首先,排序算法的稳定性大家应该都知道,通俗地讲就是能保证排序前2个相等的数其在序列的前后位置顺序和排序后它们两个的前后位置顺序相同。在简单形式化一下,如果Ai = Aj,Ai原来在位置前,排序后Ai还是要在Aj位置前。
其次,说一下稳定性的好处。排序算法如果是稳定的,那么从一个键上排序,然后再从另一个键上排序,第一个键排序的结果可以为第二个键排序所用。基数排序就是这样,先按低位排序,逐次按高位排序,低位相同的元素其顺序再高位也相同时是不会改变的。另外,如果排序算法稳定,对基于比较的排序算法而言,元素交换的次数可能会少一些(个人感觉,没有证实)。
回到主题,现在分析一下常见的排序算法的稳定性,每个都给出简单的理由。
(1)冒泡排序
冒泡排序就是把小的元素往前调或者把大的元素往后调。比较是相邻的两个元素比较,交换也发生在这两个元素之间。所以,如果两个元素相等,我想你是不会再无聊地把他们俩交换一下的;如果两个相等的元素没有相邻,那么即使通过前面的两两交换把两个相邻起来,这时候也不会交换,所以相同元素的前后顺序并没有改变,所以冒泡排序是一种稳定排序算法。
(2)选择排序
选择排序是给每个位置选择当前元素最小的,比如给第一个位置选择最小的,在剩余元素里面给第二个元素选择第二小的,依次类推,直到第n - 1个元素,第n个元素不用选择了,因为只剩下它一个最大的元素了。那么,在一趟选择,如果当前元素比一个元素小,而该小的元素又出现在一个和当前元素相等的元素后面,那么交换后稳定性就被破坏了。比较拗口,举个例子,序列5 8 5 2 9,我们知道第一遍选择第1个元素5会和2交换,那么原序列中2个5的相对前后顺序就被破坏了,所以选择排序不是一个稳定的排序算法。
(3)插入排序
插入排序是在一个已经有序的小序列的基础上,一次插入一个元素。当然,刚开始这个有序的小序列只有1个元素,就是第一个元素。比较是从有序序列的末尾开始,也就是想要插入的元素和已经有序的最大者开始比起,如果比它大则直接插入在其后面,否则一直往前找直到找到它该插入的位置。如果碰见一个和插入元素相等的,那么插入元素把想插入的元素放在相等元素的后面。所以,相等元素的前后顺序没有改变,从原无序序列出去的顺序就是排好序后的顺序,所以插入排序是稳定的。
(4)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5 3 3 4 3 8 9 10 11,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。
(5)归并排序
归并排序是把序列递归地分成短序列,递归出口是短序列只有1个元素(认为直接有序)或者2个序列(1次比较和交换),然后把各个有序的段序列合并成一个有序的长序列,不断合并直到原序列全部排好序。可以发现,在1个或2个元素时,1个元素不会交换,2个元素如果大小相等也没有人故意交换,这不会破坏稳定性。那么,在短的有序序列合并的过程中,稳定是是否受到破坏?没有,合并过程中我们可以保证如果两个当前元素相等时,我们把处在前面的序列的元素保存在结果序列的前面,这样就保证了稳定性。所以,归并排序也是稳定的排序算法。
(6)基数排序
基数排序是按照低位先排序,然后收集;再按照高位排序,然后再收集;依次类推,直到最高位。有时候有些属性是有优先级顺序的,先按低优先级排序,再按高优先级排序,最后的次序就是高优先级高的在前,高优先级相同的低优先级高的在前。基数排序基于分别排序,分别收集,所以其是稳定的排序算法。
(7)希尔排序(shell)
希尔排序是按照不同步长对元素进行插入排序,当刚开始元素很无序的时候,步长最大,所以插入排序的元素个数很少,速度很快;当元素基本有序了,步长很小, 插入排序对于有序的序列效率很高。所以,希尔排序的时间复杂度会比O(n^2)好一些。由于多次插入排序,我们知道一次插入排序是稳定的,不会改变相同元素的相对顺序,但在不同的插入排序过程中,相同的元素可能在各自的插入排序中移动,最后其稳定性就会被打乱,所以shell排序是不稳定的。
(8)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。
综上,得出结论: 选择排序、快速排序、希尔排序、堆排序不是稳定的排序算法,而冒泡排序、插入排序、归并排序和基数排序是稳定的排序算法
相关推荐
稳定匹配算法实验是计算机科学与技术领域中关于算法设计与分析的重要课题之一。本次实验的核心是研究并实现一种能够产生稳定匹配的算法,即著名的“盖尔-沙普利(Gale-Shapley)”算法,又称为“医院-住院医师问题”...
