一种快速排序算法的C语言实现

针对内部排序算法中的选择类排序，分析了冒泡排序法的优缺点，探讨了利用快速排序算法来改进算法效率，提出了一种三元素取中值来选择枢轴元素的方法，并用C语言予以实现。     

排序算法的选择

影响排序效率的首要因素是算法，但算法时间复杂性的“O”表示法仅反映了渐近特性，不能作为依据来选择排序算法。本文指出了影响排序效率的一些其它因素，在实际中还需要根据这些因素选择不同的算法；文章还给出了几种排序程序的实验数据，这些数据表明当待排序数据较多时，分配排序的程序在执行时间上具有明显的优势。     

Radix Sort——复杂度为O（n）的排序方法

在每一本讲算法的教科书中差不多都有讲排序的方法，从最初的选择排序、冒泡排序，到哈希排序、快速排序、堆排序，二叉树排序等等。一般的认为，通用排序中．最低的算法复杂度为O(n·LoG(n))，n是待排序的元素个数。那么有没有比这更快，算法复杂度更低的排序算法呢?在本文中，大家将会看到一种算法复杂度为0(n）的     

程序设计中常用的排序算法

针对程序设计中常出现的排序问题，介绍了六种常用的排序算法：插入排序、希尔排序、堆排序、归并排序、冒泡排序、快速排序，以及每种排序所需的时间复杂度，当对大量的数据排序时，以选择适应的算法，提高程序的执行速度。     

如何提高编程效率

本文主要通过slit算法的功能模块划分，在实现该运算中特别注意内存空间的分配与排序算法的选择，通过分析排序算法的优劣来选择适当的排序算法。文章最后总结该过程，得到如何提高编程效率的心得。     

按字节桶分配链接排序法

本文准备提出一种谓之按字节桶分配链接的新序方法，给出排序算法，流科和用Ｃ语言编写程序进行实验的结果。算法分析和实验结果都表明，该排序方法的时间复杂性Ｏ且与数据的分布情况，附加存储开销为（Ｎ＋５１２）ε。该排序方法不仅速度上明显快于快速排序法，而且在非均匀分布数据的民政部下了明显快于桶排序法。     

ASS算法分析与改进

本文提出了一种新的排序方法－－数轴分段排序算法，此方法彻底抛弃了传统排序算法对数据反复比较和交换两种操作，以数据值同空间的对应关系完成其排序过程。其排序运算量为Ｏ，达到了排序运算量的下限。     

面向排序学习的锦标赛排序特征选择方法

排序问题在信息检索领域是一个非常重要的课题。虽然排序学习模型的算法早已被深入研究,但针对排序学习算法中的特征选择的研究却很少。现实的情况是,许多用于分类的特征选择方法被直接应用到排序学习中。但由于排序和分类有着显著的差异,应研究出针对排序的特征选择算法。文中在介绍常用的排序学习的特征选择方法的基础上,提出了一种全新的、适用于QA问题的排序学习的特征选择方法一锦标赛排序特征选择方法。实验结果显示,这种新的特征选择方法在提高特征提取效率和降低特征向量维数方面都有显著改善。     

分档混合排序算法

对传统典型的几种排序算法：直接比较排序、冒泡排序、快速排序、分档排序与基数排序的效率进行了全面的分析与比较，在此基础上提出了一种称之为分档混合排序算法的新的排序算法，并用算例说明了它的优越性。     

常用排序算法的比较

排序是一种非常重要的算法,其方法也是多种多样,列举出几种常用排序的基本思想、算法实现及算法分析,并在最后给出这些排序算法的比较和选择。     

一种新的分"档"置换插入排序算法

近年来，人们提出了众多时间复杂度为O（n）的排序算法．但分析研究结果表明，上述排序方法都不同程度上存在着以下两点不足：（1）附加存储空间开销大，（2）排序效率过分依桢于关键字的均匀分布．基于此，表文提出了一种由分“档”、整体置换和局部直接插入排序所组成的新排序算法——分“档”置换插入排序法．算法分析和实验结果都表明：该排序方法与待排序数据分布无关，其时间复杂度为O（n），而附加存储空间开销少于0．5n，同时排序速度明显优于QuickSort、HeapSort、按字节桶分配链接排序、ProportionSplitSort等算法．     

