分享
 
 
 

CUJ:标准库:标准库中的排序算法

王朝vc·作者佚名  2006-01-08
窄屏简体版  字體: |||超大  

The Standard Librarian: Sorting in the Standard Library

Matthew Austern

http://www.cuj.com/experts/1908/austern.htm?topic=experts

--------------------------------------------------------------------------------

当你有一个数据序列时,你最想做的操作之一就是排序。将数据排序使得它易于被人理解,而且排序是许多泛型算法的第一步--即使是计算一系列数字的和这样的微末算法。每个编程系统都提供了几种形式的排序;标准C++运行库提供了6种!(或可能更多,这取决于你怎么数了。)他们有多么大的差异,并且什么时候你该使用其中某一个而不是另外的那些?

用泛型算法进行排序

C++标准24章有一个小节叫“Sorting and related operations”。它包含了很多对已序区间进行的操作,和三个排序用泛型算法:sort(),stable_sort(),和partial_sort()。

前两个,sort()和stable_sort(),本质上有相同的接口:同通常的STL泛型算法一样,传入指明了需要排序的区间的Random Access Iterator。 同样,作为可选项,你也能提供第三个参数以指明如何比较元素:第三个参数是一个functor,接受两个参数(x和y),在x应该位于y之前时返回true。所以,举例来说,如果v是一个int的vector:

std::sort(v.begin(), v.end());

将以升序来排序它。要改为降序,你需要提供应该不同的比较方法:

std::sort(v.begin(), v.end(), std::greater<int>());

注意,我们正在以greater作为第三参数,而不是greater_equal。这很重要,它是所有STL排序算法的前提条件:比较函数必须在两个参数相同时返回false(WQ注:参看《Effective STL》Item 21)。在某种程度上,这太武断了:看起来完全可以随便使用“<”或者“<=”这样形式的比较函数来表达一个排序算法的。然而,作出明确的选择是必需的,并且要始终坚持这个选择。标准C++运行库选择了前者。如果你传给sort()一个对等价的参数返回true的functor,你将得到不可预知的、完全依赖于具体实现的结果;在某些系统下,它看起来能工作,而在另外一些系统下可能导致无限循环或内存保护错误。

对于比较简单的场合,使用stable_sort()代替sort(),你不会看出很多差异。与sort()一样,stable_sort()对[first, last)区间进行排序,默认是升序,并且,同样你可以提供一个比较函数以改变顺序。如果你读过C++标准,你将会看到sort()和stable_sort()的两个不同:

l 如名字所示,stable_sort()是稳定的。如果两个元素比较结果为等价,stable_sort()不改变它们的相对顺序。

l 性能上的承诺是不同的。

第一点,稳定,比较容易懂。它对int类型通常无所谓(一个“42”和另外一个“42”完全相同),但有时对其它数据类型就非常重要了。比如,你正对task根据优先级排序,你或许期望高优先级的task被提到低优先级的task之前,但相同优先级的任务保持它们原来的先后顺序。sort()没有这个承诺,而stable_sort()承诺了这一点。

标准对性能的描述就不怎么直观了:sort()和stable_sort()的承诺都很复杂,并且都不完备。标准说sort()的“平均”复杂度是O(N log N),而没有说最坏的情况;stable_sort()的复杂度是O(N (log N)2),但在有足够额外内存时同样是O( N log N)。

怎样搞清楚所有这些不同情况?

性能的承诺是和特殊的实现技巧联系在一起的,而如果你知道这些技巧是什么的话,这个承诺就更明白了。允许sort()以快速排序(递归分割区间)来实现,而stable_sort()以归并排序(递归归并已序子区间)来实现[注1]。快速排序是已知的最快速排序算法之一,复杂度几乎总是O(N log N),但对一些特殊序列是O(N2);如果标准总要求sort()是O(N log N),将不能使用快速排序。同样,归并两个子区间在有额外缓冲区以拷贝结果时将很容易实现;归并排序在可以使用与原始区间同样大的辅助缓冲区时是O(N log N),如果不能获得任何辅助缓冲区时是O(N (log N)2)。如果它只能使用一个较小的辅助缓冲区,复杂度将在两者之间--但,在现实中,更接近于O(N log N)。

