数据结构与算法之排序篇（上）

1、如何分析一个"排序算法"?

学习排序算法，我们除了学习它的算法原理、代码之外，更重要的是学会如何评价、分析一个排序算法。那分析一个排序算法，要从哪几个方面入手呢？

• 排序算法的执行效率

对于排序算法执行效率的分析，我们一般会从 几个方面来衡量：

1、最好情况、最坏情况、平均情况时间复杂度

我们在分析排序算法的时间复杂度时，要分别给出最好情况、最坏情况、平均情况下的时间复杂度。除此之外，你还要说出最好、最坏时间复杂度对应的要排序的原始数据是什么样的？

• 为什么要区分这三种时间复杂度呢？

第一、有一些排序算法会区分，为了好对比，所以我们最好都做一下区分。

第二、对于要排序的数据，有的接近排序，有的完全无序。有序度不同的数据，对于排序执行时间肯定是有影响的，我们要知道排序算法在不同数据下的性能表现。

2、时间复杂度的系数、常数、低阶

我们知道，时间复杂度反应的是数据规模n很大的时候的一个增长趋势，所以它表示的时候会忽略系数、常数、低阶。但是实际的软件开发过程中，我们排序的可能是10个，100个，1000个这样规模很小的数据，所以，在对同一阶时间复杂度的排序算法性能对比的时候，我们就要把系数、常数、低阶也要考虑进来。

3、比较次数和交换（或移动）次数

基于比较的排序算法的执行过程，会涉及两种操作，一种是元素比较大小，另一种是元素交换或移动。所以，如果我们在分析排序算法的执行效率的时候，应该会把比较次数和交换（或移动）次数也考虑进去。

• 排序算法的内存消耗

算法的内存消耗可通过，空间复杂度来衡量，排序算法也不例外。不过，针对排序算法的空间复杂度，我们还引入了一个新的概念，原地排序(Sorted in place)。原地排序算法，就是特指空间复杂度是O(1)的排序算法。我们提到的三种排序算法，都是原地排序算法。

• 排序算法的稳定性

仅仅用执行效率和内存来衡量排序算法的好坏是不够的。针对排序算法，我们还有一个重要的度量指标，稳定性。这个概念是说，如果待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。

我们通过一个例子来解释以下。比如我们有一组数据2，9，3，4，8，3，按照大小排序之后就是2，3，3，4，8，9.

这组数据里面有两个3。经过某种排序算法排序之后，如果两个3的前后顺序没有改变，那我们就把这种排序算法叫作稳定的排序算法；如果前后顺序发生变化，那对应的排序算法就叫作不稳定的排序算法。

你可能要问了，两个3哪个在前，哪个在后有什么关系，稳不稳定又有什么关系呢？为什么考察排序算法的稳定性呢？

很多数据结构和算法课程，在讲排序的时候，都是用整数来举例，但是在真正的软件开发过程中，我们要排序的往往不是单纯的整数，而是一组对象，我们需要按照这个对象的某个key来排序。

比如说，我们现在要给电商交易系统中的"订单"排序。订单有两个排序，一个是下单时间，另一个是订单金额。如果现在有10万条订单数据，我们希望从金额从小到大对订单数据排序。对于金额相同的订单，我们希望按照下单时间从早到晚有序。对于这一个排序需求，我们怎么来做呢？

最先想到的方法的是：我们先按照金额对订单数据进行排序，然后，在遍历排序之后的订单数据，对于每个金额相同的小区间按照下单时间排序。这种排序思路理解起来不难，但是实现起来会很复杂。

借助稳定排序算法，这个问题非常简洁地解决。解决思路是这样的：我们先按照下单的时间给订单排序，注意是按照下单的时间，不是金额。排序完成后，我们用稳定的排序算法，按照订单金额重新排序。两遍排序之后，我们得到的订单数据就是按照金额从大到小排序，金额相同的订单按照下单时间总早到晚排序的，为什么呢？

稳定排序算法可以保持金额相同的两个对象，在排序之后的前后顺序不变。第一次排序之后，所有的订单按照下单时间从早到晚有序了。在第二次排序中，我们用的是稳定排序算法，所以经过第二次排序之后，相同金额的订单仍然保持下单时间从早到晚有序。

