(1)编写各种排序算法对测试数据进行排序。基本排序算法共七种:直接插入排序、希尔排序、冒泡排序、快速排序、简单选择排序、堆排序和归并排序。要求至少实现4种排序算法。 (2)在测试数据不少于10000个的情况下比较不同排序算法的时间性能(实际运行时间)。c语言

时间: 2023-08-13 17:03:04 浏览: 51
以下是基本排序算法的C语言实现,包括直接插入排序、希尔排序、冒泡排序、快速排序、简单选择排序、堆排序和归并排序: 1. 直接插入排序 ```c void InsertSort(int arr[], int n) { int i, j, temp; for (i = 1; i < n; i++) { temp = arr[i]; for (j = i; j > 0 && arr[j - 1] > temp; j--) arr[j] = arr[j - 1]; arr[j] = temp; } } ``` 2. 希尔排序 ```c void ShellSort(int arr[], int n) { int i, j, gap, temp; for (gap = n / 2; gap > 0; gap /= 2) { for (i = gap; i < n; i++) { temp = arr[i]; for (j = i; j >= gap && arr[j - gap] > temp; j -= gap) arr[j] = arr[j - gap]; arr[j] = temp; } } } ``` 3. 冒泡排序 ```c void BubbleSort(int arr[], int n) { int i, j, temp; for (i = n - 1; i > 0; i--) { for (j = 0; j < i; j++) { if (arr[j] > arr[j + 1]) { temp = arr[j]; arr[j] = arr[j + 1]; arr[j + 1] = temp; } } } } ``` 4. 快速排序 ```c void QuickSort(int arr[], int left, int right) { int i, j, pivot, temp; if (left < right) { i = left; j = right; pivot = arr[left]; while (i < j) { while (i < j && arr[j] >= pivot) j--; if (i < j) { temp = arr[i]; arr[i] = arr[j]; arr[j] = temp; } while (i < j && arr[i] <= pivot) i++; if (i < j) { temp = arr[i]; arr[i] = arr[j]; arr[j] = temp; } } arr[i] = pivot; QuickSort(arr, left, i - 1); QuickSort(arr, i + 1, right); } } ``` 5. 简单选择排序 ```c void SelectSort(int arr[], int n) { int i, j, min, temp; for (i = 0; i < n - 1; i++) { min = i; for (j = i + 1; j < n; j++) if (arr[j] < arr[min]) min = j; if (min != i) { temp = arr[i]; arr[i] = arr[min]; arr[min] = temp; } } } ``` 6. 堆排序 ```c void HeapAdjust(int arr[], int i, int n) { int child, temp; for (temp = arr[i]; 2 * i + 1 < n; i = child) { child = 2 * i + 1; if (child != n - 1 && arr[child] < arr[child + 1]) child++; if (temp < arr[child]) arr[i] = arr[child]; else break; } arr[i] = temp; } void HeapSort(int arr[], int n) { int i, temp; for (i = n / 2 - 1; i >= 0; i--) HeapAdjust(arr, i, n); for (i = n - 1; i > 0; i--) { temp = arr[0]; arr[0] = arr[i]; arr[i] = temp; HeapAdjust(arr, 0, i); } } ``` 7. 归并排序 ```c void Merge(int arr[], int left, int mid, int right, int* temp) { int i = left, j = mid + 1, k = 0; while (i <= mid && j <= right) { if (arr[i] < arr[j]) temp[k++] = arr[i++]; else temp[k++] = arr[j++]; } while (i <= mid) temp[k++] = arr[i++]; while (j <= right) temp[k++] = arr[j++]; k--; while (k >= 0) arr[left + k] = temp[k--]; } void MergeSort(int arr[], int left, int right, int* temp) { if (left < right) { int mid = (left + right) / 2; MergeSort(arr, left, mid, temp); MergeSort(arr, mid + 1, right, temp); Merge(arr, left, mid, right, temp); } } void MergeSortWrapper(int arr[], int n) { int* temp = (int*)malloc(sizeof(int) * n); MergeSort(arr, 0, n - 1, temp); free(temp); } ``` 对于测试数据不少于10000个的情况下,我们可以使用clock()函数计算排序算法的实际运行时间。完整的测试代码如下: ```c #include <stdio.h> #include <stdlib.h> #include <time.h> void InsertSort(int arr[], int n); void ShellSort(int arr[], int n); void BubbleSort(int arr[], int n); void QuickSort(int arr[], int left, int right); void SelectSort(int arr[], int n); void HeapSort(int arr[], int n); void MergeSortWrapper(int arr[], int n); int main() { int n = 10000; int i, j, *arr = (int*)malloc(sizeof(int) * n); clock_t start, end; for (i = 0; i < n; i++) arr[i] = rand(); start = clock(); InsertSort(arr, n); end = clock(); printf("InsertSort: %lf seconds\n", (double)(end - start) / CLOCKS_PER_SEC); for (i = 0; i < n; i++) arr[i] = rand(); start = clock(); ShellSort(arr, n); end = clock(); printf("ShellSort: %lf seconds\n", (double)(end - start) / CLOCKS_PER_SEC); for (i = 0; i < n; i++) arr[i] = rand(); start = clock(); BubbleSort(arr, n); end = clock(); printf("BubbleSort: %lf seconds\n", (double)(end - start) / CLOCKS_PER_SEC); for (i = 0; i < n; i++) arr[i] = rand(); start = clock(); QuickSort(arr, 0, n - 1); end = clock(); printf("QuickSort: %lf seconds\n", (double)(end - start) / CLOCKS_PER_SEC); for (i = 0; i < n; i++) arr[i] = rand(); start = clock(); SelectSort(arr, n); end = clock(); printf("SelectSort: %lf seconds\n", (double)(end - start) / CLOCKS_PER_SEC); for (i = 0; i < n; i++) arr[i] = rand(); start = clock(); HeapSort(arr, n); end = clock(); printf("HeapSort: %lf seconds\n", (double)(end - start) / CLOCKS_PER_SEC); for (i = 0; i < n; i++) arr[i] = rand(); start = clock(); MergeSortWrapper(arr, n); end = clock(); printf("MergeSort: %lf seconds\n", (double)(end - start) / CLOCKS_PER_SEC); free(arr); return 0; } ``` 运行结果可能会因为不同的数据集而有所不同,但是大致可以看出各种排序算法的相对性能。

