一 冒泡排序(Bubble Sort)
通过重复遍历待排序的数列,每次比较相邻的两个元素,如果它们的顺序错误就交换它们,直到整个序列有序。想象我们在一个游泳池里,水泡会从底部上升到水面。我们把水泡看作是需要排序的元素,通过不断地比较和交换,元素就会像水泡一样"浮"到正确的位置上。
public class BubbleSort {
public static void bubbleSort(int[] arr) {
int n = arr.length;
// 外层循环控制遍历次数,每次会将一个最大元素放到最后
for (int i = 0; i < n - 1; i++) {
// 内层循环负责相邻元素的比较与交换
for (int j = 0; j < n - 1 - i; j++) {
if (arr[j] > arr[j + 1]) {
// 交换两个元素
int temp = arr[j];
arr[j] = arr[j + 1];
arr[j + 1] = temp;
}
}
}
}
}
def bubble_sort(arr):
n = len(arr)
for i in range(n):
for j in range(0, n-i-1):
if arr[j] > arr[j+1]:
arr[j], arr[j+1] = arr[j+1], arr[j]
arr = [64, 34, 25, 12, 22, 11, 90]
bubble_sort(arr)
print("Sorted array is:", arr)
def bubble_sort(arr):
n = len(arr)
for i in range(n):
for j in range(0, n-i-1):
if arr[j] > arr[j+1]:
arr[j], arr[j+1] = arr[j+1], arr[j]
arr = [64, 34, 25, 12, 22, 11, 90]
bubble_sort(arr)
print("Sorted array is:", arr)
package main
import "fmt"
func bubbleSort(arr []int) {
n := len(arr)
for i := 0; i < n; i++ {
for j := 0; j < n-i-1; j++ {
if arr[j] > arr[j+1] {
arr[j], arr[j+1] = arr[j+1], arr[j]
}
}
}
}
func main() {
arr := []int{64, 34, 25, 12, 22, 11, 90}
bubbleSort(arr)
fmt.Println("Sorted array is:", arr)
}
时间复杂度: O(n²)
优点: 实现简单。
缺点: 当数据量较大时,性能较差
二 选择排序(Selection Sort)
每次从未排序的部分中选择最小(或最大)的元素,放到已排序的部分的末尾。通过多次遍历不断扩大已排序部分。
public class SelectionSort {
public static void selectionSort(int[] arr) {
int n = arr.length;
// 外层循环用于控制已排序部分的边界
for (int i = 0; i < n - 1; i++) {
int minIndex = i; // 记录当前未排序部分最小值的索引
// 在未排序部分中找到最小值
for (int j = i + 1; j < n; j++) {
if (arr[j] < arr[minIndex]) {
minIndex = j; // 更新最小值索引
}
}
// 交换最小值到已排序部分的末尾
int temp = arr[i];
arr[i] = arr[minIndex];
arr[minIndex] = temp;
}
}
}
def selection_sort(arr):
n = len(arr)
for i in range(n):
min_idx = i
for j in range(i+1, n):
if arr[j] < arr[min_idx]:
min_idx = j
arr[i], arr[min_idx] = arr[min_idx], arr[i]
arr = [64, 25, 12, 22, 11]
selection_sort(arr)
print("Sorted array is:", arr)
#include <stdio.h>
void selectionSort(int arr[], int n) {
for (int i = 0; i < n-1; i++) {
int min_idx = i;
for (int j = i+1; j < n; j++) {
if (arr[j] < arr[min_idx])
min_idx = j;
}
int temp = arr[min_idx];
arr[min_idx] = arr[i];
arr[i] = temp;
}
}
int main() {
int arr[] = {64, 25, 12, 22, 11};
int n = sizeof(arr)/sizeof(arr[0]);
selectionSort(arr, n);
printf("Sorted array: ");
for (int i=0; i < n; i++)
printf("%d ", arr[i]);
return 0;
}
package main
import "fmt"
func selectionSort(arr []int) {
n := len(arr)
for i := 0; i < n-1; i++ {
min_idx := i
