排序算法

十大排序

• 冒泡排序
• 选择排序
• 插入排序
• 希尔排序
• 快速排序
• 归并排序
• 堆排序
• 基数排序
• 桶排序
• 计数排序

术语

1. 稳定排序：如果 a 原本在 b 的前面，且 a == b，排序之后 a 仍然在 b 的前面，则为稳定排序。
2. 非稳定排序：如果 a 原本在 b 的前面，且 a == b，排序之后 a 可能不在 b 的前面，则为非稳定排序。
3. 原地排序：原地排序就是指在排序过程中不申请多余的存储空间，只利用原来存储待排数据的存储空间进行比较和交换的数据排序。
4. 非原地排序：需要利用额外的数组来辅助排序。
5. 时间复杂度：一个算法执行所消耗的时间。
6. 空间复杂度：运行完一个算法所需的内存大小。
7. 内排序：所有的排序都在内存中进行。
8. 外排序：需要内存和硬盘交换数据进行排序。

总结

• 从平均来看：高级算法堆排，快排和归并排序优于其他算法。
• 对于基本有序或数据量较少的情况，简单算法冒泡排序和插入排序更优。
• 在最坏情况下，堆排序和归并排序优于其他算法。
• 堆排序和归并排序发挥比较稳定，快排在优化情况发挥最佳。
• 归并排序和快排在提升速度的同时也占用了更大的额外空间，堆排序在快速情况下占用空间也小。
• 在高级算法中只有归并排序保持稳定性。
• 优化的快排（在数据量小于某一指标时换为插入排序）是综合性能最佳的排序算法。

------>>算法实现

排序详解

1、选择排序(SelctionSort)

• 首先，找到数组中最小的那个元素，将它和数组的第一个元素交换位置(如果第一个元素就是最小元素那么它就和自己交换)。
• 其次，在剩下的元素中找到最小的元素，将它与数组的第二个元素交换位置。
• 如此往复，直到将整个数组排序。这种方法我们称之为选择排序。
  

1、时间复杂度：O(n2)
2、空间复杂度：O(1)
3、非稳定排序
4、原地排序

2、插入排序(Insertion Sort)

• 从数组第2个元素开始抽取元素。
• 把它与左边第一个元素比较，如果左边第一个元素比它大，则继续与左边第二个元素比较下去，直到遇到不比它大的元素，然后插到这个元素的右边。
• 继续选取第3，4，….n个元素,重复步骤 2 ，选择适当的位置插入。
  

1、时间复杂度：O(n2)
2、空间复杂度：O(1)
3、稳定排序
4、原地排序

3、冒泡排序(BubbleSort)

• 把第一个元素与第二个元素比较，如果第一个比第二个大，则交换他们的位置。接着继续比较第二个与第三个元素，如果第二个比第三个大，则交换他们的位置….
• 我们对每一对相邻元素作同样的工作，从开始第一对到结尾的最后一对，这样一趟比较交换下来之后，排在最右的元素就会是最大的数。
• 除去最右的元素，我们对剩余的元素做同样的工作，如此重复下去，直到排序完成。
  

1、时间复杂度：O(n2)
2、空间复杂度：O(1)
3、稳定排序
4、原地排序

4、希尔排序(Shell Sort)

• 希尔排序可以说是插入排序的一种变种。无论是插入排序还是冒泡排序，如果数组的最大值刚好是在第一位，要将它挪到正确的位置就需要 n - 1 次移动。也就是说，原数组的一个元素如果距离它正确的位置很远的话，则需要与相邻元素交换很多次才能到达正确的位置，这样是相对比较花时间了。
• 希尔排序就是为了加快速度简单地改进了插入排序，交换不相邻的元素以对数组的局部进行排序。
• 希尔排序采用插入排序的方法，先让数组中任意间隔为 h 的元素有序，刚开始 h 的大小可以是 h = n / 2,接着让 h = n / 4，让 h 一直缩小，当 h = 1 时，也就是此时数组中任意间隔为1的元素有序，此时的数组就是有序的了。
  

1、时间复杂度：O(nlogn)
2、空间复杂度：O(1)
3、非稳定排序
4、原地排序

5、归并排序(Merge Sort)