相关推荐

最新推荐

recommend-type

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)
recommend-type

内部排序的数据结构实验报告

本程序对以下六种常用内部排序算法进行实测比较:冒泡排序,插入排序,选择排序,希尔排序,快速排序,堆排序。 2.排序的元素的关键字为整数。用正序,逆序,不同乱序的数据作测试比较。比较的指标为有关键字参加...
recommend-type

setuptools-0.6b3-py2.4.egg

Node.js,简称Node,是一个开源且跨平台的JavaScript运行时环境,它允许在浏览器外运行JavaScript代码。Node.js于2009年由Ryan Dahl创立,旨在创建高性能的Web服务器和网络应用程序。它基于Google Chrome的V8 JavaScript引擎,可以在Windows、Linux、Unix、Mac OS X等操作系统上运行。 Node.js的特点之一是事件驱动和非阻塞I/O模型,这使得它非常适合处理大量并发连接,从而在构建实时应用程序如在线游戏、聊天应用以及实时通讯服务时表现卓越。此外,Node.js使用了模块化的架构,通过npm(Node package manager,Node包管理器),社区成员可以共享和复用代码,极大地促进了Node.js生态系统的发展和扩张。 Node.js不仅用于服务器端开发。随着技术的发展,它也被用于构建工具链、开发桌面应用程序、物联网设备等。Node.js能够处理文件系统、操作数据库、处理网络请求等,因此,开发者可以用JavaScript编写全栈应用程序,这一点大大提高了开发效率和便捷性。 在实践中,许多大型企业和组织已经采用Node.js作为其Web应用程序的开发平台,如Netflix、PayPal和Walmart等。它们利用Node.js提高了应用性能,简化了开发流程,并且能更快地响应市场需求。
recommend-type