这解释了标准中说的东西,但还不全。标准说“如果最坏情况时的行为很重要”,你就不该使用sort()。然而,事实并不象标准第一次写下这条建议时那样。许多标准运行库的实作,包括GNU g++和Microsoft Visual C++,现在使用快速排序的一个新的变种,称为introsort[注2](WQ注:参看侯捷《STL源码剖析》)。Introsort一般说来和快速排序同样快,但它的复杂度总是O(N log N)。 除非你顾虑老的标准库的实作,最差情况时的行为不再成为避免使用sort()的理由。并且,虽然stable_sort (通常)也是O(N log N),这个O掩盖了很多细节。

在绝大多数情况下,stable_sort()比sort()慢很多,因为它必须对每个元素作更多操作;这就是你要为“稳定”付出的代价。使用stable_sort()应付等价元素维持原来的相对顺序很重要的情况(比如,根据优先级进行排序,但要对相同优先级的条目保持先来先处理的顺序),而使用sort()处理其它情况。

另一个泛型排序算法是partial_sort()(包括一个小变种,partial_sort_copy())。它的功能稍有不同,语法也稍有区别:它查找并排序区间内的前n名元素。和其它情况一样,默认是通过“<”比较进行升序排列,但能提供一个functor来改变它。于是,举例来说,如果你只对序列的前10名的元素感兴趣,可以这样找到它们:

partial_sort(first, first+10, last, greater<T>());

然后,最大的10个元素将被容纳在[first, fist + 10)(降序排列), 其余元素容纳在[first + 10, last)。

这儿有一个明显的受限情况:如果你写partial_sort(first, last, last),那么你正要求partial_sort()排序整个[first, last)区间。于是,虽然语法稍有不同,你能仍然能以使用sort()的同样的方法使用partial_sort()。有理由这么做吗?实际是没有。查看一下C++标准对复杂度的描述,你将看到partial_sort()和sort一样,也是O(N log N),但是,再一次,这是不完全的描述。两个O(N log N)的运算不必然有同样的速度;对此例,sort()通常快得多。

partial_sort()的存在是为了部分排序。假如你有一个一百万个名字的列表,而你需要找前一千个,按字母排序。通过对整个列表排序并忽略后面的部分,你可以得到这一千个名字,但那会非常浪费。使用partial_sort()或partial_sort_copy()会快得多:

vector<string> result(1000);

partial_sort_copy(names.begin(), names.end(), result.begin(), result.end());

当你只对已序区间的前面部分感兴趣时,使用partial_sort(),而在需要排序整个区间时使用sort()。

如对sort()和stable_sort()所做过的,考查一下partial_sort()是如何实现的将会有帮助。通常的实现,也是C++标准制订者建议的,是使用堆排序:输入区间在一个称为heap的数据结构中重新整理,heap本质上是一个用数组实现的二叉树,它很容易找到最大的元素,并且很容易在移除最大元素时仍然保持为一个有效heap。如果我们连续地将元素从一个heap中移开,那么将会留下最小的n个元素:正是我们想从partial_sort获得的。如果从heap中移除所有元素,将会得到一个已序区间。

标准C++运行库包含了直接操纵heap的泛型算法,所以,代替使用 partial_sort(),要排序一个区间可以写:

make_heap(first, last);

sort_heap(first, last);

这看起来和

partial_sort(first, last, last);

不同,但其实不是这样。两种情况下,你都使用了堆排序;两种形式应该具有完全相同的速度。

最后,还有最后一个“泛型”排序算法,从C语言继承而来:qsort()。 对“泛型”加引号,是因为qsort()实际上不象sort()、stable_sort()和partial_sort()那样通用。不能用它排序具有构造函数、虚函数、基类或私有数据成员的对象。C语言不知道这些特性;qsort()假设它可以按位拷贝对象,而这只对最简单的class才成立。也很难在模板中使用qsort(),因为你必须传给它一个参数是void *类型的比较函数,并且在这个函数内部知道要排序的对象的精确类型。

