【算法】七大排序

最新推荐文章于 2021-01-03 11:20:06 发布

在找bug的路上

最新推荐文章于 2021-01-03 11:20:06 发布

阅读量203

点赞数

分类专栏： c++

本文链接：https://blog.csdn.net/qq_36553828/article/details/108136666

版权

c++ 专栏收录该内容

6 篇文章 0 订阅

订阅专栏

常见的有以下八中排序算法：

在这里插入图片描述
七大算法之间的时间复杂度、空间复杂度、稳定性的比较：

选择排序算法准则：

每种排序算法都各有优缺点。
影响排序的因素有很多，平均时间复杂度低的算法并不一定就是最优的。相反，有时平均时间复杂度高的算法可能更适合某些特殊情况。同时，选择算法时还得考虑它的可读性，以利于软件的维护。一般而言，需要考虑的因素有以下四点：

1．待排序的记录数目n的大小；
2．记录本身数据量的大小，也就是记录中除关键字外的其他信息量的大小；
3．关键字的结构及其分布情况；
4．对排序稳定性的要求。

设待排序元素的个数为n:
1）当n较大，则应采用时间复杂度为O(nlog2n)的排序方法：快速排序、堆排序或归并排序序。

快速排序：是目前基于比较的内部排序中被认为是最好的方法，当待排序的关键字是随机分布时，快速排序的平均时间最短；
堆排序：如果内存空间允许且要求稳定性的，
归并排序：它有一定数量的数据移动，所以我们可能过与插入排序组合，先获得一定长度的序列，然后再合并，在效率上将有所提高。

2）当n较大，内存空间允许，且要求稳定性 ——归并排序
3）当n较小，可采用直接插入或直接选择排序。

直接插入排序：当元素分布有序，直接插入排序将大大减少比较次数和移动记录的次数。
直接选择排序：元素分布有序，如果不要求稳定性，选择直接选择排序

5）一般不使用或不直接使用传统的冒泡排序。
6）基数排序:
它是一种稳定的排序算法，但有一定的局限性：1、关键字可分解。2、记录的关键字位数较少，如果密集更好3、如果是数字时，最好是无符号的，否则将增加相应的映射复杂度，可先将其正负分开排序。

七大排序算法

1.选择排序
2.插入排序
3.快速排序
4.堆排序
5.冒泡排序
6.希尔排序
7.归并排序

1.选择排序

思想：遍历数组，每次遍历都在未排序的部分找到最小元素的下标，在此次遍历结束后将最小元素放到遍历开始的位置
性能：时间复杂度为O(n2)，算法比较次数与初始序列状态无关，性能在所有排序算法中最差。
动态演示图：
在这里插入图片描述

c++代码：

void select_Sort(int* A, int len){
        for(int i=0;i<len;i++)
        {
                int k = i;
                for(int j=i;j<len;j++)
                        if(A[j]<A[k])
                                k = j;
                if(k != i){
                        int t = A[i];
                        A[i] = A[k];
                        A[k] = t;
                }
        }
}

2.插入排序

思想：将数组中的所有元素依次和前面的已经排好序的元素相比较（依次），如果选择的元素比已排序的元素小，则交换，直到全部元素都比较过。
实现：利用end为指向已经排好序的最后一个元素，temp声明为待排序的数，在以排好序的数列中寻找可以插入的位置，在寻找的过程中是从后向前寻找，发现比temp大的就向后移动，直到发现比temp小的终止寻找，并将temp放入该位置，进入到下一个循环。
动态演示图：
在这里插入图片描述

3.快速排序：

参考质料链接
思路：与归并排序类似，也使用分治思想，选择一个元素值（一般选择最后一个元素），将比它小的放在左边部分，比它大的放在右边，然后对两部分分别进行上述操作知道递归结束，关键步骤在于元素的分类，且只占用O(1)的额外存储空间。

步骤（小到大）：选择最左边的数为基准数，利用双边循环法，右边先向前搜索，大于等于基准数就继续前进，否则停止，开始移动左边指针向前，小于基准数就后退，否则停止，此时交换左右指针指向的数值再次前进后退，知道左右二个指针相遇。相遇后与基准数交换数值。此时将原数组分成了二个部分，一部分大于基准数，一部分小于基准数。利用递归方法继续分裂，变成最简单的排序数列。

性能：时间复杂度为O(nlgn)，与归并排序不同，该算法占用常数级额外存储，在大规模序列排序应用中性能较好。

c++代码：

//快速排序（从小到大）
void quickSort(int left, int right, vector<int>& arr)
{
	if(left >= right)
		return;
	int i, j, base, temp;
	i = left, j = right;   //左右二个指针
	base = arr[left];  //取最左边的数为基准数
	while (i < j)
	{
		while (arr[j] >= base && i < j)   j--;  //移动右指针
		while (arr[i] <= base && i < j)   i++;  //移动左指针
		if(i < j){    //二个指针停止时  交换指向的数值
			temp = arr[i];
			arr[i] = arr[j];
			arr[j] = temp;
		}
	}
	arr[left] = arr[i];    //基准数归位
	arr[i] = base;
	//开始递归分裂   分治法体现在这里
	quickSort(left, i - 1, arr);//递归左边
	quickSort(i + 1, right, arr);//递归右边
}

