排序算法概念

1. 冒泡排序

1.1 基本步骤

1. 比较相邻的元素。如果第一个比第二个大，就交换他们两个
2. 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.
3. 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：

1. 在未排序序列中找到最小元素，与最左端的元素相交换
2. 再找剩余队列里的最小元素，源arr[1]相交换
3. 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

1. 将第一个元素设为已排序序列，剩余元素设为未排序序列
2. 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；
3. 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
4. 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
5. 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

1. 选择一个增量序列 t1，t2，……，tk，其中 ti > tj, tk = 1；
2. 按增量序列个数 k，对序列进行 k 趟排序；
3. 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

1. 把长度为n的序列粉翠两个长度为n/2的子序列
2. 对这两个子序列分别采用归并排序（及再次分）
3. 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）

1. 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。
2. 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。
3. 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

1. 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。
2. 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）
3. 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。
4. 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。
5. 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。