排序算法指南:选择排序

排序算法指南:选择排序

前言:

       选择排序(Selection Sort)是一种基础的排序算法,其核心思路是:在每一轮遍历中,从剩余未排序元素中选出最小(或最大)值,并将其放置在已排序序列的末端。

       对于排序算法的实现,由局部到整体的思路,先排序好一趟或一个元素,再排列多趟或全部元素。

     

        

一、选择排序的工作原理

        

以排序升序数组为例,工作原理如下:

初始化:假设当前数组中,前部分是已经排好序的,后部分是未排序的。

        

寻找最小(或最大)值:遍历未排序的部分,找出其中的最小值(或最大值)。

        

交换位置:将找到的最小值与当前未排序部分的第一个元素交换。

        

重复:缩小未排序部分的范围,重复以上步骤,直到整个数组排好序。

        

如下动图所示:

        

        

                

以上述数组为例,假设有一个待排列的数组为:[3,44,38,5,47,15,36,26,27,2,46,4,19,50,48]。

第一轮排序:

        

        当前未排序部分:[3, 44, 38, 5, 47, 15, 36, 26, 27, 2, 46, 4, 19, 50, 48]

        

        最小的值是 2。


        

        将 2 和未排序部分的第一个元素 3 交换,数组变为:[2, 44, 38, 5, 47, 15, 36, 26, 27, 3, 46, 4, 19, 50, 48]

        
第二轮排序:

        

        当前未排序部分:[44, 38, 5, 47, 15, 36, 26, 27, 3, 46, 4, 19, 50, 48]

        

        最小值是 3。

        

        将 3 和未排序部分的第一个元素 44 交换,数组变为:[2, 3, 38, 5, 47, 15, 36, 26, 27, 44, 46, 4, 19, 50, 48]

                
第三轮排序:

        

        当前未排序部分:[38, 5, 47, 15, 36, 26, 27, 44, 46, 4, 19, 50, 48]


        

        最小值是 4。

        

        将 4 和未排序部分的第一个元素 38 交换,数组变为:[2, 3, 4, 5, 47, 15, 36, 26, 27, 44, 46, 38, 19, 50, 48]

        
第四轮排序:



        当前未排序部分:[5, 47, 15, 36, 26, 27, 44, 46, 38, 19, 50, 48]

        

        最小值是 5(它已经排好序,所以不需要交换)。

        

        数组仍然是:[2, 3, 4, 5, 47, 15, 36, 26, 27, 44, 46, 38, 19, 50, 48]

        
第五轮排序:

        

        当前未排序部分:[47, 15, 36, 26, 27, 44, 46, 38, 19, 50, 48]



        最小值是 15。


        

        将 15 和未排序部分的第一个元素 47 交换,数组变为:[2, 3, 4, 5, 15, 47, 36, 26, 27, 44, 46, 38, 19, 50, 48]

        
第六轮排序:

        

        当前未排序部分:[47, 36, 26, 27, 44, 46, 38, 19, 50, 48]


        

        最小值是 19。

        

        将 19 和第一个元素 47 交换,数组变为:[2, 3, 4, 5, 15, 19, 36, 26, 27, 44, 46, 38, 47, 50, 48]

        
第七轮排序:

        

        当前未排序部分:[36, 26, 27, 44, 46, 38, 47, 50, 48]


        

        最小值是 26。

        

        将 26 和第一个元素 36 交换,数组变为:[2, 3, 4, 5, 15, 19, 26, 36, 27, 44, 46, 38, 47, 50, 48]

        
第八轮排序:



        当前未排序部分:[36, 27, 44, 46, 38, 47, 50, 48]

        

        最小值是 27。


        

        将 27 和第一个元素 36 交换,数组变为:[2, 3, 4, 5, 15, 19, 26, 27, 36, 44, 46, 38, 47, 50, 48]

        
第九轮排序:

        

        当前未排序部分:[36, 44, 46, 38, 47, 50, 48]

        

        最小值是 36(它已经排好序,所以不需要交换)。

        

        数组仍然是:[2, 3, 4, 5, 15, 19, 26, 27, 36, 44, 46, 38, 47, 50, 48]

        
第十轮排序:

        

        当前未排序部分:[44, 46, 38, 47, 50, 48]

        

        最小值是 38。


        