Java项目之jspm充电桩综合管理系统(源码 + 说明文档)

Java项目之jspm充电桩综合管理系统(源码 + 说明文档) 2 系统开发环境 4 2.1 Java技术 4 2.2 JSP技术 4 2.3 B/S模式 4 2.4 MyEclipse环境配置 5 2.5 MySQL环境配置 5 2.6 SSM框架 6 3 系统分析 7 3.1 系统可行性分析 7 3.1.1 经济可行性 7 3.1.2 技术可行性 7 3.1.3 运行可行性 7 3.2 系统现状分析 7 3.3 功能需求分析 8 3.4 系统设计规则与运行环境 9 3.5系统流程分析 9 3.5.1操作流程 9 3.5.2添加信息流程 10 3.5.3删除信息流程 11 4 系统设计 12 4.1 系统设计主要功能 12 4.2 数据库设计 13 4.2.1 数据库设计规范 13 4.2.2 E-R图 13 4.2.3 数据表 14 5 系统实现 24 5.1系统功能模块 24 5.2后台功能模块 26 5.2.1管理员功能 26 5.2.2用户功能 30 6 系统测试 32 6.1 功能测试 32 6.2 可用性测试 32 6.3 维护测试 33 6.4 性能测试 33
recommend-type

基于JSP药品进货销售库存管理系统源码.zip

这个是一个JSP药品进货销售库存管理系统,管理员角色包含以下功能:管理员登录,进货管理,销售管理,库存管理,员工管理,客户管理,供应商管理,修改密码等功能。 本项目实现的最终作用是基于JSP药品进货销售库存管理系统 分为1个角色 第1个角色为管理员角色,实现了如下功能: - 供应商管理 - 修改密码 - 员工管理 - 客户管理 - 库存管理 - 管理员登录 - 进货管理 - 销售管理
recommend-type

zigbee-cluster-library-specification

最新的zigbee-cluster-library-specification说明文档。
recommend-type

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
recommend-type

实现实时数据湖架构:Kafka与Hive集成

![实现实时数据湖架构:Kafka与Hive集成](https://img-blog.csdnimg.cn/img_convert/10eb2e6972b3b6086286fc64c0b3ee41.jpeg) # 1. 实时数据湖架构概述** 实时数据湖是一种现代数据管理架构,它允许企业以低延迟的方式收集、存储和处理大量数据。与传统数据仓库不同,实时数据湖不依赖于预先定义的模式,而是采用灵活的架构,可以处理各种数据类型和格式。这种架构为企业提供了以下优势: - **实时洞察:**实时数据湖允许企业访问最新的数据,从而做出更明智的决策。 - **数据民主化:**实时数据湖使各种利益相关者都可
recommend-type

解释minorization-maximization (MM) algorithm,并给出matlab代码编写的例子

Minorization-maximization (MM) algorithm是一种常用的优化算法,用于求解非凸问题或含有约束的优化问题。该算法的基本思想是通过构造一个凸下界函数来逼近原问题,然后通过求解凸下界函数的最优解来逼近原问题的最优解。具体步骤如下: 1. 初始化参数 $\theta_0$,设 $k=0$; 2. 构造一个凸下界函数 $Q(\theta|\theta_k)$,使其满足 $Q(\theta_k|\theta_k)=f(\theta_k)$; 3. 求解 $Q(\theta|\theta_k)$ 的最优值 $\theta_{k+1}=\arg\min_\theta Q(
recommend-type

JSBSim Reference Manual

JSBSim参考手册,其中包含JSBSim简介,JSBSim配置文件xml的编写语法,编程手册以及一些应用实例等。其中有部分内容还没有写完,估计有生之年很难看到完整版了,但是内容还是很有参考价值的。