数据结构与算法--排序（一）

排序算法很多，其中最经典，最常用的：冒泡排序 ，插入排序，选择排序，归并排序，计数排序，基数排序，桶排序。大致可以分为三类，如图：

带着思考学习：插入排序和冒泡排序的时间复杂度相同，都是，在实际的软件开发 里，为什么我们更倾向于使用插入排序算法而不是冒泡排序算法呢？

一，如何分析一个“排序算法”

学习排序算法，除了学习它的算法原理，代码实现外，还需要分析一个排序算法，要分析一个排序算法，需要从下几个方面入手：
A:: 排序算法的执行效率：对于排序算法执行效率的分析，从如下几个方面衡量：

1，最好情况，最坏情况，平均情况时间复杂度

因为有些排序算法会区分不同情况，同时对需要排序的数据，有的接近有序，有的完全无序。有序度的不同，对算法的执行时间也是不同的。所以需要实在算法在不同数量下的性能表现。

2，时间复杂度的系数，常数，低阶

     时间复杂度反应的是数据规模n很大的时候的一种增长趋势，但在同一阶时间复杂度的排序算法性能对比时，就需要将系数，常数，低阶考虑进去。

3，比较次数和交换（或移动）次数

B::排序算法的内存消耗

算法的内存消耗可以通过空间复杂度来衡量，包括排序算法。另外，针对排序算法，还引入了新的概论：原地排序。 原地排序是特指空间复杂度是O(1)的排序算法。

C::排序算法的稳定性

排序算法的稳定性，是指如果要排序的序列中存在值相等的元素，经过排序之后，相等元素之间原有的先后顺序不变。

例如待排序的一组数据：2，9，3，4，8，3，按照大小排序之后是2，3，3，4，8，9。这组数据里有两个3，排序后，两个3的前后顺序没有改变的话，这种排序算法叫做稳定的排序算法，不然叫不稳定的排序算法。

算法的稳定性的影响：在实际软件开发中，我们需要排序的往往不是单纯的整数，而是一组对象，按照对象的某个key来排序。

例如：在电商交易系统中的"订单"排序，订单有两个属性：下单时间和订单金额。若有10万条数据。希望按照金额从小到大对订单排序，对金额相同的订单，按下单时间从早到晚有序。

思路：最先想到的方法是：先对金额进行排序，然后再对每个金额相同的小区间按下单时间进行排序。这事思路不难但麻烦。借助稳定排序算法，可以非常简洁地解决，先对下单时间进行排序，排序完后按照订单金额重新排序。两遍排序之后，得到的就是我们的需求。

 

二，排序算法

（一）冒泡排序（Bubble Sort）

冒泡排序，只会操作相邻的两个数据。每次冒泡操作都会对相邻两个元素进行比较，看是否满足大小关系要求。如果不满足就让它互换。一次冒泡会至少一个元素移动到它对应的位置，n次冒泡，就完成了n个数据的排序工作。如图一次冒泡操作：

冒泡排序算法还有很多种优化版本，例如：当某次冒泡没有数据交换时，说明已经达到完全有序。

关于评估冒泡算法的三个方面：

1，冒泡排序是原地排序算法？

     因只涉及相邻数据交换，所以是常量级的临时空间，所以其空间复杂度是O(1)，是原地排序。

2，冒泡排序是稳定的排序算法？

     冒泡排序，为了保证其算法稳定性，当两个元素相等时，可以不交换，所以其是稳定的。

3，冒泡排序的时间复杂度是多少？

     a，最好情况 是刚好有序，只要一次冒泡，并且没有数据交换发生。其时间复杂度是O(n)。

     b，最坏情况 是完全倒序，需要n次冒泡，其时间复杂度是。

     c，平均时间复杂度：

           引入“有序度”和“逆序度”的两个概论来分析， 有序度：数组中具有有序的元素对的个数。数学表达式：a[i]<=a[j]，如果i<j。如图：

  

对于一个倒序的数组，例如6，5，4，3，2，1，有序度是0，对于一个完全有序的数组，有序度是n(n-1)/2，即满有序度。

逆有序度与有序度刚好相反。可以得出一个公式：逆序度=满有序度-有序度。排序的过程就是一种增加有序度，减少逆有序度的过程，最后达到满有序度。

对于冒泡算法，两个操作原子，比较和交换。每交换一次，有序度就加1，所以，不管算法如何改进，交换次数总是确定的，即逆序度，也就是满有序度-初始有序度。如图：

根据最好情况和最坏情况，我们取中间值作为平均时间复杂度n(n-1)/4，所以平均时间复杂度是。

 

（二）插入排序（Insertion Sort）

通过动态地往有序集合中添加数据的方法，对一组动态数据进行排序，就是插入排序算法。具体的思想如下：将数组中的数据分为两个区间，已排序区间和未排序区间。初始已排序区间只要一个元素（数组第一个元素）。插入算法核心思想是取未排序区间的元素，在已排序区间找到合适插入位置将其插入，后面的元素需要顺序向后移动一位。

对于不同的插入算法（从头到尾，从尾到头），元素的比较次数不同，但是移动的操作固定等于逆序度。例如如下：

插入算法的也有很大优化空间，例如希尔排序。上述只是最基础的一种。

关于评估插入算法的三个方面：

1，插入排序是原地排序算法？

     因只涉及相邻数据交换，不需要额外的存储空间，所以其空间复杂度是O(1)，是原地排序。

2，插入排序是稳定的排序算法？

     为了保证其算法稳定性，元素相等时，可以将后面出现的元素插入到前面出现元素的后面，所以其是稳定的。

3，插入排序的时间复杂度是多少？

     最坏情况：数组已是有序的，时间复杂度是O(n)。

     最好情况：数组已是倒序的，时间复杂度是。

    平均情况：对于数组插入一个数据的平均时间复杂度是O(n)，对于插入排序，每次插入数据操作都相当于插入一个数据，循环执行n次插入操作。所以时间复杂度是。

 

（三）选择排序（Selection Sort）

选择排序算法的实现思路有点类似插入排序，也分已排序区间和未排序区间。但选择排序每次会从未排序区间中找到最小元素，将其放到已排序区间的末尾。

关于评估选择算法的三个方面：

1，选择排序是原地排序算法？

     因只涉及相邻数据交换，不需要额外的存储空间，所以其空间复杂度是O(1)，是原地排序。

2，选择排序是稳定的排序算法？

     选择排序算法是从未排序区间选择最小值，并与前面的元素交换位置，这破坏了稳定性。例如5，8，5，2，9，这样一组数据，使用选择排序算法来排序的话，第一次找到最小元素2，与第一个5交换位置，那第一个5和中间的5顺序就变了，所以就不稳定 了。正是因此，相对于冒泡排序和插入排序，选择排序就稍微逊色了。 

3，选择排序的时间复杂度是多少？

     最坏情况，最好情况和平均情况时间复杂度都是。

  

三，冒泡，插入，选择排序小结

1，冒泡和插入排序都是稳定排序，为何插入排序更受欢迎？

     冒泡排序不管怎么优化，元素交换的次数是一个固定值，是原始数据的逆序度。插入排序是同样的，不管怎么优 化，元素移动的次数也等于原始数据的逆序度。 但是，从代码实现上来看，冒泡排序的数据交换要比插入排序的数据移动要复杂，冒泡排序需要3个赋值操作，而插入排序只需要1个。

2，小结

     

冒泡，插入，选择排序，在实际的开发应用中并不多，插入相对挺有用的，小规模数据排序时，用起来相对高效。大规模数据时时间复杂度相对高些。我们更倾向于用时间复杂度为O(NlogN)的排序算法。