類的排序演算法

㈠ 試述排序演算法的一般選擇規則 求解答

當數據量不大時，選插入或選擇排序，不要用冒泡排序，當數據量大而又注重空間復雜性時選擇快速排序或堆排序。

選擇排序法就是在遍歷一組數據之前先選擇一個元素，如果後面的元素小於選擇的元素，則將後面的元素與選擇的元素進行交換，直到遍歷到最後一個元素，這樣經過一次遍歷後就會得到這組數據的最小的元素也就是有序數據的第一個元素。按照這樣的方式繼續選擇元素繼續遍歷，直到遍歷到這組數據完全有序。

(1)類的排序演算法擴展閱讀：

注意事項：

非線性時間比較類排序：通過比較來決定元素間的相對次序，由於其時間復雜度不能突破O(nlogn)，因此稱為非線性時間比較類排序。

線性時間非比較類排序：不通過比較來決定元素間的相對次序，可以突破基於比較排序的時間下界，以線性時間運行，因此稱為線性時間非比較類排序。

將待排序數組按照步長gap進行分組，然後將每組的元素利用直接插入排序的方法進行排序，每次將gap折半減小，循環上述操作，當gap=1時，利用直接插入，完成排序。

㈡ python分類演算法有哪些

常見的分類演算法有：

• K近鄰演算法

• 決策樹

• 樸素貝葉斯

• SVM

• Logistic Regression

㈢ 常見的幾種排序演算法總結

對於非科班生的我來說，演算法似乎對我來說是個難點，查閱了一些資料，趁此來了解一下幾種排序演算法。
首先了解一下，什麼是程序

關於排序演算法通常我們所說的往往指的是內部排序演算法，即數據記錄在內存中進行排序。
排序演算法大體可分為兩種：
一種是比較排序，時間復雜度O(nlogn) ~ O(n^2)，主要有：冒泡排序，選擇排序，插入排序，歸並排序，堆排序，快速排序等。
另一種是非比較排序，時間復雜度可以達到O(n)，主要有：計數排序，基數排序，桶排序等

冒泡排序它重復地走訪過要排序的元素，一次比較相鄰兩個元素，如果他們的順序錯誤就把他們調換過來，直到沒有元素再需要交換，排序完成。這個演算法的名字由來是因為越小(或越大)的元素會經由交換慢慢「浮」到數列的頂端。

選擇排序類似於冒泡排序，只不過選擇排序是首先在未排序的序列中找到最小值（最大值），放到序列的起始位置，然後再從剩餘未排序元素中繼續尋找最小（大）元素，放到已排序序列的末尾，以此類推，直到所有元素均排序完畢。

插入排序比冒泡排序和選擇排序更有效率，插入排序類似於生活中抓撲克牌來。
插入排序具體演算法描述，以數組[3, 2, 4, 5, 1]為例。

前面三種排序演算法只有教學價值，因為效率低，很少實際使用。歸並排序（Merge sort）則是一種被廣泛使用的排序方法。
它的基本思想是，將兩個已經排序的數組合並，要比從頭開始排序所有元素來得快。因此，可以將數組拆開，分成n個只有一個元素的數組，然後不斷地兩兩合並，直到全部排序完成。
以對數組[3, 2, 4, 5, 1] 進行從小到大排序為例，步驟如下：

有了merge函數，就可以對任意數組排序了。基本方法是將數組不斷地拆成兩半，直到每一半隻包含零個元素或一個元素為止，然後就用merge函數，將拆成兩半的數組不斷合並，直到合並成一整個排序完成的數組。

快速排序（quick sort）是公認最快的排序演算法之一，有著廣泛的應用。
快速排序演算法步驟

參考：
常用排序演算法總結(一)
阮一峰-演算法總結

㈣ 常用的排序演算法有哪些

排序另一種分法
外排序：需要在內外存之間多次交換數據才能進行
內排序：
插入類排序
直接插入排序
希爾排序
選擇類排序
簡單選擇排序
堆排序
交換類排序
冒泡排序
快速排序
歸並類排序
歸並排序

㈤ 請問 排序演算法 可以分為哪幾大類

排序可分為:
1,穩定排序與不穩定排序
2,內排序和外排序
內部排序可分為:直接插入排序、冒泡排序、簡單選擇排序、希爾排序、快速排序、堆排序、歸並排序、基數排序。

㈥ 交換類排序演算法

根據排序時數據所佔用存儲器的不同，可將排序分為兩類，一類是整個排序過程完全在內存中進行，成為內部排序。另一類是由於待排序記錄數據太大，內存無法容納全部數據，需要藉助外部存儲才能完成，稱為外部排序。

按照方法可以分為交換類排序和插入類排序。

演算法思想：

從待排序記錄序列中選取一個記錄（通常是第一個）作為樞軸，其關鍵字設為K1，然後將其餘關鍵字小於K1的記錄移動到前面，關鍵字大於K1的移動到後面，結果將待排序記錄分成兩個子表，最後將關鍵字為K1的記錄插到分界線的位置處。這個過程稱為一趟快速排序。

演算法步驟：

假設待劃分序列為r,r,....,r,具體實現過程，可以設兩個指針i和j，它們的初值分別是left和right。首先將基準記錄r移至變數x中，然後反復進行下兩步，直到i和j相遇。

