十大排序算法(C++)
1、冒泡排序
原理:比较相邻两个元素,如果前一个比后一个大则交换二者位置(以升序为例),每进行一轮比较则可以把最大的元素放到相对最后的位置。每进行一轮比较就会有一个元素变为有序。循环对每轮越来越少的元素进行比较则最终变为有序序列。
如果序列元素初始时为有序,则一轮则可进行排序完毕,最好时间复杂度为O(n);如果序列元素初始时是逆序,则需要n-1轮比较,且每轮要进行n-i次比较,最坏时间复杂度为O(n²),平均时间复杂度为O(n²)。
// 冒泡排序
void SortBubbling(int arr[],const int &iLen)
{
for (int i = 0; i < iLen; i++) //n轮比较
{
for (int j = 0; j < iLen-1-i; j++)//每轮n-i次比较
{
if (arr[j] > arr[j + 1])
std::swap(arr[j], arr[j + 1]); //交换元素
}
}
}
2、快速排序
原理:快速排序首先从待排序列中取出一个元素作为基数,然后分别从序列的两端进行比较,分别将比基数大的数放在基数的右边位置,比基数小的元素放在基数的左边位置;然后分别对基数左右两部分的数据以相同的原理进行操作(递归操作)。
快速排序的平均时间复杂度为O(nlogn),最坏时间复杂度为O(n²),平均时间复杂度为O(nlogn)
//快速排序
void SortFast(int arr[], const int& iLeft,const int& iRight)
{
if (iLeft < iRight)
{
int iFlag = arr[iLeft];
int i = iLeft, j = iRight;
while (i < j)
{
while (j > i && arr[j] >= iFlag) // 从后往前找到比基数小的元素下标
--j;
if (i < j) // 把比基数小的元素放置在基数前半部分
arr[i++] = arr[j];
while (i < j && arr[i] < iFlag) // 从前往后找到比基数大的元素下标
++i;
if (i < j) // 把比基数大的元素放置在基数的后半部分
arr[j--] = arr[i];
}
arr[i] = iFlag; // 放置基数的所在位置
SortFast(arr, iLeft, i - 1); // 对基数前半部分进行排序
SortFast(arr, i + 1, iRight); // 对基数后半部分进行排序
}
}
3、插入排序
原理:插入排序对少量元素进行排序是比较有效的一种排序方式。插入排序会对数据进行后移,如果数据量较大则移动大量数据的代价就高了。排序从第二个元素开始与之前的元素进行比较找到自己的位置。
如果待排序列是有序的则最好时间复杂度为O(n);如果待排序列是逆序的则最坏时间复杂度为O(n²)
//插入排序
void SortInsert(int arr[], const int& iLen)
{
for (int i = 1; i < iLen; i++) // 从第二个元素开始
{
for (int j = i; j - 1 >= 0 && arr[j - 1] > arr[j]; --j) // 当前元素与之前元素进行比较,如果小则交换位置,直到不小于之前元素为止
{
std::swap(arr[j - 1], arr[j]);
}
}
}
4、希尔排序
原理:希尔排序是直接插入排序的一个高级版本,又名缩小增量排序。希尔排序是把记录按下标的一定增量分组,对每组使用直接插入排序算法排序;随着增量逐渐减少,每组包含的关键词越来越多,当增量减至 1 时,整个文件恰被分成一组,算法便终止。希尔排序的增量设置是一个难题,难以寻找最优的增量变化关系。一般采用length/2,length/2/2,…,1。
在序列为有序的情况下,最优的时间复杂度为O(n);最坏情况下时间复杂度为O(n²);平均时间复杂度为O(n^1.3)。
//希尔排序
void SortShell(int arr[], const int& iLen)
{
int iStep = iLen / 2 + 1; // 设置初始步长
while (0 != iStep)
{
for (int i = 0; i + iStep < iLen; i++)
{
if (arr[i] > arr[i + iStep])
std::swap(arr[i], arr[i + iStep]);
}
--iStep ;
}
}
5、选择排序
原理:首先选择待排序列中最小的元素,将其放置在序列的起始位置,然后再从剩余的数据中选择最小的元素放置在已排序序列的末尾。
选择排序的时间复杂度为O(n²)。
//选择排序
void SortSelect(int arr[], const int& iLen)
{
for (int i = 0; i < iLen; i++)
{
int iMinIdx = i;
for (int j = i+1; j < iLen; j++)
{
if (arr[iMinIdx] > arr[j])
iMinIdx = j;
}
if(i != iMinIdx)
std::swap(arr[i], arr[iMinIdx]);
}
}
6、堆排序
原理:堆排序是以堆这种数据结构进行排序,堆分为大顶堆和小顶堆,类似于完全二叉树,子节点总是小于或者大于其父节点。
1、大顶堆:每个结点的值都大于等于其子节点的值,用于升序排序,大顶堆满足关系arr[i] >= arr[ii2+1] && arr[i] >= arr[2i+2]
2、小顶堆:每个结点的值都小于等于其子节点的值,用于降序排序,小顶堆满足关系arr[i] <= arr[ii2+1] && arr[i] <= arr[2i+2]
堆排序的时间复杂度为O(nlogn)。
//调节堆
void AdjustHeap(int arr[], const int& iStart, const int& iEnd)
{
int iFather = iStart;
int iLSon = iStart * 2 + 1;
int iTemp = arr[iStart];
for (; iLSon <= iEnd; iFather = iLSon, iLSon = 2 * iLSon + 1)
{
//选出左右子树中大的结点
if (iLSon < iEnd && arr[iLSon] < arr[iLSon + 1])
++iLSon;
//如果父节小于子结点,则交换父子结点
if (iTemp < arr[iLSon])
{
arr[iFather] = arr[iLSon];
arr[iLSon] = iTemp;
}
else
break;
}
}
//堆排序
void SortHeap(int arr[], const int& iLen)
{
for (int i = iLen / 2 - 1; i >= 0; --i)
AdjustHeap(arr, i, iLen - 1); //调整堆为大顶堆
