c++排序算法

冒泡排序

//冒泡 通过多次交换相邻元素将较大（或较小）的元素逐渐 "浮" 到数组的一端。该算法的时间复杂度为 O(N^2)。
void bubbleSort(vector<int>&arr) {
	int n=arr.size();
	for(int i=0; i<n-1; i++) {
		for(int j=0; j<n-i-1; j++) {
			if(arr[j]>arr[j+1]) {
				swap(arr[j],arr[j+1]);
			}
		}
	}
}

两层循环，一次次比较交换。

选择排序

//选择排序 在每次迭代中选择未排序部分的最小（或最大）元素，并将其放在已排序部分的末尾。时间复杂度为 O(N^2)。

void selectionSort(std::vector<int>& arr) {
	int n = arr.size();
	for(int i=0; i<n; i++) {
		int minIndex=i;
		for(int j=i+1; j<n; j++) { //找未排序部分的最小值对应的index
			if(arr[j]<arr[minIndex]) {
				minIndex=j;
			}
		}
		//找到未排序部分的最小值之后,需要放在有序部分的末尾,也就是i位置.所以交换.
		swap(arr[i],arr[minIndex]);
	}
}

在未排序部分选一个最小的放到有序部分末尾。

插入排序

//插入排序  将未排序部分的元素逐个插入到已排序部分的正确位置。时间复杂度为 O(N^2)，但对于小型数据集或部分已排序的数据，插入排序具有较好的性能。
void insertionSort(std::vector<int>& arr) {
	int n = arr.size();
	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;
		}
		arr[j+1]=key;
	}
}

从未排序部分取一个插入到有序部分。

快速排序

//快速排序（Quick Sort）：也是采用分治策略的排序算法，通过选择一个基准值，将数据分为小于基准值和大于基准值的两部分，然后递归地对这两部分进行排序。时间复杂度为 O(NlogN)，具有较好的性能。
// 将数组以升序进行排列！
// 分区操作函数，将数组分成两个部分并返回基准元素的最终位置
void quickSort(vector<int> &nums, int l, int r) {
	if (l + 1 >= r) {
		return;
	}
	int first = l, last = r - 1, key = nums[first];
	while (first < last) {
		while(first < last && nums[last] > key) {
			--last;
		}//从右往左找小于基枢的值
		nums[first] = nums[last];
		//把小于基枢的值赋给左边.
		while (first < last && nums[first] < key) {
			++first;
		}//从左往右找大于基枢的值
		nums[last] = nums[first]; //找到之后把这个大于基枢的值再赋给右边.
	}//这样循环下去,first指向的位置最终左边都是小于基枢,右边都是大于基枢. first=last把基枢位置确定下来.
	nums[first] = key;
	quickSort(nums, l, first);
	quickSort(nums, first + 1, r);
}

分支法，先分区，找到分区的位置后，两边继续

quickSort(nums, l, first);
quickSort(nums, first + 1, r);

首先设置第一个为基枢。从右往左找比基枢小的值，然后复制到first，接着从first向右找第一个比基枢大的值，复制到fast位置，然后fast往左找小的，再给first赋值，直到first和last相等，此次，基枢位置确定，把最开始设置的基枢赋值过来。基枢位置确定之后，就有了左右分区。在左右分区继续快排。

归并排序

//归并排序
void merge_sort(vector<int> &nums, int l, int r, vector<int> &temp) {
	if (l + 1 >= r) {
		return;
	}
// divide
	int m = l + (r - l) / 2;
	merge_sort(nums, l, m, temp);

	merge_sort(nums, m, r, temp);
// conquer
	int p = l, q = m, i = l;
	while (p < m || q < r) {
		if (q >= r || (p < m && nums[p] <= nums[q])) {
			temp[i++] = nums[p++];
		} else {
			temp[i++] = nums[q++];
		}
	}
	for (i = l; i < r; ++i) {
		nums[i] = temp[i];
	}
}

在合并过程中，我们使用双指针 p 和 q 分别指向左右两个子数组的起始位置，然后比较指针位置处的元素大小，将较小的元素放入临时数组 temp 中。最后，将临时数组中的元素复制回原数组。

int main() {
	std::vector<int> numbers = {5, 2, 8, 1, 3};

//	std::sort(numbers.begin(), numbers.end());
	//快排 std::sort：使用快速排序（Quick Sort）实现的排序算法，平均时间复杂度为 O(NlogN)
//	std::stable_sort(numbers.begin(), numbers.end());
	//std::stable_sort：使用归并排序（Merge Sort）实现的排序算法，保持相等元素的相对顺序。时间复杂度为 O(NlogN)
//	bubbleSort(numbers);//冒泡排序的平均时间复杂度为 O(N^2)
//	selectionSort(numbers);//选择排序的时间复杂度为 O(N^2)
//    insertionSort(numbers);//插入排序的时间复杂度为 O(N^2)
//	quickSort(numbers,0,numbers.size());
	vector<int> temp(numbers.size());
	merge_sort(numbers, 0, numbers.size(), temp);


	std::cout << "Sorted numbers: ";
	for (int num : numbers) {
		std::cout << num << " ";
	}
	std::cout << std::endl;

	return 0;
}

是否稳定

1. 稳定的排序算法：

   • 冒泡排序（Bubble Sort）
   • 插入排序（Insertion Sort）
   • 归并排序（Merge Sort）
   • 基数排序（Radix Sort）

2. 不稳定的排序算法：

   • 选择排序（Selection Sort）
   • 快速排序（Quick Sort）
   • 堆排序（Heap Sort）
   • 希尔排序（Shell Sort）

时间复杂度

• 冒泡排序、插入排序、选择排序的时间复杂度为 O(n^2)。
• 归并排序、快速排序、堆排序的平均时间复杂度为 O(n log n)。
• 基数排序的时间复杂度为 O(d * (n + k))

空间复杂度

空间复杂度是指算法在运行过程中所需要的额外的存储空间大小。以下是几种常见排序算法的空间复杂度：

1. 冒泡排序（Bubble Sort）：空间复杂度为 O(1)，因为只需要常数级别的额外空间用于交换元素。

2. 插入排序（Insertion Sort）：空间复杂度为 O(1)，因为只需要常数级别的额外空间用于交换元素。

3. 选择排序（Selection Sort）：空间复杂度为 O(1)，因为只需要常数级别的额外空间用于交换元素。

4. 归并排序（Merge Sort）：归并排序是一种分治算法，在归并过程中需要额外的空间来存储临时数组，所以空间复杂度为 O(n)。

5. 快速排序（Quick Sort）：快速排序是一种原地排序算法，通常不需要额外的空间，但是如果使用递归实现，则需要系统栈来存储递归调用的上下文，因此空间复杂度在最坏情况下可能达到 O(n)，平均情况下为 O(log n)。

6. 堆排序（Heap Sort）：堆排序是一种原地排序算法，不需要额外的空间，因此空间复杂度为 O(1)。

7. 希尔排序（Shell Sort）：希尔排序是一种改进的插入排序算法，空间复杂度取决于间隔序列的选择，一般为 O(1) 到 O(n)。

8. 基数排序（Radix Sort）：基数排序需要额外的空间来存储桶，空间复杂度取决于数据的范围和位数，一般为 O(n + k)，其中 n 是数组长度，k 是数据的范围。