STL 排序算法实现
C++ STL中提供了不少和排序相关的算法,包括堆排序(heap_sort)、排序(sort)、稳定排序(stable_sort)、局部排序(partial_sort),时间复杂度均为O(nlogn)。其中,对于堆排序,也提供了不少函数,像入堆push_heap、创建堆make_heap、出堆pop_heap,是否为堆is_heap等。首先要明确数据结构上堆的概念。对于一个迭代器区间上的元素,不管实际的数据结构如何,都可以逻辑上排成一个完全二叉树,如果树的每个父节点都不小于左右两个子节点,那么区间元素就构成了一个堆。
STL实现:
建堆:make_heap(_First, _Last, _Comp)
默认是建立最大堆的。对int类型,可以在第三个参数传入greater<int>()得到最小堆。
template <class RandomAccessIterator> void make_heap (RandomAccessIterator first, RandomAccessIterator last); template <class RandomAccessIterator, class Compare> void make_heap (RandomAccessIterator first, RandomAccessIterator last, Compare comp );
template <class RandomAccessIterator> void push_heap (RandomAccessIterator first, RandomAccessIterator last); template <class RandomAccessIterator, class Compare> void push_heap (RandomAccessIterator first, RandomAccessIterator last, Compare comp);
在堆中添加数据:push_heap (_First, _Last)
要先在容器中加入数据,再调用push_heap ()
在堆中删除数据:pop_heap(_First, _Last)
要先调用pop_heap()再在容器中删除数据
template <class RandomAccessIterator> void push_heap (RandomAccessIterator first, RandomAccessIterator last); template <class RandomAccessIterator, class Compare> void push_heap (RandomAccessIterator first, RandomAccessIterator last, Compare comp);
堆排序:sort_heap(_First, _Last)
排序之后就不再是一个合法的heap了
注意:sort_heap 第三个参数必须和堆结构对应,否则会出现错误!!比如为最小堆时,sort_heap参数必须为greater<int>(),得到的排序为从大到小;为最大堆时,参数缺省或者为less<int>(),得到的排序为从小到大。这是因为sort_heap实际就是一直在做pop,把堆顶的元素交换到最后。
#include<iostream> #include<algorithm> #include<functional> #include<vector> using namespace std; void printItem(vector<int> items) { for(vector<int>::iterator it = items.begin(); it != items.end(); ++it) cout<<*it<<" "; cout<<endl; } int main() { //freopen("input.txt","r",stdin); //freopen("output.txt","w",stdout); int numbers[] = {5,6,22,33,4,1,7,12,8,13}; vector<int> items(numbers, numbers + 10); cout<<"---------make heap-----------"<<endl; make_heap(items.begin(), items.end(), greater<int>());//第三个参数缺省或者是less<int>()时 为最大堆 printItem(items); cout<<"---------push heap-----------"<<endl; items.push_back(0); push_heap(items.begin(), items.end(), greater<int>()); printItem(items); cout<<"---------pop heap-----------"<<endl; pop_heap(items.begin(), items.end(), greater<int>()); items.pop_back(); printItem(items); cout<<"---------sort heap-----------"<<endl; sort_heap(items.begin(), items.end(), greater<int>()); printItem(items); return 0; }
函数声明
#include <algorithm> template< class RandomIt > void sort( RandomIt first, RandomIt last ); template< class RandomIt, class Compare > void sort( RandomIt first, RandomIt last, Compare comp );
使用方法非常简单,STL
提供了两种调用方式,一种是使用默认的<
操作符比较,一种可以自定义比较函数。可是为什么它通常比我们自己写的排序要快那么多呢?
