一趟掃描演算法是什麼

❶ 關於《操作系統》中的磁碟調度演算法

（1）先來先服務調度演算法
由於該演算法就是按照磁軌請求序列的先後次序依次訪問磁軌的，因此磁軌的訪問序列（服務順序）就是：
110、180、32、115、15、120、60、70。
當前磁頭在50號磁軌。故磁頭移動道數為：
（110-50）+（180-110）+（180-32）+（115-32）+（115-15）+（120-15）+（120-60）+（70-60）=60+70+148+83+100+105+60+10=636
（2）單向掃描調度演算法
該演算法是沿磁頭移動方向訪問距離當前磁軌最近的磁軌，當到達一個頂端時立刻返回到另一個頂端繼續掃描。本題磁頭移動方向是磁軌增加的方向，當前磁頭在50號磁軌。因此磁軌的訪問序列（服務順序）就是：60、70、110、115、120、180、15、32。而磁頭移動道數與前面（1）問差不多，也是兩兩相減，然後求和。在此略

❷ 誰能講一下冒泡排序原理

冒泡排序演算法的原理如下：

1.比較相鄰的元素。如果第一個比第二個大，就交換他們兩個。

2.對每一對相鄰元素做同樣的工作，從開始第一對到結尾的最後一對。在這一點，最後的元素應該會是最大的數。

3.針對所有的元素重復以上的步驟，除了最後一個。

4.持續每次對越來越少的元素重復上面的步驟，直到沒有任何一對數字需要比較。

(2)一趟掃描演算法是什麼擴展閱讀：

演算法優化：當裡面的一層循環在某次掃描中沒有交換則說明此時數組已經全部有序，無需再再次掃描。

所以可以添加一個標記每交換一次就進行標記，如果某次沒有沒有標記就說明已經有序了

寫冒泡排序可以排序多個字元串。假設對4個字元串進行排序，每個字元串不超過10個 ，那麼可以把這三個字元串看成一個二維數組，這樣一個一位數組的指針就可以訪問該數組，然後根據冒泡排序的原理就可以排序了。

冒泡排序就是把小的元素往前調或者把大的元素往後調。比較是相鄰的兩個元素比較，交換也發生在這兩個元素之間。

所以，如果兩個元素相等，是不會再交換的；如果兩個相等的元素沒有相鄰，那麼即使通過前面的兩兩交換把兩個相鄰起來，這時候也不會交換，所以相同元素的前後順序並沒有改變，所以冒泡排序是一種穩定排序演算法。

❸ 常見排序演算法以及對應的時間復雜度和空間復雜度

排序 ：將雜亂無章的數據，按照一定的方法進行排列的過程叫做排序。

排序大的分類可分為 內排序 和 外排序 ，不需要訪問外存就能進行排序的叫做內排序。

排序也可以分為 穩定排序 和 不穩定排序

穩定排序 ：假設在待排序的文件中，存在兩個或兩個以上的記錄具有相同的關鍵字，在用某種排序法排序後，若這些相同關鍵字的元素的相對次序仍然不變，則這種排序方法是穩定的。即；若 a[i]=a[j] , a[i] 在 a[j] 之前，經過排序後 a[i] 依然在 a[j] 之前。冒泡排序、直接插入排序、二分插入排序、歸並排序，基數排序都是穩定排序。
不穩定排序 ：直接選擇排序、堆排序、快速排序、希爾排序，猴子排序。

以升序為例，比較相鄰的元素，如果第一個比第二個大，則交換他們兩個。如果兩個元素一樣大，則繼續比較下一對。所以冒泡排序是一種穩定排序。

選擇一個基準元素,通常選擇第一個元素或者最後一個元素,通過一趟掃描，將待排序列分成兩部分,一部分比基準元素小,一部分大於等於基準元素,此時基準元素在其排好序後的正確位置,然後再用同樣的方法遞歸地排序劃分的兩部分。快速排序是不穩定排序。

