插入排序
特点:stable sort、In-place sort
最优复杂度:当输入数组就是排好序的时候,复杂度为O(n),而快速排序在这种情况下会产生O(n^2)的复杂度。
最差复杂度:当输入数组为倒序时,复杂度为O(n^2)
插入排序比较适合用于“少量元素的数组”。
其实插入排序的复杂度和逆序对的个数一样,当数组倒序时,逆序对的个数为n(n-1)/2,因此插入排序复杂度为O(n^2)。
void InsertSort(vector<int>& res){
int temp;
for (int i = 1; i < res.size(); i++){
temp = res[i];
int j = i - 1;
while (j >= 0 && temp < res[j]){
res[j + 1] = res[j];
--j;
}
res[j + 1] = temp;
}
}
希尔排序
void ShellSort(vector<int>& res){
int size = res.size();
int separate = size / 2;
while (separate > 0){
for (int i = separate; i < size; i++){
int temp = res[i];
int j = i - separate;
while (j >= 0 && temp < res[j]){
res[j + separate] = res[j];
j -= separate;
}
res[j + separate] = temp;
}
separate /= 2;
}
}
冒泡排序
特点:stable sort、In-place sort
思想:通过两两交换,像水中的泡泡一样,小的先冒出来,大的后冒出来。
最坏运行时间:O(n^2)
最佳运行时间:O(n^2)(当然,也可以进行改进使得最佳运行时间为O(n))
//冒泡排序,每次让最大的数沉下去
void BubbleSort(vector<int>&res){
for (int i = 0; i < res.size(); i++){
for (int j = 0; j < res.size() - i - 1; j++){
if (res[j] > res[j + 1])swap(res[j], res[j + 1]);
}
}
}
//设置一个flag,若在一次循环中无交换则不进行下一次循环
//最佳运行时间O(N)
void BubbleSort_optimize(vector<int>&res){
bool flag = true;
for (int i = 0; i < res.size() && flag; i++){
flag = false;
for (int j = 0; j < res.size() - i - 1; j++){
if (res[j] > res[j + 1])swap(res[j], res[j + 1]), flag = true;
}
}
}
冒泡排序和插入排序哪个更快?
一般的人回答:“差不多吧,因为渐近时间都是O(n^2)”。
但事实上不是这样的,插入排序的速度直接是逆序对的个数,而冒泡排序中执行“交换”的次数是逆序对的个数,因此冒泡排序执行的时间至少是逆序对的个数,因此插入排序至少比冒泡排序块。
选择排序
特性:In-place sort,unstable sort。
思想:每次找一个最小值。
最好情况时间:O(n^2)。
最坏情况时间:O(n^2)。
void SelectSort(vector<int>&res){
for (int i = 0; i < res.size() - 1; i++){
int temp = i;
for (int j = i + 1; j < res.size(); j++){
if (res[j] < res[temp]){
temp = j;
}
}
if (temp != i)swap(res[i], res[temp]);
}
}
归并排序
特点:stable sort、Out-place sort
思想:运用分治法思想解决排序问题。
最坏情况运行时间:O(nlgn)
最佳运行时间:O(nlgn)
分治法介绍:
分治法就是将原问题分解为多个独立的子问题,且这些子问题的形式和原问题相似,只是规模上减少了,求解完子问题后合并结果构成原问题的解。
分治法通常有3步:
1)Divide(分解子问题的步骤);
2)Conquer(递归解决子问题的步骤);
3)Combine(子问题解求出来后合并成原问题解的步骤);
假设Divide需要f(n)时间,Conquer分解为b个子问题,且子问题大小为a,Combine需要g(n)时间,则递归式为:
T(n)=bT(n/a)+f(n)+g(n) ——>T(n) = 2T(n/2) + O(n)
void merge(vector<int>&res, int first, int mid, int last, vector<int> temp){
int i = first, j = mid + 1;
int m = mid, n = last;
int k = 0;
while (i <= m && j <= n){
if (res[i] < res[j])temp[k++] = res[i++];
else temp[k++] = res[j++];
}
while (i <= m)temp[k++] = res[i++];
while (j <= n)temp[k++] = res[j++];
for (i = 0; i < k; i++)res[first + i] = temp[i];
}
void mergeSort(vector<int>& res, int first, int last, vector<int>temp){
if (first < last){
int mid = first + (last - first) / 2;
mergeSort(res, first, mid, temp);
mergeSort(res, mid + 1, last, temp);
merge(res, first, mid, last, temp);
}
}
bool MergeSort(vector<int>& res){
vector<int> temp(res.size());
mergeSort(res, 0, res.size() - 1, temp);
return true;
}
归并排序的缺点是什么?
