算法--排序算法（持续更新）

Kevin404ar

已于 2024-06-15 14:52:50 修改

阅读量887

点赞数 22

分类专栏：算法文章标签：算法排序算法数据结构

于 2024-01-05 00:29:54 首次发布

本文链接：https://blog.csdn.net/abc31431415926/article/details/135398872

版权

算法专栏收录该内容

3 篇文章 0 订阅

订阅专栏

1.冒泡排序

第i轮比较：将j号元素和j+1号元素进行比较，如果前者大于后者，则进行交换，直到较大元素被移动到较靠后位置。
（i=1，2，…，n-1）（j=1，2，…，n-i）

//冒泡排序
void BubbleSort(int* arr, int n)
{
	for (int i = 0; i < n-1; i++) {
		for (int j = 0; j < n - i - 1; j++) { 
			if (arr[j] > arr[j + 1]) {
				int temp = arr[j];
				arr[j] = arr[j + 1];
				arr[j + 1] = temp;
			}
		}
	}
}

时间复杂度：最好情况为 $O （ n ）$ ，平均情况和最坏情况为 $O（n^2）$
空间复杂度： $O （ 1 ）$

2.选择排序

第i轮选择：从i号元素到n号元素中选择出一个最小的元素，然后和i号元素进行交换，此时较小元素被移动到较靠前位置。
（i=1，2，…，n-1）

//选择排序
void selectionSort(int arr[], int n) {
    int i, j, min_idx;
    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;
            }
        }
        // 将找到的最小元素与当前位置进行交换
        int temp = arr[min_idx];
        arr[min_idx] = arr[i];
        arr[i] = temp;
    }
}

时间复杂度：最好情况，平均情况和最坏情况均为 $O（n^2）$
空间复杂度： $O （ 1 ）$

3.插入排序

第i轮比较：将i+1号元素和前一号元素进行比较，如果前一号元素更大，则进行交换，并将原i+1号元素和此时前一号元素进行比较，直到前一号元素更小或没有前一号元素，此时较小元素被移动到较靠前位置。
（i=1，2，…，n-1）

//插入排序
void insertionSort(int arr[], int n) {
    int i, key, j;
    for (i = 1; i < n; i++) {
        key = arr[i];
        j = i - 1;

        // 将比key大的元素都向右移动
        while (j >= 0 && arr[j] > key) {
            arr[j + 1] = arr[j];
            j = j - 1;
        }
        arr[j + 1] = key;
    }
}

时间复杂度：最好情况为 $O （ n ）$ ，平均情况和最坏情况为 $O（n^2）$
空间复杂度： $O （ 1 ）$

4.希尔排序

（1）初始取gap为原数组长度的一半，将数组分成多个子序列，每个子序列包含相隔gap个位置的元素，并对每个子序列进行插入排序。
（3）逐渐减半gap，重复上述过程，直到gap的值为1时完成最后一次排序。

//希尔排序
void shellSort(int arr[], int n) {
    // 使用希尔增量序列
    for (int gap = n / 2; gap > 0; gap /= 2) {
        // 对每个增量gap进行插入排序
        for (int i = gap; i < n; i++) {
            int temp = arr[i];
            int j;
            // 对每个分组进行插入排序
            for (j = i; j >= gap && arr[j - gap] > temp; j -= gap) {
                arr[j] = arr[j - gap];
            }
            arr[j] = temp;
        }
    }
}

时间复杂度：
（1）最好情况为 $O （ n ）$
（2）平均情况为 $O（n^{1.3}）$
（3）最坏情况为 $O（n^{1.5}）$ （e.g. Hibbard增量序列）
空间复杂度：O（1）

5.归并排序

（1）分割：将待排序的数组不断地二分，直到每个子数组只有一个元素。
（2）合并：将相邻的子数组两两合并，形成新的有序子数组。
（3）重复合并：重复进行合并操作，直到只剩下一个有序的数组。
在合并操作中，可以使用一个额外的临时数组来存储合并的结果，也可以直接在原数组上进行合并。
归并排序的关键在于合并操作，合并操作的过程如下：
（1）创建一个临时数组，用于存储合并的结果。
（2）从两个子数组的起始位置开始，比较两个子数组中的元素，将较小的元素放入临时数组中。
（3）将剩余的子数组中的元素依次放入临时数组中。
（4）将临时数组中的元素复制回原数组的对应位置。

//归并排序
// 合并两个子数组
void merge(int arr[], int left, int middle, int right) {
    int i, j, k;
    int n1 = middle - left + 1;
    int n2 = right - middle;

    // 创建临时数组
    int* L = (int*)malloc(n1 * sizeof(int));
    int* R = (int*)malloc(n2 * sizeof(int));