for j := i+1; j < n; j++ {
if arr[j] < arr[min_idx] {
min_idx = j
}
}
arr[i], arr[min_idx] = arr[min_idx], arr[i]
}
}
func main() {
arr := []int{64, 25, 12, 22, 11}
selectionSort(arr)
fmt.Println("Sorted array is:", arr)
}
时间复杂度: O(n²)
优点: 简单易实现,不依赖数据是否已部分排序。
缺点: 不稳定,效率不高。
三 插入排序(Insertion Sort)
把待排序的序列分为已排序和未排序两部分,每次从未排序部分中取出一个元素,将它插入到已排序部分的正确位置上。
public class InsertionSort {
public static void insertionSort(int[] arr) {
int n = arr.length;
// 从第二个元素开始,逐个将元素插入到前面的有序部分
for (int i = 1; i < n; i++) {
int key = arr[i]; // 当前待插入元素
int j = i - 1;
// 向左扫描已排序部分,寻找合适插入位置
while (j >= 0 && arr[j] > key) {
arr[j + 1] = arr[j]; // 向右移动元素
j--;
}
arr[j + 1] = key; // 插入元素
}
}
}
def insertion_sort(arr):
for i in range(1, len(arr)):
key = arr[i]
j = i-1
while j >= 0 and key < arr[j]:
arr[j + 1] = arr[j]
j -= 1
arr[j + 1] = key
arr = [12, 11, 13, 5, 6]
insertion_sort(arr)
print("Sorted array is:", arr)
#include <stdio.h>
void insertionSort(int arr[], int n) {
for (int i = 1; i < n; i++) {
int key = arr[i];
int j = i - 1;
while (j >= 0 && arr[j] > key) {
arr[j + 1] = arr[j];
j = j - 1;
}
arr[j + 1] = key;
}
}
int main() {
int arr[] = {12, 11, 13, 5, 6};
int n = sizeof(arr)/sizeof(arr[0]);
insertionSort(arr, n);
printf("Sorted array: ");
for (int i = 0; i < n; i++)
printf("%d ", arr[i]);
return 0;
}
package main
import "fmt"
func insertionSort(arr []int) {
n := len(arr)
for i := 1; i < n; i++ {
key := arr[i]
j := i - 1
for j >= 0 && arr[j] > key {
arr[j + 1] = arr[j]
j = j - 1
}
arr[j + 1] = key
}
}
func main() {
arr := []int{12, 11, 13, 5, 6}
insertionSort(arr)
fmt.Println("Sorted array is:", arr)
}
时间复杂度: O(n²)
优点: 对于小规模或几乎有序的数据很高效。
缺点: 当数据无序且规模较大时,效率较低。
四 快速排序(Quick Sort)
选择一个"基准"元素,将序列分成比基准元素小和大的两部分,然后递归地对这两部分进行排序。比如我们在一个书架上整理书籍,选择一本书作为基准,把所有比这本书名小的书放在它的左边,把所有比它大的书放在右边,然后对左右两边的书继续进行相同的操作。
public class QuickSort {
public static void quickSort(int[] arr, int low, int high) {
if (low < high) {
int pi = partition(arr, low, high); // 基准元素的位置
quickSort(arr, low, pi - 1); // 递归排序基准左边部分
quickSort(arr, pi + 1, high); // 递归排序基准右边部分
}
}
private static int partition(int[] arr, int low, int high) {
int pivot = arr[high]; // 选择最后一个元素作为基准
int i = low - 1;
// 将小于基准的元素放在基准左边
for (int j = low; j < high; j++) {
if (arr[j] < pivot) {
i++;
// 交换arr[i]和arr[j]
int temp = arr[i];
arr[i] = arr[j];
arr[j] = temp;
}
}
// 将基准元素放在正确位置
int temp = arr[i + 1];
arr[i + 1] = arr[high];
arr[high] = temp;
return i + 1; // 返回基准位置
}
}
def quick_sort(arr):
if len(arr) <= 1:
return arr
pivot = arr[len(arr) // 2]
