十大经典排序算法的总结

选择排序

===================================================================

实现步骤：

• 1: 初始状态：无序区为[1…n]，有序区为空

• 2: 第 i 趟排序(i=1,2,3…n-1)开始时，当前有序区和无序区分别为[1…i-1]和(i…n）。该趟排序从当前无序区中-选出关键字最小的记录 [k]，将它与无序区的第 1 个记录 R 交换，使[1…i]和[i+1…n)分别变为记录个数增加 1 个的新有序区和记录个数减少 1 个的新无序区

• 3: n-1 趟结束，数组有序化了

动图：

代码：

算法分析

• 最佳情况：T(n) = O(n^2)

• 最差情况：T(n) = O(n^2)

• 平均情况：T(n) = O(n^2)

插入排序

===================================================================

实现步骤：

• 1: 从第一个元素开始，该元素可以认为已经被排序

• 2: 取出下一个元素，在已经排序的元素序列中从后向前扫描

• 3: 如果该元素（已排序）大于新元素，将该元素移到下一位置

• 4: 重复步骤 3，直到找到已排序的元素小于或者等于新元素的位置

• 5: 将新元素插入到该位置后

• 6: 重复步骤 2~5。

动图：

代码：

算法分析

• 最佳情况：T(n) = O(n)

• 最差情况：T(n) = O(n^2)

• 平均情况：T(n) = O(n^2)

希尔排序

===================================================================

实现步骤：

• 1：选择一个增量序列 t1，t2，…，tk，其中 ti>tj，tk=1；

• 2：按增量序列个数 k，对序列进行 k 趟排序；

• 3：每趟排序，根据对应的增量 ti，将待排序列分割成若干长度为 m 的子序列，分别对各子表进行直接插入排序。仅增量因子为 1 时，整个序列作为一个表来处理，表长度即为整个序列的长度。

动图：

代码：

算法分析

• 最佳情况：T(n) = O(nlog2 n)

• 最差情况：T(n) = O(nlog2 n)

• 平均情况：T(n) = O(nlog2 n)

归并排序

===================================================================

实现步骤：

• 1：把长度为 n 的输入序列分成两个长度为 n/2 的子序列

• 2：对这两个子序列分别采用归并排序

• 3：将两个排序好的子序列合并成一个最终的排序序列

动图：

代码：

算法分析

• 最佳情况：T(n) = O(n)

• 最差情况：T(n) = O(nlogn)

• 平均情况：T(n) = O(nlogn)

快速排序

===================================================================

实现步骤：

• 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

动图：

代码：

算法分析

• 最佳情况：T(n) = O(nlogn)

• 最差情况：T(n) = O(n^2)

• 平均情况：T(n) = O(nlogn)

堆排序

==================================================================

这里用到了完全二叉树的部分性质

实现步骤：

• 1：将初始待排序关键字序列(R1,R2….Rn)构建成大顶堆，此堆为初始的无序区

• 2：将堆顶元素 R[1]与最后一个元素 R[n]交换，此时得到新的无序区(R1,R2,……Rn-1)和新的有序区(Rn),且满足 R[1,2…n-1]<=R[n]

• 3：由于交换后新的堆顶 R[1]可能违反堆的性质，因此需要对当前无序区(R1,R2,……Rn-1)调整为新堆，然后再次将 R[1]与无序区最后一个元素交换，得到新的无序区(R1,R2….Rn-2)和新的有序区(Rn-1,Rn)。不断重复此过程直到有序区的元素个数为 n-1，则整个排序过程完成

动图：

代码：

算法分析

• 最佳情况：T(n) = O(nlogn)

• 最差情况：T(n) = O(nlogn)

• 平均情况：T(n) = O(nlogn)

计数排序

===================================================================

实现步骤：

• 1：找出待排序的数组中最大和最小的元素；

• 2：统计数组中每个值为 i 的元素出现的次数，存入数组 C 的第 i 项

• 3：对所有的计数累加（从 C 中的第一个元素开始，每一项和前一项相加）

• 4：反向填充目标数组：将每个元素 i 放在新数组的第 C(i)项，每放一个元素就将 C(i)减去 1

动图：

代码：

算法分析

• 最佳情况：T(n) = O(n+k)

• 最差情况：T(n) = O(n+k)

• 平均情况：T(n) = O(n+k)

桶排序

==================================================================

实现步骤：

• 1：人为设置一个 BucketSize，作为每个桶所能放置多少个不同数值（例如当 BucketSize==5 时，该桶可以存放｛1,2,3,4,5｝这几种数字，但是容量不限，即可以存放 100 个 3）；

• 2：遍历输入数据，并且把数据一个一个放到对应的桶里去；

• 3：对每个不是空的桶进行排序，可以使用其它排序方法，也可以递归使用桶排序；

• 4：从不是空的桶里把排好序的数据拼接起来。

如果递归使用桶排序为各个桶排序，则当桶数量为 1 时要手动减小 BucketSize 增加下一循环桶的数量，否则会导致内存溢出。

图解：

代码：

算法分析

• 最佳情况：T(n) = O(n+k)

• 最差情况：T(n) = O(n+k)

• 平均情况：T(n) = O(n^2)

基数排序

===================================================================

实现步骤：

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数前端工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Web前端开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上前端开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且会持续更新！

如果你觉得这些内容对你有帮助，可以扫码获取！！（备注：前端）

最后

前端CSS面试题文档，JavaScript面试题文档，Vue面试题文档，大厂面试题文档，需要的读者可以戳这里免费领取！

盖了95%以上前端开发知识点，真正体系化！**

[外链图片转存中…(img-AXcBovkX-1713732147286)]

由于文件比较大，这里只是将部分目录截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且会持续更新！

如果你觉得这些内容对你有帮助，可以扫码获取！！（备注：前端）

[外链图片转存中…(img-sBD9m5eC-1713732147286)]

最后

前端CSS面试题文档，JavaScript面试题文档，Vue面试题文档，大厂面试题文档，需要的读者可以戳这里免费领取！

[外链图片转存中…(img-OVZMbKdj-1713732147287)]

[外链图片转存中…(img-NiJg76KC-1713732147287)]