1、冒泡排序
1.1 算法描述
- 比较相邻的元素。如果第一个比第二个大,就交换它们两个;
- 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,这样在最后的元素应该会是最大的数;
- 针对所有的元素重复以上的步骤,除了最后一个;
- 重复步骤1~3,直到排序完成。
1.2 代码实现
func sort(arr []int) {
length:=len(arr)
for i:=0;i<length;i++{
for j:=0;j<length-i-1;j++{ //最后的元素是最大的数
if arr[j+1]<arr[j]{
arr[j], arr[j+1] = arr[j+1], arr[j]
}
}
}
}
1.3 时间空间复杂度
时间:
平均O(n2) 最差O(n2) 最好O(n)
空间:
O(1)
2、选择排序
它的工作原理:首先在未排序序列中找到最小(大)元素,存放到排序序列的起始位置,然后,再从剩余未排序元素中继续寻找最小(大)元素,然后放到已排序序列的末尾。以此类推,直到所有元素均排序完毕。
2.1 算法描述
n个记录的直接选择排序可经过n-1趟直接选择排序得到有序结果。具体算法描述如下:
- 初始状态:无序区为R[1…n],有序区为空;
- 第i趟排序(i=1,2,3…n-1)开始时,当前有序区和无序区分别为R[1…i-1]和R(i…n)。该趟排序从当前无序区中-选出关键字最小的记录 R[k],将它与无序区的第1个记录R交换,使R[1…i]和R[i+1…n)分别变为记录个数增加1个的新有序区和记录个数减少1个的新无序区;
- n-1趟结束,数组有序化了。
2.2 代码实现
func sort(arr []int){
length:=len(arr)
for i:=0;i<length-1;i++{
for j:=i+1;j<length;j++{
if arr[i]>arr[j]{
arr[i], arr[j] = arr[j], arr[i]
}
}
}
}
2.3 时间空间复杂度
时间:
平均O(n2) 最差O(n2) 最好O(n2)
空间:
O(1)
3、插入排序
它的工作原理是通过构建有序序列,对于未排序数据,在已排序序列中从后向前扫描,找到相应位置并插入。
3.1 算法描述
一般来说,插入排序都采用in-place在数组上实现。具体算法描述如下:
- 从第一个元素开始,该元素可以认为已经被排序;
- 取出下一个元素,在已经排序的元素序列中从后向前扫描;
- 如果该元素(已排序)大于新元素,将该元素移到下一位置;
- 重复步骤3,直到找到已排序的元素小于或者等于新元素的位置;
- 将新元素插入到该位置后;
- 重复步骤2~5。
3.2 代码实现
func sort(arr []int){
length:=len(arr)
for i:=1;i<length;i++{
j:=i-1
tmp:=arr[i]
for j>=0 && arr[j]>tmp { //找到tmp在已排序元素中的位置
arr[j+1]=arr[j]
j--
}
arr[j+1]=tmp
}
}
3.3 时间空间复杂度
时间:
平均O(n2) 最差O(n2) 最好O(n)
空间:
O(1)
4、快速排序
快速排序的基本思想:二分递归,通过一趟排序将待排记录分隔成独立的两部分,其中一部分记录的关键字均比另一部分的关键字小,则可分别对这两部分记录继续进行排序,以达到整个序列有序。
4.1 算法描述
快速排序使用分治法来把一个串(list)分为两个子串(sub-lists)。具体算法描述如下:
- 从数列中挑出一个元素,称为 “基准”(pivot);
- 重新排序数列,所有元素比基准值小的摆放在基准前面,所有元素比基准值大的摆在基准的后面(相同的数可以到任一边)。在这个分区退出之后,该基准就处于数列的中间位置。这个称为分区(partition)操作;
- 递归地(recursive)把小于基准值元素的子数列和大于基准值元素的子数列排序。
4.2 代码实现
我们可以通过双指针在O(n)的时间复杂度内获取合适的 j
我们设立两个指针 i 和 j,同时设置一个标志值 arr[low],一般来说,标志值取数组第一个元素
- 当 arr[i] < arr[low]时,指针 i 从左至右一直扫描
- 当 arr[j] > arr[low]时,指针 j 从右至左一直扫描
- 交换 arr[i]和 a[j]的元素
- 当 i < j 时重复以上步骤
上述算法结束之后,j 所在的位置即为我们寻找的 j
func sort(arr []int,left int,right int) {
if left>=right{
return
}
middle:=partition(arr,left,right)
sort(arr,0,middle-1)
sort(arr,middle+1,right)
}
func partition(arr []int,left int,right int) int {
i:=left+1 //左指针
j:=right //右指针
//默认与arr[left]为分割,最终比arr[left]小的在其左边,比arr[left]大的在其右边
for true{
for i<right {
if arr[i]>arr[left] { //找比arr[left]大的值,找不到就右移接着找
break
}
i++
}
for j>left {
if arr[j]<arr[left] { //找比arr[left]小的值,找不到就左移接着找
break
}
j--
}
//没有找到
if i>=j {
break
}
//找到了,进行交换
arr[i], arr[j] = arr[j], arr[i]
}
//此时,arr[left]<arr[j]<arr[i]
arr[left], arr[j] = arr[j], arr[left]
return j
}
4.3 时间空间复杂度
时间:
平均O(nlog2n) 最差O(n2) 最好O(nlog2n)
空间:
O(1)
5、堆排序
堆排序(Heapsort)是指利用堆这种数据结构所设计的一种排序算法。堆积是一个近似完全二叉树的结构,并同时满足堆积的性质:即子结点的键值或索引总是小于(或者大于)它的父节点。
5.1 算法描述
- 将初始待排序关键字序列(R1,R2….Rn)构建成大顶堆,此堆为初始的无序区;
- 将堆顶元素R[1]与最后一个元素R[n]交换,此时得到新的无序区(R1,R2,……Rn-1)和新的有序区(Rn),且满足R[1,2…n-1]<=R[n];
- 由于交换后新的堆顶R[1]可能违反堆的性质,因此需要对当前无序区(R1,R2,……Rn-1)调整为新堆,然后再次将R[1]与无序区最后一个元素交换,得到新的无序区(R1,R2….Rn-2)和新的有序区(Rn-1,Rn)。不断重复此过程直到有序区的元素个数为n-1,则整个排序过程完成。
5.2 代码实现
go中提供了 container/heap 来实现堆,堆中元素的类型需要实现 heap.Interface 这个接口。
最大堆:func (h IntHeap) Less(i, j int) bool { return h[i] > h[j] }
最小堆:func (h IntHeap) Less(i, j int) bool { return h[i] < h[j] }
type IntHeap []int
func (h IntHeap) Len() int { return len(h) }
func (h IntHeap) Less(i, j int) bool { return h[i] > h[j] }
func (h IntHeap) Swap(i, j int) { h[i], h[j] = h[j], h[i] }
func (h *IntHeap) Push(x interface{}) {
*h = append(*h, x.(int))
}
func (h *IntHeap) Pop() interface{} {
old := *h
n := len(old)
x := old[n-1]
*h = old[0 : n-1]
return x
}
func main() {
h := &IntHeap{3, 1, 2, 5}
heap.Init(h)
heap.Push(h, 4)
for h.Len() > 0 {
fmt.Printf("%d ", heap.Pop(h))
}
}
5.3 时间空间复杂度
时间:
平均O(nlog2n) 最差O(nlog2n) 最好O(nlog2n)
空间:
O(1)
如有错误,烦请指出~
算法思想参考自:https://www.cnblogs.com/onepixel/articles/7674659.html