【算法与数据结构---排序算法】

选择排序

选择最小值与0位置元素交换、次小值与1位置元素交换，次次小值与2位置元素交换。。。。。
时间复杂度O(N^2)， 空间复杂度O(1) 不稳定

冒泡排序

两个两个比较。
增续：第i个和第(i+1)个比较，若a[i] > a[i+1]，交换顺序，i++
时间复杂度O(N^2)， 空间复杂度O(1) ，稳定

---

异或运算：相同为0，不同为1，可视作无进位相加（二进制相加 ）；满足交换律、结合律
a ^ b ^ b = a (b ^ b = 0, 0 ^ a = a)
交换方法

swap(a, b){//a、b地址不一样
  a = a ^ b;
  b = a ^ b;
  a = a ^ b;
}

数组长度为n，有两种数a, b为奇数个，其他数偶数个，怎么得到这两个数？
1.将所有数异或，得到res = a ^ b;
2.res的第 i 位一定为1，说明a或b在第 i 位一定为1，另一个为0， 将原数组中第i位为1的数全部异或，就可以得到a或者b
（a ^ (~a + 1)）= a 的最右侧的1

---

插入排序

1.从第一个元素开始，该元素可以认为已经被排序
2.取下一个元素tem，从已排序的元素序列从后往前扫描
3.如果该元素大于tem，则将该元素移到下一位
4.重复步骤3，直到找到已排序元素中小于等于tem的元素
5.tem插入到该元素的后面，如果已排序所有元素都大于tem，则将tem插入到下标为0的位置
6.重复步骤2~5
—————————————-———
原文链接： https://blog.csdn.net/weixin_50886514/article/details/119045154

时间复杂度：O(N^2) (按照算法可能遇到的最差情况估计)
空间复杂度O(1) ，稳定

---

二分查找
在一个有序数组中找到数num：从中间开始找
时间复杂度O(log N)
在一个无序数组中找到局部最值也可以用二分

---

对数测试器：判断算法写得对不对

子问题等规模时可以用master公式计算时间复杂度
a：子问题调用次数
T(N/b)：子问题的规模
O(N^d)：除子问题外，其他代码块的复杂度

归并排序

先将前半部分排好序，再将后半部分排好序，最后将两部分合并
时间复杂度O(N*logN) ，空间复杂度O(N) ，稳定

快速排序

以数组最后一个数a[N]为基准，将小于a[N]的数放左边，大于a[N]的数放右边，然后左右两边各自递归重复这一过程
i = 0; L是小于区的指针，小于区为[0,L]；R是大于区的指针，大于区为[R,N-1]。（数组范围0~N-1）
a[i]小于a[N]时，将a[i]与a[L+1]交换，L++；a[i]=a[N]时，i++；a[i]>a[N]时，a[i]与a[R-1]交换，R–，i不变；只要对左右两侧两个区递归，中间等于区不用递归
O( N^2 )

• 更快的快排：
  不用数组最后一个作为基准，用随机选的数作为基准
  时间复杂度O(N*logN)，空间复杂度：O(logN)， 不稳定

堆排序

• 数组从0开始连续L个数够成二叉树，第i个元素的左子树是第（2i+1），右子树是（2i+2），父节点是（(i-1)/2）（二叉树层序遍历）

---

• 大根堆：根节点是最大的数
  小根堆：根节点是最小的数
  题目：一个序列，随时可以找到中位数。
  算法思想：准备一个大根堆，一个小根堆，第一个数入大根堆，接下来每个数和大根堆的根比较，若小于等于大根堆的根，则入大根堆，否则入小根堆；当大、小根堆的长度差为2时，较长的堆的根移到较小的堆。若序列长度为偶数，则大、小根堆的两根平均为中位数，若奇数，较长的堆的根为中位数。

---

• heap insert过程：
  1. 每次给一个数，放入堆中，形成大根堆。将每次得到的新数a[i]和它的父节点（a[(i-1)/2]）比较，若大于则交换，交换后继续和父节点比较，直到新插入的值小于等于其父节点。
     

2. heapify：若要求去出堆中最大值，剩余元素仍保持大根堆结构：最大值在根节点，为a[0]，将a[0]取出，并将最后一个元素放到[0]位置，并用左右孩子中的最大值和其比较，若新的a[0]比字节的小，则交换位置
   
   O(logN)

• 堆排序
  将大根堆的根节点与数组最后一个位置的元素交换，并将heapsize–，即将原来的根节点排出堆，排出堆的就是已经排好序的，然后将新的堆重新排成大根堆，重复前面的过程，最终将数组递增排序。
  时间复杂度O(NlogN)，空间复杂度O(1)，不稳定

• Java小根堆的类：
  PriorityQueue heap = new PrioiityQueue<>();//默认小根堆的结构
  扩容的代价O(logN)，不支持调整已经形成的堆，若有调整堆的需求，最好自己手写一个堆

无比较排序

适用于数据范围较小的情况

1. 计数排序
   哈希表，key为数据范围内所有值，value为该数据出现的次数，按照key的顺序和value次数打印数据
2. 基数排序
   一组不超过三位、十进制的数组（低于三位的高位补零），升序排列：
   1. 将所有数按照个位数依次放入对应的桶中（个位为i就放入i号桶），按桶号升序、FILO的顺序取出，再次按照十位数将重新排列的数放入桶中、取出，最后按照百位数将重新排列的数放入桶中、取出，数组已按升序排列。
   2. 另一种入桶出桶：准备一个哈希表hm，key值为0~9，value计数。若第 i 个数的个位数为 x ，则哈希表中 x 对应的值加一，遍历一遍数组后，将哈希表的value值累加为个位数小于等于 x 的数有多少个，即hm.get(x) = hm.get(x) + hm.get(x - 1) + … +hm.get(0). 准备一个和原数组长度一样的空数组，从右到左遍历原数组，个位为 x 的数应放到空数组中索引为(hm.get(x) - 1)的位置，放入后，hm.get(x)–. 重复以上过程直到数组中最大值的最高位。

• 排序的稳定性
  数组中含有多个值相同的元素，排序后，原来相同值的元素的先后次序是否也交换了
  稳定的排序算法：冒泡排序、插入排序、归并排序（相等时先拷贝左边的）、计数排序、基数排序
  不稳定的排序算法：选择排序、快速排序、堆排序
• 最常用的是快速排序；当需要稳定但对空间复杂度不设限时用归并排序；当对空间限制但不要求稳定时用堆排序（目前没有时间复杂度小于O(NlogN)以下的、基于比较的排序算法；时间复杂度为O(NlogN)的情况下，目前没有在空间复杂度O(N)以下实现稳定的排序算法）
• 工程上对排序的改进：
  1. 充分利用O(N*longN) 和 O(N^2)排序各自的优势
     例如：综合排序，大范围时快速排序，大致排好序后，大样本中长度小的子样本用插入排序
  2. 稳定性的考虑