C语言标准没有对qsort()作出性能承诺。在可以使用qsort()的场合,通常表现得比sort()慢很多。(主要是因为一个简单的原因:sort()的接口被设计得可以将比较函数内联,而qsort()的接口做不到这一点。)除非是遗留代码,你应该避免使用qsort();sort()具有一个更简单并且更安全的接口,它的限制比较少,而且更快。

对特别的容器进行排序

我以讨论泛型算法开始,是因为标准C++运行库的基本原则是解耦不必要耦合的事物。算法被从容器中分离出来。在对容器的需求中,没有提到排序;排序一个vector是使用一个独立于std::vector的泛型算法:

sort(v.begin(), v.end());

然而,任何对C++中的排序的完备讨论都必须包括容器。通常,容器没有提供排序方法,但一些特殊的容器提供了。

你不能通过写v.sort()来排序一个vector,因为std::vector没有这样的成员函数,但你可以通过写l.sort()来排序一个list。和往常一样,你可以显式地提供一个不同的比较函数:如果l是一个int型的list,那么l.sort(greater<int>())将按降序排序它。

事实上,list::sort()是排序一个list的唯一的容易方法:std::list只提供了Bidirectional Iterator,但独立的泛型排序算法(sort()、stable_sort()和partial_sort())要求更强大的Random Access Iterators[注3]。这个特别的成员函数list::sort()不使用iterator,于是暴露了list是以相互连接的节点来实现的事实。它使用归并排序的一个变种,通过连接和解连节点来工作,而不是拷贝list中的元素。

最后,排序一个set(或一个multiset,如果你需要拥有重复元素)是最简单的:它本来就是已排序的!你不能写sort(s.begin(),s.end()),但你也从不需要这么做。set的一个基本特性是它的元素按顺序排列的。当你insert()一个新元素时,它自动将它放置在适当的位置以维持排序状态。在其内部,set使用一个能提供快速(O(log N))的查找和插入的数据结构(通常是某种平衡树)。

时间测试

这将我们置身何处?我已经对时间作了一些论断,而且我们还能作些更直觉的预测:比如,在set中插入一个元素将比排序一个vector慢,因为set是一个复杂的数据结构,它需要使用动态内存分配;或者,排序一个list应该和使用stable_sort差不多快,它们都是归并排序的变种。然而,直觉不能取代时间测试。测量很困难 (更精确地说,你要测量什么,又如何测量?),但这是有必要的。

Listing 1的程序构造了一个vector<double>,其中的元素乱序排列,然后用我们讨论过的每个方法(除了qsort()(WQ注:原文如此))反复对它进行排序。在将vector传给每个测试用例时,我们故意使用传值:我们不想让任何一个测试用例得到一个已排序的vector!

用Microsoft Visual C++ 7 beta编译程序(结果和g++相似),在500M的Pentium 3上进行,结果如下:

Sorting a vector of 700000 doubles.

sorting method t (sec)

sort 0.971

qsort 1.732

stable_sort 1.402

heap sort 1.282

list sort 1.993

set sort 3.194

这和期望相符:sort()最快;stable_sort()、堆排序和qsort()稍慢;排序一个list和set(它使用动态内存分配,并且是个复杂的数据结构),更加慢。 (实际上,qsort()有一个不寻常的好成绩:在g++和VC的老版本上,qsort()仅比sort()慢。)

但这不足以称为排序基准测试--太不具有说服力了。我在一个特定的系统上,使用一个特定的(乱序)初始化,来测试排序一个vector<double>。只有实践能决定这些结果有多大的普遍性。至少,我们应该在double以外再作些测试。

Listing 2排序一个vector<string>:它打开一个文件并将每一行拷贝进一个独立的string。因为qsort()不能处理具有构造函数的元素,所以这个测试中不再包括qsort()。以Project Gutenberg的免费电子文本《Anna Karenina》[注4]作为输入,结果是:

Sorting a file of 42731 lines.

sorting method t (sec)

sort 0.431

stable_sort 1.322

heap sort 0.751

list sort 0.25

set sort 0.43

突然之间,事情发生了变化。我们仍然看到sort()比stable_sort()和堆排序快得多,但list和set的结果发生了戏剧性的变化。使用set的速度几乎和sort()一样,而list实际上更快。发生了什么?