它是out-place sort,因此相比块排,需要额外的空间;
为什么归并总比块排慢?
虽然渐进复杂度一样,但是归并排序的系数比块排大;
对于归并排序有什么改进?
就是在数组长度为K时,用插入排序,因为插入排序适合对小数组排序,此时复杂度为O(nk+nlg(n/k)),当k = lg(n)时,复杂度为O(nlgn);
快速排序
特性:unstable sort、In-place sort。
最坏运行时间:当输入数组已排序时,时间为O(n^2),当然可以通过随机化来改进(shuffle array 或者 randomized select pivot),使得期望运行时间为O(nlgn)。
最佳运行时间:O(nlgn)
int Partition(vector<int>& res, int low, int high){
int PivotKey = res[low];
while (low < high){
while (low < high && res[high] > PivotKey)high--;
res[low] = res[high];
while (low < high && res[low] <= PivotKey)low++;
res[high] = res[low];
}
res[low] = PivotKey;
return low;
}
void qSort(vector<int>&res, int low, int high){
int pivot;
int mid = low + (high - low) / 2;
if (res[low] > res[high])swap(res[low], res[high]);
if (res[mid] > res[high])swap(res[mid], res[high]);
if (res[mid] > res[low])swap(res[mid], res[low]);
if (low < high){
pivot = Partition(res, low, high);
qSort(res, low, pivot - 1);
qSort(res, pivot + 1, high);
}
}
void QuickSort(vector<int>&res){
qSort(res, 0, res.size() - 1);
}
堆排序
特性:unstable sort、In-place sort。
最优时间:O(nlgn)
最差时间:O(nlgn)
typedef int ElementType;
void AdjustDown(ElementType res[], int i, int len){
ElementType temp = res[i];
for (int largest = 2 * i + 1; largest < len; largest = 2 * largest + 1){
if (largest != len - 1 && res[largest] > res[largest + 1]){// > 换成 <,则为大顶堆
++largest;
}
if (temp > res[largest]){// < 换成 >,则为大顶堆
res[i] = res[largest];
i = largest;
}
else
break;
}
res[i] = temp;
}
void BuildMaxHeap(ElementType res[], int len){
for (int i = len / 2 - 1; i >= 0; i--){
AdjustDown(res, i, len);
}
}
void HeapSort(ElementType res[], int n){
BuildMaxHeap(res, n);
for (int i = n - 1; i > 0; i--){
//交换方法,避免数值越界
res[0] = res[0] ^ res[i];
res[i] = res[0] ^ res[i];
res[0] = res[0] ^ res[i];
AdjustDown(res, 0, i);
}
}
基数排序
特性:stable sort、Out-place sort。
最坏情况运行时间:O((n+k)d)
最好情况运行时间:O((n+k)d)
const int RAD_IX = 10; //最高位为10位
int GetNumInPos(int num, int pos){
int temp = pow(10, pos - 1);
return (num / temp) % 10;
}
void RadixSort(vector<int>& res){
for (int pos = 1; pos <= RAD_IX; pos++){
vector<vector<int>> radixArrary(RAD_IX, vector<int>());
//按照第pos位,将对应元素存储在指定的数组内
for (int i = 0; i < res.size(); i++){
int num = GetNumInPos(res[i], pos);
radixArrary[num].push_back(res[i]);
}
//将桶中元素按照pos位重新存储在数组内
for (int i = 0, j = 0; i < RAD_IX; i++){
for (auto x : radixArrary[i]){
res[j++] = x;
}
}
}
}