    // 检查内存分配是否成功
    if (L == NULL || R == NULL) {
        printf("内存分配失败\n");
        return;
    }

    // 将数据复制到临时数组
    for (i = 0; i < n1; i++)
        L[i] = arr[left + i];
    for (j = 0; j < n2; j++)
        R[j] = arr[middle + 1 + j];

    // 合并临时数组到原数组
    i = 0;
    j = 0;
    k = left;
    while (i < n1 && j < n2) {
        if (L[i] <= R[j]) {
            arr[k] = L[i];
            i++;
        }
        else {
            arr[k] = R[j];
            j++;
        }
        k++;
    }

    // 复制剩余的元素（如果有）
    while (i < n1) {
        arr[k] = L[i];
        i++;
        k++;
    }
    while (j < n2) {
        arr[k] = R[j];
        j++;
        k++;
    }

    // 释放临时数组的内存
    free(L);
    free(R);
}

// 归并排序函数
// 一般初始left为0，right为长度n - 1
void mergeSort(int arr[], int left, int right) {
    if (left < right) {
        int middle = left + (right - left) / 2;

        // 递归地对左右两个子数组进行排序
        mergeSort(arr, left, middle);
        mergeSort(arr, middle + 1, right);

        // 合并两个子数组
        merge(arr, left, middle, right);
    }
}

时间复杂度：最好情况，平均情况和最坏情况均为 $O （ n l o g n ）$
空间复杂度： $O （ n ）$

无论输入数据的顺序如何，归并排序始终需要将数据分成两半，然后对每个子数组进行排序，最后再合并两个有序的子数组

6.快速排序

（1）选择基准元素：从数组中选择一个元素作为基准元素（通常选择数组的第一个元素）。
（2）分区操作：将数组中小于基准元素的元素移到基准元素的左边，将大于基准元素的元素移到基准元素的右边，形成两个子数组。
（3）递归排序：对左右子数组递归地进行快速排序，直到子数组的长度为1或0，此时子数组已经有序。
（4）合并结果：将左子数组、基准元素、右子数组按顺序合并起来，得到最终有序的数组。

//快速排序
// 交换两个元素的值
void swap(int* a, int* b) {
    int temp = *a;
    *a = *b;
    *b = temp;
}

// 将数组分区，并返回分区索引
int partition(int arr[], int low, int high) {
    int pivot = arr[high];  // 选取最后一个元素作为枢轴
    int i = (low - 1);  // i是较小元素的索引

    for (int j = low; j <= high - 1; j++) {
        // 如果当前元素小于或等于枢轴，则将其放入较小元素的分区中
        if (arr[j] <= pivot) {
            i++;
            swap(&arr[i], &arr[j]);
        }
    }
    swap(&arr[i + 1], &arr[high]);  // 将枢轴放入正确的位置
    return (i + 1);  // 返回枢轴的索引
}

// 快速排序函数
// 一般初始low为0，high为长度n - 1
void quickSort(int arr[], int low, int high) {
    if (low < high) {
        // 对数组进行分区，并获取枢轴的索引
        int pi = partition(arr, low, high);

        // 递归地对枢轴的左侧和右侧子数组进行排序
        quickSort(arr, low, pi - 1);
        quickSort(arr, pi + 1, high);
    }
}

时间复杂度：最好情况和平均情况为 $O （ n l o g n ）$ ，最坏情况为 $O（n^2）$
空间复杂度： $O （ l o g n ）$

7.计数排序

（1）找出数组中的最大值，并创建一个大小为最大值加一的计数数组count[]，用于存储每个元素出现的次数。
（2）遍历待排序的数组，将每个元素的值作为count数组的索引，并将对应索引的计数值加一。
（3）对count数组进行累加操作，得到每个元素在排序后的数组中的最后一个位置。
（4）创建一个与待排序数组大小相同的结果数组result[]。
（5）遍历待排序的数组，将每个元素作为count数组的索引，找到对应索引的计数值，并在result数组中将该元素放置到对应的位置。每放置一个元素，计数值减一。
（6）最后，result数组中的元素就是按照从小到大排序的结果。

//计数排序
void countingSort(int arr[], int n) {
    // 找到数组中的最大值
    int max = arr[0];
    for (int i = 1; i < n; i++) {
        if (arr[i] > max) {
            max = arr[i];
        }
    }

    // 创建计数数组，并初始化为0
    int* count = (int*)calloc(max + 1, sizeof(int));
    if (count == NULL) {
        printf("内存分配失败\n");
        return;
    }

