抱歉,您的浏览器无法访问本站
本页面需要浏览器支持(启用)JavaScript
了解详情 >

常见的内部排序算法有:插入排序、希尔排序、选择排序、冒泡排序、归并排序、快速排序、堆排序、基数排序等。

稳定性是指排序过程中,原来相同的元素保持原来的相对位置
比如 a[i] = a[j] ,且 i<j , 排序后 i<j 依然成立

插入排序

(1) 直接插入排序

时间复杂度:O(n^2),最好 O(n)
空间复杂度:O(1)
稳定性:稳定

  • 思路:
    将开头元素视作已排序
    执行下述过程,直到未排序过程消失:
  1. 取出未排序部分的开头元素赋给变量 v
  2. 在已排序部分,将所有比 v 大的元素向后移动一位
  3. 将已取出的元素 v 插入空位
1
2
3
4
5
6
7
8
void InsertSort(int a[], int len) {
for (int i=1; i<len; i++) {
int v=a[i];
for (int j=i-1; v<a[j];j--)
a[j+1]=a[j]; // 后移
a[j+1]=v;
}
}

(2) 希尔排序

时间复杂度:平均 O(n^1.3),最坏 O(n^2)
空间复杂度:O(1)
稳定性:不稳定

缩小增量法

  • n 个记录,增量为 di,则分组
    • 下标 0, di, 2di, 3di, …… 为 1 组
    • 下标 1, di +1, 2di +1, 3di +1, …… 为 1 组
    • 下标 2, di +2, 2di +2, 3di +2, …… 为 1 组
    • …… …… …… ……
    • 下标 di-1, di+di -1, 2di+di -1, …… 为 1 组

思路:

  • 增量为 d1 时,在各组内,进行排序
  • 减小增量,重新分组,组内排序
    • 减小增量:初始:d1 = n/2,则模式:di+1 = di /2
  • 重复第 2 步, 直到 di==1,所有记录在同一组,组内排序
    • 排序均为直接插入排序
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
// ? 按照 ShellSort 定义写出
void shellSort1(int a[], int n) {
int i, j, k, gap;
for (gap = n / 2; gap > 0; gap /= 2)
for (i = 0; i < gap; i++) // 分组
for (int j = i + gap; j < n; j += gap) // 组内插入排序
if (a[j] < a[j - gap]) { // 直接插入排序
int v = a[j];
for (int k = j - gap; k >= 0 && a[k] > v; k -= gap)
a[k + gap] = a[k]; // 后移
a[k + gap] = v;
}
}

// ? 优化
// - 上述 i 的作用是为了确认 j 的位置,并与组内元素比较
// - 明显每次 gap 与 j-gap 就是组内比较,不需要再分组
void shellSort(int a[], int n) {
int j, k, gap;
for (gap = n / 2; gap > 0; gap /= 2)
for (j = gap; j < n; j++)
if (a[j] < a[j - gap]) {
int v = a[j];
for (int k = j - gap; k >= 0 && a[k] > v; k -= gap)
a[k + gap] = a[k]; // 后移
a[k + gap] = v;
}
}

交换排序

(3) 冒泡排序

时间复杂度:平均 O(n^2),最坏 O(n^2),最好 O(n)
空间复杂度:O(1)
稳定性:稳定

  • 思路:
    重复执行下述处理,直到数组中不包含顺序相反的相邻元素:
    1、从数组开头开始依次比较相邻两个元素,如果大小关系相反则交换位置
1
2
3
4
5
6
7
8
9
10
11
void BubbleSort(int a[], int len){
for (int i=0; i<len; i++){
for (int j=i+1; j<len; j++){
if (a[i]>a[j]){
int temp=a[i];
a[i]=a[j];
a[j]=temp;
}
}
}
}

(4) 快速排序

时间复杂度:平均 O(nlogn),最坏 O(n^2)
空间复杂度:平均 O(logn),最坏 O(n)
稳定性:不稳定

  • 思路:
    以整个数组为对象执行 QuickSort
    QuickSort 流程如下:
    1、通过分割将对象局部数组分割为前后两个局部数组
    2、对前半部分的局部数组执行 QuickSort
    3、对后半部分的局部数组执行 QuickSort

  • 第 1 趟快排:

    • 从待排序码中,选出 1 个 K(如 R0.key )

      • 将小于 k 的记录移动到左边(左子表),
      • 大于 k 的记录移动到右边(右子表),
      • 将 k 放在左、右两个子表的分界处
    • 左游历下标:i=0, 右游历下标:j=n-1,
      取出分区基准:temp=R[0]