left = [x for x in arr if x < pivot]
middle = [x for x in arr if x == pivot]
right = [x for x in arr if x > pivot]
return quick_sort(left) + middle + quick_sort(right)
arr = [10, 7, 8, 9, 1, 5]
arr = quick_sort(arr)
print("Sorted array is:", arr)
#include <stdio.h>
void swap(int* a, int* b) {
int t = *a;
*a = *b;
*b = t;
}
int partition(int arr[], int low, int high) {
int pivot = arr[high];
int i = (low - 1);
for (int j = low; j < high; j++) {
if (arr[j] < pivot) {
i++;
swap(&arr[i], &arr[j]);
}
}
swap(&arr[i + 1], &arr[high]);
return (i + 1);
}
void quickSort(int arr[], int low, int high) {
if (low < high) {
int pi = partition(arr, low, high);
quickSort(arr, low, pi - 1);
quickSort(arr, pi + 1, high);
}
}
int main() {
int arr[] = {10, 7, 8, 9, 1, 5};
int n = sizeof(arr)/sizeof(arr[0]);
quickSort(arr, 0, n - 1);
printf("Sorted array: ");
for (int i = 0; i < n; i++)
printf("%d ", arr[i]);
return 0;
}
package main
import "fmt"
func quickSort(arr []int) []int {
if len(arr) <= 1 {
return arr
}
pivot := arr[len(arr)/2]
left := []int{}
right := []int{}
equal := []int{}
for _, num := range arr {
if num < pivot {
left = append(left, num)
} else if num > pivot {
right = append(right, num)
} else {
equal = append(equal, num)
}
}
return append(append(quickSort(left), equal...), quickSort(right)...)
}
func main() {
arr := []int{10, 7, 8, 9, 1, 5}
sorted := quickSort(arr)
fmt.Println("Sorted array is:", sorted)
}
时间复杂度: 平均 O(n log n),最坏 O(n²)
优点: 高效,适用于大规模数据。
缺点: 不稳定,最坏情况下效率较低。
五 归并排序(Merge Sort)
将序列分成两半,对这两半分别排序,然后将它们合并成一个有序的序列。
public class MergeSort {
public static void mergeSort(int[] arr, int l, int r) {
if (l < r) {
int m = (l + r) / 2; // 找到中点
mergeSort(arr, l, m); // 递归排序左半部分
mergeSort(arr, m + 1, r); // 递归排序右半部分
merge(arr, l, m, r); // 合并两个有序子序列
}
}
private static void merge(int[] arr, int l, int m, int r) {
int n1 = m - l + 1;
int n2 = r - m;
int[] L = new int[n1]; // 左半部分临时数组
int[] R = new int[n2]; // 右半部分临时数组
// 将数据复制到临时数组
for (int i = 0; i < n1; ++i) {
L[i] = arr[l + i];
}
for (int j = 0; j < n2; ++j) {
R[j] = arr[m + 1 + j];
}
// 合并两个临时数组
int i = 0, j = 0;
int k = l;
while (i < n1 && j < n2) {
if (L[i] <= R[j]) {
arr[k++] = L[i++];
} else {
arr[k++] = R[j++];
}
}
// 将剩余元素放回原数组
while (i < n1) {
arr[k++] = L[i++];
}
while (j < n2) {
arr[k++] = R[j++];
}
}
}
def merge_sort(arr):
if len(arr) > 1:
mid = len(arr) // 2
L = arr[:mid]
R = arr[mid:]
merge_sort(L)
merge_sort(R)
i = j = k = 0
while i < len(L) and j < len(R):
if L[i] < R[j]:
arr[k] = L[i]
i += 1
