資料結構學習(C++)之排序

測試程式

後面的常式，都是對數組的排序，使用靜態鏈表的也適用於鏈表的排序。為簡單起見，只對單關鍵碼排序，並且最後的結果都是從頭到尾按升序排列。下面是統一的測試程式：

#include <iostream>
#include <iomanip>
using namespace std;
#include <stdlib.h>
#include <time.h>
#include <math.h>
#include "InsertSort.h"
#define random(num) (rand() % (num))
#define randomize() srand((unsigned)time(NULL))
#define N 10000 //排序元素的數目
#define SORT InsertSort //排序方法
class timer//單位ms
{
public:
void start() { start_t = clock(); }
clock_t time() { return (clock() - start_t); }
private:
clock_t start_t;
};
int KCN, RMN; timer TIMER;
void test(int a[])
{
TIMER.start();
SORT<int>(a, N, KCN, RMN);
cout << "\tTimeSpared: " << TIMER.time() << "ms" << endl;
cout << "KCN=" << left << setw(11) << KCN;
cout << "KCN/N=" << left << setw(11)<< (double)KCN/N;
cout << "KCN/N^2=" << left << setw(11)<< (double)KCN/N/N;
cout << "KCN/NlogN=" << left << setw(11)<< (double)KCN/N/log((double)N)*log(2.0) << endl;
cout << "RMN=" << left << setw(11) << RMN;
cout << "RMN/N=" << left << setw(11)<< (double)RMN/N;
cout << "RMN/N^2=" << left << setw(11)<< (double)RMN/N/N;
cout << "RMN/NlogN=" << left << setw(11)<< (double)RMN/N/log((double)N)*log(2.0) << endl;
}
int main()
{
int i;
//randomize();為了在相同情況下比較各個排序演算法，不加這句
int* ascending = new int[N];//升序序列
int* descending = new int[N];//降序序列
int* randomness = new int[N];//隨機序列
for (i = 0; i < N; i++) { ascending[i] = i; randomness[i] = i; descending[i] = N - i - 1;}
for (i = 0; i < N; i++) swap(randomness[i], randomness[random(N)]);
cout << "Sort ascending N=" << N; test(ascending);
cout << "Sort randomness N=" << N; test(randomness);
cout << "Sort descending N=" << N; test(descending);
return 0;
}

需要說明一點，KCN（關鍵碼比較次數）、RMN（記錄移動次數）並不是演算法必須的，是為了對演算法的效能有個直觀的評價（不用那些公式算來算去）。對10000個整數排序應該是最省事的測試手段，建議不要再增多記錄數目了，一是在最壞的情況不用等太久的時間，二是避免KCN、RMN溢出，另外有些遞迴的演算法在情況比較糟的時候，記錄數目太多堆棧可能會溢出，導致程式崩潰。