#排序算法整理#

冒泡排序：

冒泡排序算法的思想是：如果一个数组中相邻的元素对都是不降序的，那么这个数组也是不降序的，我们可以利用归纳法或者反证法证明。那么，只要我们不断改善局部的有序性，最后就一定可以得到有序的数组。我们通过遍历数组，查看相邻元素是否有序，如果无序则交换它们，来改善局部有序性。可见，第一次遍历会使当前最大的元素就位，第二次遍历则可以不考虑已就位的元素，会使当前第二大的元素就位，以此类推，经过n-1遍历会使n-1个元素就位，最后一个元素也自然而然就位。n个元素中存在n-1个相邻对。那么第一次遍历的扫描数为n-1，最后一次是，已经有n-2个元素就位的情况，也就是只有2个元素剩余，扫描数为1，算法的时间复杂度就是，1+2+3….+n-1次 *常数时间 + 常数时间 = O（n^2）.

归并排序

归并排序算法是一个递归算法，它的描述如下，将数组划分为两个子数组，对它们递归的进行归并排序，然后合并排序好的子数组，即可以得到有序的数组。由这个描述我们可以知道，算法包括两个部分，划分和归并。当子数组的元素只有1个的时候，子数组当然有序，停止继续递归，这就是递归基。利用一个辅助函数merge归并两个有序的子数组。

merge的时间复杂度，即是就位n个元素的时间，每次就位需要常数时间，所以复杂度为O（n）

依据描述，不难得到归并算法的实现：

递归基->划分->递归归并->划分->递归归并->合并有序的子数组
算法的时间复杂度：假设排序一个规模为n的数组所需的时间为T(N)
那么可以得到递推式子：T(N) = T(N/2) + T(N/2) + O(n)
通过绘制递归图可以得到：T(N) = T(1)N + O(N) logn = O(nlogn);
其实，O(nlogn)已经是一般排序算法的最优时间复杂度了。

快速排序：

快速排序算法是递归算法，它的描述如下，选择一个元素作为主元，将数组划分为两部分，第一部分的元素值都小于等于主元，第二部分的元素值都大于主元。对于这两部分，分别递归的应用快速排序算法。
当子数组的元素数目为1时，子数组已经有序，结束继续递归，此为递归基。算法的主要部分在于划分。我们选择当前数组的第一个元素作为主元，然后划分数组。划分数组的算法如下：

确定数组的第一个元素为主元，然后从第二个元素起开始寻找第一个大于主元的元素，从最后一个元素起寻找第一个小于等于主元的元素，
如果这两个元素是不同的元素，则交换它们。当前后重叠后，则说明，除当前元素之前的所有元素都小于等于主元，之后的所有元素都大于主元。如果当前元素大于主元，则将high往前移动一位，则high就是主元的位置，交换high和first的值，返回主元的位置，完成分割。
算法的复杂度，算法最多进行N次比较和小于N次的交换再加上常数时间的一般操作，则时间复杂度为0(n).
快速排序算法实现：根据递归描述，不难得到算法的实现：

划分->递归排序前半部->递归排序后半部
算法的时间复杂度，最坏的情况下，每一次划分都得到一个长度为0和一个长度为n-1的数组，那么时间复杂度为n + n-1 + …1 为O（n^2）
一般情况下，每一次划分平均划分为两个长度相等的子数组，那么可以得到递推式 T(N) = T(N/2) +T(N/2) +O(N) 根据和归并排序相同的方法，可以求得时间复杂度为O（logn*n）.快速排序算法不需要额外的空间，所以空间复杂度较归并排序低。但是最坏情况下的时间复杂度较归并高。

堆排序

堆排序是一种利用了堆数据结构的排序算法。我们首先讨论堆这种数据结构，理解了堆也就理解了堆排序。堆是一颗完全二叉树，而且它的父节点值不小于它的任意孩子节点值。完全二叉树是一颗二叉树，它除了最后一层，其它层的节点都是满的，而且最后一层的节点是偏左放置的。基于这个特性我们可以利用一个线性表来存储完全二叉树，根据归纳不难发现，对于位置i的节点它的左孩子位于2i+ 1，右孩子位于 2I + 2 ,它的父节点位于 (i-1)/2 .为了维持堆的性质，需要相应的特化的添加和删除节点算法。以下分别讲解。
添加节点的算法，描述如下：将节点加入线性表的末尾，成为堆的一个叶子，判断当前节点的值是否大于父节点的值，如果是交换它与父节点，更新当前节点的位置，如此循环，直到，当前节点为根节点，或者当前节点的值不再大于父节点的值。实现如下：

删除节点的算法描述如下：堆只允许删除根节点，将线性表的第一个值更新为最后一个节点的值，删除最后一个节点，令根节点为当前节点，判断当前节点是否小于它的较大子节点，如果是，交换它与较大的子节点，更新当前节点，直到，当前节点大于或等于它的较大子节点，或者，当前节点没有子节点为止。实现如下：

有了堆结构后，排序算法仅仅是将数组放入堆中，然后依次删除即可。
算法的复杂度分析：对于长度为N的数组，算法需要N次插入堆和N次删除跟节点的操作。对于长度为N的堆，删除和插入一个节点需要最多遍历树高次即logN,则算法的时间复杂度为O（N*logN）.

桶排序

一般排序算法的最优时间复杂度是O（logN*N），但是当数据量较小时可以采用不一般的排序算法，使时间复杂度优化到O（N）。桶排序算法的思想是，对于一个数组，遍历它将每一个元素依次放入对应的桶中，遍历结束后，将桶中的元素倒回数组中，即可以得到有序的数组。桶的数组的元素的键值数目。
算法实现如下：

算法的时间复杂度分析：第一个循环时间为 数组大小n * 常数 ，第二个循环时间为 桶数目大小N * 常数， 可见时间复杂度是O(N)。

基数排序

基数排序类似于桶排序，只不过，它经过了多次桶排序，对于一个正整数（负整数另做考虑），从低位到高位分别对应第一个基数和第d个基数。按照基数大小进行d次桶排序即可得到排好序的数组。我们先考虑如何得到一个整数的第m个基数，根据数学知识知道，第一个基数为val % 10 ，第二个基数为 val/10%10，依次类推，那么可以得到获得整数第m个基数的算法。

剩余的实现，仅仅是桶排序的一点小扩展：

算法的时间复杂度，前面已经说过，基数排序相当于进行了基数的数目个桶排序，所以时间复杂度为O(dn)