for (int i = iLen - 1; i > 0; --i)
{
//提取堆顶最大元素放入序列末尾,然后把剩余元素再次调节成大顶堆
std::swap(arr[0], arr[i]);
AdjustHeap(arr, 0, i - 1);
}
}
7、归并排序
原理:归并排序是一种稳定有效的排序算法。算法采用分治法,首先是子序列有序,然后再把子序列进行合并,成为一个完整的序列。
归并排序的时间复杂度为O(nlogn)。
void MargeEnd(int arr[], const int& iLIdx, const int& iRIdx, const int& iMid)
{
int iLSize = iMid - iLIdx;
int iRSize = iRIdx - iMid + 1;
std::unique_ptr<int[]> pArrL(new int[iLSize]{ 0 });
std::unique_ptr<int[]> pArrR(new int[iRSize]{ 0 });
for (int i = iLIdx; i < iMid; i++)
pArrL[i-iLIdx] = arr[i];//左边部分元素
for (int i = iMid; i <= iRIdx; i++)
pArrR[i-iMid] = arr[i];//右边部分元素
int iIdx1 = 0, iIdx2 = 0, iCnt = iLIdx;
while (iIdx1 < iLSize&& iIdx2 < iRSize)
{
if (pArrL[iIdx1] < pArrR[iIdx2])
arr[iCnt++] = pArrL[iIdx1++];
else
arr[iCnt++] = pArrR[iIdx2++];
}
while (iIdx1 < iLSize) //合并剩余左边部分元素
arr[iCnt++] = pArrL[iIdx1++];
while (iIdx2 < iRSize) //合并剩余右边部分元素
arr[iCnt++] = pArrR[iIdx2++];
}
void Marge(int arr[], const int& iStart, const int& iEnd)
{
if (iStart == iEnd)
return;
int iMid = (iEnd + iStart) / 2;
Marge(arr, iStart, iMid);
Marge(arr, iMid + 1, iEnd);
MargeEnd(arr, iStart, iEnd, iMid+1);
}
//归并排序
void SortMarge(int arr[], const int& iLen)
{
Marge(arr, 0, iLen - 1);
}
8、桶排序
原理:桶排序首先是分配有限个桶,然后把待排序数据根据一定的规则归类放入不同的桶中,并且在桶中采用一定的策略再次进行排序,最终把桶中的元素进行遍历便可以得到有序序列。桶排序是以空间获取时间的排序方式。
//简单桶排序
void SortBucket(int arr[], const int& iLen)
{
std::vector<std::vector<int>> vctBucket(iLen);
for (int i = 0; i < iLen; i++)
{
vctBucket.at(arr[i] % 10).push_back(arr[i]);
}
int i = 0;
for (auto item : vctBucket)
{
for (auto subItem : item)
arr[i++] = subItem;
}
}
9、计数排序
原理:计数排序是一个非基于比较的排序算法。它的优势在于在对一定范围内的整数排序时,它的复杂度为Ο(n+k)(其中k是整数的范围),快于任何比较排序算法。这是一种牺牲空间换取时间的做法,而且当O(k)>O(nlog(n))的时候其效率反而不如基于比较的排序(基于比较的排序的时间复杂度在理论上的下限是O(nlog(n)), 如归并排序,堆排序)。
//计数排序
void SortCounter(int arr[], const int& iLen)
{
std::vector<int> vctCount(iLen);
for (int i = 0; i < iLen; i++)
vctCount.at(arr[i])++; //记录每个值出现的次数
int iIdx = 0;
for (int i = 0; i < vctCount.size(); i++)
{
for (int j = 0; j < vctCount.at(i); j++)
arr[iIdx++] = i; // 按序列组织数据
}
}
10、基数排序
原理:基数排序(radix sort)属于“分配式排序”(distribution sort),又称“桶子法”(bucket sort)或bin sort,顾名思义,它是透过键值的部份资讯,将要排序的元素分配至某些“桶”中,藉以达到排序的作用,基数排序法是属于稳定性的排序,其时间复杂度为O (nlog®m),其中r为所采取的基数,而m为堆数,在某些时候,基数排序法的效率高于其它的稳定性排序法。
基数排序是一种非比较型整数排序算法,其原理是将整数按位数切割成不同的数字,然后按每个位数分别比较。由于整数也可以表达字符串(比如名字或日期)和特定格式的浮点数,所以基数排序也不是只能使用于整数。
void StartRadix(int arr[], const int& iLen, const int& iExp)
{
std::unique_ptr<int[]> pTemp(new int[iLen] {0});
std::unique_ptr<int[]> pCnt(new int[10]{ 0 });
for (int j = 0; j < iLen; j++)
pCnt[(arr[j] / iExp) % 10]++; //统计每个桶中元素数量
for (int j = 1; j < 10; j++) //计算元素存在于序列中的位置
pCnt[j] += pCnt[j - 1];
for (int j = iLen-1; j >=0; j--) //元素放入临时数组
{
pTemp[pCnt[(arr[j] / iExp) % 10] - 1] = arr[j];
pCnt[(arr[j] / iExp) % 10]--;
}
for (int i = 0; i < iLen; i++) //恢复每轮排序的元素到原始数组中
arr[i] = pTemp[i];
}
//基数排序
void SortRadix(int arr[], const int& iLen)
{
auto item = std::max_element(arr, arr + iLen - 1);
for (int i = 1; *item / i > 0; i *= 10)
StartRadix(arr, iLen, i);
}