实现原理
原来,STL
中的sort
并非只是普通的快速排序,除了对普通的快速排序进行优化,它还结合了插入排序和堆排序。根据不同的数量级别以及不同情况,能自动选用合适的排序方法。当数据量较大时采用快速排序,分段递归。一旦分段后的数据量小于某个阀值,为避免递归调用带来过大的额外负荷,便会改用插入排序。而如果递归层次过深,有出现最坏情况的倾向,还会改用堆排序。
普通的快速排序
普通快速排序算法可以叙述如下,假设S代表需要被排序的数据序列:
- 如果
S
中的元素只有0个或1个,结束。 - 取
S
中的任何一个元素作为枢轴pivot
。 - 将
S
分割为L
、R
两端,使L
内的元素都小于等于pivot
,R
内的元素都大于等于pivot
。 - 对
L
、R
递归执行上述过程。
快速排序最关键的地方在于枢轴的选择,最坏的情况发生在分割时产生了一个空的区间,这样就完全没有达到分割的效果。STL
采用的做法称为median-of-three
,即取整个序列的首、尾、中央三个地方的元素,以其中值作为枢轴。
分割的方法通常采用两个迭代器head
和tail
,head
从头端往尾端移动,tail
从尾端往头端移动,当head
遇到大于等于pivot
的元素就停下来,tail
遇到小于等于pivot
的元素也停下来,若head
迭代器仍然小于tail
迭代器,即两者没有交叉,则互换元素,然后继续进行相同的动作,向中间逼近,直到两个迭代器交叉,结束一次分割。
看一张来自维基百科上关于快速排序的动态图片,帮助理解。
内省式排序 Introsort
不当的枢轴选择,导致不当的分割,会使快速排序恶化为 O(n2)。David R.Musser于1996年提出一种混合式排序算法:Introspective Sorting
(内省式排序),简称IntroSort
,其行为大部分与上面所说的median-of-three Quick Sort
完全相同,但是当分割行为有恶化为二次方的倾向时,能够自我侦测,转而改用堆排序,使效率维持在堆排序的 O(nlgn),又比一开始就使用堆排序来得好。
代码分析
下面是完整的SGI STL sort()
源码(使用默认<
操作符版)
template <class _RandomAccessIter>
inline void sort(_RandomAccessIter __first, _RandomAccessIter __last) {
__STL_REQUIRES(_RandomAccessIter, _Mutable_RandomAccessIterator);
__STL_REQUIRES(typename iterator_traits<_RandomAccessIter>::value_type,
_LessThanComparable);
if (__first != __last) {
__introsort_loop(__first, __last,
__VALUE_TYPE(__first),
__lg(__last - __first) * 2);
__final_insertion_sort(__first, __last);
}
}
其中,__introsort_loop
便是上面介绍的内省式排序,其第三个参数中所调用的函数__lg()
便是用来控制分割恶化情况,代码如下:
template <class Size>
inline Size __lg(Size n) {
Size k;
for (k = 0; n > 1; n >>= 1) ++k;
return k;
}
即求lg(n)
(取下整),意味着快速排序的递归调用最多 2*lg(n) 层。
内省式排序算法如下:
template <class _RandomAccessIter, class _Tp, class _Size>
void __introsort_loop(_RandomAccessIter __first,
_RandomAccessIter __last, _Tp*,
_Size __depth_limit)
{
while (__last - __first > __stl_threshold) {
if (__depth_limit == 0) {
partial_sort(__first, __last, __last);
return;
}
--__depth_limit;
_RandomAccessIter __cut =
__unguarded_partition(__first, __last,
_Tp(__median(*__first,
*(__first + (__last - __first)/2),
*(__last - 1))));
__introsort_loop(__cut, __last, (_Tp*) 0, __depth_limit);
__last = __cut;
}
}
- 首先判断元素规模是否大于阀值
__stl_threshold
,__stl_threshold
是一个常整形的全局变量,值为16,表示若元素规模小于等于16,则结束内省式排序算法,返回sort
函数,改用插入排序。 - 若元素规模大于
__stl_threshold
,则判断递归调用深度是否超过限制。若已经到达最大限制层次的递归调用,则改用堆排序。代码中的partial_sort
即用堆排序实现。 -
若没有超过递归调用深度,则调用函数
__unguarded_partition()
对当前元素做一趟快速排序,并返回枢轴位置。__unguarded_partition()
函数采用的便是上面所讲的使用两个迭代器的方法,代码如下:template <class _RandomAccessIter, class _Tp> _RandomAccessIter __unguarded_partition(_RandomAccessIter __first, _RandomAccessIter __last, _Tp __pivot) { while (true) { while (*__first < __pivot) ++__first; --__last; while (__pivot < *__last) --__last; if (!(__first < __last)) return __first; iter_swap(__first, __last); ++__first; } }
-
经过一趟快速排序后,再递归对右半部分调用内省式排序算法。然后回到while循环,对左半部分进行排序。源码写法和我们一般的写法不同,但原理是一样的,需要注意。
递归上述过程,直到元素规模小于__stl_threshold
,然后返回sort
函数,对整个元素序列调用一次插入排序,此时序列中的元素已基本有序,所以插入排序也很快。至此,整个sort
函数运行结束。