1 快速排序(QuickSort)
快速排序是一个就地排序,分而治之,大规模递归的算法。从本质上来说,它是归并排序的就地版本。快速排序可以由下面四步组成。
(1) 如果不多于1个数据,直接返回。
(2) 一般选择序列最左边的值作为支点数据。
(3) 将序列分成2部分,一部分都大于支点数据,另外一部分都小于支点数据。
(4) 对两边利用递归排序数列。
快速排序比大部分排序算法都要快。尽管我们可以在某些特殊的情况下写出比快速排序快的算法,但是就通常情况而言,没有比它更快的了。快速排序是递归的,对于内存非常有限的机器来说,它不是一个好的选择。
2 归并排序(MergeSort)
归并排序先分解要排序的序列,从1分成2,2分成4,依次分解,当分解到只有1个一组的时候,就可以排序这些分组,然后依次合并回原来的序列中,这样就可以排序所有数据。合并排序比堆排序稍微快一点,但是需要比堆排序多一倍的内存空间,因为它需要一个额外的数组。
3 堆排序(HeapSort)
堆排序适合于数据量非常大的场合(百万数据)。
堆排序不需要大量的递归或者多维的暂存数组。这对于数据量非常巨大的序列是合适的。比如超过数百万条记录,因为快速排序,归并排序都使用递归来设计算法,在数据量非常大的时候,可能会发生堆栈溢出错误。
堆排序会将所有的数据建成一个堆,最大的数据在堆顶,然后将堆顶数据和序列的最后一个数据交换。接下来再次重建堆,交换数据,依次下去,就可以排序所有的数据。
4 Shell排序(ShellSort)
Shell排序通过将数据分成不同的组,先对每一组进行排序,然后再对所有的元素进行一次插入排序,以减少数据交换和移动的次数。平均效率是O(nlogn)。其中分组的合理性会对算法产生重要的影响。现在多用D.E.Knuth的分组方法。
Shell排序比冒泡排序快5倍,比插入排序大致快2倍。Shell排序比起QuickSort,MergeSort,HeapSort慢很多。但是它相对比较简单,它适合于数据量在5000以下并且速度并不是特别重要的场合。它对于数据量较小的数列重复排序是非常好的。
5 插入排序(InsertSort)
插入排序通过把序列中的值插入一个已经排序好的序列中,直到该序列的结束。插入排序是对冒泡排序的改进。它比冒泡排序快2倍。一般不用在数据大于1000的场合下使用插入排序,或者重复排序超过200数据项的序列。
6 冒泡排序(BubbleSort)
冒泡排序是最慢的排序算法。在实际运用中它是效率最低的算法。它通过一趟又一趟地比较数组中的每一个元素,使较大的数据下沉,较小的数据上升。它是O(n^2)的算法。
7 交换排序(ExchangeSort)和选择排序(SelectSort)
这两种排序方法都是交换方法的排序算法,效率都是 O(n2)。在实际应用中处于和冒泡排序基本相同的地位。它们只是排序算法发展的初级阶段,在实际中使用较少。
8 基数排序(RadixSort)
基数排序和通常的排序算法并不走同样的路线。它是一种比较新颖的算法,但是它只能用于整数的排序,如果我们要把同样的办法运用到浮点数上,我们必须了解浮点数的存储格式,并通过特殊的方式将浮点数映射到整数上,然后再映射回去,这是非常麻烦的事情,因此,它的使用同样也不多。而且,最重要的是,这样算法也需要较多的存储空间。
9 总结
下面是一个总的表格,大致总结了我们常见的所有的排序算法的特点。
排序法 | 平均时间 | 最小时间 | 最大时间 | 稳定度 | 额外空间 | 备注 |
冒泡排序 | O(n2) | O(n) | O(n2) | 稳定 | O(1) | n小时较好 |
选择排序 | O(n2) | O(n2) | O(n2) | 不稳定 | O(1) | n小时较好 |
插入排序 | O(n2) | O(n) | O(n2) | 稳定 | O(1) | 大部分已排序时较好 |
基数排序 | O(logRB) | O(n) | O(logRB) | 稳定 | O(n) | B是真数(0-9), R是基数(个十百) |
Shell排序 | O(nlogn) | - | O(ns) 1<s<2 | 不稳定 | O(1) | s是所选分组 |
快速排序 | O(nlogn) | O(n2) | O(n2) | 不稳定 | O(logn) | n大时较好 |
归并排序 | O(nlogn) | O(nlogn) | O(nlogn) | 稳定 | O(n) | 要求稳定性时较好 |
堆排序 | O(nlogn) | O(nlogn) | O(nlogn) | 不稳定 | O(1) | n大时较好 |
参考原帖:http://blog.csdn.net/yuzhihui_no1/article/details/44198701
注:原帖中的表格有误,快排空间复杂度为logN,归排的空间复杂度为O(N),本文已纠正。
附上Java实现:
package com.algorithms;
import java.util.Arrays;
import java.util.Collections;
import java.util.Random;
/**
* 各种排序的基本解决方案。
*
* @author Shixiang Wan (shixiangwan@gmail.com)
* @version 1.0
* */
public class LearnSort {