    // 计算每个元素的出现次数
    for (int i = 0; i < n; i++) {
        count[arr[i]]++;
    }

    // 根据计数数组重建原始数组
    int index = 0;
    for (int i = 0; i <= max; i++) {
        while (count[i] > 0) {
            arr[index++] = i;
            count[i]--;
        }
    }

    // 释放计数数组的内存
    free(count);
}

时间复杂度：最好情况，平均情况和最坏情况均为 $O （ n + k ）$
空间复杂度： $O （ k ）$
其中n表示待排序数组的大小，k表示待排序数组中的最大值减最小值加1

在计数排序中，需要创建一个大小为k的计数数组，用于存储每个元素出现的次数。因此，计数排序的空间复杂度与待排序数组中的元素范围k有关

8.基数排序

（1）确定排序的位数：找出待排序数字中的最大位数，作为排序的轮数。
（2）根据位数分配桶：创建10个桶（0-9），用于存放待排序数字根据当前位数的分布情况。
（3）分配：遍历待排序数字，将每个数字根据当前位数的值放入相应的桶中。
（4）收集：按照桶的顺序，将数字从桶中取出，形成新的待排序数组。
（5）重复分配和收集步骤：重复进行第3步和第4步，直到所有位数都被处理完毕。
（6）最后，新的待排序数组中的数字就是按照从低位到高位逐渐排序的结果。

//基数排序
// 获取数组中的最大值
int getMax(int arr[], int n) {
    int max = arr[0];
    for (int i = 1; i < n; i++) {
        if (arr[i] > max) {
            max = arr[i];
        }
    }
    return max;
}

// 使用计数排序对数组按照指定位数进行排序
void countingSort_0(int arr[], int n, int exp) {
    int* output = (int*)malloc(n * sizeof(int));
    int count[10] = { 0 };
    if (output == NULL) {
        printf("内存分配失败\n");
        return;
    }

    // 统计每个数字出现的次数
    for (int i = 0; i < n; i++) {
        count[(arr[i] / exp) % 10]++;
    }

    // 计算累加次数
    for (int i = 1; i < 10; i++) {
        count[i] += count[i - 1];
    }

    // 从原数组中按照指定位数进行排序
    for (int i = n - 1; i >= 0; i--) {
        output[count[(arr[i] / exp) % 10] - 1] = arr[i];
        count[(arr[i] / exp) % 10]--;
    }

    // 将排序后的结果复制回原数组
    for (int i = 0; i < n; i++) {
        arr[i] = output[i];
    }

    // 释放计数数组的内存
    free(output);
}

// 基数排序函数
void radixSort(int arr[], int n) {
    int max = getMax(arr, n);

    // 对每个位数进行计数排序
    for (int exp = 1; max / exp > 0; exp *= 10) {
        countingSort_0(arr, n, exp);
    }
}

时间复杂度：最好情况，平均情况和最坏情况均为 $O （ d * （ n + k ））$
空间复杂度： $O （ n + k ）$
其中d表示数字的最大位数，n表示待排序数组的大小，k表示每个位数可能的取值范围

9.桶排序

（1）确定桶的个数和范围：确定分散元素的桶的个数和每个桶的范围，使得每个桶中的元素尽可能均匀分布。
（2）分配元素到桶中：遍历待排序的元素，根据元素的值将其分配到对应的桶中。
（3）对每个桶中的元素进行排序：可以使用任何一种排序算法，如插入排序或快速排序，对每个桶中的元素进行排序。
（4）合并桶中的元素：按照桶的顺序依次将每个桶中的元素合并，形成有序序列。

//桶排序
// 定义桶结构体
typedef struct Bucket {
    int count;
    int* values;
} Bucket;

// 桶排序函数
void bucketSort(int arr[], int n, int bucketSize) {
    // 寻找数组中的最大值和最小值
    int max = arr[0];
    int min = arr[0];
    for (int i = 1; i < n; i++) {
        if (arr[i] > max) {
            max = arr[i];
        }
        if (arr[i] < min) {
            min = arr[i];
        }
    }

    // 计算桶的个数
    int bucketCount = (max - min) / bucketSize + 1;
    Bucket* buckets = (Bucket*)malloc(bucketCount * sizeof(Bucket));
    if (buckets == NULL) {
        printf("内存分配失败\n");
        return;
    }

    // 初始化每个桶
    for (int i = 0; i < bucketCount; i++) {
        buckets[i].count = 0;
        buckets[i].values = NULL;
    }

    // 将数组元素分配到各个桶中
    for (int i = 0; i < n; i++) {
        int bucketIndex = (arr[i] - min) / bucketSize;
        buckets[bucketIndex].count++;
        buckets[bucketIndex].values = (int*)realloc(buckets[bucketIndex].values, buckets[bucketIndex].count * sizeof(int));
        if (buckets[bucketIndex].values == NULL) {
            printf("内存分配失败\n");
            return;
        }
        buckets[bucketIndex].values[buckets[bucketIndex].count - 1] = arr[i];
    }

