Object-C中排序算法

本文转自：http://www.cocoachina.com/ios/20170803/20117.html

目录

 * 选择排序

 * 冒泡排序

 * 插入排序

 * 快速排序

 * 双路快速排序

 * 三路快速排序

 * 堆排序

 * 总结与收获

 * 参考与阅读

选择排序

选择排序是一种简单直观的排序算法，无论什么数据进去都是 O(n?) 的时间复杂度。所以用到它的时候，数据规模越小越好。唯一的好处可能就是不占用额外的内存空间了吧。

1.算法步骤

1. 首先在未排序序列中找到最小（大）元素，存放到排序序列的起始位置

2. 再从剩余未排序元素中继续寻找最小（大）元素，然后放到已排序序列的末尾。

3. 重复第二步，直到所有元素均排序完毕。

2.代码实现

/**
 升序选择排序
 */
+(void)upCompartorAndLogWithArrray:(NSArray *)array{
    NSMutableArray*newArray = [NSMutableArray arrayWithArray:array];
    for (int i=0; i<newArray.count-1; i++) {//1，6，2，9，3
        id min = newArray[i];
        for (int j = i+1 ; j<newArray.count; j++) {
            if (min > newArray[j]) {
                id temp = min;
                min = newArray[j];
                newArray[j] = temp;
            }
        }
        newArray[i]=min;
    }
    NSLog(@"升序排列出的数组=%@",newArray);
}

冒泡排序

冒泡排序（Bubble Sort）也是一种简单直观的排序算法。它重复地走访过要排序的数列，一次比较两个元素，如果他们的顺序错误就把他们交换过来。走访数列的工作是重复地进行直到没有再需要交换，也就是说该数列已经排序完成。这个算法的名字由来是因为越小的元素会经由交换慢慢“浮”到数列的顶端。

1.算法步骤

1. 比较相邻的元素。如果第一个比第二个大，就交换他们两个。

2. 对每一对相邻元素作同样的工作，从开始第一对到结尾的最后一对。这步做完后，最后的元素会是最大的数。

3. 针对所有的元素重复以上的步骤，除了最后一个。

4. 持续每次对越来越少的元素重复上面的步骤，直到没有任何一对数字需要比较。

2.代码实现

/**
 冒泡排序法
 @param array 要排序的数组
 */
+(void)bubbleSortWithArray:(NSArray *)array{
    NSMutableArray * newArray = [NSMutableArray arrayWithArray:array];
    for(int i=0;i<newArray.count;i++){
        for(int j=0;j<newArray.count-i-1;j++)
        {
            if(newArray[j]>newArray[j+1])
            {
                id temp;
                temp = newArray[j];
                newArray[j] = newArray[j+1];
                newArray[j+1] = temp;
            }
        }
    }
    NSLog(@"冒泡排序法升序排列=%@",newArray);
}

插入排序

插入排序的代码实现虽然没有冒泡排序和选择排序那么简单粗暴，但它的原理应该是最容易理解的了，因为只要打过扑克牌的人都应该能够秒懂。插入排序是一种最简单直观的排序算法，它的工作原理是通过构建有序序列，对于未排序数据，在已排序序列中从后向前扫描，找到相应位置并插入。

1.算法步骤

1. 将第一待排序序列第一个元素看做一个有序序列，把第二个元素到最后一个元素当成是未排序序列。

2. 从头到尾依次扫描未排序序列，将扫描到的每个元素插入有序序列的适当位置。（如果待插入的元素与有序序列中的某个元素相等，则将待插入元素插入到相等元素的后面。）

2.代码实现

/**
 插入排序法
 @param array 要排序的数组
 */
+(void)insertCompartorWithArray:(NSArray*)array{
    NSMutableArray * newArray = [NSMutableArray arrayWithArray:array];
    for(int i = 1;i < newArray.count;i++){
        id temp = newArray[i];
        int j;
        for(j = i-1;j>=0 && temp < newArray[j];j--){
            newArray[j+1] = newArray[j];
        }
        newArray[j+1] = temp;
    }
    NSLog(@"插入排序法=%@",newArray);
}

