聊聊排序算法（总结常用的排序算法）

最新推荐文章于 2022-07-05 20:13:49 发布

NaruseShiroha

最新推荐文章于 2022-07-05 20:13:49 发布

阅读量216

点赞数

文章标签：排序

本文链接：https://blog.csdn.net/m0_43448982/article/details/86608790

版权

以下内容均为个人手打，可能会有一些错误，如果有读者发现有错请指出

无聊的总结了一下排序算法，好像常用的也就那么几种吧（以上分类方式仅个人意见，很多排序方式其实可以同时属于两个分类）

比较排序

这是排序算法中最为常见的一种排序方式。如果没有提到过非比较排序的话，可能不少读者认为排序就是需要比较的。比较排序是我们能够最直观的理解的。这里我就不怎么详细的讲解各种比较排序是如何实现的。（可能之后会补充链接说明）

插入排序

直接插入排序

平均时间复杂度：O（n²）
最优情况：O（n）
最差情况：O（n²）

空间复杂度：O（1）

这样一看，直接插入排序算法其实效率蛮低的

希尔排序

平均时间复杂度：O（n (log n)²）

空间复杂度：O（1）

希尔排序看到了直接插入排序的最优情况，即O（n）的复杂度，通过多次修改间隔，来提高整个序列本身的有序性，从而使得序列不断的接近最优情况来降低时间复杂度。
好像……效率比直接插入排序略高一点，但是感觉还是不够快

交换排序

冒泡排序

平均时间复杂度：O（n²）
最优情况：O（n）
最差情况：O（n²）

空间复杂度：O（1）

理论数据和插入排序一样，惨不忍睹。但实际上，一般情况下，我们伟大的冒泡排序算法实际用时，比直接插入排序还要长……一点……orz

快速排序

为什么快速排序有特写颜色，因为我们通过计算，得到了这样的数据：
平均时间复杂度：O（n log n）
最优情况：O（n）
最差情况：O（n²）

空间复杂度：O（n log 2n）

虽然最差情况下，复杂度没有什么改进，但是，平均情况下，复杂度得到了很大的缩减。快速排序也是我们最常用的（等下会解释为什么是常用的）排序方式
这里提供一个C语言的函数：qsort（?点击可以前往），
qsort函数是C语言中的快排函数，是一个纯粹的快排（如果没有记错的话），手写快排其实……也挺麻烦的（除非你已经会背模版了），也有不少大佬能用3行代码写出快排，做为菜鸡的我表示，能用用qsort就差不多了?

选择排序

时间复杂度：O（n²）
最优情况：O（n²）
最差情况：O（n²）

空间复杂度：O（1）

？？！什么东西，这是什么强大的排序方式，拥有如此稳定的复杂度，~~我验算了3次，确认无误~~

归并排序

分治法排序，也有人喜欢叫它归并排序、二路归并排序等等。
时间复杂度：O（n log n）

空间复杂度：O（n）

看起来归并排序的效率要略高于快速排序，但是如果真的效率更高的话，为什么C语言只有快排函数，而没有归并排序函数？！所以说，实际上，快速排序的效率要更高一点，而归并排序也是属于较高的

另外，归并排序可以找出序列中逆向对。

树排序

树排序我就真的懒得讲了，总之，主要是懒得写树排序……

二叉树排序

时间复杂度：O（n log n）
最差情况：O（n²）

空间复杂度：O（1）

可以用AVL树来使得时间复杂度趋近于O（n log n）

堆排序

时间复杂度：O（n log n）
最优情况：O（n log n）

空间复杂度：O（1）

比较排序合集！！！

对没错，这里将介绍一种排序方式，一种复杂度能无限趋向于O（n log n）对排序方式：sort
sort是C++的STL库内的一个超级强大的排序函数，大部分情况下，sort会采用快速排序，但是一旦发现快排恶化，复杂度将增大时，sort会及时的插入其他的排序方式，来尽可能的降低复杂度。所以其复杂度将会趋向于O（n log n）比快排的效率还要更高一点

非比较排序

综上，我们看到了很多，几乎所有我们已知的排序方式，但是无论如何，我们好像在为时间复杂度无限趋向于O（n log n）感到骄傲和自豪，问题是，我们可以突破这个限制吗？比如，趋向于O（n）？
这里插入两张来自《算法导论》的照片，书中用决策树来论证了比较排序的最小复杂度。（见书中p107-p108）
比较排序1 比较排序2
简单来说，就是比较排序的本质决定了比较排序的最优情况也要O（n log n）的复杂度。

如果要突破，那就不能是比较排序，即，不能比较

计数排序

假设 n 个输入元素中的每一个都是在0到 k 区间内到一个整数，其中 k 为某个整数。当k=O（n）时，排序的运行时间为O（n）。
计数排序的基本思想是：对每一个输入元素 x ，确定小于 x 的个数。利用这一信息，就可以直接把 x 放到它在输出数组中的位置上了。例如，如果有17个元素小于 x ，则 x 就应该在第18个输出位置上。当有几个元素相同时，这一方案要略做修改。因为不能把它们放在同一个输出位置上。（摘自《算法导论》）
虽然听起来还是用了比较，但是让我们看看伪代码，就能看到这种排序的核心了

COUNTING-SORT(A,B,k)
	let C[0..k] be a new array
	for i=0 to k
		C[i]=0
	for j=1 to A.lenth
		C[A[j]]=C[A[j]]+1
	//C[i] now contains the number of elements equal to i
	for i=1 to k
		C[i]=C[i]+C[i-1]
	//C[i] now contains the number of elements less than or equal to i
	for j=A.lenth downto 1
		B[C[A[j]]]=A[j]
		C[A[j]]=C[A[j]]-1