算法-排序算法总结

短命女 2022-06-09 01:58 288阅读 0赞

# 冒泡排序 #

## 朴素冒泡排序 ##

反复扫描待排序序列，在扫描的过程中顺次比较相邻的两个元素的大小，若逆序就交换位置。第一趟，从第一个数据开始，比较相邻的两个数据，（以升序为例）总是把大的数交换到后面，得到一个最大数据在末尾；然后进行第二趟，只扫描前n-1个元素，得到次大的放在倒数第二位。以此类推，最后得到升序序列。  
当然也可以从最后一个数开始向前扫描，此时要把较小的数换到前面，得到一个最小的数在最前面；然后进行第二趟，只扫描后n-1个元素，得到次小的放在第二位。以此类推，得到升序序列。  
无论是找最大还是找最小，冒泡排序都是一个数从底部逐位移到顶部，就像气泡一样，这也就是冒泡排序的名字由来。

void BubbleSort_simple(int array[], int length)
    {
        
    	int temp;       //保存临时数据（数据交换时使用）
    	for(int i = 0; i < length-1; i++)//设置需要扫描的趟数
    	{
          
    		for(int j = 0; j < length - i - 1; j++) //遍历，比相邻两个数据的大小
    		{
           
    			if(array[j] > array[j+1])
    			{
        
    				temp = array[j+1];
    				array[j+1] = array[j];
    				array[j] = temp;
    			}
    		}
    	}
    }

## 改进冒泡排序 ##

对于朴素冒泡排序算法，永远在进行从从n-1到1扫描过程，哪怕中间某次的时候，顺序就已经排好了（不再有交换），所以可以根据这点对冒泡排序作出改进，的如果在某次扫描过程中，发现没有交换，说明已经排好序列，直接终止扫描。所以最多进行n-1趟扫描，最少只需要1趟。

void BubbleSort_Improve(int array[], int length)
    {
        
    	int temp;       //保存临时数据（数据交换时使用）
    	bool flag = true;       //设置标记，记录此趟排序是否发生交换
    	for(int i = 0; i < length-1&&flag; i++)//设置需要扫描的趟数
    	{
          
    		flag = false;
    		for(int j = 0; j < length - i - 1; j++) //遍历，比相邻两个数据的大小
    		{
           
    			if(array[j] > array[j+1])
    			{
        
    				temp = array[j+1];
    				array[j+1] = array[j];
    				array[j] = temp;
    
    				flag = true;
    			}
    		}
    	}
    }

## 稳定性与复杂度分析 ##

*  时间复杂度：  
    对于朴素冒泡排序算法，没有最好与最差情况的区别，时间复杂度都是 O ( n 2 ) O(n^2) O(n2)，对于改进冒泡排序算法，最好的情况是本来有序，此时时间复杂度为 O ( n ) O(n) O(n)，最差的情况是逆序，此时时间复杂度为 O ( n 2 ) O(n^2) O(n2)。
 *  空间复杂度：  
    冒泡排序只需要一个临时位置做交换数据，所以空间复杂度 O ( 1 ) O(1) O(1)。
 *  稳定性：  
    稳定

# 简单选择排序 #

冒泡排序存在大量的逐位交换操作，这是因为冒泡排序每次逐位比较后，只要满足条件就会发生交换，最后把小的数换到最前。那么一定需要逐位交换吗？能不能先知道某个值最终要放到哪里，然后一次换好？这就是简单选择排序要做的事。  
简单选择排序算法就是为了解决频繁交换的问题（虽然这对时间复杂度计算没有影响，但是交换操作实际上在影响着效率）。  
选择排序，或者叫简单选择排序（因为堆排序也是一种选择排序），简单选择排序有两个索引，一个是要把最小的值交换到的位置i，一个是找到的最小值位置min，其中i是随着遍历逐步加1的，而每一次的过程中都用i初始化min，并遍历i后的所有个位置逐个与min比较，最终从中找到min的位置后与i交换，i++后重复上述过程，直到遍历结束。