4.堆排序：

参考质料
思想：使用堆数据结构进行排序，堆是一种用数组存储的二叉树，根据父节点和子节点的大小关系分为最大堆和最小堆，这里使用最大堆进行排序。将待排序序列构造成一个大顶堆，此时，整个序列的最大值就是堆顶的根节点。将其与末尾元素进行交换，此时末尾就为最大值。然后将剩余n-1个元素重新构造成一个堆，这样会得到n个元素的次小值。如此反复执行，便能得到一个有序序列了

算法的步骤：

把无序数组构建成二叉堆。需要从小到大排序，则构建成最大堆；需要从大到小排序，则构建成最小堆。
循环删除堆顶元素，替换到二叉堆的末尾，调整堆产生新的堆顶。

性能：
堆排序是一种选择排序，整体主要由构建初始堆+交换堆顶元素和末尾元素并重建堆两部分组成。其中构建初始堆经推导复杂度为O(n)，在交换并重建堆的过程中，需交换n-1次，而重建堆的过程中，根据完全二叉树的性质，[log2(n-1),log2(n-2)…1]逐步递减，近似为nlogn。所以堆排序时间复杂度一般认为就是O(nlogn)级。空间复杂度：O(1).
动态演示图：
在这里插入图片描述
c++代码：

#include <stdio.h>

void swap(int array[],int x,int y){
	int key;
	key=array[x];
	array[x]=array[y];
	array[y]=key;
}

//从大到小排序 
//void Down(int array[],int i,int n){
//	int child=2*i+1;
//	int key=array[i];
//	while (child<n){
//		if (array[child]>array[child+1] && child+1<n) {
//			child++;
//		}
//		if (key>array[child]){
//			swap(array, i, child);
//			i=child;
//		}
//		else{
//			break;
//		}
//		child=child*2+1;
//	}
//}

//从小到大排序   使得i节点下沉满足堆对节点的要求
void Down(int array[],int i,int n){						//最后结果就是大顶堆 
	int parent=i;										//父节点下标
	int child=2*i+1;									//子节点下标  
	while (child<n){
		if (array[child]<array[child+1] && child+1<n) {	//判断子节点那个大，大的与父节点比较 
			child++;
		}
		
		if (array[parent]<array[child]){				//判断父节点是否小于子节点 
			swap(array, parent, child);					//交换父节点和子节点 
			parent=child;								//子节点下标 赋给 父节点下标 
		}

		child=child*2+1;								//换行，比较下面的父节点和子节点 
	}
}

void BuildHeap(int array[],int size)
{
   int i=0;						   //倒数第二排开始 从右到左  从小到上
   for(i=size/2-1;i>=0;i--){							//创建大顶堆，必须从下往上比较 
      Down(array,i,size);								//否则有的不符合大顶堆定义 
  	}
}

void heapSort(int array[],int size){
    BuildHeap(array,size);			//初始化堆（使非叶子节点都下沉） 
    printf("初始化数组：");
	for(int i=0;i<size;i++){
		printf("%d ",array[i]);
	}
	printf("\n");
	
    for(int i=size-1;i>0;i--)
    {	//交换最后一个节点与堆顶的节点，然后将堆顶节点做下沉处理
    	swap(array,0,i);								//交换顶点和第 i 个数据 
    	//因为只有array[0]改变，其它都符合大顶堆的定义，所以可以从上往下重新建立 
    	Down(array,0,i);								//重新建立大顶堆 
    	
    	printf("排序的数组：");
		for(int i=0;i<size;i++){
			printf("%d ",array[i]);
		}
		printf("\n");
	}
}

int main(){
	int array[]={49,38,65,97,76,13,27,49,10};
	int size= sizeof(array) / sizeof(int);
	printf("%d \n",size);
	printf("排序前数组：");
		for(int i=0;i<size;i++){
			printf("%d ",array[i]);
		}
	printf("\n");
	heapSort(array,size);
	return 0;
}

运行结果图：
在这里插入图片描述

5.冒泡排序

思想：从左往右遍历，比较相邻两个元素的大小，将大的一个放在后面，每遍历一趟，可找到一个最大值放置在最后，经过n-1趟遍历即可。

性能：比较次数为：(n-1) + (n-2) + … + 1 = n*(n-1) / 2，因此冒泡排序的时间复杂度为O(n^2)。

步骤:
1.比较相邻的元素，前一个比后一个大（或者前一个比后一个小）调换位置
2.每一对相邻的元素进行重复的工作，从开始对一直到结尾对，这步完成后，结尾为做大或最小的数.
3.针对除了最后一个元素重复进行上面的步骤。
4.重复1-3步骤直到完成排序

