博客
关于我
C++数据结构与算法之排序——选择排序
阅读量:800 次
发布时间:2019-03-25

本文共 1138 字,大约阅读时间需要 3 分钟。

选择排序是一种基础且重要的排序算法。它通过选择并交换数组中最大值与最后一个位置的元素,最终实现对数组从尾部到头部进行排序。

选择排序的工作原理

选择排序的基本思想是:通过反复在数组中选择最大的元素,并将其交换到当前排序好的位置,从而逐步将数组按要求排序。这一过程实际上是通过逐步将数组从未排序区域减少,最终完成排序。

以下是一步步描述如何进行选择排序:

  • 在这个算法中,首先需要找到当前未排序区域中最大的值。这个值通常被称为最大值或者maxIndex.

  • 一旦找到了最大值所在的位置(maxIndex),就交换该位置所在的元素与数组最后一个位置的元素的位置。即,swap(a[maxIndex], a[n-1]).

  • 这一过程会持续进行,直到前n-1个元素已经被部分排序,剩下的最后一个位置能容纳最大的未排序的元素。这个过程促使数组逐渐向有序方向发展.

  • 重复这个过程,直到整个数组已经完成排序。

  • 需要注意的是,选择排序通常会选择从最末端交换,因为此时数组中剩下的部分已经是有序的了。

    选择排序的实现代码

    以下是一个实现选择排序的C++代码示例:

    #include 
    using namespace std;void selectSort(vector
    & vec) { int maxIndex = 0; int n = vec.size(); for(int i = n; i > 0; --i) { maxIndex = 0; for(int j = 1; j < i; ++j) { if(vec[j] > vec[maxIndex]) { maxIndex = j; } } swap(vec[maxIndex], vec[i-1]); }}

    代码解释

  • 初始化变量:首先,我们初始化一个用于跟踪当前最大的元素位置的变量maxIndex设置为0。

  • 数组长度获取:接着,我们获取数组的大小n。

  • 主循环:从数组末尾开始,依次处理每个元素。

  • 内循环:在当前未排序的子数组中,寻找最大的元素。通过比较每个元素与当前maxIndex所指的位置元素,找到更大的数据,更新maxIndex。

  • 交换位置:将最大的元素和当前未排序的最后一个位置进行交换。

  • 继续执行循环:当所有元素都被处理后,数组就被排序完成了。

  • 这种实现方式的时间复杂度为O(n²),这使得它成为较为基础但相对费时的排序算法。虽然随着数据规模的增大,选择排序的效率可能会成为瓶颈,但它仍然是学习和理解排序算法的重要工具。

    转载地址:http://oxnyk.baihongyu.com/

    你可能感兴趣的文章
    Opencv——模块介绍
    查看>>
    OpenCV与AI深度学习 | 2024年AI初学者需要掌握的热门技能有哪些?
    查看>>
    OpenCV与AI深度学习 | CIB-SE-YOLOv8: 优化的YOLOv8, 用于施工现场的安全设备实时检测 !
    查看>>
    OpenCV与AI深度学习 | CoTracker3:用于卓越点跟踪的最新 AI 模型
    查看>>
    OpenCV与AI深度学习 | OpenCV中八种不同的目标追踪算法
    查看>>
    OpenCV与AI深度学习 | OpenCV图像拼接--Stitching detailed使用与参数介绍
    查看>>
    OpenCV与AI深度学习 | OpenCV如何读取仪表中的指针刻度
    查看>>
    OpenCV与AI深度学习 | OpenCV常用图像拼接方法(一) :直接拼接
    查看>>
    OpenCV与AI深度学习 | OpenCV常用图像拼接方法(三):基于特征匹配拼接
    查看>>
    OpenCV与AI深度学习 | OpenCV常用图像拼接方法(二) :基于模板匹配拼接
    查看>>
    OpenCV与AI深度学习 | OpenCV常用图像拼接方法(四):基于Stitcher类拼接
    查看>>
    OpenCV与AI深度学习 | OpenCV快速傅里叶变换(FFT)用于图像和视频流的模糊检测(建议收藏!)
    查看>>
    OpenCV与AI深度学习 | SAM2(Segment Anything Model 2)新一代分割一切大模型介绍与使用(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | T-Rex Label !超震撼 AI 自动标注工具,开箱即用、检测一切
    查看>>
    OpenCV与AI深度学习 | YOLO11介绍及五大任务推理演示(目标检测,图像分割,图像分类,姿态检测,带方向目标检测)
    查看>>
    OpenCV与AI深度学习 | YOLOv10在PyTorch和OpenVINO中推理对比
    查看>>
    OpenCV与AI深度学习 | YOLOv11来了:将重新定义AI的可能性
    查看>>
    OpenCV与AI深度学习 | YOLOv8自定义数据集训练实现火焰和烟雾检测(代码+数据集!)
    查看>>
    OpenCV与AI深度学习 | YOLOv8重磅升级,新增旋转目标检测,又该学习了!
    查看>>
    OpenCV与AI深度学习 | 一文带你读懂YOLOv1~YOLOv11(建议收藏!)
    查看>>