else:
arr[k] = R[j]
j += 1
k += 1
while i < len(L):
arr[k] = L[i]
i += 1
k += 1
while j < len(R):
arr[k] = R[j]
j += 1
k += 1
arr = [12, 11, 13, 5, 6, 7]
merge_sort(arr)
print("Sorted array is:", arr)
#include <stdio.h>
void merge(int arr[], int l, int m, int r) {
int n1 = m - l + 1;
int n2 = r - m;
int L[n1], R[n2];
for (int i = 0; i < n1; i++)
L[i] = arr[l + i];
for (int j = 0; j < n2; j++)
R[j] = arr[m + 1 + j];
int i = 0, j = 0, k = l;
while (i < n1 && j < n2) {
if (L[i] <= R[j]) {
arr[k] = L[i];
i++;
} else {
arr[k] = R[j];
j++;
}
k++;
}
while (i < n1) {
arr[k] = L[i];
i++;
k++;
}
while (j < n2) {
arr[k] = R[j];
j++;
k++;
}
}
void mergeSort(int arr[], int l, int r) {
if (l < r) {
int m = l + (r - l) / 2;
mergeSort(arr, l, m);
mergeSort(arr, m + 1, r);
merge(arr, l, m, r);
}
}
int main() {
int arr[] = {12, 11, 13, 5, 6, 7};
int arr_size = sizeof(arr) / sizeof(arr[0]);
mergeSort(arr, 0, arr_size - 1);
printf("Sorted array: ");
for (int i = 0; i < arr_size; i++)
printf("%d ", arr[i]);
return 0;
}
package main
import "fmt"
func mergeSort(arr []int) []int {
if len(arr) <= 1 {
return arr
}
mid := len(arr) / 2
left := mergeSort(arr[:mid])
right := mergeSort(arr[mid:])
return merge(left, right)
}
func merge(left, right []int) []int {
result := make([]int, 0, len(left)+len(right))
i, j := 0, 0
for i < len(left) && j < len(right) {
if left[i] <= right[j] {
result = append(result, left[i])
i++
} else {
result = append(result, right[j])
j++
}
}
result = append(result, left[i:]...)
result = append(result, right[j:]...)
return result
}
func main() {
arr := []int{12, 11, 13, 5, 6, 7}
sorted := mergeSort(arr)
fmt.Println("Sorted array is:", sorted)
}
时间复杂度: O(n log n)
优点: 稳定且高效,适用于大数据排序。
缺点: 需要额外的存储空间。
六 堆排序(Heap Sort)
将序列构建成一个最大堆(或最小堆),然后逐步将堆顶元素(最大或最小)移到已排序部分,并重新调整堆的结构。
public class HeapSort {
// 主函数,进行堆排序
public static void heapSort(int[] arr) {
int n = arr.length;
// 第一步:构建最大堆
// 从最后一个非叶子节点开始调整堆
for (int i = n / 2 - 1; i >= 0; i--) {
heapify(arr, n, i); // 从子树开始调整最大堆
}
// 第二步:逐步将堆顶元素(最大值)与末尾元素交换,并调整堆
for (int i = n - 1; i > 0; i--) {
// 将堆顶元素(最大值)与当前堆的最后一个元素交换
int temp = arr[0];
arr[0] = arr[i];
arr[i] = temp;
// 交换后重新调整堆,缩小堆的范围
heapify(arr, i, 0);
}
}
// 辅助函数:调整堆,使其满足最大堆的性质
// n 是堆的大小,i 是当前需要调整的节点
private static void heapify(int[] arr, int n, int i) {
int largest = i; // 初始化最大值为当前节点
int left = 2 * i + 1; // 左子节点
int right = 2 * i + 2; // 右子节点
// 如果左子节点比当前节点大,更新最大值为左子节点
if (left < n && arr[left] > arr[largest]) {
largest = left;
}
// 如果右子节点比当前节点大,更新最大值为右子节点