public static void main(String[] args)
{
int N = 50000;
Integer[] a = new Integer[N];
Random random = new Random();
for (int i=0; i<N; i++)
a[i] = random.nextInt(N);
SortFactory sortFactory = new SortFactory();
Collections.shuffle(Arrays.asList(a));
Long start = System.currentTimeMillis();
Arrays.sort(a);
assert sortFactory.isSorted(a);
System.out.println(">> 快排API:" + (System.currentTimeMillis() - start) + "ms");
Collections.shuffle(Arrays.asList(a));
start = System.currentTimeMillis();
sortFactory.sort_quick(a);
assert sortFactory.isSorted(a);
System.out.println(">> 快速排序:" + (System.currentTimeMillis() - start) + "ms");
Collections.shuffle(Arrays.asList(a));
start = System.currentTimeMillis();
sortFactory.sort_heap(a);
assert sortFactory.isSorted(a);
System.out.println(">> 堆排序:" + (System.currentTimeMillis() - start) + "ms");
Collections.shuffle(Arrays.asList(a));
start = System.currentTimeMillis();
sortFactory.sort_merge(a);
assert sortFactory.isSorted(a);
System.out.println(">> 归并排序:" + (System.currentTimeMillis() - start) + "ms");
Collections.shuffle(Arrays.asList(a));
start = System.currentTimeMillis();
sortFactory.sort_selection(a);
assert sortFactory.isSorted(a);
System.out.println(">> 选择排序:" + (System.currentTimeMillis() - start) + "ms");
Collections.shuffle(Arrays.asList(a));
start = System.currentTimeMillis();
sortFactory.sort_insertion(a);
assert sortFactory.isSorted(a);
System.out.println(">> 插入排序:" + (System.currentTimeMillis() - start) + "ms");
}
}
class SortFactory {
/*
* 堆排序
* 唯一能够同时最优地利用空间和时间的方法,在嵌入式系统或低成本的移动设备中很流行
* 但是现代系统的许多应用很少使用它,因为它无法利用缓存。数组元素很少和相邻的其他
* 元素进行比较,因此缓存命中的次数要远远高于大多数比较都在相邻元素间进行的算法,
* 如快速排序,归并排序甚至是希尔排序。但用堆实现的优先队列却越来越重要。因为它能在
* 插入操作、删除最大元素操作混合的动态场景中保证对数级别的运行时间。
* */
public void sort_heap(Comparable[] a) {
int N = a.length;
for (int k = N/2; k >= 1; k--) {
sink(a, k, N);
}
while (N > 1) {
exch(a, 0, N-- - 1); // 算法第4版未考虑减1
sink(a, 1, N);
}
}
//由上到下的堆有序化(下沉)的实现
private void sink(Comparable[] a, int k, int N) {
while (2*k <= N) {
int j = 2*k;
if (j < N && less(a[j-1], a[j])) j++; // 算法第4版未考虑减1
if (!less(a[k-1], a[j-1])) break; // 算法第4版未考虑减1
exch(a, k-1, j-1); // 算法第4版未考虑减1
k = j;
}
}
/*归并排序
* 时间复杂度与快速排序相同
* */
private Comparable[] aux;
public void sort_merge(Comparable[] a) {
aux = new Comparable[a.length];
