双向交替选择排序:一种改进的选择排序算法实现

本文详细介绍了如何实现一种改进的选择排序算法,该算法在奇数迭代中将最大元素放置到未排序区间的右端,在偶数迭代中将最小元素放置到未排序区间的左端。通过引入左右指针动态管理排序区间,并修正了常见的索引和范围错误,确保了排序的正确性与效率。

1. 算法背景与挑战

选择排序(selection sort)是一种简单直观的排序算法。它的基本思想是每一次从待排序的数据元素中选出最小(或最大)的一个元素,存放到序列的起始位置,直到全部待排序的数据元素排完。本教程将探讨一种变体的选择排序,其核心挑战在于:

  • 交替选择策略: 在奇数次迭代中,需要找到当前未排序区间内的某个特定值并将其放置到合适位置;在偶数次迭代中,则需要找到另一个特定值并放置到另一端。
  • 动态区间管理: 随着每次迭代完成一个元素的放置,未排序的区间会缩小,需要准确地维护这个区间。
  • 正确索引与范围: 错误地使用循环变量作为交换目标索引或在错误的范围内搜索,是实现此类算法时常见的陷阱。

原始实现中,一个常见的错误是将外层循环的迭代变量i直接用作元素交换的目标索引。然而,在双向交替排序中,元素的最终位置并非简单地由当前迭代次数决定,而是由未排序区间的左右边界动态决定。同时,搜索最小或最大元素的范围也必须限制在当前未排序的区间内。

2. 双向交替选择排序的核心逻辑

为了高效地实现这种双向交替选择排序并确保最终列表完全有序,我们引入两个指针 left 和 right 来界定当前未排序的子数组区间。left 指向未排序区间的起始(最左)索引,right 指向未排序区间的结束(最右)索引。每次迭代,我们根据迭代次数的奇偶性,在 [left, right] 区间内找到目标元素并将其放置到 left 或 right 指向的位置,然后相应地收缩 left 或 right 指针。

具体策略如下:

  1. 初始化: left 指向数组的第一个元素(索引 0),right 指向数组的最后一个元素(索引 n-1)。
  2. 迭代过程: 进行 n-1 次迭代(或直到 left >= right)。在每次迭代中:

    • 奇数迭代 (例如,第1、3、5...次迭代):

      • 在当前未排序区间 [left, right] 内找到最大元素。
      • 将该最大元素与 arr[right] 处的元素进行交换。
      • 将 right 指针向左移动一位 (right -= 1),表示最右端的元素已排序。
    • 偶数迭代 (例如,第2、4、6...次迭代):

      • 在当前未排序区间 [left, right] 内找到最小元素。
      • 将该最小元素与 arr[left] 处的元素进行交换。
      • 将 left 指针向右移动一位 (left += 1),表示最左端的元素已排序。

这种策略确保了在每次迭代中,一个元素被放置到其最终的排序位置,从而逐步将整个数组排序。

3. 示例代码实现

以下是使用 Python 实现双向交替选择排序的修正代码:

def ordenacao_por_selecao_modificada(arr):
    """
    实现一种改进的选择排序算法,交替地将最大/最小元素放置到数组的两端。

    Args:
        arr (list): 待排序的列表。
    """
    n = len(arr)
    if n = right 时,表示所有元素都已排序。
    # 这里的循环条件也可以是 while left = right: # 如果区间已重叠或交叉,则排序完成
            break

        if i % 2 == 1:  # 奇数迭代:找到最大值并放置到右端
            # 假设当前区间 [left, right] 的最右端元素是最大的
            indice_maior = right
            # 在 [left, right] 范围内寻找真正的最大值
            for j in range(left, right + 1):
                if arr[j] >

以上就是双向交替选择排序:一种改进的选择排序算法实现的详细内容,更多请关注骃骐网【www.myinqi.com】。

相关推荐:

Python 中 sorted() 遇到 NaN 时的排序行为解析

Python 内置 sorted() 在含 numpy.nan 的列表中表现非确定性,根本原因在于 NaN 不满足任何大小比较(如 < 恒返回 False),导致 Timsort 算法的比较逻辑失效,结果依赖元素顺序而非数值大小。 python 内置 `sorted()` 在含 `numpy.nan` 的列表中表现非确定性,根本原因在于 nan 不满足任何大小比较(如 ` 在 Python ...