void SelectSort(int array[], int length)
    {
        
    	int min;  //保存目标元素的索引
    	int temp; //临时变量（数据交换时候使用）
    	for(int i = 0; i < length; i++)//对数组中的每一个数进行遍历
    	{
            
    		min = i;      //最小值位置等于它本身
    		for(int j = i+1; j < length; j++)//选择出目前最小元素的索引
    		{
        
    			if(array[min] > array[j])
    				min = j;
    		}
    
    		if(min != i)
    		{
        
    			temp = array[i];
    			array[i] = array[min];
    			array[min] = temp;
    		}
    	}
    }

## 稳定性与复杂度分析 ##

*  时间复杂度：  
    简单选择排序为了解决频繁交换问题，相比于（改进冒泡排序）在时间复杂度上没有改进，其实反而更差一些，因为简单选择排序在时间复杂度上没有最好与最坏的区别，都是 O ( n 2 ) O(n^2) O(n2)，但是比较好的一点是，即便是最差的情况，简单选择排序的交换次数也只有 n − 1 n-1 n−1次。
 *  空间复杂度：  
     O ( 1 ) O(1) O(1)
 *  稳定性：  
    不稳定

# 直接插入排序 #

这里的插入排序指的是直接插入排序算法，基本思想就是认为前i-1个数的顺序已经排好，将第i个值插入到前i-1个中的适当位置。所以i是从数组中第二个数开始一直到最后，每次插入前都保存好array\[i\]的值，并对前i-1个数的位置做出调整，最后将array\[i\]插入到合适的位置。

void InsertSort(int array[],int length)
    {
        
    	int temp, insert;   //temp保存插入值,insert记录与插入值比较的索引
    	for(int i = 1;i < length;i++)
    	{
        
    		temp = array[i]; //记录下需要插入的值，防止向后移位时，值被覆盖
    		insert = i-1;
    		while(insert >= 0 && array[insert] > temp )
    		{
        
    			array[insert+1] = array[insert];
    			insert = insert - 1;
    		}
    		array[insert+1] = temp;
    	}
    }

## 稳定性与复杂度分析 ##

*  时间复杂度：  
    最好的情况（本身有序），时间复杂度 O ( n ) O(n) O(n)；最差的情况（本身逆序），时间复杂度 O ( n 2 ) O(n^2) O(n2)，平均时间复杂度 O ( n 2 ) O(n^2) O(n2)。
 *  空间复杂度：  
     O ( 1 ) O(1) O(1)
 *  稳定性：  
    稳定

# 希尔排序 #

希尔排序是第一个突破排序时间复杂度 O ( n 2 ) O(n^2) O(n2)的算法，又称缩小增量排序法。基本思想是使用**跃进**的方式，把待排序序列分成若干较小的子序列，然后逐个使用直接插入排序法排序，最后再对一个较为有序的序列进行一次排序，主要是为了减少移动的次数，提高效率。原理应该就是从无序到渐渐有序，要比直接从无序到有序移动的次数会少一些。  
希尔排序比较难理解的地方也是它的跃进式方式，在最外层的循环（do-while）中，是在改变跃进的步长，最后一次的跃进步长一定为1，也就是两两交换。第二层循环（第一个for）实现以某一次的step遍历所有数，而for之内的操作其实就是一个直接插入排序。

*  希尔排序中的直接插入操作，是在间隔一个阶跃进行子序列操作，13-20行是一个直接插入排序，只是1换成了step。
 *  希尔排序的最后一次do（step =1），一定是退化成直接插入排序，但是这个时候，数列是相对有序的状态。

void ShellSort(int array[], int length)
    {
        
    	int insert,temp;   //temp保存临时数据（数据交换时使用）
    	int step=length;     //设置增量
    	do 
    	{
        
    		step = step/3;      
    		//做直接插入排序 将1换成step
    	    for( int i = step; i < length; i++)
    		{
           
    			temp = array[i];
    			insert = i-step;
    			while(insert>=0&& array[insert] > temp)
    			{
        
    				array[insert + step] = array[insert];
    				insert-=step
    			}
    			array[insert + step] = temp;
    		}
    	}
    	while (step>1);
    }

