新闻详情

新闻详情

首页 / 资讯中心 / 详情

ACM 基本排序算法,归并排序(求逆序对)

发布时间:2026/11/15 6:16:57来源:尧图网络
ACM 基本排序算法,归并排序(求逆序对)
1.归并排序主要运用到的的思想分治、递归功能1.数组进行排序。2.计算数组中的逆序对的个数。时间复杂度稳定的Onlogn空间复杂度On附上模板代码#includebits/stdc.husingnamespacestd;longlongMerge(inta[],intb[],ints,intm,inte){intis,jm1,ks;longlongans0;while(imje){if(a[i]a[j])b[k]a[i];else{b[k]a[j];//求逆序对ansmid-i1;}}while(im)b[k]a[i];while(je)b[k]a[j];for(intns;ne;n)a[n]b[n];returnans;}voidmergesort(inta[],intb[],ints,inte){longlongans0;if(se){intm(se)/2;mergesort(a,b,s,m);mergesort(a,b,m1,e);ansMerge(a,b,s,m,e);}}inta[100005];intb[100005];intmain(){intn;cinn;for(inti1;in;i){cina[i];}mergesort(a,b,1,n);for(inti1;in;i){couta[i] ;}return0;}2.冒泡排序主要思想不断交换相邻两个逆序的元素。最终将最大排在最后类似于可乐冒泡。时间复杂度On²)空间复杂度On#includebits/stdc.husingnamespacestd;voidbubbleSort(inta[],intn){for(inti1;in;i){//n-1趟for(intj1;jn-i1;j){//除去已经排好的i个所以是枚举n-i1个if(a[j1]a[j]){intta[j1];a[j1]a[j];a[j]t;}}}}inta[100005];intmain(){intn;cinn;for(inti1;in;i){cina[i];}bubbleSort(a,n);for(inti1;in;i){couta[i] ;}return0;}3.选择排序主要思想通过与n次n为数组的长度的选择可以将每次当前为选择的最大最小的元素放在相应位置上。时间复杂度On²)空间复杂度On#includebits/stdc.husingnamespacestd;voidselectSort(inta[],intn){for(inti1;in;i){intMini;for(intji1;jn;j){if(a[j]a[Min]){Minj;}}intta[Min];a[Min]a[i];a[i]t;}return;}inta[100005];intmain(){intn;cinn;for(inti1;in;i){cina[i];}selectSort(a,n);for(inti1;in;i){couta[i] ;}return0;}4.插入排序主要思想两层for循环第一层表示接下来要将前i个排好序第二个for循环用于通过比较判断第i个元素应该放在1~i的哪个位置上时间复杂度On²)空间复杂度On#includebits/stdc.husingnamespacestd;voidInsertSort(vectorinta,intlen){for(inti1;ilen;i){inttempa[i];for(intji-1;j0;--j){if(tempa[j]){a[j1]a[j];}else{a[j1]temp;break;}}}return;}intmain(){intn;cinn;vectorinta(n);for(inti0;in;i){cina[i];}InsertSort(a,n);for(inti0;in;i){couta[i] ;}return0;}5.希尔排序主要思想可以认为是插入排序的plus版内部多了有个增量因子i3*i1作为每轮插入排序中第二个for‘循环每次结束后的增加量时间复杂度On^1.5)左右空间复杂度On#includebits/stdc.husingnamespacestd;typedeflonglongll;constintMAXN100005;inta[MAXN],n;voidinsertionSort(inta[],intn,intg){for(inti1g;in;i){inttempa[i],ji-g;for(;j1;j-g){if(a[j]temp){a[jg]a[j];}elsebreak;}a[jg]temp;}}voidshellSort(inta[],intn){vectorintG;for(inti1;in;){G.push_back(i);i3*i1;}for(intiG.size()-1;i0;i--){insertionSort(a,n,G[i]);}}intmain(){scanf(%d,n);for(inti1;in;i){scanf(%d,a[i]);}shellSort(a,n);for(inti1;in;i){printf(%d ,a[i]);}return0;}
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/15 4:54:16

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/15 2:04:12

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/14 10:11:15

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/14 17:14:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/15 4:06:36

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