1、i從左向右掃描直到r>x時，將r移至空單元r，此時r相當於空單元。

2、j從右向左掃描直到r<x時，將r移至空單元r，此時r相當於空單元。

當i和j相遇的時候，給空單元賦值x，然後對於左右形成的兩個子表採用同樣的方法進一步劃分。

㈦ 集合類的sort方法採用的什麼排序演算法

諸如List<T>等泛型集合類，直接提供了sort（）方法用於將集合中的元素進行排序。
但是，其前提是集合中存放的是可直接排序的基本類型，如List<int>, List<double>，如果
我們定義了一個自定義類型 Class MyClass,並創建一個自定義類型的集合如List<MyClass>，
那麼無參的sort（）方法就不可用了，因為不知道如何排序了。這時就需要藉助：
IComparer 和 IComparable
首先，我們來看一下c#泛型List提供的Sort方法：

泛型List類的Sort方法有四種形式，分別是
1，不帶有任何參數的Sort方法----Sort()；
2，帶有比較器參數的Sort方法 ----Sort(IComparer<T>)
3，帶有比較代理方法參數的Sort方法----Sort(Comparison<(Of <(T>)>))
4，帶有比較器參數，可以指定排序范圍的Sort方法----Sort(Int32, Int32 IComparer(T))

【解析：】第一種方法

使用這種方法不是對List中的任何元素對象都可以進行排序，List中的元素對象必須繼承IComparable介面，並且要實現IComparable介面中的CompareTo()方法，在CompareTo()方法中要自己實現對象的比較規則。

例如，Int32和Double都是實現了IComparable介面並重載了CompareTo方法的結構。（註：int和double都是Int32和Double的別名（alias））

【解析：】第二種方法

2，帶有比較器參數的Sort方法 ----Sort(IComparer<T>)，

1）創建一個額外的比較器類：其實就相當於將排序功能中的比較操作，留個使用者來完成。這個比較操作必須在實現了IComparer介面的自定義比較類中完成；如：

class myComparer:IComparer<MyClass>

2）制定比較規則實現比較方法：因為介面中有一個用於比較的重載函數Compare，所在在比較器類中我們必須實現它，完成自己希望的比較。所謂自己希望的比較就是說自己實現自定義對象的比較規則，例如你知道自定義類MyClass中哪個屬性適合用來排序，那麼就選擇這個屬性作為整個自定義類對象的排序屬性，如該類中有年齡，學號，入學日期等屬性，你可以選擇年齡屬性作為排序屬性。如：

public class myComparer:IComparer<MyClass>
{
//實現按年齡升序排列
public int Compare(MyClass x, MyClass y)
{
return (x.age.CompareTo(y.age)); //age代表年齡屬性是整型，即其已支持CompareTo方法
}
}

3）使用比較器的排序方法調用：然後，在自定義類型的集合如List<MyClass> myList，上就可以進行sort排序了，如

myList.Sort(new myComparer());

【解析：】第三種方法
3，帶有比較代理方法參數的Sort方法----Sort(Comparison<(Of <(T>)>))
Comparison<(Of

<(T>)>是一種泛型委託。所以，需要編寫一個對象排序比較的方法，對List中的元素對象沒有特殊的要求，但在比較方法中需要實現
對象比較規則，這個方法實現後，就可以把這方名字作為參數委託給List的Sort方法，Sort方法在排序時會執行這個方法對List中的對象進行比較
需要編寫一個對象排序比較的方法，對List中的元素對象沒有特殊的要求，但在比較方法中需要實現對象比較規則，這個方法實現後，就可以把這方名字作為參
數委託給List的Sort方法，Sort方法在排序時會執行這個方法對List中的對象進行比較

【解析：】第四種方法
4，帶有比較器參數，可以指定排序范圍的Sort方法----Sort(Int32, Int32 IComparer(T))
對於第四排序方法，實際是第二種比較器排序的一個擴展，在指定排序比較器的同時，指定排序范圍，即List中准備排序的開始元素索引和結束元素索引

㈧ 幾種常見的排序演算法分析學習

排序演算法一般分為以下幾種： （1）非線性時間比較類排序：交換類排序（快速排序和冒泡排序）、插入類排序（簡單插入排序和希爾排序）、選擇類排序（簡單選擇排序和堆排序）、歸並排序（二路歸並排序和多路歸並排序）；（2）線性時間非比較類排序：計數排序、基數排序和桶排序。

㈨ 推薦演算法中有哪些常用排序演算法

外排序、內排序、插入類排序、直接插入排序、希爾排序、選擇類排序。

推薦演算法是計算機專業中的一種演算法，通過一些數學演算法，推測出用戶可能喜歡的東西，應用推薦演算法比較好的地方主要是網路。所謂推薦演算法就是利用用戶的一些行為，通過一些數學演算法，推測出用戶可能喜歡的東西。

在基於內容的推薦系統中，項目或對象是通過相關特徵的屬性來定義的，系統基於用戶評價對象的特徵、學慣用戶的興趣，考察用戶資料與待預測項目的匹配程度。用戶的資料模型取決於所用的學習方法，常用的有決策樹、神經網路和基於向量的表示方法等。基於內容的用戶資料需要有用戶的歷史數據，用戶資料模型可能隨著用戶的偏好改變而發生變化。

基於內容的推薦與基於人口統計學的推薦有類似的地方，只不過系統評估的中心轉到了物品本身，使用物品本身的相似度而不是用戶的相似度來進行推薦。