runxinzhi.com
首页
百度搜索
算法导论8.34
题目:
如何在O(n)时间内,对0到n^2-1之间的n个整数进行排序
思路:
把整数转换为n进制再排序
代码:
#include <iostream> #include <cmath> using namespace std; int n, radix, length_A, digit = 2; void Print(int *A, int start, int end) { int i; for(i = start; i <= end; i++) { if(i == start)cout<<'{'; else cout<<' '; cout<<A[i]; } cout<<'}'<<endl; } //基数排序调用的稳定排序 void Stable_Sort(int *A, int *B, int k, int d) { int i, j; //将C数组初始化为0,用于计数 int *C = new int[k+1]; for(i = 0; i <= k; i++) C[i] = 0; int *D = new int[length_A+1]; for(j = 1; j <= length_A; j++) { //D[j]表示第[j]个元素的第i位数字 D[j] = A[j] % (int)pow(radix*1.0, d) / (int)pow(radix*1.0, d-1); //C[j]表示数字D[j]在数组A中出现的次数 C[D[j]]++; } //C[i]表示所以<=i的数字出现过的次数 for(i = 1; i <= k; i++) C[i] = C[i] + C[i-1]; //初始化B为0,B用于输出排序结果 for(i = 1; i <= length_A; i++) B[i] = 0; for(j = length_A; j >= 1; j--) { //如果<=D[j]的数字的个数是x,那么排序后A[j]应该出现在第x个位置,即B[x]=A[j] B[C[D[j]]] = A[j]; C[D[j]]--; } delete []C; delete []D; } //基数排序 void Radix_Sort(int *A, int *B) { int i, j; //依次对每一位进行排序,从低位到高位 for(i = 1; i <= digit; i++) { Stable_Sort(A, B, radix-1, i); //输入的是A,输出的是B,再次排序时要把输出数据放入输出数据中 for(j = 1; j <= length_A; j++) A[j] = B[j]; } } int main() { cin>>n; length_A = n; int *A = new int[n+1]; int *B = new int[n+1]; bool flag[1000] = {0}; int i; //生产n个随机的数据范围在0到n^-1之间 for(i = 1; i <= n; i++) { do { A[i] = rand() % (n*n); }while(flag[A[i]]); flag[A[i]] = 1; } Print(A, 1, n); radix = n; Radix_Sort(A, B); Print(A, 1, n); return 0; }
相关阅读:
SSE图像算法优化系列十七:多个图像处理中常用函数的SSE实现。
SSE图像算法优化系列十六:经典USM锐化中的分支判断语句SSE实现的几种方法尝试。
Tone Mapping算法系列二:一种自适应对数映射的高对比度图像显示技术及其速度优化。
SSE图像算法优化系列十五:YUV/XYZ和RGB空间相互转化的极速实现(此后老板不用再担心算法转到其他空间通道的耗时了)。
Android项目之JSON解析(3种解析技术详解)
Android 图片文字识别DEMO(基于百度OCR)
再谈如何将android studio项目转换成eclipse
集成百度OCR
异步任务AsyncTask使用解析
Nginx+IIS,Asp.Net 服务器配置
原文地址:https://www.cnblogs.com/windmissing/p/2559796.html
最新文章
【算法随记四】自动色阶、对比度、直方图均衡等算法的一些小改进。
【查虫日志】快速判断一副灰度图像中是否只有黑色和白色值(即是否为二值图像)过程中bool变量的是是非非。
【算法随记三】小半径中值模糊的急速实现(16MB图7.5ms实现) + Photoshop中蒙尘和划痕算法解读。
【算法随记二】线卷积积分及其在图像增强和特效方面的应用(一)。
【算法随记一】Canny边缘检测算法实现和优化分析。
SSE图像算法优化系列二十九:基础的拉普拉斯金字塔融合用于改善图像增强中易出现的过增强问题(一)
超越halcon速度的二值图像的腐蚀和膨胀,实现目前最快的半径相关类算法(附核心源码)。
SSE图像算法优化系列二十八:深度优化局部拉普拉斯金字塔滤波器。
SSE图像算法优化系列二十六:和时间赛跑之优化高斯金字塔建立的计算过程。
SSE图像算法优化系列二十五:二值图像的Euclidean distance map(EDM)特征图计算及其优化。
热门文章
有意思的数字盲水印的简单的实现。
CVPR论文《100+ Times Faster Weighted Median Filter (WMF)》的实现和解析(附源代码)。
SSE图像算法优化系列二十四: 基于形态学的图像后期抗锯齿算法--MLAA优化研究。
SSE图像算法优化系列二十三: 基于value-and-criterion structure 系列滤波器(如Kuwahara,MLV,MCV滤波器)的优化。
经典的同态滤波算法的优化及其应用参数配置。
SSE图像算法优化系列二十二:优化龚元浩博士的曲率滤波算法,达到约1000 MPixels/Sec的单次迭代速度
SSE图像算法优化系列二十一:基于DCT变换图像去噪算法的进一步优化(100W像素30ms)。
SSE图像算法优化系列二十:一种快速简单而又有效的低照度图像恢复算法。
SSE图像算法优化系列十九:一种局部Gamma校正对比度增强算法及其SSE优化。
SSE图像算法优化系列十八:三次卷积插值的进一步SSE优化。
Copyright © 2020-2023
润新知