if (right < n && arr[right] > arr[largest]) {
largest = right;
}
// 如果最大值不是当前节点,交换并继续调整子树
if (largest != i) {
int swap = arr[i];
arr[i] = arr[largest];
arr[largest] = swap;
// 递归调整受影响的子树
heapify(arr, n, largest);
}
}
}
def heapify(arr, n, i):
largest = i
left = 2 * i + 1
right = 2 * i + 2
if left < n and arr[left] > arr[largest]:
largest = left
if right < n and arr[right] > arr[largest]:
largest = right
if largest != i:
arr[i], arr[largest] = arr[largest], arr[i]
heapify(arr, n, largest)
def heap_sort(arr):
n = len(arr)
for i in range(n//2 - 1, -1, -1):
heapify(arr, n, i)
for i in range(n-1, 0, -1):
arr[i], arr[0] = arr[0], arr[i]
heapify(arr, i, 0)
return arr
#include <stdio.h>
void heapify(int arr[], int n, int i) {
int largest = i;
int left = 2 * i + 1;
int right = 2 * i + 2;
if (left < n && arr[left] > arr[largest])
largest = left;
if (right < n && arr[right] > arr[largest])
largest = right;
if (largest != i) {
int temp = arr[i];
arr[i] = arr[largest];
arr[largest] = temp;
heapify(arr, n, largest);
}
}
void heapSort(int arr[], int n) {
for (int i = n / 2 - 1; i >= 0; i--)
heapify(arr, n, i);
for (int i = n - 1; i >= 0; i--) {
int temp = arr[0];
arr[0] = arr[i];
arr[i] = temp;
heapify(arr, i, 0);
}
}
package main
func heapify(arr []int, n, i int) {
largest := i
left := 2*i + 1
right := 2*i + 2
if left < n && arr[left] > arr[largest] {
largest = left
}
if right < n && arr[right] > arr[largest] {
largest = right
}
if largest != i {
arr[i], arr[largest] = arr[largest], arr[i]
heapify(arr, n, largest)
}
}
func heapSort(arr []int) {
n := len(arr)
for i := n/2 - 1; i >= 0; i-- {
heapify(arr, n, i)
}
for i := n - 1; i >= 0; i-- {
arr[0], arr[i] = arr[i], arr[0]
heapify(arr, i, 0)
}
}
时间复杂度: O(n log n)
优点:不需要额外的存储空间(就地排序);时间复杂度稳定,适合大规模数据排序。
缺点:不稳定,即相同元素的相对顺序可能发生变化。交换操作较多,导致在数据交换时可能会影响性能。
七 希尔排序(Shell Sort)
通过将序列分成若干个子序列,分别对这些子序列进行插入排序,然后逐步减少子序列的数量,最终实现整个序列的有序。
ppublic class ShellSort {
// 主函数,进行希尔排序
public static void shellSort(int[] arr) {
int n = arr.length;
// 选择初始间隔,通常从数组长度的一半开始
for (int gap = n / 2; gap > 0; gap /= 2) {
// 对每个间隔为gap的子序列进行插入排序
for (int i = gap; i < n; i++) {
int temp = arr[i]; // 当前待插入的元素
int j;
// 插入排序的核心逻辑:将当前元素向左移,直到找到合适位置
for (j = i; j >= gap && arr[j - gap] > temp; j -= gap) {
arr[j] = arr[j - gap]; // 将较大的元素向右移
}
// 将待插入元素放入合适位置
arr[j] = temp;
}
}
}
}
def shell_sort(arr):
n = len(arr)
gap = n // 2
while gap > 0:
for i in range(gap, n):
temp = arr[i]
j = i
while j >= gap and arr[j - gap] > temp:
arr[j] = arr[j - gap]
j -= gap
arr[j] = temp
