《软件设计师》复习笔记（9.5）——排序算法原理

目录

排序算法总结

1. 直接插入排序

2. 希尔排序（缩小增量排序）

3. 简单选择排序

4. 堆排序

5. 冒泡排序

6. 快速排序

7. 归并排序

8. 基数排序

排序算法对比

真题示例：

---

排序算法总结

（4.1）十大算法排序-CSDN博客https://blog.csdn.net/m0_73631172/article/details/146439122?spm=1011.2415.3001.5331

1. 直接插入排序

• 思想：将待排序元素插入到已排序序列的合适位置。
• 步骤：
  1. 初始时，第1个元素视为有序序列。
  2. 从第2个元素开始，依次与前面的元素比较，找到合适位置插入。
• 特点：
  • 时间复杂度：O(n²)（最好情况O(n)，已有序）。
  • 空间复杂度：O(1)（原地排序）。
  • 稳定排序。
• 适用场景：
  • 数据量小或基本有序时效率较高。

---

2. 希尔排序（缩小增量排序）

• 思想：分组插入排序，逐步缩小增量，最终进行全序列插入排序。
• 步骤：
  1. 选择增量序列（如5, 3, 1）。
  2. 对每个增量分组进行插入排序。
• 特点：
  • 时间复杂度：O(n^(1.3~2))（取决于增量序列）。
  • 空间复杂度：O(1)。
  • 不稳定排序。
• 适用场景：
  • 适用于大数据量，比直接插入排序更高效。

---

3. 简单选择排序

• 思想：每次从未排序部分选出最小元素，放到已排序序列末尾。
• 步骤：
  1. 遍历数组，找到最小值并与第1个元素交换。
  2. 重复上述过程，每次减少一个未排序元素。
• 特点：
  • 时间复杂度：O(n²)（无论是否有序）。
  • 空间复杂度：O(1)。
  • 不稳定排序（交换可能破坏顺序）。
• 适用场景：
  • 数据量小，交换次数较少。

---

4. 堆排序

• 思想：利用堆结构（大根堆/小根堆）进行排序。
• 步骤：
  1. 建堆：从最后一个非叶子节点调整，形成堆。
  2. 每次取堆顶元素（最大值），与末尾元素交换，调整剩余堆。
• 特点：
  • 时间复杂度：O(nlogn)（建堆O(n)，调整O(logn)）。
  • 空间复杂度：O(1)。
  • 不稳定排序。
• 适用场景：
  • 适合大数据量，尤其需要前几名元素时。

---

5. 冒泡排序

• 思想：相邻元素比较交换，每一轮将最大元素“冒泡”到末尾。
• 步骤：
  1. 从前往后比较相邻元素，逆序则交换。
  2. 每轮减少一个未排序元素。
• 特点：
  • 时间复杂度：O(n²)（最好情况O(n)，已有序）。
  • 空间复杂度：O(1)。
  • 稳定排序。
• 适用场景：
  • 数据量小或基本有序时。

---

6. 快速排序

• 思想：分治法，选取基准元素，将序列分为左右两部分。
• 步骤：
  1. 选择基准（如第一个元素）。
  2. 从右向左找小于基准的元素，从左向右找大于基准的元素，交换。
  3. 递归处理左右子序列。
• 特点：
  • 时间复杂度：平均O(nlogn)，最坏O(n²)（已有序时）。
  • 空间复杂度：O(logn)（递归栈）。
  • 不稳定排序。
• 适用场景：
  • 大数据量，平均性能最优。

---

7. 归并排序

• 思想：分治法，将序列分成子序列排序后合并。
• 步骤：
  1. 递归分解序列至单个元素。
  2. 合并两个有序子序列。
• 特点：
  • 时间复杂度：O(nlogn)。
  • 空间复杂度：O(n)（需额外存储空间）。
  • 稳定排序。
• 适用场景：
  • 大数据量，需稳定排序时。

---

8. 基数排序

• 思想：按关键字（如个位、十位）分桶排序。
• 步骤：
  1. 从低位到高位依次排序。
  2. 每次排序后重新分桶。
• 特点：
  • 时间复杂度：O(d(n+r))（d为关键字位数，r为基数）。
  • 空间复杂度：O(n+r)。
  • 稳定排序。
• 适用场景：
  • 关键字位数少且数据量大时（如整数排序）。

---

排序算法对比

排序方法	时间复杂度（平均）	空间复杂度	稳定性	适用场景
直接插入排序	O(n²)	O(1)	稳定	小数据量或基本有序
希尔排序	O(n^(1.3~2))	O(1)	不稳定	大数据量
简单选择排序	O(n²)	O(1)	不稳定	数据量小，交换少
堆排序	O(nlogn)	O(1)	不稳定	大数据量，找前几名
冒泡排序	O(n²)	O(1)	稳定	小数据量或教学示例
快速排序	O(nlogn)	O(logn)	不稳定	大数据量，平均性能最优
归并排序	O(nlogn)	O(n)	稳定	大数据量，需稳定排序
基数排序	O(d(n+r))	O(n+r)	稳定	关键字位数少且数据量大

真题示例：

将数组{1,1,2,4,7,5}从小到大排序，若采用________排序算法，则元素之间需要进行的比较次数最少，共需要进行________次元素之间的比较。
A. 直接插入  B. 归并  C. 堆  D. 快速
A. 5  B. 6  C. 7  D. 8 

	直接插入	归并	堆	快速
比较次数	6	9	9	15

在n个数的数组中确定其第i(1<=i<=n)小的数时，可以采用快速排序算法中的划分思想，对n个元素划分，先确定第k小的数，根据i和k的大小关系，进一步处理，最终得到第i小的数。划分过程中，最佳的基准元素选择的方法是选择待划分数组的（ ）元素。此时，算法在最坏情况下的时间复杂度为（不考虑所有元素均相等的情况）（ ）。
A.第一个  B.最后一个  C.中位数  D.随机一个
A.Θ(n)  B.Θ(lgn)  C.Θ(nlgn)  D.Θ(n²)

1. 基准选择方法：
   • 选择中位数理论上最优。
2. 时间复杂度：
   • 最坏情况（如每次选到最差基准）为 Θ(n²)。

对N个数排序，最坏情况下时间复杂度最低的算法是（ ）排序算法
A、插入  B、冒泡  C、归并  D、快速

排序算法	最坏时间复杂度
插入排序	O(n²)
冒泡排序	O(n²)
归并排序	O(nlogn)
快速排序	O(n²)