 

• 冒泡排序（Bubble sort）

我们从冒泡排序开始，学习今天的三种排序算法。

冒泡排序只会操作相邻的两个数据，每次冒泡操作对会对相邻的两个元素进行比较，看是否满足大小关系的要求。如果不满足就让它俩互换。一次冒泡会让至少一个元素移动到它应该在的位置，重复n次，就会完成n个数据的排序工作。

举个例子：

对一组数据4，5，6，3，2，1，从小到大进行排序。第一次冒泡排序的详细操作过程就是这样:

经过第一次冒泡操作之后，6这个元素已经存储在正确的位置上。要想完成所有数据的排序，我们只要进行6次这样的冒泡排序操作就够了。

实际上刚才的冒泡过程还可以优化。当某次冒泡操作已经没有数据交换时，说明已经达到完全由序，不用再继续执行后续的冒泡操作。

举个例子:

         给下面6个元素排序，只需要4次冒泡操作就可以了。

冒泡排序算法的原理比较容易理解，代码如下：

• 结合，刚刚分析排序算法的三个方面，有三个问题：

第一：冒泡排序是原地排序算法吗？

冒泡的过程只涉及相邻数据的交换操作，只需要常量级别的临时空间，所以它的空间复杂度为O(1),是一个原地排序算法。

第二：冒泡排序是稳定的排序算法吗？

在冒泡排序中，只有交换才可以改变两个元素的前后顺序。为了保证冒泡排序算法的稳定性，当有相邻的两个元素大小相等的时候，我们不做交换，相同大小的数据在排序前后不会改变顺序，所以冒泡排序是稳定的排序算法。

第三：冒泡排序的时间复杂度是多少？

最好的情况下，要排序的数据已经是有序的，我们只需要一次冒泡排序就可以，所以最好情况时间复杂度是O(n)。而最坏的情况是，要排序的数据刚好是倒序排列的，我们需要进行n次冒泡操作，所以最坏情况时间复杂度为O(n^2);

最好、最坏情况下的时间复杂度容易分析，那平均情况下的时间复杂度是多少？平均时间复杂度就是加权平均期望时间复杂度，分析的时候要结合概率论知识。

对于包含n个数据的数组，这n个数据就有n!中排列方式。不同的排列方式，冒泡排序执行的时间肯定是不同的。比如我们前面举的两个例子，其中一个要进行6次冒泡排序，而另一个只需要4次。如果用概率论方法定量分析平均时间复杂度，涉及的数学推理和计算就会很复杂。那么有另外一种思路，通过"有序度"和"逆序度"这两个概念来进行分析。

有序度是数组中具有有序关系的元素对的个数。有序元素对用数学表达式就是这样：

 

同理，对于一个倒序排列的数组，比如：6，5，4，3，2，1，有序度是0;对于一个完全有效的数组，比如：1，2，3，4，5，6，有序度就是n*(n-1)/2,也就是15.我们把这种完全有序的数组的有序度叫作满有序度。

逆序度的定义正好跟有序度相反（默认从大到小为有序）。关于逆序度可以对照有序度的例子自己看下。

关于这三个概念，我们还可以得到一个公式：逆序度=满有序度-有序度。我们排序的过程就是一种增加有序度，减少逆序度的过程，最后达到满有序度，就说明排序完成了。

还是拿前面的冒泡例子来说明。要排序的数组的初始状态是4，5，6，3，2，1，其中，有序元素对有(4,5)(4,6)(5,6),所以有序度是3。n=6,所以排序完成之后终态的满有序度为n*(n-1)/2=15。

冒泡排序包含两个操作原子，比较和交换。每交换一次，有序度就加1.不管算法怎么改进，交换次数总是确定的，即为逆序度，也就是n*(n-1)/2-初始有序度。此例中就是15-3=12，要进行12次交换操作。

对于包含n个数据的数组进行冒泡排序，平均交换次数是多少呢？最坏情况下，初始状态有序度是0，所以要进行n*(n-1)/2次交换。最好情况下，初始状态的有序度是n*(n-1)/2,就不需要进行交换。我们可以取个中间值n*(n-1)/4，来表示初始有序度既不是很高也不是很低的平均情况。