变化是double是原生类型,而std::sting是一个复杂的class。拷贝一个string或将它赋值给另一个,意味着要调用一个函数--甚至意味着需要使用动态内存分配或创建一个mutex锁。平衡点被改变了;排序string比排序double时,赋值的次数将有更多的影响。排序一个list时,根本没有调用赋值运算:定义一个特别的list::sort()成员函数的全部理由就是它通过操纵指向list的内部节点的指针来工作的。重连接一些list的node的指针比拷贝一个string快。

我们再度发现一个老的至理名言:如果你正在处理大的记录,你绝不要排序记录本身,排序指向它们的指针。使用list使得这一点成为自动,但你也能很容易地显式做到这一点:不是排序原始的vector<string>,取而代之,创建一个索引vector,其元素类型是vector<string>::const_iterator,然后排序这个索引vector。你必须告诉sort()如何比较索引vector的元素(你必须确保比较的是iterator所指的值而不是iterator本身),不过这只是个小问题。我们只需提供一个合适的比较函数对象:

template <class Iterator>

struct indirect_lt {

bool operator()(Iterator x, Iterator y) const

{ return *x < *y; }

};

Listing 3展示了如何使用indirect_lt,并对比了直接排序和间接排序时的速度。速度的提升是显著的。

Sorting a file of 42731 lines.

sorting method t (sec)

indirect sort 0.29

sort 0.401

建议

标准C++运行库提供了六个排序方法:qsort(),sort(),stable_sort(),partial_sort(),lsit::sort(),和set/multiset。

你不应该在新代码中使用qsort()。它比sort()慢。它的接口丑陋,因为它需要类型转换,并易于用错。写一个比较函数以传给qsort()可能很麻烦,尤其是在泛型代码中。你不能使用qsort()排序有构造函数或虚函数的东西,或排序C语言的数组以外的任何数据结构。虽然qsort()没有正式说不推荐使用,但它唯一真正的用处是对C语言的向后兼容。

在其它五个排序方法中,前三个是泛型算法,后两个则使用了某些容器的特别特性。所有这些方法默认都使用operator<()来比较对象,但允许在必要时指定用户自己的比较函数。每个都提供了一些特别的特征:

l sort()通常最快。

l stable_sort()保证了等价元素在顺序上的稳定。

l partial_sort()允许只排序出前N个元素。

l list::sort()操纵指针,而不是拷贝元素。

l set允许在一个已序区间快速的插入和删除

如果你不需要其它四个方法的特别特征,首选通常应该是sort()。

Listing 1: Measurements - sorting a vector<double>

#include <iostream>

#include <iomanip>

#include <fstream>

#include <utility>

#include <string>

#include <vector>

#include <list>

#include <set>

#include <algorithm>

#include <assert.h>

#include <time.h>

#include <stdlib.h>

using std::pair;

using std::vector;

using std::string;

struct timer {

clock_t start;

timer() { start = clock(); }

double time() const {

return double(clock() - start) / CLOCKS_PER_SEC;

}

};

template <class Container>

pair<string, double>

do_sort(Container c)

{

timer t;

std::sort(c.begin(), c.end());

return std::make_pair(string("sort"), t.time());

}

extern "C" int

dcompare(const void* px, const void* py)

{

double x = *static_cast<const double*>(px);

double y = *static_cast<const double*>(py);

return x < y ? -1 : x > y ? 1 : 0;

}

pair<string, double>

do_qsort(vector<double> v)

