sort

排序总结

一、影响排序的因素

·比较次数

·移动次数

·辅助空间

·稳定性

·数据量

·排序对象：基本数据类型、复杂数据类型（基于复杂类型中的某一性质来排序，涉及到排序后的稳定性问题）

·优化排序算法的性能

选择哪一种排序算法，或者说是排序算法的应用范围，当然是能让它发挥最佳性能，有时可多个排序算法联合起来用。

二、桶排序（也叫邮件收发室排序）

·定义：假设有n个取值范围为1至m的元素。我们为它分配m个桶，然后对每个i，根据x_i的值，将x_i放入相应的桶中去。最后按序扫描每个桶，并把桶中的元素收集起来。

·缺点：

a.如果取值范围很大，需要的桶很多

b.每只桶里面只装相同的元素，桶的使用率不高，可以装同一类数据，已减少数据范围

c.要多少桶，事先是不确定的；不管数据量多大，能否桶的数量是固定的，也就是桶是常量

三、基数排序

桶排序面对数据范围很大效率低的原因是需要的桶很多，且在一次桶操作后不能减少数据范围。那么我们能否让桶为常量，又能减少数据范围。

所以要找一种好的映射方法，而不是根据取值范围来映射。这就是基数排序

实现基数排序的两种方式：从左到右处理，从右往左处理。

四、插入排序

·让我们换另外一种方式：假设知道如何对n-1个数进行排序。现在给定n个数，先对前n-1个数排序，然后通过扫描已排序的n-1个数来确定第n个数的位置，移动数据，把第n个数插入进去。（体育课上迟到，我们经常这样做）

·性能：

比较次数：最坏情况下，要找为n找到一个合适的位置，不得不进行n-1次比较，所以算法复杂度为n²

移动次数：最坏情况下，第n步有可能移动n-1个数，复杂度为n²

·改进：

有没有办法改进比较次数。（如果像体育课那样，我们知道在谁旁边，直接站进去就行。）

由于前面的数有序，我们不用一一比较，可用二分查找，降低比较次数。

·总结：在使用插入排序时，由于最坏情况下的移动次数没有改变，但我们能改变移动次数，所以插入排序不适用于递增或递减的情况。

五、选择排序

·前奏：上面我们改进了插入排序的移动次数，现在来考虑如何改进最坏情况下的移动次数。什么情况下，移动次数最少？那就是不需要移动，假设我们知道该元素的最终 位置，下面该怎么做？

·归纳：精心挑选第n个数，还可以对上面的的直接归纳进一步改进。例如，可以把最大数选做第n个数。选最大数是因为我们知道它应该被放在哪个位置上。下面要做的是，从剩余的数中找出最大数，然后放到合适的位置上。这样就改进了移动次数

·性能：选择排序仅在数据移动上优于插入排序

·改进：能否同时改进比较和移动次数

现在选择一个确定的位置，我们有了logn的比较次数；在数据移动上，我们直接把改数放到最合适的位置。假设把两者结合起来呢。现在考虑前面的数据有序，我们用logn次比较找到合适位置，接下来思考如何插入，使得数据不需要移动。

现在问题变为，如何组织已排序好的数据，使得插入第n个数时不需要移动数据或使得移动量最小。可以使用平衡树来提高插入选择的性能。如AVL树，但需要额外的指针来记录数据。

六、归并排序（分之思想）

·前奏：为了提高插入排序的性能，我们注意到在找到某个合适的位置时，假设接下来要插入的数能够利用前面一个数的信息，那么就不用扫描整个有序列来确定第二的待插入的数的位置。那么待插入的数应当具备什么样的关系（为了能这样做，是有代价的）就可以利用前面已经插入的数来确定自己的位置。所以，当待插入的数有序时，我们可以利用前面插入的数的位置信息，第二个直接从插入位置的后面继续找到合适的位置，从而前面的就不用比较了。这就是归并排序，每次处理多个数据。

·性能：数据比较和移动复杂度都为nlogn

·缺点：

需要临时数组，反复归并，把小的有序列在归并为大得有序列，所以元素的最终位置只有在最后一次归并后才能确定。

七、快速排序

·前奏：为了对归并排序进行改进，找到一种好的分治方法使得每个数的最终位置时确定的。

我们来考虑归并排序为什么需要临时数组，临时数组用来干什么？用来记录临时顺序。

假设我们在一次划分之后能确定该元素的位置。

·归纳：假设知道某个数x满足：x前面的数都小于等于x，x后面的数都大于等于x，这样划分需要n-1次比较，接下来要处理的范围减半。

·性能：不需要额外空间，复杂度受pivot的影响，最坏情况下为n²

·缺点：无法估计性能

八、堆排序

·前奏：我们能否找到一种规则，使得快数排序的pivot是确定的。理想的快排有点像一颗树，根的左子树是pivot左边的数据，右子树是pivot右边的数据。

·归纳：建堆的两种方式

a.自顶向下：数组[1…i]是堆

b.自低向上：数组[i+1….n]代表的所有树都满足堆的性质

·总结：按不同的顺序归纳会得到更好的算法。

九、排序问题的下届（待续）