    // 对每个桶中的元素进行插入排序
    int index = 0;
    for (int i = 0; i < bucketCount; i++) {
        for (int j = 1; j < buckets[i].count; j++) {
            int value = buckets[i].values[j];
            int k = j - 1;
            while (k >= 0 && buckets[i].values[k] > value) {
                buckets[i].values[k + 1] = buckets[i].values[k];
                k--;
            }
            buckets[i].values[k + 1] = value;
        }

        // 将排序后的元素放回原数组
        for (int j = 0; j < buckets[i].count; j++) {
            arr[index++] = buckets[i].values[j];
        }

        // 释放桶中的内存
        free(buckets[i].values);
    }

    // 释放桶数组的内存
    free(buckets);
}

时间复杂度：最好情况和平均情况为 $O （ n ）$ ，最坏情况为 $O （ n l o g n ）$
空间复杂度： $O （ n + k ）$
其中n是待排序元素的数量，k是桶的数量

桶排序和归并排序在某种程度上是相似的，因为它们都是基于分治法的排序算法，而且都涉及到将待排序的元素分组并进行排序。
然而，桶排序和归并排序在具体的实现和算法思想上存在一些不同之处：

分组方式：在桶排序中，待排序的元素根据某种规则被分配到不同的桶中，每个桶内的元素使用其他排序算法（例如插入排序）进行排序。而在归并排序中，待排序的元素被均匀地分成两个子序列，然后对每个子序列递归地进行排序。
排序方法：在桶排序中，每个桶内的元素可以使用不同的排序算法进行排序。通常情况下，选择一个简单的排序算法（例如插入排序）来对每个桶内的元素进行排序。而在归并排序中，对两个子序列进行递归排序后，再将两个有序子序列进行合并，合并的过程使用归并算法进行。
性能分析：桶排序的时间复杂度取决于桶的数量和每个桶内元素的排序算法的性能。在最理想的情况下，桶内元素数量均匀分布，并且每个桶内的排序算法性能较好时，桶排序可以达到线性时间复杂度。而归并排序的时间复杂度始终为O(nlogn)，无论输入的数据分布情况如何。

总的来说，桶排序和归并排序之间有一些相似之处，都是基于分治法的排序算法，但在具体的实现细节、排序方式和性能分析上存在一些区别。桶排序适用于某种范围内的元素排序，而归并排序适用于任意类型的数据。选择哪种排序算法取决于具体的问题和数据特性。

10.堆排序

（1）构建最大堆：将待排序的数组视为一个完全二叉树，从最后一个非叶子节点开始，依次向上调整每个子树，使其满足最大堆的性质：父节点的值大于等于其子节点的值。
（2）交换堆顶和末尾元素：将最大堆的根节点（堆顶元素）与数组末尾元素进行交换。
（3）重建最大堆：将除了末尾元素之外的剩余部分视为未排序的堆，再次调整堆结构，使其满足最大堆的性质。
（4）重复步骤2和3：重复进行交换堆顶和末尾元素，以及重建最大堆的操作，直到堆中的所有元素都被取出并放置到最终的有序数组中。

//堆排序
// 交换两个元素的值
void swap_2(int* a, int* b) {
    int temp = *a;
    *a = *b;
    *b = temp;
}

// 调整堆
void heapify(int arr[], int n, int i) {
    int largest = i;  // 初始化最大值为根节点
    int left = 2 * i + 1;  // 左子节点的索引
    int right = 2 * i + 2;  // 右子节点的索引

    // 如果左子节点比根节点大，则更新最大值
    if (left < n && arr[left] > arr[largest])
        largest = left;

    // 如果右子节点比最大值大，则更新最大值
    if (right < n && arr[right] > arr[largest])
        largest = right;

    // 如果最大值不是根节点，则交换最大值和根节点，并递归调整子树
    if (largest != i) {
        swap_2(&arr[i], &arr[largest]);
        heapify(arr, n, largest);
    }
}

// 堆排序函数
void heapSort(int arr[], int n) {
    // 构建堆（最大堆）
    for (int i = n / 2 - 1; i >= 0; i--)
        heapify(arr, n, i);

    // 逐个将最大值移到数组末尾，并重新调整堆
    for (int i = n - 1; i > 0; i--) {
        swap_2(&arr[0], &arr[i]);  // 将最大值移到末尾
        heapify(arr, i, 0);  // 调整堆
    }
}