{

double* a = new double[v.size()];

std::copy(v.begin(), v.end(), a);

timer t;

qsort(a, v.size(), sizeof(double), &dcompare);

double elapsed = t.time();

delete[] a;

return std::make_pair(string("qsort"), elapsed);

}

template <class Container>

pair<string, double>

do_stable_sort(Container c)

{

timer t;

std::stable_sort(c.begin(), c.end());

return std::make_pair(string("stable_sort"), t.time());

}

template <class Container>

pair<string, double>

do_heap_sort(Container c)

{

timer t;

std::make_heap(c.begin(), c.end());

std::sort_heap(c.begin(), c.end());

return std::make_pair(string("heap sort"), t.time());

}

template <class Container>

pair<string, double>

do_list_sort(Container c)

{

typedef typename Container::value_type T;

std::list<T> L(c.begin(), c.end());

timer t;

L.sort();

return std::make_pair(string("list sort"), t.time());

}

template <class Container>

pair<string, double>

do_set_sort(Container c)

{

typedef typename Container::value_type T;

timer t;

std::multiset<T> S(c.begin(), c.end());

return std::make_pair(string("set sort"), t.time());

}

void report(vector<pair<string, double> > v,

std::ostream& os)

{

typedef vector<pair<string, double> > Vect;

os << std::setw(20) << "sorting method" << " "

<< "t (sec)" << std::endl;

for (Vect::iterator i = v.begin(); i != v.end(); ++i)

os << std::setw(20) << i->first << " "

<< i->second << std::endl;

}

int main(int argc, const char**

argv)

{

int N = 0;

if (argc == 2)

N = atoi(argv[1]);

if (N <= 0) {

std::cerr << "Usage: "

<< argv[0] << " <positive number>"

<< std::endl;

return 1;

}

vector<double> v(N);

for (int i = 0; i < N; ++i)

v[i] = i;

std::random_shuffle(v.begin(), v.end());

std::cout << "Sorting a vector of "

<< v.size() << " doubles." << std::endl;

vector<pair<string, double> > results;

results.push_back(do_sort(v));

results.push_back(do_qsort(v));

results.push_back(do_stable_sort(v));

results.push_back(do_heap_sort(v));

results.push_back(do_list_sort(v));

results.push_back(do_set_sort(v));

report(results, std::cout);

return 0;

}

Listing 2: Measurements — Sorting a vector<string> (only main is shown; everything else is the same as in Listing 1)

int main(int argc, const char** argv)

{

if (argc != 2) {

std::cerr << "Usage: "

<< argv[0] << " <file>"

<< std::endl;

return 1;

}

std::ifstream in(argv[1]);

if (!in) {

std::cerr << "Can't open " << argv[1] << std::endl;

return 1;

}

vector<string> v;

string str;

while (std::getline(in, str))

v.push_back(str);

std::cout << "Sorting a file of "

<< v.size() << " lines."

<< std::endl;

vector<pair<string, double> > results;

results.push_back(do_sort(v));

results.push_back(do_stable_sort(v));

results.push_back(do_heap_sort(v));

results.push_back(do_list_sort(v));

results.push_back(do_set_sort(v));

report(results, std::cout);

return 0;

}

Listing 3: Measurements — Comparing direct and indirect sort

#include <utility>

#include <vector>

#include <string>

#include <algorithm>

#include <iostream>

#include <iomanip>

#include <fstream>

#include <time.h>

using std::vector;

using std::string;

using std::pair;

template <class Iterator>

struct indirect_lt {

bool operator()(Iterator x, Iterator y) const

{ return *x < *y; }

};

struct timer {

clock_t start;

timer() { start = clock(); }

double time() const {

return double(clock() - start) / CLOCKS_PER_SEC;

}

};

void

report(vector<pair<string, double> > v,

std::ostream& os)

{

typedef vector<pair<string, double> > Vect;

os << std::setw(20) << "sorting method" << " "

<< "t (sec)" << std::endl;

for (Vect::iterator i = v.begin(); i != v.end(); ++i)

os << std::setw(20) << i->first << " "