sort(a, 0, a.length - 1);
}
private void sort(Comparable[] a, int lo, int hi) {
if (hi <= lo) return;
int mid = lo + (hi - lo) / 2;
sort(a, lo, mid); //将左半边排序
sort(a, mid+1, hi); //将右半边排序
merge(a, lo, mid, hi);
}
private void merge(Comparable[] a, int lo, int mid, int hi)
{
// 原地归并,a数组在mid的左右两侧各自已经排好序,这里将左右合并
int i = lo, j = mid+1;
for (int k = lo; k <= hi; k++)
aux[k] = a[k];
for (int k = lo; k <= hi; k++)
if (i > mid)
a[k] = aux[j++];
else if (j > hi)
a[k] = aux[i++];
else if (less(aux[j], aux[i]))
a[k] = aux[j++];
else
a[k] = aux[i++];
}
/*快速排序*/
public void sort_quick(Comparable[] a)
{
Collections.shuffle(Arrays.asList(a));
sort_quick(a, 0, a.length - 1);
}
public void sort_quick(Comparable[] a, int lo, int hi)
{
if (hi <= lo) return;
int j = partition(a, lo, hi);
sort_quick(a, lo, j-1);
sort_quick(a, j+1, hi);
}
public int partition(Comparable[] a, int lo, int hi)
{
int i=lo, j=hi+1;
Comparable v = a[lo];
while (true)
{
while (less(a[++i], v)) if (i == hi) break;
while (less(v, a[--j])) if (j == lo) break;
if (i >= j) break;
exch(a, i, j);
}
exch(a, lo, j);
return j;
}
/*插入排序
* 插入排序的思想是数组是部分有序的,然后将无序的部分循环插入到已有序的序列中
* 插入排序对随机顺序的序列的时间复杂度也为O(N^2),但是对于基本有序的序列进行排序时间复杂度为O(N)
* 插入排序能保证它排序时i之前的顺序是i之前所有元素的局部排名
* */
public void sort_insertion(Comparable[] a)
{
int N = a.length;
for (int i=1; i<N; i++)
{
/*从第i个元素开始,往右一个元素向左依次比大小,插到合适的最左面*/
for (int j=i; j>0 && less(a[j], a[j-1]); j--)
{
exch(a, j, j-1);
}
}
}
/*选择排序
* 冒泡排序是逐一比较,时间复杂度高,还要经常交换数组,时间复杂度为O(N^2)
* 选择排序时间复杂度是O(N^2),与冒泡排序相比减少了数组交换的次数
* 选择排序能保证它排序时i之前的顺序是全局确定排名
* */
public void sort_selection(Comparable[] a)
{
int N = a.length;
for (int i=0; i<N; i++)
{
int min = i;
/*找出从i个后的最小值,并与i索引值交换,以此类推*/
for (int j = i+1; j<N; j++)
if (less(a[j], a[min])) min = j;
exch(a, i, min);
}
}
/*基本函数*/
private boolean less(Comparable v, Comparable w)
{
return v.compareTo(w) < 0;
}
private void exch(Comparable[] a, int i, int j)
{
Comparable t = a[i];
a[i] = a[j];
a[j] = t;
}
public void show(Comparable[] a)
{
for (Comparable ai : a) {
System.out.print(ai + " ");
}
System.out.println();
}
public boolean isSorted(Comparable[] a)
{
for (int i=0; i<a.length; i++)
if (less(a[i], a[i-1]))
return false;
return true;
}
}
运行结果:
>> 快排API:31ms
>> 快速排序:16ms
>> 堆排序:31ms
>> 归并排序:47ms
>> 选择排序:5719ms
>> 插入排序:3204ms