• 将一个大的无序数组有序，我们可以把大的数组分成两个，然后对这两个数组分别进行排序，之后在把这两个数组合并成一个有序的数组。由于两个小的数组都是有序的，所以在合并的时候是很快的。
• 通过递归的方式将大的数组一直分割，直到数组的大小为 1，此时只有一个元素，那么该数组就是有序的了。
• 之后再把两个数组大小为1的合并成一个大小为2的，再把两个大小为2的合并成4的 …… 直到全部小的数组合并起来。
  

1、时间复杂度：O(nlogn)
2、空间复杂度：O(n)
3、稳定排序
4、非原地排序

• 外部排序最常用的算法是多路归并排序，即将原文件分解成多个能够一次性装入内存的部分，分别把每一部分调入内存完成排序。然后，对已经排序的子文件进行多路归并排序。（外部排序指的是大文件的排序，即待排序的记录存储在外存储器上，待排序的文件无法一次装入内存，需要在内存和外部存储器之间进行多次数据交换，以达到排序整个文件的目的。）

6、快速排序(Quicksort)

• 我们从数组中选择一个元素，我们把这个元素称之为中轴元素，然后把数组中所有小于中轴元素的元素放在其左边，所有大于或等于中轴元素的元素放在其右边，显然，此时中轴元素所处的位置的是有序的。也就是说，我们无需再移动中轴元素的位置。
• 从中轴元素那里开始把大的数组切割成两个小的数组(两个数组都不包含中轴元素)，接着我们通过递归的方式，让中轴元素左边的数组和右边的数组也重复同样的操作，直到数组的大小为1，此时每个元素都处于有序的位置。
  

1、时间复杂度：O(nlogn)
2、空间复杂度：O(logn)
3、非稳定排序
4、原地排序

7、堆排序(HeapSort)

• 堆的特点就是堆顶的元素是一个最值，大顶堆的堆顶是最大值，小顶堆则是最小值。
• 堆排序就是把堆顶的元素与最后一个元素交换，交换之后破坏了堆的特性，我们再把堆中剩余的元素再次构成一个大顶堆，然后再把堆顶元素与最后第二个元素交换….如此往复下去，等到剩余的元素只有一个的时候，此时的数组就是有序的了。
  

1、时间复杂度：O(nlogn)
2、空间复杂度：O(1)
3、非稳定排序
4、原地排序

8、计数排序

• 计数排序是一种适合于最大值和最小值的差值不是不是很大的排序。
• 把数组元素作为数组的下标，然后用一个临时数组统计该元素出现的次数，例如 temp[i] = m, 表示元素 i 一共出现了 m 次。
• 最后再把临时数组统计的数据从小到大汇总起来，此时汇总起来是数据是有序的。

#K表示临时数组的大小
1、时间复杂度：O(n+k)
2、空间复杂度：O(k)
3、稳定排序
4、非原地排序

9、桶排序

• 桶排序就是把最大值和最小值之间的数进行瓜分，例如分成 10 个区间，10个区间对应10个桶，我们把各元素放到对应区间的桶中去，再对每个桶中的数进行排序，可以采用归并排序，也可以采用快速排序之类的。
• 之后每个桶里面的数据就是有序的了，我们在进行合并汇总。
  

#k 表示桶的个数
1、时间复杂度：O(n+k)
2、空间复杂度：O(n+k)
3、稳定排序
4、非原地排序

10、基数排序(RadixSort)

• 先以个位数的大小来对数据进行排序，接着以十位数的大小来多数进行排序，接着以百位数的大小……
• 排到最后，就是一组有序的元素了。不过，他在以某位数进行排序的时候，是用“桶”来排序的。
• 由于某位数（个位/十位….）的大小范围为0-9，所以我们需要10个桶，然后把具有相同数值的数放进同一个桶里，之后再把桶里的数按照0号桶到9号桶的顺序取出来，这样一趟下来，按照某位数的排序就完成了。
  

1、时间复杂度：O(kn)
2、空间复杂度：O(n+k)
3、稳定排序
4、非原地排序