归并排序

归并排序（Merge sort）是建立在归并操作上的一种有效的排序算法。该算法是采用分治法（Divide and Conquer）的一个非常典型的应用。

作为一种典型的分而治之思想的算法应用，归并排序的实现由两种方法：

>1. 自上而下的递归（所有递归的方法都可以用迭代重写，所以就有了第 2 种方法）  

>2. 自下而上的迭代；

本文使用的是**自顶向下**的归并排序

1.算法步骤 

1. 申请空间，使其大小为两个已经排序序列之和，该空间用来存放合并后的序列；

2. 设定两个指针，最初位置分别为两个已经排序序列的起始位置；

3. 比较两个指针所指向的元素，选择相对小的元素放入到合并空间，并移动指针到下一位置；

4. 重复步骤 3 直到某一指针达到序列尾；

5. 将另一序列剩下的所有元素直接复制到合并序列尾。

2.代码实现

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

#pragma mark - /**归并排序 自顶向下*/ - (void)mb_mergeSort{      [self mb_mergeSortArray:self LeftIndex:0 rightIndex:(int)self.count - 1]; } - (void)mb_mergeSortArray:(NSMutableArray *)array LeftIndex:(int )l rightIndex:(int)r{      if (l >= r)  return ;      int mid = (l + r) / 2;      [self mb_mergeSortArray:self LeftIndex:l rightIndex:mid];      [self mb_mergeSortArray:self LeftIndex:mid + 1 rightIndex:r];      [self mb_mergeSortArray:self LeftIndex:l midIndex:mid rightIndex:r]; } - (void)mb_mergeSortArray:(NSMutableArray *)array LeftIndex:(int )l midIndex:(int )mid rightIndex:(int )r{      SEL func = NSSelectorFromString(@ "resetSortArray:" );      // 开辟新的空间 r-l+1的空间      NSMutableArray *aux = [NSMutableArray arrayWithCapacity:r-l+1];      for  (int i = l; i  r){ // 如果右半部分元素已经全部处理完毕              self.comparator(nil, nil);              self[k] = aux[i - l];              i++;          } else  if (self.comparator(aux[i - l], aux[j - l]) == NSOrderedAscending){ // 左半部分所指元素 < 右半部分所指元素              self[k] = aux[i - l];              i++;          } else {              self.comparator(nil, nil);              self[k] = aux[j - l];              j++;          }                    NSMutableArray *mutArray = [NSMutableArray array];          [self enumerateObjectsUsingBlock:^(MBBarView *  _Nonnull obj, NSUInteger idx, BOOL * _Nonnull stop) {              [mutArray addObject:[NSString stringWithFormat:@ "%f" ,obj.frame.size.height]];          }];                    objc_msgSendSortArray(self.vc,func,mutArray);      } }

快速排序

快速排序是由东尼·霍尔所发展的一种排序算法。在平均状况下，排序 n 个项目要 Ο(nlogn) 次比较。在最坏状况下则需要 Ο(n2) 次比较，但这种状况并不常见。事实上，快速排序通常明显比其他 Ο(nlogn) 算法更快，因为它的内部循环（inner loop）可以在大部分的架构上很有效率地被实现出来。

快速排序使用分治法（Divide and conquer）策略来把一个串行（list）分为两个子串行（sub-lists）。

快速排序又是一种分而治之思想在排序算法上的典型应用。本质上来看，快速排序应该算是在冒泡排序基础上的递归分治法。

快速排序的名字起的是简单粗暴，因为一听到这个名字你就知道它存在的意义，就是快，而且效率高！它是处理大数据最快的排序算法之一了。

1.算法步骤

1. 从数列中挑出一个元素，称为 “基准”（pivot）;

2. 重新排序数列，所有元素比基准值小的摆放在基准前面，所有元素比基准值大的摆在基准的后面（相同的数可以到任一边）。在这个分区退出之后，该基准就处于数列的中间位置。这个称为分区（partition）操作；

3. 递归地（recursive）把小于基准值元素的子数列和大于基准值元素的子数列排序；

**快速排序的优化可考虑当分区间隔小的的时候转而使用插入排序**

2.代码实现

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

#pragma mark - /**快速排序*/ - (void)mb_quickSort{      //要特别注意边界的情况      [self mb_quickSort:self indexL:0 indexR:(int)self.count - 1]; } - (void)mb_quickSort:(NSMutableArray *)array indexL:(int)l indexR:(int)r{      if  (l >= r)  return ;      int p = [self __partition:array indexL:l indexR:r];      [self mb_quickSort:array indexL:l indexR:p-1];      [self mb_quickSort:array indexL:p + 1 indexR:r]; } /**   对arr[l...r]部分进行partition操作   返回p, 使得arr[l...p-1] < arr[p] ; arr[p+1...r] > arr[p]      @param array array   @param l 左   @param r 右   @return 返回p   */ - (int)__partition:(NSMutableArray *)array indexL:(int)l indexR:(int)r{      int j = l; // arr[l+1...j] < v ; arr[j+1...i) > v      for  (int i = l + 1; i <= r ; i++) {          if  ( self.comparator(array[i], array[ l]) == NSOrderedAscending) {              j++;              //交换              [self mb_exchangeWithIndexA:j indexB:i];          }      }      self.comparator(nil, nil);      [self mb_exchangeWithIndexA:j indexB:l];      return  j; }

双路快速排序

过多重复键值使Quick Sort降至O(n^2)  

