常用排序算法

1 比较型排序

1.1冒泡排序

冒泡排序是一种简单的排序算法。它重复地走访过要排序的数列，一次比较两个元素，如果它们的顺序错误就把它们交换过来。走访数列的工作是重复地进行直到没有再需要交换，也就是说该数列已经排序完成。这个算法的名字由来是因为越小的元素会经由交换慢慢“浮”到数列的顶端。

演示动画：

代码实现：

function bubbleSort(arr) {
    var len = arr.length;
    for (var i = 0; i < len - 1; i++) {     // 控制内循环次数
        for (var j = 0; j < len - 1 - i; j++) {
            if (arr[j] > arr[j+1]) {        // 相邻元素两两对比
                var temp = arr[j+1];        // 元素交换
                arr[j+1] = arr[j];
                arr[j] = temp;
            }
        }
    }
    return arr;
}

空间复杂度：O(1)

每次循环只需要借用一个局部变量temp

时间复杂度：O(n²)

对于 n 位的数列则有比较次数为 (n-1) + (n-2) + …… + 1 = n × (n - 1) ÷ 2，这就得到了最大的比较次数。
如果 n = 10000 ，那么 n(n-1) ÷ 2 = (n² - n) ÷ 2 = (100000000 - 10000) ÷ 2
，相对100000000(n²) 来说，10000(n)小的可以忽略不计了，所以总计算次数约为 n² ÷ 2 即 0.5 × n²
，忽略前面系数0.5，直接用 n² 就表示了其数量级。

1.2 选择排序

选择排序是一种简单直观的排序算法。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。
选择排序是表现最稳定的排序算法之一，因为无论什么数据进去都是O(n2)的时间复杂度，所以用到它的时候，数据规模越小越好。

function selectionSort(arr) {
    var len = arr.length;
    var minIndex, temp;
    for (var i = 0; i < len - 1; i++) {
        minIndex = i;
        for (var j = i + 1; j < len; j++) {
            if (arr[j] < arr[minIndex]) {     // 寻找最小的数
                minIndex = j;                 // 将最小数的索引保存
            }
        }
        temp = arr[i];
        arr[i] = arr[minIndex];
        arr[minIndex] = temp;
    }
    return arr;
}

空间复杂度：O(1)
时间复杂度：O(n²)

1.3 插入排序

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

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。
  

function insertionSort(arr) {
    var len = arr.length;
    var preIndex, current;
    for (var i = 1; i < len; i++) {
        preIndex = i - 1;  // 当前元素索引的上一位索引
        current = arr[i];  // 当前元素
        while (preIndex >= 0 && arr[preIndex] > current) { // 若当前元素 比 比较元素小
            arr[preIndex + 1] = arr[preIndex]; // 比较元素后移一位，腾出空位
            preIndex--;    // 继续往前比较
        }
        arr[preIndex + 1] = current; // 插入当前元素到空位（因为循环中往前取了，所以要 +1 ）
    }
    return arr;
}

空间复杂度：O(1)
时间复杂度：O(n²)

1.4 希尔排序

算法描述 先将整个待排序的记录序列分割成为若干子序列分别进行直接插入排序，具体算法描述：

• 选择一个增量序列t1，t2，…，tk，其中ti>tj，tk=1；
• 按增量序列个数k，对序列进行k 趟排序；
• 每趟排序，根据对应的增量ti，将待排序列分割成若干长度为m 的子序列，分别对各子表进行直接插入排序。仅增量因子为1 - 时，整个序列作为一个表来处理，表长度即为整个序列的长度。

希尔排序

function shellSort(arr) {
    var len = arr.length;
    for (var gap = Math.floor(len / 2); gap > 0; gap = Math.floor(gap / 2)) {
        // 注意：这里和动图演示的不一样，动图是分组执行，实际操作是多个分组交替执行
        for (var i = gap; i < len; i++) {
            var j = i;
            var current = arr[i];
            while (j - gap >= 0 && current < arr[j - gap]) {
                 arr[j] = arr[j - gap];
                 j = j - gap;
            }
            arr[j] = current;
        }
    }
    return arr;
}

空间复杂度：O(1)
时间复杂度：O(n²)

1.5 快速排序

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。

function quickSort(arr, left, right) {
    var len = arr.length,
        partitionIndex,      // 分界坐标
        left = typeof left != 'number' ? 0 : left,
        right = typeof right != 'number' ? len - 1 : right;

    if (left < right) {      // 递归条件 未排完
        partitionIndex = partition(arr, left, right); // 以基准值为界分区（小集合，大集合）
        quickSort(arr, left, partitionIndex-1);       // 小集合排序
        quickSort(arr, partitionIndex+1, right);      // 大集合排序
    }
    return arr;              // 排序完成返回结果
}
/** 分区操作 */
function partition(arr, left ,right) { 
    var pivot = left,                      // 以左索引对应的元素为基准值（pivot）
        index = pivot + 1;
    for (var i = index; i <= right; i++) { // 往后逐个比较
        if (arr[i] < arr[pivot]) { // 若比基准值小
            swap(arr, i, index);   // 交换位置
            index++;
        }       
    }
    swap(arr, pivot, index - 1);
    return index-1;
}
/** 交换元素 */
function swap(arr, i, j) {
    var temp = arr[i];
    arr[i] = arr[j];
    arr[j] = temp;
}

1.6 堆排序

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。

var len;    // 因为声明的多个函数都需要数据长度，所以把len设置成为全局变量

function buildMaxHeap(arr) {   // 建立大顶堆
    len = arr.length;
    for (var i = Math.floor(len/2); i >= 0; i--) {
        heapify(arr, i);
    }
}

function heapify(arr, i) {     // 堆调整
    var left = 2 * i + 1,
        right = 2 * i + 2,
        largest = i;

    if (left < len && arr[left] > arr[largest]) {
        largest = left;
    }

    if (right < len && arr[right] > arr[largest]) {
        largest = right;
    }

    if (largest != i) {
        swap(arr, i, largest);
        heapify(arr, largest);
    }
}

function swap(arr, i, j) {
    var temp = arr[i];
    arr[i] = arr[j];
    arr[j] = temp;
}

function heapSort(arr) {
    buildMaxHeap(arr);

    for (var i = arr.length - 1; i > 0; i--) {
        swap(arr, 0, i);
        len--;
        heapify(arr, 0);
    }
    return arr;
}

2 非比较型排序

待续…

本文基于https://zhuanlan.zhihu.com/p/449501682、https://blog.csdn.net/qq_48272269/article/details/122735755文章修改