常见排序算法，一篇就够！

常见排序算法

这一篇我们来讲排序算法。其中，用处最广，最经典的排序，在这篇文章中也已经整理好了。其中将要讲到的有希尔，选择，快排，堆排等排序，帮助你一篇搞懂常见排序算法。

首先我们来讲插入排序大类。实际上，希尔排序就是直接插入排序的升级版，当我们了解直接插入排序的原理，希尔排序也就不难了。
想要了解直接插入的原理，我们可以用打牌来作为比较。比如说，当我们手中有一手牌时，我们有很多种方法将牌从大到小排序。而插入排序，实际上就是你先将第一，二张牌按照你想要的顺序排号，然后将第三张牌从后往前依次与前面的两张牌作比较，直至找到合适的位置。接着，依次插入第四张，第五张…并且，待插入的牌前面的牌已经成有序状态。
让我们来看看插入排序的代码：

从代码中我们可以看出，我们用 i 来保存待插入的数字的下标，之所以要用end来拷贝 i ，是因为接下来我们需要从后向前遍历前面的有序数组，从而找到待插入的合适位置。假设我们要将数组排成升序，我们就用num来记录待排的数字，然后依次与前面的数字比较。如果比代排的数字大，那么就将前面的数字拷贝到后面，从而空出插入的空位，如果比待排的数字小，那么就停止遍历，将代排的数插入空位。当 i 遍历完整个数组时，意味着数组已经排序完成。
说实话，想要了解希尔排序的代码怎么写并不难，难的是希尔排序背后的思想。而想要了解它，我们首先要了解的是插入排序的特性。从插入排序的代码中，我们不难看出，如果一个数组越趋近于有序，那么在一趟插入排序中，待排数字与前面数组比较的次数就越小，插入排序的效率也就越高。所以，希尔排序的思想，就是通过多次小的的插入排序提前对待排数组进行整理，使其接近于有序，从而减少最后一次整体插入排序的消耗。

假设这个数组里有十二个数字，我们将其分为四个大组，每组三个数字，且同一组内的数字两两相邻三个数字。然后，我们利用for循环依次遍历每个大组，并将组内的数字排成有序。这样，我们就得到了一个大致有序的数组。
不过，到了这里，有些同学可能会疑惑：一次插入排序才一次遍历循环，而我们虽然每次遍历的数组大小是之前的n分之一，却要遍历n次，难道消耗不大吗？让我们来算一笔账。假设这是最坏的情况，每次插入都得遍历到头才能结束。假设这个数组有n个数字，那么一次遍历，需要（1+n-1）n/2次，即nn/2次调整。（由此我们可以看出，插入排序的时间复杂度是O(n* n)）。我们将其分为k组，每组需要如果比代排的数字大，那么就将前面的数字拷贝到后面，从而空出插入的空位，如果比待排的数字小，那么就停止遍历，将代排的数插入空位。（n/k）*（n/k）/2次调整，总共需要n *（n/k）/2次。所以我们可以看出，for循环的次数多，不代表消耗大。
当我们将待排序的数组进行如上处理后，数组本身已经很接近有序了。这时我们再对整体用一次插入排序，这时，插入排序的时间复杂度就很接近于O(n)。因为需要调整的次数很少，时间复杂度就接近于将数组从头遍历一遍。
我们知道，分组越少，同一组内相邻数字间隔的数字越少，排序后整体就越接近于有序。当同组内相邻数字的间隔数字为0时，整体有序。所以，实际上的希尔排序，是需要将数组进行多次处理的，并且每次处理的分组组数都大于上一次分组，于是数组也就越接近于有序。代码如下：

注：这里的gap既是分组的组数，又是同一组内相邻数字的下标之差。当gap为1时，实际上就是整个数组为一组。排完后，整个数组有序。

接下来我们要讲选择排序。选择排序又分为普通选择排序与堆排序。普通选择排序较为简单，而堆排序则需要读者本身对堆有一定的了解。下面我们先来讲普通选择排序。
下面我们将普通选择排序简称为选择排序。选择排序实际上就是遍历一遍数组，选出其最大的数放最后面，然后遍历除最后一个数的数组，选出次大的数，以此类推。当然，这样的效率其实并不高，因为一次遍历只能排好一个数字。在我们的代码中，一次遍历，我们将从其中找出最大和最小的数，保存到相应的位置，然后再选出次大的和次小的数，以此类推。它的代码实现也不难，不过要记住，当最值已经被保存在相应位置后，下一次的遍历取值要将这些位置排除在外。由于我们同时找到了两个最值，因此后面的下标要减1，而前面的要加1。
代码如下：