# 稳定性与复杂度分析 #

*  时间复杂度：  
    最好的情况（本身有序），时间复杂度 O ( n 1.3 ) O(n^\{1.3\}) O(n1.3)；最差的情况（本身逆序），时间复杂度 O ( n 2 ) O(n^2) O(n2)，平均时间复杂度 ( n 1.5 ) (n^\{1.5\}) (n1.5)。
 *  空间复杂度：  
     O ( 1 ) O(1) O(1)
 *  稳定性：  
    不稳定

# 快速排序 #

快速排序是一个递归的过程，递归的部分一般称为Partition，即在一个序列中选取一个数字n，把序列中小于等于n的数字放在n的左边，大于n的数字放在n 的右边，即完成了一次Partition。其具体的实现为：  
比如一个数列arr为：\{4,7,8,9,5,6,1,3,2\}，那么我们可以直接把arr\[0\]位置的数作为分割数，即n=4，那么下面的工作就是如何把数列中小于等于4的数放在4的左边，大于等于4的数放在4的右边。首先找到右侧第一个小于等于4的数，与4所在的位置交换：  
2 7 8 9 5 6 1 3 4  
找到左侧第一个大于等于4的数，与4交换：  
2 4 8 9 5 6 1 3 7  
找到右侧第一个小于等于4的数，与4交换：  
2 3 8 9 5 6 1 4 7  
找到左侧第一个大于等于4的数，与4交换：  
2 3 4 9 5 6 1 8 7  
一直重复上述过程，直到右侧大于等于4的数与左侧小于等于4的数是一个数（一个位置），也就是4本身所在的位置，就完成了一次Partition：  
2 3 1 9 5 6 4 8 7  
2 3 1 4 5 6 9 8 7  
2 3 1 4 5 6 9 8 7  
2 3 1 4 5 6 9 8 7

以上就是快速排序算法的基础组成，而快排就是不断递归Partition的过程。

//Partition过程
    int Partition(int array[],int low,int high)
    {
        
    	int pv = array[low];
    	while(low<high)
    	{
        
    		//low和pv对应的索引是相同的，先判断高位
    		while((low<high)&&(array[high]>=pv)) 
    			high--;
    		swap(array,high,low);
    		while((low<high)&&array[low]<=pv)
    			low++;
    		swap(array,low,high);
    	}
    	return low;
    }
    //递归调用部分
    void QSort(int array[],int low,int high)
    {
        
    	if (low>=high)
    		return;	
    	int pvIndex = Partition(array,low,high);
    	QSort(array,low,pvIndex-1);
    	QSort(array,pvIndex+1,high);
    }
    void QuickSort(int array[],int length)
    {
        
    	QSort(array,0,length-1);
    }

## 稳定性与复杂度分析 ##

*  时间复杂度：  
    最好的情况（本身有序），时间复杂度 O ( n l o g n ) O(nlogn) O(nlogn)；最差的情况（本身逆序），时间复杂度 O ( n 2 ) O(n^2) O(n2)，平均时间复杂度 ( n l o g n ) (nlogn) (nlogn)。
 *  空间复杂度：  
     O ( n l o g n ) O(nlogn) O(nlogn)
 *  稳定性：  
    不稳定

