博客
关于我
SWUST OJ 1099: 希尔排序算法实现
阅读量:653 次
发布时间:2019-03-15

本文共 691 字,大约阅读时间需要 2 分钟。

希尔排序算法实现

题目描述

编程实现希尔排序算法,按照非递减排序,测试数据为整数。

输入

第一行是待排序数据元素的个数n;

第二行是待排序的数据元素。

输出

一趟希尔排序后的结果。

样例输入

10

50 36 41 19 23 4 20 18 12 22

样例输出

4 20 18 12 22 50 36 41 19 23

思路

希尔排序是一种插入排序的方法,实际上是一种分组插入的方法。先定一个小于n的整数gap1作为第一个增量,把表的全部记录分成gap1个组,所有距离为gap1的倍数的记录放在同一个组中,在各组内进行直接插入排序;然后,取第二个增量gap2(<d1),重复上述的分组和排序,直至所取的增量gapt=1(gapt<gapt-1<…<gap2<gap1),即所有记录放在同一组中进行直接插入排序为止。

这里给出一个希尔排序的图片:

【实例】运用希尔排序将10个数9 1 2 5 7 4 8 6 3 5进行递增排序。

include <stdio.h>

int main(){

int n, data[1000], gap, temp, i;scanf("%d",&n);for(i=0; i

}

上述代码仅为参考,欢迎互联网的广大朋友们提出指正。

希尔排序的实现步骤

增量gap置初值,寻找序列长度n,令gap=n/2;

while循环直到gap≤0结束(因为是第一趟所以这步可以不用管)

① 根据条件进行插入排序(递增小在前大在后,递减则反之。)

② 减小增量(因为是第一趟所以这步可以不用管)

输出数据

注:以上代码仅供参考,实际实现时需根据具体需求调整参数。

转载地址:http://wimlz.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | 如何使用YOLO-World做目标检测
查看>>
OpenCV与AI深度学习 | 如何使用YOLOv9分割图像中的对象
查看>>
OpenCV与AI深度学习 | 如何使用YOLOv9检测图片和视频中的目标
查看>>
OpenCV与AI深度学习 | 如何在 Docker 容器中使用 GPU
查看>>
OpenCV与AI深度学习 | 实战 | OpenCV中更稳更快的找圆方法--EdgeDrawing使用演示(详细步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | OpenCV传统方法实现密集圆形分割与计数(详细步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | OpenCV实现扫描文本矫正应用与实现详解(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | YOLO11自定义数据集训练实现缺陷检测 (标注+训练+预测 保姆级教程)
查看>>
OpenCV与AI深度学习 | 实战 | YOLOv10模型微调检测肾结石并提高准确率
查看>>
OpenCV与AI深度学习 | 实战 | 使用OpenCV和Streamlit搭建虚拟化妆应用程序(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 使用OpenCV确定对象的方向(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 使用YOLOv8 Pose实现瑜伽姿势识别
查看>>
OpenCV与AI深度学习 | 实战 | 使用YoloV8实例分割识别猪的姿态(含数据集)
查看>>
OpenCV与AI深度学习 | 实战 | 使用姿态估计算法构建简单的健身训练辅助应用程序
查看>>
OpenCV与AI深度学习 | 实战 | 基于OpenCV和K-Means聚类实现颜色分割(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YoloV5和Mask RCNN实现汽车表面划痕检测(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YOLOv9+SAM实现动态目标检测和分割(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YOLOv9和OpenCV实现车辆跟踪计数(步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 实战 | 文本图片去水印--同时保持文本原始色彩(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 通过微调SegFormer改进车道检测效果(数据集 + 源码)
查看>>