排序算法总结（中）

五、归并排序（Merge Sort）

和选择排序一样，归并排序的性能不受输入数据的影响，但表现比选择排序好的多，因为始终都是O(n log n）的时间复杂度。代价是需要额外的内存空间。
1.算法简介
归并排序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。归并排序是一种稳定的排序方法。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2-路归并。
2.算法描述和实现
具体算法描述如下：
（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。

代码实现如5.1

归并排序动态图演示过程如下图所示：

3.算法分析

情况	时间复杂度	数据
最佳情况	T(n) = O(n)	-
最差情况	T(n) = O(nlogn)	-
平均情况	T(n) = O(nlogn)	-

4.优化

六、快速排序（Quick Sort）

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.算法简介
快速排序的基本思想：通过一趟排序将待排记录分隔成独立的两部分，其中一部分记录的关键字均比另一部分的关键字小，则可分别对这两部分记录继续进行排序，以达到整个序列有序。
2.算法描述和实现
快速排序使用分治法来把一个串（list）分为两个子串（sub-lists）。具体算法描述如下：
（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。

代码实现如6.1

快速排序动态图演示过程如下图所示：

3.算法分析

情况	时间复杂度	数据
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)	-

4.优化

七、堆排序（Heap Sort）

堆排序可以说是一种利用堆的概念来排序的选择排序。
1.算法简介
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。
2.算法描述和实现
具体算法描述如下：
（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。

代码实现如7.1

堆排序动态图演示过程如下图所示：

3.算法分析

情况	时间复杂度	数据
最佳情况	T(n) = O(nlogn)	-
最差情况	T(n) = O(nlogn)	-
平均情况	T(n) = O(nlogn)	-

4.优化