目录
一. 归并排序
1.1 归并排序的数据算法数排实现思想
1.2 归并排序的递归实现
1.2.1 归并排序递归实现的思想
1.2.2 归并排序递归实现的代码
1.3 归并排序的非递归实现
1.3.1 归并排序非递归实现的思想
1.3.2 归并排序非递归实现的代码
1.4 归并排序的时间复杂度分析
二. 计数排序
2.1 计数排序的思想
2.2 计数排序函数代码
2.3 计数排序的时间复杂度、空间复杂度及适用情况分析
归并排序采用分治的思想实现，对于具有n个数据的待排序数组，先将其前半部分和后半部分都排列为有序，然后将前半部分和后半部分视为不同的两个有序序列，将这两个有序序列合并，得到的新的有序序列就是原序列排序后的结果 。图1.1展示了归并排序的排序排序实现过程 。
由图1.1，为了保证前半部分和后半部分有序，在将数组拆分为两部分后继续拆分，直到每组数据中仅有一个数据，单个数据可视为有序序列 。完成整体拆分后，即拆到每组只有一个数据，将数据合并为每组两个数据，每组的归并两个数据有序，之后继续执行合并操作，直到数组中所有数据有序 。
void _MergeSort(int* a, int* tmp, int left, int right){//如果区间左值大于等于区间右值，停止拆分if (left >= right){return;}int mid = (left + right) / 2;_MergeSort(a, tmp, left, mid); //左区间归并排序_MergeSort(a, tmp, mid + 1, right); //右区间归并排序//区间[left,mid] [mid+1,right]中的数据均有序//合并两组数据成新的有序序列int begin1 = left, end1 = mid; //左区间的起始下标和结束下标int begin2 = mid + 1, end2 = right; //右区间的起始下标和结束下标//排升序int index = begin1; //控制tmp的下标//先将[left,right]区间的数据按顺序排序存入tmp的[left,right]，然后拷贝会原数组awhile (begin1 <= end1 && begin2 <= end2){if (a[begin1] <= a[begin2]){tmp[index++] = a[begin1++];}else{tmp[index++] = a[begin2++];}}while (begin1 <= end1){tmp[index++] = a[begin1++];}while (begin2 <= end2){tmp[index++] = a[begin2++];}//将tmp中的数据拷贝回afor (int i = left; i <= right; ++i){a[i] = tmp[i];}}void MergeSort(int* a, int n) //递归实现归并排序函数{assert(a);//开辟临时空间存储用于临时存储部分排序后的数据int* tmp = (int*)malloc(n * sizeof(int)); if (NULL == tmp){printf("malloc failn");exit(-1);}_MergeSort(a, tmp, 0, n - 1);free(tmp);tmp = NULL;}归并排序的非递归实现思想与递归类似，都是先将待排序数组中的有数据分组，先将数组中的每个数据单独视为一组，从左侧第一组数据开始，将每两个数据合并为新的组，然后继续按组合并数据，直到完成排序 。
与递归不同的和计是，非递归引入变量gap来控制两组待合并的有序序列首元素的下标之差 。如图1.2所示，取begin1和end1分别为左侧有序序列起始下标和结束下标，取begin2和end2位右侧有序序列的数据算法数排起始下标和结束下标，程序中用循环参数i来控制左侧有序序列起始下标，因此：左侧有序序列下标范围[i, i+gap-1]，即[begin1,end1]，右侧有序序列下标范围是[i+gap,i+2*gap-1]，即[begin2,end2] 。将左右两边的结构基础有序序列合并，使区间[begin1,end2]之间的数据有序。
更新gap的排序排序值依次为2 、4 、8 、....，重复执行上段叙述的操作，直到gap 图1.2展示的数组有n=8个数据，满足 图1.3展示了两种越界情况，当对7个数据进行排序时，gap=1时存在end1不越界，begin2和end2越界的情况，gap=2时存在end1和end2均越界，end2越界的情况 。 对于越界的处理可以分为两种情况讨论： 处理完越界的情况，即可执行两有序序列的合并操作，直到排序完成。 假设待排序的数据个数为N，观察图1.1可得，总共需要被拆分为 计数排序采用的是映射的思想，假设一组待排序数组中数据的最小值为min，最大值为max，开辟一块计数数组空间*count，其中count的空间大小应能存储range=max-min+1个数据，count[0]的值为最小值min出现的次数，count[1]的值为次小值出现的次数，...，count[range]为最大值max出现的次数 。根据count中每个数据的值对数据进行排序
。 如图2.1所示，对数组a[] = {-2,0,0,0,2,2,3}进行排序，其中min=-2，max=3，因此count应该能容纳range = 3-(-2)+1=6个数据 。数组a中，-2对应count下标为0的位置，-2出现一次，因此count[0]=1，-1对应下标为1的位置，-1出现0次，因此count[1]=0
。count[6]={1,0,3,0,2,1} 。 假设要对N个数据进行排序，计数排序首先要遍历一遍待排序数据获取计数数组count，遍历待排序数据的时间复杂度为 对于数据范围range较小，即max-min较小的一组数据，计数排序是八大排序算法中唯一能做到时间复杂度为 综上，得出结论： 黑帽SEO泛目录程序和ChatGPT是两种在网络领域中引人注目的工具 ，它们旨在为用户提供更好的体验和服务 。然而，这两种工具之间存在着显著的区别。本文将探讨黑帽SEO泛目录程序和ChatGPT各自的优势与挑战 。 黑帽SEO泛目录程序是一种以强制性链路注入方式 ，违反搜索引擎优化原则来提高网站排名的工具 。尽管在一些旧版搜索引擎中可能有效，但随着搜索引擎算法的升级