稳定匹配算法,通常被称为Gale-Shapley算法,是由David Gale和Lloyd Shapley在1962年提出的,主要用于解决两性婚姻问题。在这个问题中,假设有一群男性和女性,每个人都有一个偏好列表,即他们按照喜欢的程度排序了...
误差传播与算法稳定性是数值计算中的重要概念,特别是在使用计算机模拟和数据分析时。这两个概念直接影响到计算结果的准确性和可信度。本篇讨论的是在MATLAB环境中实现的两种不同的算法,用于计算某个序列的递推值,...
稳定匹配算法是图论与组合优化领域的一个经典问题,它主要应用于解决资源分配、学校招生、医院医生配对等实际场景。在这个问题中,我们通常考虑两个群体,比如男生和女生,他们各自有一系列偏好,目标是找到一个匹配...
在MATLAB环境中,验证算法的数值稳定性是进行科学计算时非常关键的一个步骤。数值稳定性指的是一个算法在处理小数值或接近零的数值时,其结果的精确度和可靠性。这通常涉及到浮点误差、舍入误差以及算法设计的敏感性...
误差传播与算法稳定性实验报告 本实验报告的主要目标是研究误差传播对算法稳定性的影响。实验中,我们使用了两种算法:算法一和算法二,并对其进行了比较和分析。结果表明,算法二比算法一具有更好的稳定性和准确性...
Gale-Shapley算法是解决稳定婚姻问题的经典算法。它基于一系列的提议和拒绝,最终达到一个稳定的匹配状态。算法的基本流程如下: 1. **初始化**:将所有男性和女性标记为未匹配。 2. **男性提出请求**:每个未婚...
### 改进遗传算法在边坡稳定非圆弧滑动面搜索中的应用 #### 引言 在边坡稳定分析领域,寻找最不利滑动面(即可能导致边坡失稳的滑动面)是一项关键任务。传统的分析方法往往基于简化假设,例如假定滑动面为圆弧...
在数值分析领域,"算法的数值稳定性"是一个关键概念,它涉及到计算机在处理数学运算时可能出现的精度损失问题。在本实验中,我们将探讨如何测试和理解算法在实际计算过程中的稳定性。 数值稳定性指的是一个算法在...
掌握稳定匹配算法的设计流程,并在能用代码实现稳定匹配效果的基础上尽量降低算法复杂度。 二、实验要求 用代码实现stable matching 算法,要求能成功达到稳定匹配效果,尽量降低算法复杂度。 一、实验目的 1.掌握...
- **定义**:基数排序是一种非比较型整数排序算法,其原理是将整数按位数切割成不同的数字,然后按每个位数分别比较。由于整数也可以表达字符串(比如名字或日期)和特定格式的浮点数,所以基数排序并不局限于整数...
GS stable matching的源代码,有一些必要的注释。这份代码采用C++语言,通过了许多OJ的在线测试,正确性可以保证。希望可以帮助到大家。
GS稳定匹配算法,也称为Gale-Shapley算法,是一种在配对问题中寻找稳定解决方案的数学方法。在本场景中,我们将其应用于一个“男人优先”或“女人优先”的婚恋配对模型,其中每个个体都有自己的偏好列表。算法的目标...
每个节点最初被分配一个唯一的标签,然后在每一轮迭代中,节点会采纳其邻居中最常见的标签,直到系统稳定,即没有节点改变标签。这种方法简单且适用于大型网络,但可能陷入局部最优解。 5. InfoMap算法: InfoMap...
算法稳定性MATLAB.exe
非数值算法是指那些不直接涉及数值计算,而是用于处理符号数据、逻辑推理或者问题求解的算法。在并行计算领域,非数值并行算法占据了重要地位,它们通常包括数据结构的操作,如线性表、栈、队列、串,以及树、图的...
《非数值并行算法—模拟退火算法》是一本深入探讨非数值并行计算领域中模拟退火算法的专业书籍。该书多次强调了其主题,表明作者或编者旨在全面阐述这一复杂但实用的算法,旨在帮助读者理解和应用在解决实际问题中。...
非递归算法通常比递归算法更加高效和稳定。 知识点4:先序遍历的非递归算法 先序遍历的非递归算法使用栈来实现算法的逻辑。算法的步骤如下: 1. 初始化一个空栈。 2. 将当前节点压入栈中。 3. 遍历左子树,直到...