C++实现几种排序算法

冒泡排序

从小到大排序，比如有5个，先把五个里最小的移到最左边0位置。再把剩下的四个最小的移到1位置......

标准的做法是：与相邻的元素比较交换，如果一趟冒泡没有交换，说明顺序已经成型 ，不必再循环 break

i	0→	1→	2→	3→	4→	5→	6
j	0	←1	←2	←3	←4	←5	←6

void bubble_sort(int a[],int n)  
{  
    int i,j;  
    for(i = 0;i < n-1; i++)  
    {  
        bool exchange = false;  
        for(j = n-1;j > i; j--)  
        {  
            if(a[j-1] > a[j])  
            {  
                exchange = true;  
                swap(a[j-1], a[j]);  
            }  
        }     
        if(exchange == false)  
            break;  
    }  
}  

选择排序

记住最小值的下标，最后再与最前面的交换 

void select_sort1(int a[],int n)  
{  
    int i,j;  
    for(i = 0; i < n-1; i++)  
    {  
        int min = i;  
        for(j = i+1; j < n; j++)  
        {  
            if(a[j] < a[min])  
                min = j;  
        }  
        if(min != i)  
            swap(a[i], a[min]);  
    }  
}

快速排序

快速排序由C. A. R. Hoare在1962年提出。它的基本思想是：通过一趟排序将要排序的数据分割成独立的两部分，其中一部分的所有数据都比另外一部分的所有数据都要小，然后再按此方法对这两部分数据分别进行快速排序，整个排序过程可以递归进行，以此达到整个数据变成有序序列。

在c++中可以用函数qsort（）可以直接为数组进行排序。

用 法:

void qsort(void *base, int nelem, int width, int (*fcmp)(const void *,const void *));

参数：

　　1 待排序数组首地址

　　2 数组中待排序元素数量

　　3 各元素的占用空间大小

　　4 指向函数的指针，用于确定排序的顺序

逻辑原理：

a[0] = a[3]; a[2] = a[3]; a[2] = key

#include <iostream>

using namespace std;

void Qsort(int a[], int low, int high)
{
    if(low >= high)
    {
        return;
    }
    int first = low;
    int last = high;
    int key = a[first];/*用字表的第一个记录作为枢轴*/

    while(first < last)
    {
        while(first < last && a[last] >= key)
        {
            --last;
        }

        a[first] = a[last];/*将比第一个小的移到低端*/

        while(first < last && a[first] <= key)
        {
        ++first;
        }

        a[last] = a[first]; 
        /*将比第一个大的移到高端*/
    }
    a[first] = key;/*枢轴记录到位*/
    Qsort(a, low, first-1);
    Qsort(a, first+1, high);
}

int main()
{
    int a[] = {57, 68, 59, 52, 72, 28, 96, 33, 24};

    Qsort(a, 0, sizeof(a) / sizeof(a[0]) - 1);/*这里原文第三个参数要减1否则内存越界*/

    for(int i = 0; i < sizeof(a) / sizeof(a[0]); i++)
    {
        cout << a[i] << "";
    }

    return 0;
}/*参考数据结构p274(清华大学出版社，严蔚敏)*/

插入排序

将无序数组，插入到另外一个有序数组之中

适合于：

①数据量＜1000

②数组基本有序

复杂度分析

● 插入排序的时间复杂度 就是判断比较次数有多少，而比较次数与 待排数组的初始顺序有关。 最好情况下,排序前对象已经按照要求的有序。比较次数（n−1） ; 移动次数（0）次。则对应的时间复杂度为O(n)。

● 最坏情况是数组逆序排序，第 i 趟时第 i 个对象必须与前面 i 个对象都做排序码比较,并且每做1次比较就要做1次数据移动，此时需要进行 （n +2)*(n-1) / 2次比较;  而记录的移动次数也达到最大值 （n+4）*(n-1)/2 次。 则对应的时间复杂度为

直接插入排序采用就地排序，空间复杂度为O（1）.