注：其中SwapNum函数的作用是交换对应位置的数值。

接下来我们来讲堆排序。堆排序在逻辑结构上是树状图，但实际上却使用数组存储。该数组没有固定顺序。因而，对于一个堆，我们只能确定大堆的根节点是最大的，小堆的是最小的。假设我们要排升序数组，我们便用其建大堆，取其最大值与数组末尾交换，然后在用数组除最后一个数建大堆取次大值，依次下来获得升序数组。对于堆排序，需要读者对于堆的结构有较为清晰的理解，我们直接上代码：

虽然堆排序的理解对于读者有较高的门槛，因为它需要读者了解二叉树，但我们接下来讲的交换排序非常友好。交换排序其中的快速排序，是几乎所有排序里面效率最高，应用最广的排序。在讲快速排序之前，我们先来看看交换排序里另外一个经典排序，就是我们的冒泡排序。
冒泡排序的原理，实际上就是从前到后将数字依次两两比对，如果要建升序，则将大的数换到后面。第一趟冒泡排序，可以将最大的数排至最后，第二，三趟，则可以将次大，次次大的数排在相应的位置。让我们上代码：

可以看出，冒泡排序的大体框架是两层for循环，而其中Judge变量的作用是优化我们的冒泡排序。如果在一次遍历中没有发生交换，意味着接下来的数字已经有序，不需要我们再遍历。如果数组本身有序，则只需要遍历一次，从而大大减少工作量。

接下来是许多同学期待的环节，也就是我们的快排啦！
要弄懂快排的代码，首先我们得了解它的思想。首先我们知道，一个数组排好序后，每一个数字都在它该待的位置上。大多数排序通常都是我们遍历一遍数组，找到最大的数，再将其排在最后面。但快排的每一次遍历，都是将数组中大小尽量居中的数字排到它该排的位置上，这个数字可以是随机的，也可以是经过一定筛选选出的较为居中的数字。我们将该数其称为“key"。为了使key在之后的排序中不再变动位置，我们应该使得这个数左边的数都比他小，右边的都比它大。（假设前提是升序）。然后，我们再以这个数左边的数组和右边的数组分为两个子数组，再对其重复之前的操作，然后再分子数组…当子数组无法再分时，我们的数组便排好了。
现在，我们已经知道了快排对于数组操作的基本流程。实际上，快排有一个很关键的问题，就是对数字key的选择。如果我们每次选择的key，都是这个数组的中位数，那么我们每次就可以尽可能平均地将数组分为两个子数组，操作递归的次数也会越少，快排的消耗也就越少。

（注：无论我们选取什么数字做”key"，我们都将其与下标为0的数字交换，即数字“key"应该放在数组首位。）
那么，我们应该如何尽可能使我们找到的key大小居中呢？针对不同的情况，我们可以采取不同的方法。如果这个数组本身是乱序的，那么我们可以直接将数组的第一个数字作为那个先排序的”key"，因为这个数字也是随机的。
但是，要是我们待排的数本身便接近有序呢？那么我们每次选出的key，便接近其对应数组的最值，这很明显不行。为了解决这一个问题，我们可以随机生成一个下标，然后将这个下标所对应的数字与数组的第一个位置对应的数字交换，再将第一个位置对应的数字设为key。这样，我们得到的key便不会受到上述极端情况的影响。
当然，即使我们得到的key是随机的，我们也杜绝不了刚好选中最值的可能性。所以，又有一种方法被提出，就是所谓的 ”三数取中法“。这个方法很好理解，就是找到数组最前面，最后面，最中间位置的三个数字，再将这三个数字相比较，找出其大小居中的数字，再将其与标为0的数字位置交换。这样不仅杜绝了数组原本有序的极端情况影响，还使得我们得到的key绝对不是最值。