      • 初始空位 R[0]:在左表中,即 R[i]
    • 重复以下两种扫描,直到 i==j (空位置在左,则 j 扫描;空位置在右,则 i 扫描)

      • j 向左扫描,直到 R[j].key < temp.key,
        将 R[j] 移动到空位 R[i] 中,则 R[j] 为空,令 i++
      • i 向右扫描,直到 R[i].key > temp.key,
        将 R[i] 移动到空位 R[ j] 中,则 R[i] 为空,令 j - -
    • 将“分区基准” temp,放到空位 R[i] 中

  • 第 2 趟快排:

    • 对 K 左、右两个字表,分别执行 1 趟快排 - 4 个子表
      … …
  • 直到:各子表长度 ≤1

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
// ? 快排划分
int Partition(int a[], int l, int r) {
int p = a[l];
while (l < r) { // l != r
while (l < r && a[r] >= p) --r; // r 向左扫描
a[l] = a[r];
while (l < r && a[l] <= p) ++l; // l 向右扫描
a[r] = a[l];
}
a[l] = p;
return l;
}

// ? 快速排序
void QuickSort(int a[], int l, int r) {
if (l < r) {
int p = Partition(a, l, r);
QuickSort(a, l, p - 1);
QuickSort(a, p + 1, r);
}
}

// ? 三数取中优化,此版本快的飞起
// https://www.cnblogs.com/chengxiao/p/6262208.html
// - 左端、中间、右端三个数,然后进行排序,将中间数作为枢纽值
void QuickSort(int a[], int l, int r) {
int mid = a[(l + r) / 2];
int i = l, j = r;
do {
while (a[i] < mid) i++;
while (a[j] > mid) j--;
if (i <= j) {
swap(a[i], a[j]);
i++;
j--;
}
} while (i <= j);
if (l < j) QuickSort(a, l, j);
if (i < r) QuickSort(a, i, r);
}

// 字符串的快排
void qsort(vector<string>& nums, int l, int r) {
int i = l, j = r;
string m = nums[l + ((r - l) >> 1)];
do {
while (nums[i] + m < m + nums[i]) i++;
while (nums[j] + m > m + nums[j]) j--;
if (i <= j) {
swap(nums[i], nums[j]);
i++;
j--;
}
} while (i <= j);
if (l < j) qsort(nums, l, j);
if (i < r) qsort(nums, i, r);
}

选择排序

(5) 简单选择排序

时间复杂度:平均 O(n^2),最坏 O(n^2)
空间复杂度:O(1)
稳定性:不稳定

思路:

  • 重复执行 N-1 次 下述处理:
    1. 找出未排序部分最小值的位置 minj
    2. 将 minj 位置的元素与未排序部分的起始元素交换
1
2
3
4
5
6
7
8
9
void SelectSort(int a[], int len){
for (int i=0; i<len-1; i++){
int k=i;
for (int j=i+1; j<len; j++){
if (a[j]<a[k]) k=j;
}
if (i!=k) swap(a[i],a[k]);
}
}

(6) 堆排序

时间复杂度:平均 O(nlogn),最坏 O(nlogn),最好 n(nlogn)
空间复杂度:O(1)
稳定性:不稳定

思路:

  • 将待排序数据建立成大根堆
    • 将待排序记录建成 1 个完全二叉树(从左往右插入),再“从后向前”依次调整 sift

      • sift(待调整:x):就是让其满足大根堆
        • 判断“待调整 x”是否 >左孩子 && >右孩子
          • 是,则无需调整,结束
          • 否,继续“调整 x”,即:重复,直到 x 与孩子满足堆序性,或 x 成为叶子
      • 最后结点的父亲开始,最后结点下标:n-1 父亲下标 p= (n-1-1)/2
        • “从后向前”:依次调整 p, p-1, p-2, …, 0
          • 之后 sift (3),sift(2),sift(1),sift(0),构成大根堆
  • 重复:选出最大值(堆顶)、并调整剩余部分(较大的孩子上升,空位置下降
    • 以此类推,直到堆无剩余元素
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
// - 图解 https://www.cnblogs.com/chengxiao/p/6129630.html

// ? 调整以 k 为根的子树,即 shift 操作
// - 大孩子上升,空位置下降
void HeadAdjust(int a[], int k, int len) {
int t = a[k];
for (int i = k * 2 + 1; i < len; i = i * 2 + 1) {
// 如果左子结点小于右子结点,i指向右子结点
if (i + 1 < len && a[i] < a[i + 1]) i++;
// 如果子节点大于父节点,将子节点值赋给父节点(不用进行交换)
if (a[i] > t) {
a[k] = a[i];
k = i;
} else
break;
}
a[k] = t; // t 放在最终位置
}