使用双快速排序后, 我们的快速排序算法可以轻松的处理包含大量元素的数组  

**快速排序的优化可考虑当分区间隔小的的时候转而使用插入排序**

1.算法图示

2.代码实现

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

#pragma mark - /**双路快排*/ ///使用双快速排序后, 我们的快速排序算法可以轻松的处理包含大量元素的数组 - (void)mb_identicalQuickSort{      //要特别注意边界的情况      [self mb_quickSort:self indexL:0 indexR:(int)self.count - 1]; } - (void)mb_identicalQuickSort:(NSMutableArray *)array indexL:(int)l indexR:(int)r{      if  (l >= r)  return ;      int p = [self __partition2:array indexL:l indexR:r];      [self mb_quickSort:array indexL:l indexR:p-1];      [self mb_quickSort:array indexL:p + 1 indexR:r]; } - (int)__partition2:(NSMutableArray *)array indexL:(int)l indexR:(int)r{      // 随机在arr[l...r]的范围中, 选择一个数值作为标定点pivot      [self mb_exchangeWithIndexA:l indexB:(arc4random()%(r-l+1))];      id v = array[l];      // arr[l+1...i) = v      int i = l + 1, j = r;      while  ( true ) {                    while  (i  l + 1 && self.comparator(array[j],v) == NSOrderedDescending)              j--;                    if  (i > j) {              break ;          }          [self mb_exchangeWithIndexA:i indexB:j];                    i++;          j--;      }      [self mb_exchangeWithIndexA:l indexB:j];      return  j; }

三路快速排序

对于包含有大量重复数据的数组, 三路快排有巨大的优势  

对于一般性的随机数组和近乎有序的数组, 三路快排的效率虽然不是最优的, 但是是在非常可以接受的范围里  

因此, 在一些语言中, 三路快排是默认的语言库函数中使用的排序算法。比如Java:)

**快速排序的优化可考虑当分区间隔小的的时候转而使用插入排序**

1.算法图示

2.代码实现

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

#pragma mark - /**三路快排*/ //对于包含有大量重复数据的数组, 三路快排有巨大的优势 - (void)mb_quick3WaysSort{      //要特别注意边界的情况      [self mb_quick3WaysSort:self indexL:0 indexR:(int)self.count - 1]; } /// 递归的三路快速排序算法 - (void)mb_quick3WaysSort:(NSMutableArray *)array indexL:(int)l indexR:(int)r{      if  (l >= r)   return ;            self.comparator(nil, nil);      // 随机在arr[l...r]的范围中, 选择一个数值作为标定点pivot      [self mb_exchangeWithIndexA:l indexB:(arc4random_uniform(r-l+1) + l)];            id v = array[l];            int lt = l;  // array[l+1...lt] < v      int gt = r + 1;  // array[gt...r] > v      int i = l + 1;  // array[lt+1...i) == v            while  (i < gt) {          if  ( [self compareWithBarOne:array[i] andBarTwo:v] == NSOrderedAscending) {              self.comparator(nil, nil);              [self mb_exchangeWithIndexA:i indexB:lt + 1];              i++;              lt++;          } else  if   ([self compareWithBarOne:array[i] andBarTwo:v] == NSOrderedDescending){              self.comparator(nil, nil);              [self mb_exchangeWithIndexA:i indexB:gt - 1];              gt--;          } else {  //array[i] == v              i++;          }      }      self.comparator(nil,nil);      [self mb_exchangeWithIndexA:l indexB:lt];      [self mb_quick3WaysSort:array indexL:l indexR:lt-1];      [self mb_quick3WaysSort:array indexL:gt indexR:r];       }

堆排序

堆排序（Heapsort）是指利用堆这种数据结构所设计的一种排序算法。堆积是一个近似完全二叉树的结构，并同时满足堆积的性质：即子结点的键值或索引总是小于（或者大于）它的父节点。堆排序可以说是一种利用堆的概念来排序的选择排序。分为两种方法：

大顶堆：每个节点的值都大于或等于其子节点的值，在堆排序算法中用于升序排列；  

小顶堆：每个节点的值都小于或等于其子节点的值，在堆排序算法中用于降序排列；  

堆排序的平均时间复杂度为 Ο(nlogn)。

1.算法步骤

1. 创建一个堆 H[0……n-1]；

2. 把堆首（最大值）和堆尾互换；

3. 把堆的尺寸缩小 1，并调用 shift_down(1)，目的是把新的数组顶端数据调整到相应位置；

4. 重复步骤 2，直到堆的尺寸为 1

2.代码实现

1 2 3 4 5 6 7 8 9 10 11

///shift_down操作 - (void)shiftDown:(int )k{      while  (2 * k <= _count) {          int j = 2 * k;          if  (j + 1 <= _count && [self heapCompareWithBarOne:_data[j + 1] andBarTwo:_data[j]] == NSOrderedDescending) j++; //左孩子小于右孩子          if  ([self heapCompareWithBarOne:_data[k] andBarTwo:_data[j]] == NSOrderedDescending)  break ; //父节点大于子节点          self.comparator(nil, nil);          [_data mb_exchangeWithIndexA:k indexB:j];          k = j;      } }

参考与阅读

**如果各位读者看完有所收获欢迎在[Github](https://github.com/MisterBooo/Play-With-Sort-OC)上给个star (*^__^*)**

* [一本关于排序算法的 GitBook 在线书籍 《十大经典排序算法》，使用 JavaScript & Python & Go 实现](https://github.com/hustcc/JS-Sorting-Algorithm)

* [在 JavaScript 中学习数据结构与算法](https://juejin.im/post/594dfe795188250d725a220a)

* [排序动画](https://github.com/JiongXing/JXSort)