如何在Python中根据对象的多个属性进行排序_使用operator.itemgetter函数

operator.itemgetter比lambda更适合多字段排序,因其是C实现、性能更优,支持字典/序列的多键取值,返回可复用函数;但不支持属性访问、缺失键默认值或混合升降序,需配合lambda等补充。 为什么 operator.itemgetter 比 lambda 更适合多字段排序 因为 itemgetter 是 C 实现的,调用开销更低,尤其在大数据量排序时性能更稳定;它还天然支持嵌套取...

高效提取目标数组中满足多组上下界条件的索引列表(基于排序+二分搜索)

本文介绍如何在Python中高效提取目标数组中落在多组动态上下界范围内的元素索引,重点对比原始逐条件布尔掩码法与基于排序+二分搜索(bisect/np.searchsorted)的优化方案,实测numpy版本性能提升达45倍。 本文介绍如何在Python中高效提取目标数组中落在多组动态上下界范围内的元素索引,重点对比原始逐条件布尔掩码法与基于排序+二分搜索(`bisect`/`np.searchs...

如何按年份+会议序号自然排序 pandas DataFrame 的列头

本文介绍如何对形如 "M1/2023"、"M10/2024" 的混合字符串列名,按“年份优先、会议序号次之”进行自然排序(natural sort),避免 "M10/2023" 错排在 "M2/2023" 之前的问题。 本文介绍如何对形如 "m1/2023"、"m10/2024" 的混合字符串列名,按“年份优先、会议序号次之”进行**自然排序(natural sort)**,避免 "m10/202...

如何按年份+会议序号对 Pandas DataFrame 列头进行自然排序

本文介绍如何将形如 "m1/2023"、"m10/2024" 的列名,按先年份后会议编号(支持数值型自然排序)重新排列,避免字符串排序导致的 "m10/2023" 错排在 "m2/2023" 之前的问题。 本文介绍如何将形如 "m1/2023"、"m10/2024" 的列名,按先年份后会议编号(支持数值型自然排序)重新排列,避免字符串排序导致的 "m10/2023" 错排在 "m2/2023" 之...

如何按年份和会议序号对 Pandas DataFrame 列头进行自然排序

本文介绍如何将形如 M1/2023、M2/2024 的混合列名,按「先年份、后会议编号」的逻辑进行稳定、可扩展的自然排序,避免 M10/2023 被错误排在 M2/2023 之前等问题。 本文介绍如何将形如 `m1/2023`、`m2/2024` 的混合列名,按「先年份、后会议编号」的逻辑进行**稳定、可扩展的自然排序**,避免 `m10/2023` 被错误排在 `m2/2023` 之前等问题。 ...

如何在Python中对字典按键或值进行排序_利用sorted函数与lambda

sorted()默认对字典键排序,按值排序需用sorted(d.items(), key=lambda x: x[1])或itemgetter(1),结果为列表,转字典需dict();字符串数字键需int(x[0])转数值排序。 sorted() 默认只排键,想按值排必须显式指定 key 参数 Python 字典本身无序(3.7+ 保持插入顺序但不等于“可排序”),sorted() 对字典直接调用...

PHP字符串转数组后如何排序键名?ksort与krsort使用方法

最直接的方法是使用ksort()或krsort()函数对数组键名进行升序或降序排序,二者均在原数组上操作;ksort()按键名默认以字符串方式升序排列,krsort()则为降序;若键名为数字字符串或混合格式,可通过指定SORT_NUMERIC或SORT_NATURAL等排序标志实现数值或自然排序;对于复杂排序逻辑,可使用uksort()配合自定义比较函数,按长度、子串等条件灵活排序;排序性能通常为...

交替选择排序:优化实现与常见陷阱解析

本教程详细探讨了一种特殊形式的选择排序算法,即“交替选择排序”。该算法在奇数迭代中寻找最小值并将其放置在当前未排序区间的左端,而在偶数迭代中寻找最大值并放置在右端。文章深入分析了实现过程中常见的错误,特别是关于交换位置和搜索范围的误用,并提供了一个基于动态左右指针的优化解决方案,旨在帮助读者准确理解并实现这一变体排序算法。1. 传统选择排序回顾 在深入了解交替选择排序之前,我们首先回顾一下经典的选...

Python如何实现排序_Python排序算法与应用实例

Python内置排序基于Timsort算法,结合归并排序与插入排序,兼具高效性与稳定性,适用于绝大多数场景;日常开发应优先使用list.sort()或sorted(),仅在学习、特定数据分布或极端优化需求下才考虑手写排序算法。 Python实现排序主要依赖其内置的list.sort()方法和sorted()函数,它们背后是高度优化的Timsort算法。此外,我们也可以根据特定需求或学习目的,手动实...