// ? 堆排序
void HeapSort(int a[], int len) {
int i;
// - 建立大根堆
for (i = len / 2 - 1; i >= 0; i--) HeadAdjust(a, i, len);
// - 交换堆顶堆低元素 + 调整堆结构
for (i = len - 1; i >= 0; i--) {
swap(a[i], a[0]);
HeadAdjust(a, 0, i);
}
}

其他排序

(7) 归并排序

时间复杂度: O(nlogn) (好、坏、平均)
空间复杂度:O(n)
稳定性:稳定

思路:

以整个数组为对象执行 mergeSort

  • mergeSort:
    1. 将给定包含 n 个元素的局部数组分割成两个局部数组
    2. 对局部数组分别 mergeSort
    3. 通过 merge 将两个已排序的数组整合为一个数组
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
void Merge(int a[], int begin, int mid, int end) {
int left = begin, right = mid + 1, k = 0;
int *temp = new int[end - begin + 1];
//顺序选取两个有序区的较小元素,存储到t数组中
while (left <= mid && right <= end) {
//较小的先存入temp中
if (a[left] <= a[right])
temp[k++] = a[left++];
else
temp[k++] = a[right++];
}
//若比较完之后,有序区仍有剩余,则直接复制到t数组中
while (left <= mid) temp[k++] = a[left++];
while (right <= end) temp[k++] = a[right++];
//将排好序的存回arr中
for (int i = begin, k = 0; i <= end; i++, k++) a[i] = temp[k];
//删除指针,释放空间
delete[] temp;
}

// ? 递归
void MergeSort(int a[], int begin, int end) {
if (begin < end) {
int mid = (begin + end) / 2;
MergeSort(a, begin, mid); // 左侧递归
MergeSort(a, mid + 1, end); // 右侧递归
Merge(a, begin, mid, end); // 归并
}
}

// ? 非递归
void MergeSort2(int a[], int n) {
int size = 1, begin, mid, end;
while (size <= n - 1) {
begin = 0;
while (begin + size <= n - 1) {
mid = begin + size - 1;
end = mid + size;
if (end > n - 1) //第二个序列个数不足size
end = n - 1;
Merge(a, begin, mid, end);
begin = end + 1; //下一次归并时第一关序列的下界
}
size *= 2; //扩大范围
}
}

(8) 基数排序

时间复杂度: O(d(n+r)) d: d 趟分配和收集
空间复杂度:O(r) r: r 个队列
稳定性:稳定

看图理解:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
// ? 辅助函数,求数据的最大位数  
int maxbit(int data[], int n) {
    int maxData = data[0];  ///< 最大数
    /// 先求出最大数,再求其位数,这样有原先依次每个数判断其位数,稍微优化点。
    for (int i = 1; i < n; ++i) {
        if (maxData < data[i]) maxData = data[i];
    }
    int d = 1;
    int p = 10;
    while (maxData >= p) {
        // p *= 10; // Maybe overflow
        maxData /= 10;
        ++d;
    }
    return d;
 /*    
int d = 1; //保存最大的位数
int p = 10;
for(int i = 0; i < n; ++i){
while(data[i] >= p){
p *= 10;
++d;
}
}
return d;
*/
}

// ? 基数排序
void Radixsort(int data[], int n) {
    int d = maxbit(data, n);
    int *tmp = new int[n];
    int *count = new int[10];  //计数器
    int i, j, k;
    int radix = 1;
    for (i = 1; i <= d; i++)  //进行d次排序
    {
        for (j = 0; j < 10; j++) count[j] = 0;  //每次分配前清空计数器
        for (j = 0; j < n; j++) {
            k = (data[j] / radix) % 10;  //统计每个桶中的记录数
            count[k]++;
        }
        for (j = 1; j < 10; j++)
            count[j] = count[j - 1] + count[j];  //将tmp中的位置依次分配给每个桶
        for (j = n - 1; j >= 0; j--)  //将所有桶中记录依次收集到tmp中
        {
            k = (data[j] / radix) % 10;
            tmp[count[k] - 1] = data[j];
            count[k]--;
        }
        for (j = 0; j < n; j++)  //将临时数组的内容复制到data中
            data[j] = tmp[j];
        radix = radix * 10;
    }
    delete[] tmp;
    delete[] count;
}

排序比较

评论



Modify from Volantis theme Powered by Hexo