.append(left[i]) i += 1 else: res.append(right[j]) j += 1 res += left[i:] res += right[j:] return res ``` 7. 堆排序 堆排序是一种基于完全二叉树的选择排序,它的时间复杂度为O(nlogn),稳定性较差。它的核心是将待排序序列构建成大根堆(或小根堆),将堆顶与堆底元素交换,然后再将剩余序列继续调整成堆,以此类推,直到整个序列有序。 ```python def heap_sort(arr): n = len(arr) for i in range(n//2, -1, -1): heapify(arr, n, i) for i in range(n-1, 0, -1): arr[i], arr[0] = arr[0], arr[i] heapify(arr, i, 0) return arr def heapify(arr, n, i): largest = i left = 2*i + 1 right = 2*i + 2 if left < n and arr[left] > arr[largest]: largest = left if right < n and arr[right] > arr[largest]: largest = right if largest != i: arr[i], arr[largest] = arr[largest], arr[i] heapify(arr, n, largest) ``` 为了测试这些排序算法的机器实际执行时间,可以使用Python内置的time模块来计时。 ```python import time start = time.time() insertion_sort(data) end = time.time() print('直接插入排序运行时间为:', end-start, '秒') start = time.time() shell_sort(data) end = time.time() print('希尔排序运行时间为:', end-start, '秒') start = time.time() bubble_sort(data) end = time.time() print('冒泡排序运行时间为:', end-start, '秒') start = time.time() quick_sort(data) end = time.time() print('快速排序运行时间为:', end-start, '秒') start = time.time() selection_sort(data) end = time.time() print('直接选择排序运行时间为:', end-start, '秒') start = time.time() merge_sort(data) end = time.time() print('二路归并排序运行时间为:', end-start, '秒') start = time.time() heap_sort(data) end = time.time() print('堆排序运行时间为:', end-start, '秒') ``` 经过测试,在随机产生的100000个数据元素中,堆排序算法速度最快,直接插入排序速度最慢。实际情况中,不同的排序算法适用于不同的场景,需要根据具体问题做出选择。

相关推荐

最新推荐

排序算法汇总(选择排序 ,直接插入排序,冒泡排序,希尔排序,快速排序,堆排序)

排序算法汇总(选择排序 ,直接插入排序,冒泡排序,希尔排序,快速排序,堆排序)

C语言中用于产生随机数的函数使用方法总结

主要介绍了C语言中用于产生随机数的函数使用方法总结,分别介绍了rand()函数和srand()函数以及封装出的arc4random()函数,需要的朋友可以参考下

一个php生成16位随机数的代码(两种方法)

分享一个php生成16位随机数的代码,php生成随机数的二种方法。 方法1 复制代码 代码如下: &lt;?php $a = mt_rand(10000000,99999999); $b = mt_rand(10000000,99999999); echo $a.$b; 方法2: &lt;?php $a = range(0...

详解Python利用random生成一个列表内的随机数

主要介绍了详解Python利用random生成一个列表内的随机数,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧

三菱PLC例程源码QD75P八轴定位系统程序

三菱PLC例程源码QD75P八轴定位系统程序本资源系百度网盘分享地址

ExcelVBA中的Range和Cells用法说明.pdf

ExcelVBA中的Range和Cells用法是非常重要的,Range对象可以用来表示Excel中的单元格、单元格区域、行、列或者多个区域的集合。它可以实现对单元格内容的赋值、取值、复制、粘贴等操作。而Cells对象则表示Excel中的单个单元格,通过指定行号和列号来操作相应的单元格。 在使用Range对象时,我们需要指定所操作的单元格或单元格区域的具体位置,可以通过指定工作表、行号、列号或者具体的单元格地址来实现。例如,可以通过Worksheets("Sheet1").Range("A5")来表示工作表Sheet1中的第五行第一列的单元格。然后可以通过对该单元格的Value属性进行赋值,实现给单元格赋值的操作。例如,可以通过Worksheets("Sheet1").Range("A5").Value = 22来讲22赋值给工作表Sheet1中的第五行第一列的单元格。 除了赋值操作,Range对象还可以实现其他操作,比如取值、复制、粘贴等。通过获取单元格的Value属性,可以取得该单元格的值。可以通过Range对象的Copy和Paste方法实现单元格内容的复制和粘贴。例如,可以通过Worksheets("Sheet1").Range("A5").Copy和Worksheets("Sheet1").Range("B5").Paste来实现将单元格A5的内容复制到单元格B5。 Range对象还有很多其他属性和方法可供使用,比如Merge方法可以合并单元格、Interior属性可以设置单元格的背景颜色和字体颜色等。通过灵活运用Range对象的各种属性和方法,可以实现丰富多样的操作,提高VBA代码的效率和灵活性。 在处理大量数据时,Range对象的应用尤为重要。通过遍历整个单元格区域来实现对数据的批量处理,可以极大地提高代码的运行效率。同时,Range对象还可以多次使用,可以在多个工作表之间进行数据的复制、粘贴等操作,提高了代码的复用性。 另外,Cells对象也是一个非常实用的对象,通过指定行号和列号来操作单元格,可以简化对单元格的定位过程。通过Cells对象,可以快速准确地定位到需要操作的单元格,实现对数据的快速处理。 总的来说,Range和Cells对象在ExcelVBA中的应用非常广泛,可以实现对Excel工作表中各种数据的处理和操作。通过灵活使用Range对象的各种属性和方法,可以实现对单元格内容的赋值、取值、复制、粘贴等操作,提高代码的效率和灵活性。同时,通过Cells对象的使用,可以快速定位到需要操作的单元格,简化代码的编写过程。因此,深入了解和熟练掌握Range和Cells对象的用法对于提高ExcelVBA编程水平是非常重要的。