<< i->second << std::endl;

}

pair<string, double>

do_sort(vector<string> c)

{

timer t;

std::sort(c.begin(), c.end());

return std::make_pair(string("sort"),

t.time());

}

pair<string, double>

do_indirect_sort(vector<std::vector<std::string>

::const_iterator> c)

{

timer t;

std::sort(c.begin(), c.end(),

indirect_lt<std::vector<std::string>

::const_iterator>());

return std::make_pair(string("indirect sort"),

t.time());

}

int main(int argc, const char** argv)

{

if (argc != 2) {

std::cerr << "Usage: "

<< argv[0] << " <file>"

<< std::endl;

return 1;

}

std::ifstream in(argv[1]);

if (!in) {

std::cerr << "Can't open " << argv[1] << std::endl;

return 1;

}

vector<string> v;

string str;

while (std::getline(in, str))

v.push_back(str);

std::cout << "Sorting a file of "

<< v.size() << " lines."

<< std::endl;

typedef std::vector<std::string>::const_iterator iter;

std::vector<iter> iv;

for (iter i = v.begin(); i != v.end(); ++i)

iv.push_back(i);

vector<pair<string, double> > results;

results.push_back(do_indirect_sort(iv));

results.push_back(do_sort(v));

report(results, std::cout);

return 0;

}

[1] For more details on quicksort and merge sort, and other sorting algorithms, see D. E. Knuth, The Art of Computer Programming, vol. 2, 1998.

[2] D. R. Musser. "Introspective sorting and selection algorithms," Software Practice and Experience, 27(8):983, 1997.

[3] This restriction is partly artificial: it is possible to implement quicksort and merge sort in terms of Forward Iterators, albeit at the cost of some complexity. Artificial or not, however, it's what the Standard requires.

[4] See <http://sailor.gutenberg.org/by-author/to2.html>.

About the Author

 
 
 
免责声明:本文为网络用户发布,其观点仅代表作者个人观点,与本站无关,本站仅提供信息存储服务。文中陈述内容未经本站证实,其真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。
2023年上半年GDP全球前十五强
 百态   2023-10-24
美众议院议长启动对拜登的弹劾调查
 百态   2023-09-13
上海、济南、武汉等多地出现不明坠落物
 探索   2023-09-06
印度或要将国名改为“巴拉特”
 百态   2023-09-06
男子为女友送行,买票不登机被捕
 百态   2023-08-20
手机地震预警功能怎么开?
 干货   2023-08-06
女子4年卖2套房花700多万做美容:不但没变美脸,面部还出现变形
 百态   2023-08-04
住户一楼被水淹 还冲来8头猪
 百态   2023-07-31
女子体内爬出大量瓜子状活虫
 百态   2023-07-25
地球连续35年收到神秘规律性信号,网友:不要回答!
 探索   2023-07-21
全球镓价格本周大涨27%
 探索   2023-07-09
钱都流向了那些不缺钱的人,苦都留给了能吃苦的人
 探索   2023-07-02
倩女手游刀客魅者强控制(强混乱强眩晕强睡眠)和对应控制抗性的关系
 百态   2020-08-20
美国5月9日最新疫情:美国确诊人数突破131万
 百态   2020-05-09
荷兰政府宣布将集体辞职
 干货   2020-04-30
倩女幽魂手游师徒任务情义春秋猜成语答案逍遥观:鹏程万里
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案神机营:射石饮羽
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案昆仑山:拔刀相助
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案天工阁:鬼斧神工
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案丝路古道:单枪匹马
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案镇郊荒野:与虎谋皮
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案镇郊荒野:李代桃僵
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案镇郊荒野:指鹿为马
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案金陵:小鸟依人
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案金陵:千金买邻
 干货   2019-11-12
 
推荐阅读
 
 
 
>>返回首頁<<
 
靜靜地坐在廢墟上,四周的荒凉一望無際,忽然覺得,淒涼也很美
© 2005- 王朝網路 版權所有