將序列分為兩個部分{{有序序列},{無序}}，每次處理就是將無序數列的第一個元素與有序數列的元素從後往前逐個進行比較，找出插入位置，將該元素插入到有序數列的合適位置中。如果碰到相等的元素，就會把它插入到想等元素後面，順序不會改變，所以直接插入排序是穩定排序。

在直接插入排序的基礎上，對有序序列進行劃分。例如：序列為 {{a[0]......a[i-1]},a[i]} 其中 {a[0]......a[i-1]} 為有序序列，取 a[(i-1)/2] ，將其與 a[i] 比較，即可確定 a[i] 的范圍 (a[0]...a[(i-1)/2] 或者 a[(i-1)/2]...a[i-1]) ,然後繼續在已確定的范圍內進行二分。范圍依次縮小為： 1/2、1/4、1/8、1/16...... 可快速確定a[i]應該插入的位置。二分插入排序也是穩定排序。

將整個序列分割成若干個小的子序列，每個子序列內分別進行插入排序。一般情況下步長取n/2。直到最後一次步長為1，即所有元素在一個組中進行排序。由於希爾排序是先將整個序列劃分為多個子序列進行排序，相同的元素順序在這個過程中順序可能會被打亂，所以希爾排序是不穩定排序。

從待排序的數據元素中，選出最小或最大的元素與序列第一個數交換。直到所有數據排完。直接選擇排序是不穩定排序。例如： {3，3，1} ，第一次排序就將1和第一個3交換，想等元素的順序改變了。

以n=10的一個數組49, 38, 65, 97, 26, 13, 27, 49, 55, 4為例

堆排序是一種樹形選擇排序，是對直接選擇排序的有效改進。
最大堆:每個節點的值都大於等於它的孩子節點。
最小堆:每個節點的值都小於等於它的孩子節點。
最大堆第0個數據是最大數，最小堆第0個數據是最小數。
堆排序是不穩定排序

思想

歸並排序是建立在歸並操作上的一種有效的排序演算法。該演算法是採用分治法（Divide and Conquer）的一個非常典型的應用。
如何將兩個有序序列合並？(升序)
{a[0]......a[i-1]},{b[0]......b[j-1]}
若 b[0]<a[0] ，取 b[0] 放入數組 c 中，然後繼續比較數組 a 和 b 中的第一個元素，直到數組 a 和 b 中最後一對元素比較完成。

思想

將數組分成二組 a , b 如果這二組組內的數據都是有序的，那麼就可以按照上述方法對這二組數據進行排序。如果這二組數據是無序的？
可以將 a , b 組各自再分成二組。遞歸操作，直到每個小組只有一個數據，每個小組只有一個元素所以我們可以認為它已經是有序序列，然後進行合並。
先分解後合並。
歸並排序是穩定排序

將所有待比較數值（正整數）統一為同樣的數位長度，數位較短的數前面補零。從最低位起從0-9依次掃描序列，一邊掃描一邊將掃描到的數據加到新的序列中，得到一個序列。然後比較高一位，重復上述操作，直到最高位排序完成。數列就變成一個有序序列。基數排序是穩定排序。

