1. Prinzip und Implementierung der einfachen Version des TimSort-Sortieralgorithmus
TimSort-Sortieralgorithmus ist der Standard-Sortieralgorithmus für Objektarrays in Python und Java. Der TimSort-Sortieralgorithmus ist im Wesentlichen ein Zusammenführungssortierungsalgorithmus, es wurden jedoch viele Optimierungen am Zusammenführungssortierungsalgorithmus vorgenommen. Die Daten, die wir im täglichen Leben sortieren müssen, sind normalerweise nicht völlig zufällig, sondern teilweise geordnet oder teilweise umgekehrt, sodass TimSort die geordneten Teile vollständig für die Zusammenführungssortierung nutzt. Jetzt stellen wir eine einfache Version des TimSort-Sortieralgorithmus bereit, der hauptsächlich die folgenden Optimierungen vornimmt:
1.1 Die ursprünglich geordneten Fragmente verwenden
Geben Sie zunächst eine minimale Zusammenführungslänge an. Überprüfen Sie die ursprünglich geordneten Fragmente im Array. Wenn die geordnete Länge kleiner als die angegebene Mindestzusammenführungslänge ist, erweitern Sie die geordneten Fragmente durch Einfügungssortierung (der Grund dafür besteht darin, das Zusammenführen von Fragmenten mit kleinerer Länge zu vermeiden, da diese Effizienz relativ gering ist ). Schieben Sie die Startindexposition und die geordnete Länge des geordneten Fragments auf den Stapel.
1.2 Vermeiden Sie das Zusammenführen eines längeren geordneten Fragments mit einem kleineren geordneten Fragment, da dies weniger effizient ist:
(1) Wenn sich ein geordnetes Fragment im Stapel befindet, verwenden wir mindestens drei Sequenzen X, Y, Z stellen die drei vorhandenen Sequenzfragmente von der Oberseite des Stapels nach unten dar, wenn die Längen der drei erfüllt sind
(1.1) Wenn Stapel
(1.2) Andernfalls entfernen Sie X und Y vom Stapel und schieben Sie das zusammengeführte Ergebnis auf den Stapel. Beachten Sie, dass wir den Stapel tatsächlich nicht öffnen. Es gibt einige Techniken beim Schreiben von Code, die den gleichen Effekt erzielen und effizienter sein können.
(2) Wenn die Bedingung von
1.3 Beim Zusammenführen zweier bereits geordneter Fragmente wird der sogenannte Galoppmodus verwendet, der die Länge der an der Zusammenführung beteiligten Daten reduzieren kann
Gehen Sie davon aus, dass zwei bereits geordnete Fragmente zusammengeführt werden müssen Die geordneten Fragmente sind X bzw. Y, wenn die ersten m Elemente des Ortes sind. Wenn die letzten n Elemente des Y-Fragments größer als das letzte Element von X sind, müssen die letzten n Elemente von Y auf die gleiche Weise nicht an der Zusammenführung teilnehmen. Dies reduziert die Länge des zusammengeführten Arrays (die einfache Version tut dies nicht) und reduziert auch die Länge der Daten, die zwischen dem zu sortierenden Array und dem Hilfsarray hin- und herkopiert werden, wodurch die Effizienz der Zusammenführung verbessert wird.