动态演示图：
在这里插入图片描述
c++代码：

#include<stdio.h>
void BuddleSort(int a[],int n){  
    for(int i=0;i<n-1;i++){
        for( int j=0;j<n-i-1;j++){
            if(a[j]>a[j+1]){
                int swap=a[j];
                a[j]=a[j+1];
                a[j+1]=swap;
            }
        }
    }
} 
int main(){
    int a[]={6, 9，8，4，5，2，1，3，7};
    int n=sizeof(a)/sizeof(int);
    BuddleSort(a,n);
    printf("冒泡排序结果："); 
    for (int i = 0; i < n; i++){
        printf("%d ", a[i]);
    }
    return 0;
}

6.希尔排序（缩小增量排序）

参考质料链接
简介：是简单插入排序的改进版，是将整个无序列分割成若干小的子序列分别进行插入排序的方法。它与插入排序的不同之处在于，它会优先比较距离较远的元素。简单插入排序对小规模数据数据或者基本有序时十分高效，数据有序程度越高，越高效。使用希尔排序对较大规模并且无序的数据会非常有效率。

算法步骤：
首先它把较大的数据集合按照n/2的增量分割成若干个小组（逻辑上分组），然后对每一个小组分别进行插入排序，此时，插入排序所作用的数据量比较小（每一个小组），插入的效率比较高。每个分组进行插入排序后，各个分组就变成了有序的了（整体不一定序）。接着将增量再次缩小一倍，重复上面的操作，直到增量为1.

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。
性能：希尔排序的性能无法准确量化，跟输入的数据有很大关系。在实际应用中也不会用它，因为十分不稳定，虽然比传统的插入排序快，但比快速排序等慢。其时间复杂度介于O(nlogn) 到 O(n^2) 之间
动画演示：

c++代码：

void   shellsort(int  arr[],int len) {    //数组作为参数时，将长度代入会比较好，不然通过sizeof无法知道数组长度
	int n = len;  //数组长度
	for (int gap = n / 2; gap > 0; gap /= 2) {  //改变增量gap 进行插入排序 
		for (int i = gap; i < n; i++) { //对各分组的每个元素进行插入排序
			int  key = arr[i];
			int j;   //插入到合适的位置
			for (j = i - gap; j >= 0 && key < arr[j]; j -= gap) {
				arr[j + gap] = arr[j];  //排好的序列移位
			}
			arr[j + gap] = key;  //将待插入的数插入到合适的位置
		}
	}
}
int main() {
	int  sum[] = { 4,2,3,1,5,8};
	int len = sizeof(sum) / sizeof(sum[0]);
	shellsort(sum,len);
	int n = len;
	while (n)
	{
		cout << sum[len - n] << " ";
		n--;
	}
	return 0;
}

7.归并排序

简介：
归并排序是建立在归并操作上的一种有效的排序算法。该算法是采用分治法（Divide and Conquer）的一个非常典型的应用。将已有序的子序列合并，得到完全有序的序列；即先使每个子序列有序，再使子序列段间有序。若将两个有序表合并成一个有序表，称为2-路归并。

注：分治思想的代表——首先把原问题分解为两个或多个子问题，然后求解子问题的解，最后使用子问题的解来构造出原问题的解。
算法描述：

把长度为n的输入序列分成两个长度为n/2的子序列；
对这两个子序列分别采用归并排序；
将两个排序好的子序列合并成一个最终的排序序列。

性能分析：
归并排序是一种稳定的排序方法。和选择排序一样，归并排序的性能不受输入数据的影响，但表现比选择排序好的多，因为始终都是O(nlogn）的时间复杂度。代价是需要额外的内存空间。

动画演示：
在这里插入图片描述
c++代码：

const int N=1001;
int a[N];
int n;
 //左右表有序表进行合并
void Merge(int a[],int low,int mid,int high){
    int i,j,k;
    int b[N]; //复制a中数据
    for(int z=low;z<=high;z++)
        b[z]=a[z];
    i=low; //以mid为中心i遍历左边的表，j遍历右边的表，找出最小值放入a中
    j=mid+1;
    k=i;
    while(i<=mid&&j<=high){  //二表开始比较大小排入原数组,当左右序列任一个读完时结束
        if(b[i]<=b[j])
            a[k]=b[i++];
        else
            a[k]=b[j++];
        k++;
    }  
   //左右序列有一个没读完，继续读不用比较
    while(i<=mid) a[k++]=b[i++];
    while(j<=high) a[k++]=b[j++];
}
 
void MergeSort(int a[],int low,int high){
    if(low<high){
        int mid=(low+high)/2;  //在此是该序列一分为二，直到1-1，然后将1-1归并成有序的2
        MergeSort(a,low,mid);
        MergeSort(a,mid+1,high);
        Merge(a,low,mid,high);   //合并前面二个序列
    }//else  是low=high时
}
int main(){
    cin>>n;
    for(int i=1;i<=n;i++){
        cin>>a[i];
    }
   MergeSort(a,1,n);
    for(int i=1;i<=n;i++)
        cout<<a[i]<<" ";
    return 0;
}