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire

C++中的数据库连接与操作技术

# 1. 数据库连接基础 数据库连接是在各种软件开发项目中常见的操作,它是连接应用程序与数据库之间的桥梁,负责传递数据与指令。在C++中,数据库连接的实现有多种方式,针对不同的需求和数据库类型有不同的选择。在本章中,我们将深入探讨数据库连接的概念、重要性以及在C++中常用的数据库连接方式。同时,我们也会介绍配置数据库连接的环境要求,帮助读者更好地理解和应用数据库连接技术。 # 2. 数据库操作流程 数据库操作是C++程序中常见的任务之一,通过数据库操作可以实现对数据库的增删改查等操作。在本章中,我们将介绍数据库操作的基本流程、C++中执行SQL查询语句的方法以及常见的异常处理技巧。让我们

unity中如何使用代码实现随机生成三个不相同的整数

你可以使用以下代码在Unity中生成三个不同的随机整数: ```csharp using System.Collections.Generic; public class RandomNumbers : MonoBehaviour { public int minNumber = 1; public int maxNumber = 10; private List<int> generatedNumbers = new List<int>(); void Start() { GenerateRandomNumbers();

基于单片机的电梯控制模型设计.doc

基于单片机的电梯控制模型设计是一项旨在完成课程设计的重要教学环节。通过使用Proteus软件与Keil软件进行整合,构建单片机虚拟实验平台,学生可以在PC上自行搭建硬件电路,并完成电路分析、系统调试和输出显示的硬件设计部分。同时,在Keil软件中编写程序,进行编译和仿真,完成系统的软件设计部分。最终,在PC上展示系统的运行效果。通过这种设计方式,学生可以通过仿真系统节约开发时间和成本,同时具有灵活性和可扩展性。 这种基于单片机的电梯控制模型设计有利于促进课程和教学改革,更有利于学生人才的培养。从经济性、可移植性、可推广性的角度来看,建立这样的课程设计平台具有非常重要的意义。通过仿真系统,学生可以在实际操作之前完成系统设计和调试工作,提高了实验效率和准确性。最终,通过Proteus设计PCB,并完成真正硬件的调试。这种设计方案可以为学生提供实践操作的机会,帮助他们更好地理解电梯控制系统的原理和实践应用。 在设计方案介绍中,指出了在工业领域中,通常采用可编程控制器或微型计算机实现电梯逻辑控制,虽然可编程控制器有较强的抗干扰性,但价格昂贵且针对性强。而通过单片机控制中心,可以针对不同楼层分别进行合理调度,实现电梯控制的模拟。设计中使用按键用于用户发出服务请求,LED用于显示电梯状态。通过这种设计方案,学生可以了解电梯控制系统的基本原理和实现方法,培养他们的实践操作能力和创新思维。 总的来说,基于单片机的电梯控制模型设计是一项具有重要意义的课程设计项目。通过Proteus软件与Keil软件的整合,搭建单片机虚拟实验平台,可以帮助学生更好地理解电梯控制系统的原理和实践应用,培养他们的实践操作能力和创新思维。这种设计方案不仅有利于课程和教学改革,也对学生的人才培养具有积极的促进作用。通过这样的设计方案,学生可以在未来的工作中更好地应用所学知识,为电梯控制系统的研发和应用做出贡献。