2. Java-Quellcode
package datastruct;
import java.lang.reflect.Array;
import java.util.Arrays;
import java.util.Random;
import java.util.Scanner;
public class SimpleTimSort<T extends Comparable<? super T>>{
//最小归并长度
private static final int MIN_MERGE = 16;
//待排序数组
private final T[] a;
//辅助数组
private T[] aux;
//用两个数组表示栈
private int[] runsBase = new int[40];
private int[] runsLen = new int[40];
//表示栈顶指针
private int stackTop = 0;
@SuppressWarnings("unchecked")
public SimpleTimSort(T[] a){
this.a = a;
aux = (T[]) Array.newInstance(a[0].getClass(), a.length);
}
//T[from, to]已有序，T[to]以后的n元素插入到有序的序列中
private void insertSort(T[] a, int from, int to, int n){
int i = to + 1;
while(n > 0){
T tmp = a[i];
int j;
for(j = i-1; j >= from && tmp.compareTo(a[j]) < 0; j--){
a[j+1] = a[j];
}
a[++j] = tmp;
i++;
n--;
}
}
//返回从a[from]开始，的最长有序片段的个数
private int maxAscendingLen(T[] a, int from){
int n = 1;
int i = from;
if(i >= a.length){//超出范围
return 0;
}
if(i == a.length-1){//只有一个元素
return 1;
}
//至少两个元素
if(a[i].compareTo(a[i+1]) < 0){//升序片段
while(i+1 <= a.length-1 && a[i].compareTo(a[i+1]) <= 0){
i++;
n++;
}
return n;
}else{//降序片段，这里是严格的降序，不能有>=的情况，否则不能保证稳定性
while(i+1 <= a.length-1 && a[i].compareTo(a[i+1]) > 0){
i++;
n++;
}
//对降序片段逆序
int j = from;
while(j < i){
T tmp = a[i];
a[i] = a[j];
a[j] = tmp;
j++;
i--;
}
return n;
}
}
//对有序片段的起始索引位置和长度入栈
private void pushRun(int base, int len){
runsBase[stackTop] = base;
runsLen[stackTop] = len;
stackTop++;
}
//返回-1表示不需要归并栈中的有序片段
public int needMerge(){
if(stackTop > 1){//至少两个run序列
int x = stackTop - 2;
//x > 0 表示至少三个run序列
if(x > 0 && runsLen[x-1] <= runsLen[x] + runsLen[x+1]){
if(runsLen[x-1] < runsLen[x+1]){
//说明 runsLen[x+1]是runsLen[x]和runsLen[x-1]中最大的值
//应该先合并runsLen[x]和runsLen[x-1]这两段run
return --x;
}else{
return x;
}
}else
if(runsLen[x] <= runsLen[x+1]){
return x;
}else{
return -1;
}
}
return -1;
}
//返回后一个片段的首元素在前一个片段应该位于的位置
private int gallopLeft(T[] a, int base, int len, T key){
int i = base;
while(i <= base + len - 1){
if(key.compareTo(a[i]) >= 0){
i++;
}else{
break;
}
}
return i;
}
//返回前一个片段的末元素在后一个片段应该位于的位置
private int gallopRight(T[] a, int base, int len, T key){
int i = base + len -1;
while(i >= base){
if(key.compareTo(a[i]) <= 0){
i--;
}else{
break;
}
}
return i;
}
public void mergeAt(int x){
int base1 = runsBase[x];
int len1 = runsLen[x];
int base2 = runsBase[x+1];
int len2 = runsLen[x+1];
//合并run[x]和run[x+1],合并后base不用变,长度需要发生变化
runsLen[x] = len1 + len2;
if(stackTop == x + 3){
//栈顶元素下移，省去了合并后的先出栈，再入栈
runsBase[x+1] = runsBase[x+2];
runsLen[x+1] = runsLen[x+2];
}
stackTop--;
//飞奔模式，减小归并的长度
int from = gallopLeft(a, base1, len1, a[base2]);
if(from == base1+len1){
return;
}
int to = gallopRight(a, base2, len2, a[base1+len1-1]);
//对两个需要归并的片段长度进行归并
System.arraycopy(a, from, aux, from, to - from + 1);
int i = from;
int iend = base1 + len1 - 1;
int j = base2;
int jend = to;
int k = from;
int kend = to;
while(k <= kend){
if(i > iend){
a[k] = aux[j++];
}else
if(j > jend){
a[k] = aux[i++];
}else
if(aux[i].compareTo(aux[j]) <= 0){//等号保证排序的稳定性
a[k] = aux[i++];
}else{
a[k] = aux[j++];
}
k++;
}
}
//强制归并已入栈的序列
