検索
ホームページバックエンド開発Python チュートリアルPython でヒルソートアルゴリズムを実装する方法

    アルゴリズムの説明

    ヒル ソートは、「縮小増分ソート」とも呼ばれ、挿入ソートを最適化することによって生成されるソート アルゴリズムです。その実行のアイデアは、配列内の要素を添え字の増分にグループ化し、要素の各グループを挿入して並べ替え、増分を減らし、増分が 1 に達するまで前の手順を繰り返すというものです。

    一般的に言えば、Hill ソートの時間計算量は O(n1.3) ~ O(n2) であり、これは増分サイズに依存します。 Hill ソートの空間計算量は O(1) であり、不安定なソート アルゴリズムです。ヒル ソートを実行する場合、要素の 1 つの移動が複数の要素にまたがる場合があり、これにより複数の移動が相殺され、効率が向上することがあります。

    次は、(配列の長さ/2) を初期増分として使用する昇順ヒル ソートです。ソートの各ラウンドの後、増分は半分に減ります。

    ステップ 1:

    図 2-28 に示すように、最初の要素から開始して、増分 4 でグループ化します。増分が 4 の場合、グループ内の要素は 2 つだけであることがわかります。そうでない場合、要素の添字は配列の範囲を超えます。

    Python でヒルソートアルゴリズムを実装する方法

    ステップ 2:

    図 2-29 に示すように、グループ内の要素を挿入して並べ替えます。

    Python でヒルソートアルゴリズムを実装する方法

    3 番目のステップ:

    図 2-30 に示すように、引き続き同じ方法を使用して、グループ内の要素をグループ化、挿入、並べ替えます。彼らが秩序あるように。

    Python でヒルソートアルゴリズムを実装する方法

    配列全体のすべての数値を調べ終わると、このラウンドの並べ替えは終了します。増分を半分に減らし、次の並べ替えラウンドに進みます。

    ステップ 4:

    図 2-31 に示すように、増分が 2 の場合、各グループの要素が増加し、グループの総数が減少していることがわかります。各グループを横断するまで、各グループ内の要素の挿入ソートを続けます。

    Python でヒルソートアルゴリズムを実装する方法

    5 番目のステップ:

    ソートの最終ラウンドは図 2-32 に示されており、この時点で増分は再び半分に減ります。増分は 1 で、これは配列全体に対して挿入ソートを実行することと同じであり、これがソートの最終ラウンドです。

    Python でヒルソートアルゴリズムを実装する方法

    最後の選別ラウンドが終了すると、ヒル全体の選別が終了します。

    コードの実装

    for ループでは、各グループの最初の要素を挿入して並べ替える必要がなく、添字が 0 から step-1 の間にあるため、最初の要素から開始します。添字ステップのトラバース。

    フローチャートのアプローチをシミュレートしたい場合は、2 つのループを使用する必要があることに注意してください。最初のグループで、次に同じグループ内の要素を一度に順序付けします。効率を向上させるために、for ループを直接使用し、数値を走査するたびに、その数値が含まれるグループが挿入され、ソートされます。この走査は、挿入ソートの順序要件も満たします。挿入ソートでは、現在の添え字の値を変更する必要があるため、変数 ind を使用して現在の添え字を保存し、for ループに影響を与えないようにします。

    通常の挿入ソートは、増分 1 のヒル ソートと同等です。要素間のヒル ソートは、実際には増分が変わるだけであり、論理的には通常の挿入ソートと変わりません。

    ヒルソートコード:

    nums = [5,3,6,4,1,2,8,7]
    def ShellSort(nums):
      step = len(nums)//2         #初始化增量为数组长度的一半
      while step > 0:           #增量必须是大于0的整数
       for i in range(step,len(nums)): #遍历需要进行插入排序的数
         ind = i
         while ind >= step and nums[ind] < nums[ind-step]: #对每组进行插入排序
          nums[ind],nums[ind-step] = nums[ind-step],nums[ind]
          ind -= step
       step //= 2           #增量缩小一半
      print(nums)
    ShellSort(nums)

    プログラムを実行すると、出力結果は次のようになります:

    [1,2,3,4,5,6,7,8]

    以上がPython でヒルソートアルゴリズムを実装する方法の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

    声明
    この記事は亿速云で複製されています。侵害がある場合は、admin@php.cn までご連絡ください。
    Python vs. C:曲線と使いやすさの学習Python vs. C:曲線と使いやすさの学習Apr 19, 2025 am 12:20 AM

    Pythonは学習と使用が簡単ですが、Cはより強力ですが複雑です。 1。Python構文は簡潔で初心者に適しています。動的なタイピングと自動メモリ管理により、使いやすくなりますが、ランタイムエラーを引き起こす可能性があります。 2.Cは、高性能アプリケーションに適した低レベルの制御と高度な機能を提供しますが、学習しきい値が高く、手動メモリとタイプの安全管理が必要です。

    Python vs. C:メモリ管理とコントロールPython vs. C:メモリ管理とコントロールApr 19, 2025 am 12:17 AM

    PythonとCは、メモリ管理と制御に大きな違いがあります。 1。Pythonは、参照カウントとガベージコレクションに基づいて自動メモリ管理を使用し、プログラマーの作業を簡素化します。 2.Cには、メモリの手動管理が必要であり、より多くの制御を提供しますが、複雑さとエラーのリスクが増加します。どの言語を選択するかは、プロジェクトの要件とチームテクノロジースタックに基づいている必要があります。

