1. 冒泡排序
1.1 基本步骤
- 比较相邻的元素。如果第一个比第二个大,就交换他们两个
- 对每一个相邻元素做同样的工作,从第一对到最后一对。最后一个应该是最大的元素.
- 每次都排除最后一个。
1.2 时间复杂度:
时间复杂度为O(n^2)
1.3 空间复杂度:
O(1)
2. 选择排序
2.1 基本步骤:
- 在未排序序列中找到最小元素,与最左端的元素相交换
- 再找剩余队列里的最小元素,源arr[1]相交换
- 重复2步骤
2.2 时间复杂度
算法的时间复杂度为O(n^2)
2.3 空间复杂度
O(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。例如要将数组arr=[4,2,8,0,5,1]排序,可以将4看做是一个有序序列,将[2,8,0,5,1]看做一个无序序列。无序序列中2比4小,于是将2插入到4的左边,此时有序序列变成了[2,4],无序序列变成了[8,0,5,1]。
3.1 基本步骤
- 将第一个元素设为已排序序列,剩余元素设为未排序序列
- 从未排序序列中取下一个元素,在已排序序列中从后向前扫描;
- 如果该已排序元素大于新元素,将该已排序元素移到下一位置
- 重复步骤3,直至找到已排序元素小于或等于新元素的位置,将新元素插入到该位置
- 重复步骤2-5
3.2 时间复杂度
该算法的时间复杂度为O(n^2)。
3.3 空间复杂度
O(1)
4.希尔排序(Shell’s Sort)
在插入排序算法的基础上进行了改进。其算法的基本思想是:先将待排记录序列分割成为若干子序列分别进行插入排序,待整个序列中的记录"基本有序"时,再对全体记录进行一次直接插入排序。与归并排序有些类似
4.1 基本步骤
- 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。
4.2 时间复杂度
算法时间复杂度为O(n log n)
4.3 空间复杂度
O(1)
5.归并排序(分治法)
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。代价是需要额外的内存空间。若将两个有序表合并成一个有序表,称为2-路归并。
5.1 基本步骤
- 把长度为n的序列粉翠两个长度为n/2的子序列
- 对这两个子序列分别采用归并排序(及再次分)
- 将两个排序好的子序列合并成一个排序序列
5.2 时间复杂度
算法时间复杂度为O(n log n)
5.3 空间复杂度
O(n)
6. 快速排序算法
6.1 基本步骤:(属于分治法)
- 选取基准元素(Pivot):从数组中选择一个元素作为基准元素。通常可以选择第一个元素、最后一个元素、中间元素或随机选择一个元素作为基准。
- 分区(Partition):所有小于基准的元素都排在基准前面,所有大于基准的元素都排在基准后面。在这个分区结束之后,基准元素就位于数组的中间位置,这个位置是其最终排序后的位置。这个过程称为挖坑填坑,即为基准元素寻找最终位置,并在这个过程中调整其他元素。
- 递归排序子数组:递归地对基准元素左右两侧的子序列重复上述两个步骤。即对基准左边的子数组和基准右边的子数组分别进行快速排序。
快速排序算法的关键在于分区步骤,通过一趟扫描就可以确定基准元素的最终位置,并且让其左侧的元素都不大于它,右侧的元素都不小于它,从而实现了局部排序。这个过程一直进行下去,直到整个序列有序
6.2 时间复杂度
平均时间复杂度为O(n log n),在最好的情况下也是O(n log n),但最坏情况(如数组已经是正序或逆序)下的时间复杂度会退化到O(n^2)。
6.3 空间复杂度
快速排序是一种原地排序算法,除了递归调用栈的空间外,几乎不需要额外的存储空间,因此空间复杂度为O(log n)
6.4 优缺点
优点:快速排序算法效率高,是实际应用中常用的排序算法之一。
缺点:最坏情况下的时间复杂度较高,且不稳定排序(相等的元素可能会改变原有的相对顺序)
6.5 例题
对数组A=(2,8,7,1,3,5,6,4)用快速排序算法的划分方法进行一趟划分后得到的数组A为(此空作答)(非递减排序,以最后一个元素为基准元素)(2,3,1,4,7,5,6,8)
7.堆排序
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。(即大顶堆与小丁堆)。堆排序可以说是一种利用堆的概念来排序的选择排序
7.1 基本步骤
- 构建初始堆:将初始排序关键字序列(R1,R2…Rn)构建成大顶堆。初始时已经需要构建成大顶堆。
- 将堆顶元素(数组中的最大值,位于索引0)与数组的最后一个元素交换,这样最大值就被放到了正确的位置(数组的末尾)
- 缩小堆的大小:将堆的大小减一(因为最大值已经被正确放置),忽略刚刚放到正确位置的元素。
- 再次调整堆:由于交换后根节点可能破坏了大顶堆的性质,需要对根节点(现在的数组首位)执行heapify()操作,保持剩下的元素仍然构成一个大顶堆。
- 重复排序:重复排序:重复上述“交换-缩小-调整”过程,直到堆的大小减到1,此时整个数组已经是有序的。
堆化(heapify)函数的简要步骤:
- 构建完全二叉树;
- 找到最后一个非叶子节点:叶子节点的位置是从0开始计数的数组下标**(n/2)-1**到0(其中n是数组的长度)
- 对于每一个非叶子节点,执行以下操作
- 检查该节点与其左右子节点大小,如果最大值不在父节点上,则需要进行交换。
- 交换后,可能会破坏被交换到父节点位置的子节点与其子节点之间的堆性质,因此需要对这个新的子节点位置继续进行Heapify过程,直到整个树满足大顶堆的条件。