，黑帽SEO泛目录程序已经变得不再可行 。一方面 ，这种方法可能会导致网站被降权或封禁 ，从而影响网站的可信度和可持续发展
。另一方面 ，黑帽SEO泛目录程序的操作需要技术专业知识，对于普通网站主来说相对困难。 相比之下
，ChatGPT是一种利用人工智能技术的自动化对话生成工具 。它使用大规模的语料库进行训练，并能够生成与人类对话类似的回应 。ChatGPT具有广泛的应用领域 ，可以用于客户服务、内容创作等 。然而
，ChatGPT的训练数据决定了其生成回答的准确性和合理性
。因此 ，在特定领域的问题上
，ChatGPT可能会出现错误或不准确的答案 。 黑帽SEO泛目录程序和ChatGPT各有优劣 。黑帽SEO泛目录程序在现代搜索引擎环境下已经不再实用
，而ChatGPT则为用户提供了一个自动对话生成工具，具有广阔的应用前景 。然而
，在使用ChatGPT时 ，我们需要理解其局限性
，并确保其合理使用
，以避免误导用户和滥用风险。
，因此，begin1、end1 、begin2、end2全部没有发生越界，但是，如果待排序数据个数不满足
，那么end1 、begin2 、end2则有可能发生越界，begin1一定不会发生越界
。越界可分三种情况进行讨论：
1.3.2 归并排序非递归实现的代码
//归并排序非递归实现void MergeSortNonR(int* a, int n){assert(a);int* tmp = (int*)malloc(n * sizeof(int)); //临时存储排序好的数据if (NULL == tmp){printf("malloc failn");exit(-1);}int gap = 1; //左右两侧的有序序列下标差while (gap < n){int i = 0; //循环参数for (i = 0; i < n; i += 2 * gap){//划分左右两侧区间的起始下标和终止下标//左侧：[begin1,end1]，右侧：[begin2,end2]int begin1 = i, end1 = i + gap - 1;int begin2 = i + gap, end2 = i + 2 * gap - 1;//当end1越界或begin2越界时，[begin2,end2]不存在，无需从tmp中拷贝数据//此时终止循环即可if (end1 >= n || begin2 >= n){break;}//仅有end2越界，end1和begin2不越界，[begin2,end2]存在//此时修改end2的值，使其不越界即可if (end2 >= n){end2 = n - 1;}//将[begin1,end1] [begin2,end2]两有序数据整合为一个有序序列int index = begin1;while (begin1 <= end1 && begin2 <= end2){if (a[begin2] < a[begin1]){tmp[index++] = a[begin2++];}else{tmp[index++] = a[begin1++];}}while (begin1 <= end1){tmp[index++] = a[begin1++];}while (begin2 <= end2){tmp[index++] = a[begin2++];}//将tmp中区间[begin1,end2]之间的数据拷贝回原数组a的对应区间int j = i;for (j = i; j <= end2; ++j){a[j] = tmp[j];}}gap *= 2; //更新gap}free(tmp);tmp = NULL;}1.4 归并排序的时间复杂度分析
层，拆分完成后逐层进行合并，每层合并需要遍历全部待排序数据，即每层要遍历数据N次，因此，整个合并过程要执行的操作次数可以近似认为是
，拆分过程执行的操作相对于合并过程可以忽略不计 。因此，归并排序的时间复杂度为：
。
二. 计数排序
2.1 计数排序的思想
2.2 计数排序函数代码
//计数排序函数void CountSort(int* a, int n){assert(a);int min = a[0];int max = a[0]; //数组a中最大值和最小值//获取数组中的最大值和最小值int i = 0;for (i = 1; i < n; ++i){if (a[i] > max){max = a[i];}if (a[i] < min){min = a[i];}}int range = max - min + 1; //数据的范围int* count = (int*)malloc(range * sizeof(int)); //计数数组if (NULL == count){perror("malloc");exit(-1);}memset(count, 0, range * sizeof(int)); //计数数组所有元素初始化为0for (i = 0; i < n; ++i){count[a[i] - min]++;}//将count中的计数情况拷贝回原数组aint index = 0;for (i = 0; i < range; ++i){while (count[i]--){a[index++] = i + min;}}free(count);count = NULL;}2.3 计数排序的时间复杂度 、空间复杂度及适用情况分析
，生成count后，要再遍历一遍count以获取排序后的序列，count中含有的数据个数为range=max-min+1，遍历count数组的时间复杂度为
，因此：计数排序的时间复杂度为
，空间复杂度为
。
的排序算法
。但对于range远大于N的一组数据，采用计数排序不仅效率低，且需要消耗大量的内存空间
。
chatgpt免费软件,chatgpt api 免费接口,chatgpt 聊天机器人教程,chatgpt 指令大全,chatgpt app
[数据结构基础]排序算法第四弹 -- 归并排序和计数排序黑帽SEO泛目录程序与ChatGPT ：各自的优势与挑战