    科学コンピューティングのためのPython:詳細な外観科学コンピューティングのためのPython:詳細な外観Apr 19, 2025 am 12:15 AM

    科学コンピューティングにおけるPythonのアプリケーションには、データ分析、機械学習、数値シミュレーション、視覚化が含まれます。 1.numpyは、効率的な多次元配列と数学的関数を提供します。 2。ScipyはNumpy機能を拡張し、最適化と線形代数ツールを提供します。 3. Pandasは、データ処理と分析に使用されます。 4.matplotlibは、さまざまなグラフと視覚的な結果を生成するために使用されます。

    PythonとC:適切なツールを見つけるPythonとC:適切なツールを見つけるApr 19, 2025 am 12:04 AM

    PythonまたはCを選択するかどうかは、プロジェクトの要件に依存するかどうかは次のとおりです。1)Pythonは、簡潔な構文とリッチライブラリのため、迅速な発展、データサイエンス、スクリプトに適しています。 2)Cは、コンピレーションと手動メモリ管理のため、システムプログラミングやゲーム開発など、高性能および基礎となる制御を必要とするシナリオに適しています。

    データサイエンスと機械学習のためのPythonデータサイエンスと機械学習のためのPythonApr 19, 2025 am 12:02 AM

    Pythonは、データサイエンスと機械学習で広く使用されており、主にそのシンプルさと強力なライブラリエコシステムに依存しています。 1)Pandasはデータ処理と分析に使用され、2)Numpyが効率的な数値計算を提供し、3)SCIKIT-LEARNは機械学習モデルの構築と最適化に使用されます。これらのライブラリは、Pythonをデータサイエンスと機械学習に理想的なツールにします。

    Pythonの学習:2時間の毎日の研究で十分ですか?Pythonの学習:2時間の毎日の研究で十分ですか?Apr 18, 2025 am 12:22 AM

    Pythonを1日2時間学ぶだけで十分ですか?それはあなたの目標と学習方法に依存します。 1)明確な学習計画を策定し、2)適切な学習リソースと方法を選択します。3)実践的な実践とレビューとレビューと統合を練習および統合し、統合すると、この期間中にPythonの基本的な知識と高度な機能を徐々に習得できます。

    Web開発用のPython:主要なアプリケーションWeb開発用のPython:主要なアプリケーションApr 18, 2025 am 12:20 AM

    Web開発におけるPythonの主要なアプリケーションには、DjangoおよびFlaskフレームワークの使用、API開発、データ分析と視覚化、機械学習とAI、およびパフォーマンスの最適化が含まれます。 1。DjangoandFlask Framework:Djangoは、複雑な用途の迅速な発展に適しており、Flaskは小規模または高度にカスタマイズされたプロジェクトに適しています。 2。API開発:フラスコまたはdjangorestFrameworkを使用して、Restfulapiを構築します。 3。データ分析と視覚化:Pythonを使用してデータを処理し、Webインターフェイスを介して表示します。 4。機械学習とAI:Pythonは、インテリジェントWebアプリケーションを構築するために使用されます。 5。パフォーマンスの最適化:非同期プログラミング、キャッシュ、コードを通じて最適化

    Python vs. C:パフォーマンスと効率の探索Python vs. C:パフォーマンスと効率の探索Apr 18, 2025 am 12:20 AM

    Pythonは開発効率でCよりも優れていますが、Cは実行パフォーマンスが高くなっています。 1。Pythonの簡潔な構文とリッチライブラリは、開発効率を向上させます。 2.Cのコンピレーションタイプの特性とハードウェア制御により、実行パフォーマンスが向上します。選択を行うときは、プロジェクトのニーズに基づいて開発速度と実行効率を比較検討する必要があります。

    See all articles

    ホットAIツール

    Undresser.AI Undress

    Undresser.AI Undress

    リアルなヌード写真を作成する AI 搭載アプリ

    AI Clothes Remover

    AI Clothes Remover

    写真から衣服を削除するオンライン AI ツール。

    Undress AI Tool

    Undress AI Tool

    脱衣画像を無料で

    Clothoff.io

    Clothoff.io

    AI衣類リムーバー

    AI Hentai Generator

    AI Hentai Generator

    AIヘンタイを無料で生成します。

    ホットツール

    SecLists

    SecLists

    SecLists は、セキュリティ テスターの究極の相棒です。これは、セキュリティ評価中に頻繁に使用されるさまざまな種類のリストを 1 か所にまとめたものです。 SecLists は、セキュリティ テスターが必要とする可能性のあるすべてのリストを便利に提供することで、セキュリティ テストをより効率的かつ生産的にするのに役立ちます。リストの種類には、ユーザー名、パスワード、URL、ファジング ペイロード、機密データ パターン、Web シェルなどが含まれます。テスターはこのリポジトリを新しいテスト マシンにプルするだけで、必要なあらゆる種類のリストにアクセスできるようになります。

    WebStorm Mac版

    WebStorm Mac版

    便利なJavaScript開発ツール

    ZendStudio 13.5.1 Mac

    ZendStudio 13.5.1 Mac

    強力な PHP 統合開発環境

    Safe Exam Browser

    Safe Exam Browser

    Safe Exam Browser は、オンライン試験を安全に受験するための安全なブラウザ環境です。このソフトウェアは、あらゆるコンピュータを安全なワークステーションに変えます。あらゆるユーティリティへのアクセスを制御し、学生が無許可のリソースを使用するのを防ぎます。

    MinGW - Minimalist GNU for Windows

    MinGW - Minimalist GNU for Windows

    このプロジェクトは osdn.net/projects/mingw に移行中です。引き続きそこでフォローしていただけます。 MinGW: GNU Compiler Collection (GCC) のネイティブ Windows ポートであり、ネイティブ Windows アプリケーションを構築するための自由に配布可能なインポート ライブラリとヘッダー ファイルであり、C99 機能をサポートする MSVC ランタイムの拡張機能が含まれています。すべての MinGW ソフトウェアは 64 ビット Windows プラットフォームで実行できます。