选好key后，我们面临的问题是如何将key排在它该排的位置上。（例如，最大的数字应该排在最后，每一个数字都有它该去的位置）首先，我们定义两个下标 front 与 end，front指向首位，en 指向末尾。然后我们让end先走，如果指针对应的数字大于等于 key ,就让 end 减 1，直到停在比 key 小的数字的下标。再让front走，如果对应的数字小于等于key,就让front加 1，直到停在比key大的数字的下标。然后再让 end与front对应的数字交换，这样，比key小的数字便到了前面，比key大的数字到了后面。当end与front重合时，它们重合位置的前面数字全部小于等于 key,后面的数字大于等于 key。

如果让end指针先走，end与front重合位置的对应数字一定小于key。下面来证明这个观点。首先，它们重合的情形只可能有两种情况，一种是front撞上end，还有一种是end撞上front 。如果是前者，当front开始走时，end停留的位置在小于key的位置上。如果是后者，由代码知，当end走时，前一轮end与front对应的数字已经交换，所以front里的数字也小于key。所以，当end与key相遇后，它们对应位置的数字一定小于key。于是我们将相遇位置对应数字与下标为0的数字key交换，key的位置便排好了。然后，我们又将key左边与右边分为两个子区间，再进行相同的操作，直到子区间不可再分。让我们上代码。

三数取中代码：

快排代码：（注：keyi 是数字key的下标）

在这个版本中，为了让读者们理解为什么让end先走，则end与front相遇的位置一定小于Key，我们花了大量的篇幅来讲解。而我们下面讲的另外一种方法，其本质与前者并无差别，但更好理解。我们也通俗的称其为：挖坑法。
首先，我们创建一个int变量来保存我们的key值，然后将front设为坑。是坑就不能走，于是我们让end先走，直到找到比key小的数，将其赋值给坑位，再将end设为坑。然后front开始走，直到找到比key大的值，将其赋值给坑位，再将front设为坑，以此类推。当end与front相遇后，再将key赋值给它们相遇的坑位。可以看出，挖坑法的底层思想与前者类似，但理解起来简单的多。让我们看看挖坑法的代码：

为了将key排在它应该的位置，我们要做的是将大于等于key的值放在一起，再把小于等于key的放在一起。这里还有别的方法可以得到我们想要的结果。这种方法难以理解，但是代码非常简单，我们称其为前后指针法。首先，我们先使slow指针指向首位，再使quick指针指向下标为1的位置。如果quick指向的位置对应的数字小于等于key，则slow的位置加1，slow与quick的位置交换，quick的位置再加1。（当然，如果slow加1等于quick,则交换不必要发生。）如果quick指向的位置大于key，则只有quick加1，slow停在原地。这样遍历下去，slow与quick两个指针的距离一定会越来越大，因为随着两个指针的遍历，所有比key大的值全部都被管理到了它们之间，随着quick走到了数组的末尾，所有比key大的数字也被放到了数组的末尾。最后，我们再将slow对应的数字与下标为0的数字key交换。

代码很简洁：

到这里，我们便结束了对于交换排序的讲解。

最后，我们只剩下了归并排序。归并排序比较简单。假如我们有一个数组，并且要排升序，我们就先将0号与1号排好，再将2，3号排好…假如数组是单数，最后一个不用管。两两遍历整个数组排好后，我们再将排好的相邻两组合并排好，一组四个数。（最后一组不一定）。接下来再依次类推，每一轮合并的数组大小都为前一次的两倍，直到一个组的数字个数大于等于数组本身的个数，数组便完成了排序。让我们看看代码：

（小tip：对于二叉树熟悉的朋友们一定了解递归，并且知道前序，中序与后序的区别。从代码中我们可以看出，在归并排序中，我们使用的实际上是后序的思想。而在常规快排中，我们使用的是前序的思想。实际上，快排和归并，都可以使用非递归的方法。由于其本身原来递归顺序的不同，它们由递归改为非递归的方式也有所不同。）
看到这里的朋友们辛苦了，希望大家也能从中收获一些知识。
让我们一起加油叭！