以全是二位數的序列舉例

無限猴子定理 :指一隻猴子隨機在打字機鍵盤上按鍵，最後必然可以打出法國國家圖書館的每本圖書。

時間復雜度最低1次，最高可執行到世界的盡頭。。。

❹ 目前常用的磁碟調度演算法有哪幾種每種演算法優先考慮的問題是什麼

(1)先來先服務(FCFS，First-Come First-Served)
此演算法根據進程請求訪問磁碟的先後次序進行調度。
(2)最短尋道時間優先(SSTF ，ShortestSeekTimeFirst)
該演算法選擇這樣的進程，其要求訪問的磁軌與當前磁頭所在的磁軌距離最近，以使每次的尋道時間最短，但這種調度演算法卻不能保證平均尋道時間最短。
(3)掃描(SCAN)演算法
SCAN演算法不僅考慮到欲訪問的磁軌與當前磁軌的距離，更優先考慮的是磁頭的當前移動方向。
(4)循環掃描(CSCAN)演算法
CSCAN演算法規定磁頭單向移動，避免了掃描演算法導致的某些進程磁碟請求的嚴重延遲。
(5) N-Step-SCAN和FSCAN調度演算法
1) N-Step-SCAN演算法。為克服前述SSTF、SCAN、CSCAN等調度演算法都可能出現的磁臂停留在某處不動的情況即磁臂粘著現象，將磁碟請求隊列分成若干個長度為N的子隊列，按先來先服務演算法依次處理這些子隊列，而各隊列分別以掃描演算法進行處理。
2) FSCAN演算法
FSCAN演算法實質上是N步SCAN演算法的簡化。它只將磁碟請求訪問隊列分成兩個子隊列。一是當前所有請求磁碟I/O的進程形成的隊列，由磁碟調度按SCAN演算法進行處理。另一個隊列則是在 掃描期間，新出現的所有請求磁碟I/O進程的隊列，放入另一等待處理的請求隊列。這樣，所有的新請求都將被推遲到下一次掃描時處理。

❺ 排序演算法的時間復雜度如何

排序演算法的時間復雜度是若文件的初始狀態是正序的，一趟掃描即可完成排序。

比較是相鄰的兩個元素比較，交換也發生在這兩個元素之間。所以，如果兩個元素相等，是不會再交換的；如果兩個相等的元素沒有相鄰，那麼即使通過前面的兩兩交換把兩個相鄰起來，這時候也不會交換，所以相同元素的前後順序並沒有改變，所以冒泡排序是一種穩定排序演算法。

次線性時間

對於一個演算法，若其匹配T(n) = o(n)，則其時間復雜度為次線性時間（sub-linear time或sublinear time）。實際上除了匹配以上定義的演算法，其他一些演算法也擁有次線性時間的時間復雜度。例如有O(n)葛羅佛搜索演算法。

常見的非合次線性時間演算法都採用了諸如平行處理（就像NC1matrix行列式計算那樣）、非古典處理（如同葛羅佛搜索那樣），又或者選擇性地對有保證的輸入結構作出假設（如冪對數時間的二分搜索）。

不過，一些情況，例如在頭 log(n) 比特中每個字元串有一個比特作為索引的字元串組就可能依賴於輸入的每個比特，但又匹配次線性時間的條件。

「次線性時間演算法」通常指那些不匹配前一段的描述的演算法。它們通常運行於傳統計算機架構系列並且不容許任何對輸入的事先假設。但是它們可以是隨機化演算法，而且必須是真隨機演算法除了特殊情況。

❻ 從n個數中取出m個最大的最好的演算法是什麼

有很多演算法，復雜度也不盡相同。以下簡單舉幾個例子：
1. n×m遍掃描
【演算法基本描述】n×m遍掃描
【演算法思想】每次都掃描一遍數組，取出最大元素，這樣掃描m遍就能得到m個最大的數
【演算法復雜度】O(nm)

2.排序後取最大m個數
【演算法基本描述】對n個數排序，對拍完序後的序列取m個最大的數
【演算法復雜度】視排序的復雜度，一般為O(nlogn)或O(n^2)

3.最小堆
【演算法基本描述】一遍掃描+最小堆
【演算法偽代碼】
00-建立一個最小堆（優先隊列），最小堆的大小控制在m之內
01-for 每個數：
02-----if 這個數比最小堆的堆頂元素大：
03---------彈出最小堆的最小元素
04---------把這個數插入到最小堆
05-最小堆中的m個元素就是所要求的元素
06-其中最小堆的作用就是保持裡面始終有m個最大元素，且m個元素中最小的元素在堆頂。
【演算法復雜度】O(nlogm) 遍歷O(n) 最小堆O(logm)
【其他】如果要求n個數中取最小的m個，只要把演算法反一下即可

總結：當n與m差不多大時，採用復雜度較低的排序是比較可取的，因為簡單。當m<<n時，排序是很浪費時間的，因為我們不需要後(n-m)個數，所以可以採用最小堆的方法。
我不敢說我的演算法是最好的，但是它一定是一個復雜度較低的演算法。