# 归并排序 #

归并排序是建立在二路归并和分治法的基础上的一个高效排序算法,将已有序的子序列合并，得到完全有序的序列；即先使每个子序列有序，再使子序列段间有序。若将两个有序表合并成一个有序表，称为二路归并。  
将待排序序列R\[0…n-1\]看成是n个长度为1的有序序列，将相邻的有序表成对归并，得到n/2个长度为2的有序表；将这些有序序列再次归并，得到n/4个长度为4的有序序列；如此反复进行下去，最后得到一个长度为n的有序序列。  
![这里写图片描述][format_png]  
所以就像快速排序的Partition功能一样，归并排序也有一个基础的组成部分，就是合并的过程，我们可以将它称为Merge，其思路为：比较二个数列的第一个数，谁小就先取谁，取了后就在对应数列中删除这个数。然后再进行比较，如果有数列为空，那直接将另一个数列的数据依次取出即可。

void Merge(int array[],int left,int mid,int right)
    {
        
    	int lstart=left;
    	int rstart = mid+1;
    	int index = 0;
    	int *temp = new  int[right-left+1];
    	while (lstart<=mid&&rstart<=right)
    	{
        
    		if(array[lstart]<=array[rstart])
    			temp[index++]=array[lstart++];
    		else
    			temp[index++]=array[rstart++];
    	}
    	while (lstart<=mid)
    	{
        
    		temp[index++]=array[lstart++];
    	}
    	while (rstart<=right)
    	{
        
    		temp[index++]=array[rstart++];
    	}
    	for(int i = 0; i < index; i++)
    		array[left+i] = temp[i];
    	delete[] temp;
    	temp = nullptr;
    }
    void MSort(int array[],int left,int right)
    {
        
    	     if(left == right) return;
    		int mid = (left+right)/2;
    		MSort(array,left,mid);
    		MSort(array,mid+1,right);
    		Merge(array,left,mid,right);
    }
    void MergeSort(int array[],int length)
    {
        
    	MSort(array,0,length-1);
    }

# 稳定性与复杂度分析 #

*  时间复杂度：  
    最好的情况（本身有序），时间复杂度 O ( n l o g n ) O(nlogn) O(nlogn)；最差的情况（本身逆序），时间复杂度 O ( n l o g n ) O(nlogn) O(nlogn)，平均时间复杂度 ( n l o g n ) (nlogn) (nlogn)。
 *  空间复杂度：  
    在所有的常见排序算法中，归并排序的空间复杂度最高，因为他需要一个和待排序数列相同长度的空间去做拆分和合并，所以空间复杂度为： O ( n ) O(n) O(n)
 *  稳定性：  
    稳定  
    归并排序也是快排，堆排序，归并排序三种算法中唯一稳定的一个。

# 堆排序 #

堆排序是指利用堆积树（堆）这种数据结构所设计的一种排序算法，它是选择排序的一种。所以在理解堆排序之前，要了解堆的概念：  
堆分为大根堆和小根堆，是完全二叉树。  
若设二叉树的深度为h，除第 h 层外，其它各层 (1～h-1) 的结点数都达到最大个数，第 h 层所有的结点都连续集中在最左边，这就是完全二叉树。完全二叉树度为1的点只有1个或0个  
大根堆的要求是每个节点的值都不大于其父节点的值，即A\[PARENT\[i\]\] >= A\[i\]。所以根据大根堆的要求可知，最大的值一定在堆顶。与最大堆对应的就是最小堆了，最小堆的要求是每一个节点的值都不小于其父结点的值。堆一般用数组的形式实现，下面就是最大堆与最小堆的存储结构：  
![这里写图片描述][format_png 1]  
可以看到，i结点的父结点下标就为(i – 1) / 2（/符号是取整符号，不是除法！！不是除法！！）。它的左右子结点下标分别为2 \* i + 1和2 \* i + 2。如第0个结点左右子结点下标分别为1和2。比如最大数组中，i=3位置的值为25，那么其父结点为i=1位置，在最大堆中也就是56；i=3结点的左右孩子是i=7和i-8，显然没有。  
那么清楚了最大堆与其顺序存储形式后，就可以看下堆排序算法了（假设使用最大堆），那么首先将无序的数组**构建**成一个最大堆的形式，此时堆顶的元素值一定是最大的，随后移除该值，重新**调整**成最大堆，重复移除与调整的过程，直到只剩下最后一个结点。