4路插入排序法

提出一种4路插入的排序方法。给出了算法思想、算法描述、算法分析和实验结果。其理论意义是改进了一类时间复杂度为O（N^2）排序法的时间复杂度，其实用价值是该排序法存一类时间复杂度为O（N^2）排序法中排序效率较高的，其平均排序速度比直接插入排序法、选择排序法、冒泡排序快66％以上。     

按位段分块排序法

本文提出一种按位段分块的新排序方法，给出了算法描述，算法分析和实验结果，并对此作了较详细的讨论，其理论意义是在基于比较的排序法中引入映身的思想，使该排序方法的平均时间复杂度达到Ｏ（Ｎｌｏｇ２（Ｎ／Ｍ）（其中Ｍ是块的个数）其实用价值是比基于比较的排序算法具有高效的效率且与数据类型，范围无关。     

面向排序学习的特征分析的研究

排序是信息检索中一个重要的环节,当今已经提出百余种用于构建排序函数的特征,如何利用这些特征构建更有效的排序函数成为当今的一个热点问题,因此排序学习（Learning to Rank）,一个信息检索与机器学习的交叉学科,越来越受到人们的重视。从排序特征的构建方式易知,特征之间并不是完全独立的,然而现有的排序学习方法的研究,很少在特征分析的基础上,从特征重组与选择的角度,来构建更有效的排序函数。针对这一问题,提出如下的模型框架：对构建排序函数的特征集合进行分析,然后重组与选择,利用排序学习方法学习排序函数。基于这一框架,提出四种特征处理的算法：基于主成分分析的特征重组方法、基于MAP、前向选择和排序学习算法隐含的特征选择。实验结果显示,经过特征处理后,利用排序学习算法构建的排序函数,一般优于原始的排序函数。     

一种新的外排序方法

本文提出一种谓之代码转换，分档外排序的新排序方法。给出排序算法及用Ｃ语言编程进行实验的结果。算法分析和实验结果都表明在被排数据的均匀分布的情况下整个排序过程只需对外存储器上的数据进行两次读写，所以该排序方法是一种速度极快的外排序方法。     

双向插入排序法

本文提出一种双向插入的排序方法。给出了算法思想、算法描述、算法分析和实验结果。其理论意义是改进了插入排序法的时间复杂度，其实用价值是该排序法比直接插入排序法具有较高的排序效率。     

基于数据分布特性的快速排序

文中提出了一种基于数据分析特性的快速排序算法，根据被排数据的分布行性，选择数据比较次数和数据移动次数较少的排序算法，当被排数据存在ｍ个有序序列时，其算法的时间复杂度为Ｏ（ｎｌｏｇ２ｍ）其中ｍ∈（１，ｃｆ√ｎ），ｃ为某一常数，其最佳性能为Ｏ（ｎ）。当ｍ≥ｃ（√ｎ）时，保持快速排序的最佳平均性能，使排序运行于较优状态下。     

基于C语言排序算法的设计与实现

伴随着社会的发展,数据也变得越来越庞大.面对海量的资料,如果信息没有进行排序,就会大大增加工作难度.本文对三种排序算法(冒泡排序、选择排序、直接插入排序)进行设计,并利用C语言实现这三种算法.     

按位段计数排序法

本文提出一种按位段计数的排序方法。讨论了该排序法几个关键问题的解决方法，给出了算法思想、算法描述、算法分析和实验结果。其理论意义是该排序法的时间复杂度达到0(N)，其实用价值是该排序法具有较高的排序效率以及与数据类型、分布、范围无关。     

基于链表的对分排序算法及实现

针对以链表为存储结构的数据对象进行排序方法研究，具体描述了对分排序的算法思想，并给出了实现排序算法的有关函数。