一、直接插入排序

void sort(int *a,int n)
{
    for(int i=1;i<n;i++)
    {
        int j=i-1,k=a[i];
        while(j>=0 && a[j]>k)
        {
            a[j+1]=a[j];
            j--;
        }
        a[j+1]=k;
    }
}

二、递归插入排序

void sort(int x[],int n)
{
    if(n==2)
    {//递归终止条件。当数组中只有两个元素时，对这两个元素进行排序
        if(x[0]>x[1])
        {
            int tmp=x[0];
            x[0]=x[1];
            x[1]=tmp;
        }
    }
   else if(n==1)//如果数组中只有一个元素，就不用排序
        return;
    else
    {
        sort(x,n-1);
        int i=n-1;
        while((x[i]<x[i-1])&&(i>0))
        {
             int temp=x[i];
             x[i]=x[i-1];
             x[i-1]=temp;
             i=i-1;
        }
    }
}

堆排序

堆是具有以下性质的完全二叉树：每个结点的值都大于或等于其左右孩子结点的值，称为大顶堆；或者每个结点的值都小于或等于其左右孩子结点的值，称为小顶堆。如下图：

同时，我们对堆中的结点按层进行编号，将这种逻辑结构映射到数组中就是下面这个样子

该数组从逻辑上讲就是一个堆结构，我们用简单的公式来描述一下堆的定义就是：

大顶堆：arr[i] >= arr[2i+1] && arr[i] >= arr[2i+2]  

小顶堆：arr[i] <= arr[2i+1] && arr[i] <= arr[2i+2]

算法分析：

（1）根据初始数组去构造初始堆（构建一个完全二叉树，保证所有的父结点都比它的孩子结点数值大）。

（2）每次交换第一个和最后一个元素，输出最后一个元素（最大值），然后把剩下元素重新调整为大根堆。

// 只是找到当前数据节点的位置(让当前根节点都比自己的两个孩子大)
void heap_siftdown(int a[],int n,int p) //调整算法
{
    int i = p,j = i*2+1;      //j是i的左子节点
    int tmp = a[i];          //tmp是临时变量
    while(j < n)             //适用于多层树
    {
        if(j+1 < n && a[j] < a[j+1])
            j++;
        if(a[j] <= tmp) 		//如果当前根比两个孩子都大了，则break，tmp是虚拟的当前节点
            break;
        else
        {
            a[i] = a[j];          //将大孩子给当前根
            i = j;j = j*2+1;
        }
    }
    a[i] = tmp; //只为省写几行代码
}
void heap_sort1(int a[],int n)
{
    int i;
    for(i = (n-1)/2; i >= 0;i--) //(n-1)/2最右边有子孩子那个节点
        heap_siftdown(a, n, i);
    for(i = n-1;i >= 0; i--)     //每一次将最大的换到末尾，再重排前面的剩下的
    {
        swap(a[i], a[0]);
        heap_siftdown(a, i, 0); //自顶向下重排
    }
}

o(1), o(n), o(logn), o(nlogn) 时间复杂度介绍

在描述算法复杂度时,经常用到o(1), o(n), o(logn), o(nlogn)来表示对应算法的时间复杂度, 这里进行归纳一下它们代表的含义:

这是算法的时空复杂度的表示。不仅仅用于表示时间复杂度，也用于表示空间复杂度。

O后面的括号中有一个函数，指明某个算法的耗时/耗空间与数据增长量之间的关系。其中的n代表输入数据的量。

时间复杂度为O(n)，就代表数据量增大几倍，耗时也增大几倍。比如常见的遍历算法。

时间复杂度O(n^2)，就代表数据量增大n倍时，耗时增大n的平方倍，这是比线性更高的时间复杂度。比如冒泡排序，就是典型的O(n^2)的算法，对n个数排序，需要扫描n×n次。

O(logn)，当数据增大n倍时，耗时增大logn倍（这里的log是以2为底的，比如，当数据增大256倍时，耗时只增大8倍，是比线性还要低的时间复杂度）。二分查找就是O(logn)的算法，每找一次排除一半的可能，256个数据中查找只要找8次就可以找到目标。

O(nlogn)同理，就是n乘以logn，当数据增大256倍时，耗时增大256*8=2048倍。这个复杂度高于线性低于平方。归并排序（快速排序也是）就是O(nlogn)的时间复杂度。

O(1)就是最低的时空复杂度了，也就是耗时/耗空间与输入数据大小无关，无论输入数据增大多少倍，耗时/耗空间都不变。 哈希算法就是典型的O(1)时间复杂度，无论数据规模多大，都可以在一次计算后找到目标（不考虑冲突的话）冲突的话很麻烦的，指向的value会做二次hash到另外一快存储区域

总之，

在平均情况下，快速排序最快；

在最好情况下，插入排序和冒泡排序最快；

在最坏情况下，堆排序和归并排序最快。

红黑树构建：O(nlogn)

插入：O(logn)