void HeapAdjust(int array[],int parent,int length)
    {
        
    	int temp =array[parent];
    	for(int child = parent*2+1;child<length;child = child*2+1)
    	{
        
    		if(child+1<length&&array[child]<array[child+1])
    			child++;
    		if(temp>=array[child])
    			break;
    		array[parent] = array[child];
    		parent = child;
    	}
    	array[parent] = temp;
    }
    void HeapSort(int array[],int length)
    {
        
    	int i;
    	for(i=length/2-1;i>=0;i--)
    	 HeapAdjust(array,i,length-1);
    	for (i = length-1;i>0;i--)
    	{
        
            swap(array,0,i);
    		HeapAdjust(array,0,i);
    	}
    }

void HeapAdjust(int array[], int start, int end) 
    {
        
        //建立父节点指标和子节点指标
        int dad = start;
        int son = dad * 2 + 1;
        while (son <= end)  //若子节点指标在范围内才做比较
        {
            
            if (son + 1 <= end && array[son] < array[son + 1]) //先比较两个子节点大小，选择最大的
                son++;
            if (array[dad] > array[son]) //如果父节点大於子节点代表调整完毕，直接跳出函数
                return;
            else  //否则交换父子内容再继续子节点和孙节点比较
            {
        
                swap(array,dad, son);
                dad = son;
                son = dad * 2 + 1;
            }
        }
    }
    void HeapSort(int array[], int length) 
    {
        
        //初始化，i从最后一个父节点开始调整，下标为lenght/2 -1
        for (int i = length/ 2 - 1; i >= 0; i--)
            HeapAdjust(array, i, length- 1);//调整数组从i到最后
        //先将第一个元素和已经排好的元素前一位做交换，再从新调整(刚调整的元素之前的元素)，直到排序完毕
        for (int i = length- 1; i > 0; i--) 
        {
        
            swap(array,0,i);
            HeapAdjust(array, 0, i - 1);//调整数组从开始到交换好的前一个位置
        }
    }

## 稳定性与复杂度分析 ##

*  时间复杂度：  
    最好的情况（本身有序），时间复杂度 O ( n l o g n ) O(nlogn) O(nlogn)；最差的情况（本身逆序），时间复杂度 O ( n l o g n ) O(nlogn) O(nlogn)，平均时间复杂度 O ( n l o g n ) O(nlogn) O(nlogn)。
 *  空间复杂度：  
     O ( 1 ) O(1) O(1)
 *  稳定性：  
    不稳定

# 总结 #

![这里写图片描述][format_png 2]

所有排序算法中用的最多的是堆排序，快速排序与归并排序，在这三种算法中：  
如果从空间复杂度来考虑的话，首选堆排序，其次是快速排序，最后是归并排序。  
如果从稳定性考虑，选择归并排序（稳定）。

此外，还有一种说法，如果待排序列表基本有序，那么选择直接插入排序。

在以上的7中排序算法中，也可以按照主要操作进行分类，可以分为4类：

基于交换：冒泡排序，快速排序  
基于选择：简单选择排序，堆排序  
基于插入：直接插入排序，希尔排序  
基于归并：归并排序

在最后，不知道大家有没有发现一个问题，堆排序与快排的空间复杂度，平均时间复杂度与最好情况下时间复杂度都一样，但是最差情况下时间复杂度堆排序要更胜一筹，那么为毛快排更好呢？直接贴出解答地址吧，我也是从这看的：[数学之美番外篇：快排为什么那样快][Link 1]

[format_png]: /images/20220609/5b7022edc9244855b7c5a7b8888c0d0b.png
[format_png 1]: /images/20220609/a91cc12e3b1b412d9f067a513ee62d48.png
[format_png 2]: /images/20220609/6b25de8b10504a65917347741aa46154.png
[Link 1]: http://blog.csdn.net/pongba/article/details/2544933