gap //= 2
return arr
#include <stdio.h>
void shellSort(int arr[], int n) {
for (int gap = n / 2; gap > 0; gap /= 2) {
for (int i = gap; i < n; i++) {
int temp = arr[i];
int j;
for (j = i; j >= gap && arr[j - gap] > temp; j -= gap)
arr[j] = arr[j - gap];
arr[j] = temp;
}
}
}
package main
func shellSort(arr []int) {
n := len(arr)
for gap := n / 2; gap > 0; gap /= 2 {
for i := gap; i < n; i++ {
temp := arr[i]
j := i
for j >= gap && arr[j-gap] > temp {
arr[j] = arr[j-gap]
j -= gap
}
arr[j] = temp
}
}
}
时间复杂度: O(n log n) ~ O(n²) (依赖于间隔序列的选择)
优点:相对于直接插入排序,效率大幅提升,特别是对大规模无序数组。可以快速移动元素到更合适的位置,减少插入排序的比较次数。
缺点:选择合适的间隔序列比较困难。希尔排序是不稳定排序
八 计数排序(Counting Sort)
通过统计每个元素出现的次数,直接根据统计结果将元素放回原数组中。
public class CountingSort {
public static void countingSort(int[] arr) {
int max = findMax(arr); // 找到最大值,确定计数数组的长度
int[] count = new int[max + 1]; // 创建计数数组
// 计数每个元素出现的次数
for (int num : arr) {
count[num]++;
}
// 根据计数信息重写原数组
int index = 0;
for (int i = 0; i <= max; i++) {
while (count[i] > 0) {
arr[index++] = i; // 将元素填回原数组
count[i]--;
}
}
}
// 辅助方法:找到数组中的最大值
private static int findMax(int[] arr) {
int max = arr[0];
for (int num : arr) {
if (num > max) {
max = num;
}
}
return max;
}
}
def counting_sort(arr):
max_val = max(arr)
count = [0] * (max_val + 1)
output = [0] * len(arr)
for num in arr:
count[num] += 1
for i in range(1, len(count)):
count[i] += count[i - 1]
for num in arr:
output[count[num] - 1] = num
count[num] -= 1
return output
#include <stdio.h>
void countingSort(int arr[], int n) {
int max = arr[0];
for (int i = 1; i < n; i++)
if (arr[i] > max)
max = arr[i];
int count[max + 1];
int output[n];
for (int i = 0; i <= max; i++)
count[i] = 0;
for (int i = 0; i < n; i++)
count[arr[i]]++;
for (int i = 1; i <= max; i++)
count[i] += count[i - 1];
for (int i = n - 1; i >= 0; i--) {
output[count[arr[i]] - 1] = arr[i];
count[arr[i]]--;
}
for (int i = 0; i < n; i++)
arr[i] = output[i];
}
package main
func countingSort(arr []int) []int {
maxVal := arr[0]
for _, val := range arr {
if val > maxVal {
maxVal = val
}
}
count := make([]int, maxVal+1)
output := make([]int, len(arr))
for _, val := range arr {
count[val]++
}
for i := 1; i < len(count); i++ {
count[i] += count[i-1]
}
for i := len(arr) - 1; i >= 0; i-- {
output[count[arr[i]]-1] = arr[i]
count[arr[i]]--
}
return output
}
时间复杂度: O(n + k),k是数组中元素的最大值
优点: 时间复杂度为线性。
缺点: 只适用于整数数组,且需要额外的空间。
总结
时间复杂度 O(n log n)的算法:归并排序、快速排序、堆排序、希尔排序(依赖间隔序列)
时间复杂度 O(n²)的算法:冒泡排序、选择排序、插入排序、希尔排序(最差情况)
稳定的排序算法:冒泡排序、插入排序、归并排序、计数排序
不稳定的排序算法:选择排序、快速排序、堆排序、希尔排序