private void forceMerge(){
while(stackTop > 1){
mergeAt(stackTop-2);
}
}
//timSort的主方法
public void timSort(){
//n表示剩余长度
int n = a.length;
if(n < 2){
return;
}
//待排序的长度小于MIN_MERGE,直接采用插入排序完成
if(n < MIN_MERGE){
insertSort(a, 0, 0, a.length-1);
return;
}
int base = 0;
while(n > 0){
int len = maxAscendingLen(a, base);
if(len < MIN_MERGE){
int abscent = n > MIN_MERGE ? MIN_MERGE - len : n - len;
insertSort(a, base, base + len-1, abscent);
len = len + abscent;
}
pushRun(base, len);
n = n - len;
base = base + len;
int x;
while((x = needMerge()) >= 0 ){
mergeAt(x);
}
}
forceMerge();
}
public static void main(String[] args){
//随机产生测试用例
Random rnd = new Random(System.currentTimeMillis());
boolean flag = true;
while(flag){
//首先产生一个全部有序的数组
Integer[] arr1 = new Integer[1000];
for(int i = 0; i < arr1.length; i++){
arr1[i] = i;
}
//有序的基础上随机交换一些值
for(int i = 0; i < (int)(0.1*arr1.length); i++){
int x,y,tmp;
x = rnd.nextInt(arr1.length);
y = rnd.nextInt(arr1.length);
tmp = arr1[x];
arr1[x] = arr1[y];
arr1[y] = tmp;
}
//逆序部分数据
for(int i = 0; i <(int)(0.05*arr1.length); i++){
int x = rnd.nextInt(arr1.length);
int y = rnd.nextInt((int)(arr1.length*0.01)+x);
if(y >= arr1.length){
continue;
}
while(x < y){
int tmp;
tmp = arr1[x];
arr1[x] = arr1[y];
arr1[y] = tmp;
x++;
y--;
}
}
Integer[] arr2 = arr1.clone();
Integer[] arr3 = arr1.clone();
Arrays.sort(arr2);
SimpleTimSort<Integer> sts = new SimpleTimSort<Integer>(arr1);
sts.timSort();
//比较SimpleTimSort排序和库函数提供的排序结果比较是否一致
//如果没有打印任何结果，说明排序结果正确
if(!Arrays.deepEquals(arr1, arr2)){
for(int i = 0; i < arr1.length; i++){
if(!arr1[i].equals(arr2[i])){
System.out.printf("%d: arr1 %d arr2 %d\n",i,arr1[i],arr2[i]);
}
}
System.out.println(Arrays.deepToString(arr3));
flag = false;
}
}
}
}Nach dem Login kopieren
3. Probleme, auf die der TimSort-Algorithmus achten sollte
Der TimSort-Algorithmus führt nur zwei aufeinanderfolgende Fragmente zusammen Gewährleistung der Stabilität des Algorithmus.
Es besteht ein gewisser Zusammenhang zwischen der minimalen Zusammenführungslänge und der Länge des Stapels. Wenn die minimale Zusammenführungslänge erhöht wird, sollte auch die Länge des Stapels erhöht werden, da sonst das Risiko eines Stapels besteht außerhalb der Grenzen (der Stapel im Code wird mit einer Länge von 40 übergeben, die mithilfe eines Arrays implementiert wird).
4. Die Vollversion des TimSort-Algorithmus
Tatsächlich wird die Vollversion des TimSort-Algorithmus viele Optimierungen gegenüber dem oben genannten einfachen TimSort-Algorithmus aufweisen. Wenn die geordnete Sequenz beispielsweise kleiner als die minimale Zusammenführungslänge ist, können wir eine Methode ähnlich der binären Suche verwenden, um die Position zu finden, an der sie eingefügt werden soll, um die Länge des Arrays zu erweitern. Ein weiteres Beispiel ist, dass im Galoppmodus die binäre Suche verwendet wird, um die Position des ersten Elements der zweiten Sequenz in der ersten Sequenz zu finden. Gleichzeitig kann ein kleinerer Hilfsraum verwendet werden, um die Zusammenführung abzuschließen Sehen Sie sich den Quellcode in Java an. Kommen Sie und lernen Sie.