        将 38 和第一个元素 44 交换,数组变为:[2, 3, 4, 5, 15, 19, 26, 27, 36, 38, 46, 44, 47, 50, 48]

        
第十一轮排序:


        

        当前未排序部分:[46, 44, 47, 50, 48]

        

        最小值是 44。

        

        将 44 和第一个元素 46 交换,数组变为:[2, 3, 4, 5, 15, 19, 26, 27, 36, 38, 44, 46, 47, 50, 48]

        
第十二轮排序:

        

        当前未排序部分:[46, 47, 50, 48]



        最小值是 46(它已经排好序,所以不需要交换)。

        

        数组仍然是:[2, 3, 4, 5, 15, 19, 26, 27, 36, 38, 44, 46, 47, 50, 48]

        
第十三轮排序:

        

        当前未排序部分:[47, 50, 48]

        

        最小值是 47(它已经排好序,所以不需要交换)。


        

        数组仍然是:[2, 3, 4, 5, 15, 19, 26, 27, 36, 38, 44, 46, 47, 50, 48]

        
第十四轮排序:

        

        当前未排序部分:[50, 48]


        

        最小值是 48。

        

        将 48 和第一个元素 50 交换,数组变为:[2, 3, 4, 5, 15, 19, 26, 27, 36, 38, 44, 46, 47, 48, 50]

        
第十五轮排序:



        当前未排序部分:[50]



        只有一个元素,已经排好序,排序完成。

        

        最终排序结果:[2, 3, 4, 5, 15, 19, 26, 27, 36, 38, 44, 46, 47, 48, 50]

        

二、选择排序的代码实现

        

void SelectSort(int* a, int n) { //i控制的逻辑:需要n-1趟排序才能使得待排数组有序 for (int i = 0; i < n; i++) { //默认最小值下标为未排序元素中的第一个 int min_index = i; //j控制的逻辑:一趟排序中,寻找未排序元素的最小值所在的位置 //不与自己比较,从i+1开始寻找 for (int j = i+1; j < n ; j++) { if (a[j] < a[min_index]) { //更新下标 min_index = j; } } //交换 Swap(&a[i], &a[min_index]); } }

        

        

三、选择排序的优化

       

        当前版本的选择排序算法在每轮遍历中仅能确定一个最小值(或最大值)。我们考虑对其进行优化,使每轮排序能同时确定最大值和最小值,将最小值置于数组前端,最大值置于末尾,通过这种双端选择的方式,可显著提升排序效率。

        

void SelectSort(int* a, int n) { //定义两个位置, //begin:存放一趟排序中选出的最小值 int begin = 0; //end:存放一趟排序中选出的最大值 int end = n - 1; while (begin < end) //当begin>=end时,待排数组已经有序 { //定义两个下标 //mini:指向未排序元素中的最小值的下标 //maxi:指向未排序元素中的最大值的下标 //两者默认都初始化为begin int mini=begin; int maxi=begin; //i控制的逻辑:遍历未排序的数组元素 for (int i = begin+1; i <= end; i++) { if (a[i] < a[mini]) mini = i; if (a[i] > a[maxi]) maxi= i; } //找到了最小值元素的下标,进行交换 Swap(&a[begin], &a[mini]); //特别注意,若maxi在begin位置上 //将a[begin]与a[mini]交换后,此时最大值的元素被换在了mini的位置 //所以此时maxi的下标要更新未mini if (maxi == begin) { maxi = mini; } //找到了最大值元素的下标,进行交换 Swap(&a[end], &a[maxi]); begin++; end--; } }

一般情况:

        

        

特殊情况:

        

四、选择排序的时空复杂度

        

4.1 时间复杂度 

        

无论最好、最坏还是平均情况,选择排序的时间复杂度都是:O(n^2)

        

简单推导如下:

        

第 1 趟:从 n 个元素里找最小值,要比较 n−1次

        

第 2 趟:从剩下的 n-1 个元素里找最小值,要比较 n−2次

        



        

第 n-1 趟:比较 1 次

        

比较总次数为:(n−1) + (n−2) + ⋯ + 2 + 1 =  ( n - 1 ) * n / 2 

        

故而时间复杂度为O(n^2)

        

4.2 空间复杂度 

        

选择排序是原地排序,只需要常数个辅助变量(如保存当前最小值下标等),不需要额外开辟与 n 成比例的空间。

        

 因此空间复杂度为:O(1)

        

        

                

        

既然看到这里了,不妨关注+点赞+收藏,感谢大家,若有问题请指正。

Read more

【代码管理】在本地使用github和gitee之后,可能存在冲突,导致再次提交代码时提示Couldn‘t connect to server

【代码管理】在本地使用github和gitee之后,可能存在冲突,导致再次提交代码时提示Couldn‘t connect to server

大家好,我是全栈小5,欢迎来到《小5讲堂》。 这是《源代码管理工具》系列文章,每篇文章将以博主理解的角度展开讲解。 温馨提示:博主能力有限,理解水平有限,若有不对之处望指正! 目录 * 前言 * 错误提示 * 解决方案 * 方案1:临时关闭 Git 的代理设置(推荐先尝试) * 方案2:检查并启动代理服务 * 方案3:直接使用命令行取消代理后克隆 * 方案4:检查环境变量 * 针对 Windows 系统的具体操作 * 方法1:使用 Git Bash 或命令提示符 * 方法2:检查全局 Git 配置 * 验证解决方案 * 如果您确实需要代理 * 为什么会冲突 * 1. 代理配置冲突 * 问题原因: * 典型症状: * 2. 认证信息冲突 * SSH 密钥冲突:

By Ne0inhk

2024最新可用!GitHub/谷歌学术/Sci-Hub镜像站合集(附实测截图)

2024科研与开发者的网络工具箱:实测可用的学术与代码资源镜像指南 作为一名长期在代码与论文之间穿梭的开发者或研究者,你是否也经历过这样的时刻:一个关键的GitHub仓库打不开,无法查阅项目文档;一篇急需的文献在谷歌学术上卡在加载界面;或是Sci-Hub的主域名又一次失联,让你与重要的研究成果失之交臂。网络环境的波动,常常成为我们高效工作的最大障碍。这篇文章,正是为你准备的。它不是一份简单的网址清单,而是一份经过2024年上半年持续实测、对比分析后的动态生存指南。我们将深入探讨这些镜像服务的原理、各自的优劣、使用时的核心注意事项,并提供超越简单访问的进阶技巧。我们的目标,是让你手头始终握有几把可靠的“钥匙”,无论网络风向如何变化,都能顺畅地打开知识宝库的大门。 1. 镜像服务的本质:为什么我们需要它们? 在深入具体网址之前,我们有必要先理解“镜像”究竟是如何工作的。简单来说,镜像站点可以被看作是一个“影子”或“副本”。当原始网站(如 github.com)因为地理距离、网络策略或其他原因导致访问缓慢或不可达时,位于其他网络环境下的服务器会定期(或实时)抓取并同步原始网站的内容,

By Ne0inhk
OpenCode 免费使用 Kimi K2.5 完整指南:国产最强开源模型零成本体验

OpenCode 免费使用 Kimi K2.5 完整指南:国产最强开源模型零成本体验

什么是 Kimi K2.5? Kimi K2.5 是月之暗面 (Moonshot AI) 于 2026 年 1 月发布的开源多模态大模型,总参数量达 1 万亿,激活参数 320 亿,在多项基准测试中超越 Claude Opus 4.5,尤其在编程和 Agent 任务上表现卓越。 OpenCode 作为最热门的开源 AI 编程助手,现已正式支持 Kimi K2.5。更令人兴奋的是,通过多种渠道,你可以限时免费体验这款国产最强开源模型。本文将详细介绍配置方法和使用技巧。 为什么选择 Kimi K2.5? 在深入配置之前,先了解 Kimi K2.5

By Ne0inhk

本地部署 OpenClaw:让 AI 真正“干活”的开源智能体,从核心概念到实战全流程

本地部署 OpenClaw:让 AI 真正“干活”的开源智能体,从核心概念到实战全流程 这里写目录标题 * 本地部署 OpenClaw:让 AI 真正“干活”的开源智能体,从核心概念到实战全流程 * 一、核心概念:读懂 OpenClaw 与 Skills * 1. OpenClaw:本地优先的自主 AI 内核 * 2. Skills:AI 助手的“功能插件库” * (1)Skills 核心构成 * (2)加载路径与优先级 * (3)必装核心 Skills * 二、前置准备:部署前必做的 3 件事 * 1. 系统与硬件要求 * 2. 强制依赖安装

By Ne0inhk