换句话说，平均情况下，需要n*(n-1)/4次交换操作，比较操作肯定要比交换操作多，而复杂度的上限是O(n^2),所以平均情况下的时间复杂度为O(n^2)。

• 插入排序

一个有序的数组，往里面添加一个新的数据后，如何保持数据有序呢？其实我们只需要遍历数组，找到数据应该插入的位置将其插入即可。

这是一个动态排序的过程，即动态地往有序集合中添加数据，我们可以通过这种方法保持集合中的数据一直有序。而对于一组静态数据，我们也可以借鉴上面讲的插入方法，来进行排序，于是就有了插入排序算法。

• 那插入排序具体是如何借助上面的思想来实现排序的呢？

首先，我们将数组中的数据分为两个区间，已排序区间和未排序区间。初始已排序区间只有一个元素，就是数组的第一个元素。插入算法的核心思想是取未排序区间中的元素，在已排序区间中找到合适的插入位置将其插入，并保证已排序区间数据已知有序。重复这个过程，直到未排序区间中元素为空，算法结束。

如图所示，要排序的数据是4，5，6，1，3，2，其中左侧为已排序区间，右侧为未排序区间。

插入排序也包含两种操作，一种是元素的比较，一种是元素的移动。当我们需要建一个数据a插入到已排序区间时，需要拿a与已排序区间的元素依次比较大小，找到合适的插入位置。找到合适的插入位置。找到插入点之后，我们还需要将插入点之后的元素顺序往后移动一位，这样才能腾出位置给元素a插入。

对于不同的查找插入点方法(从头到尾，从尾到头),元素的比较次数是有区别的。但对于一个给定初始序列，移动操作的次数总是固定的，就等于逆序度。

• 为什么说移动次数就等于逆序度呢？

那刚才的例子画了一个图表。满序度是n*(n-1)/2=15,初始序列度是5，所以逆序度是10。插入排序中，数据移动的总和也等于10=3+3+4；

插入排序代码如下：

 

 

• 这里同样有三个问题：

第一、插入排序是原地排序算法吗？

从实现过程可以明显地看出，插入排序算法的运行并不需要额外的存储空间，所以空间复杂度是O(1),也就是，这是一个原地排序算法。

第二、插入排序是稳定的排序算法吗？

在插入排序中，对于值相同的元素，我们可以选择将后面出现的元素，插入到前面出现元素的后面，这样就可以保持原有的前后顺序不变，所以插入排序是稳定的排序算法。

第三、插入排序的时间复杂度是多少？

如果要排序的数据已经是有序的，我们并不需要搬移任何数据。如果我们从尾到头在有序数据组里查找插入位置，每次只需要比较一个数据就能确定插入的位置。所以这种情况下，最好的时间复杂度就是O(n)。注意，这里是从尾到头遍历已有序的数据。

如果数组是倒序的，每次插入都相当于在数组的第一个位置插入新的数据，所以需要大量的数据，所以最坏情况时间复杂度为O(n^2)。

对插入排序来说，每次插入操作都相当于在数组中插入一个数据，循环执行n次操作，所以平均时间复杂度为O(n^2)。

• 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。但是选择排序每次会从未排序中间找到最小的元素，将其放到已排序区间的末尾。

选择排序空间复杂度为O(1),是一种原地排序算法。选择排序好的最好情况时间复杂度、最坏情况和平均情况时间复杂度都为O(n^2).

• 那选择排序是稳定的排序算法吗？

答案是否定的，选择排序是一种不稳定的排序算法。从前面的那张图中，你可以看出来，选择排序每次都要找剩余未排序元素中的最小值，并和前面的元素交换位置，这样破坏了稳定性。

比如：5，8，5，2，9这样一组数据，使用选择排序算法来排序的话，第一次找到了最小元素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。正是这样，相对于冒泡排序和插入排序，选择-排序就逊色了。

• Q:冒泡排序和插入排序的时间复杂度都是O(n^2)，都是原地排序算法，为什么插入排序要比冒泡排序更受欢迎呢？

前面讲到，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，不管怎样优化，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，代码如下：

我们把执行一个赋值语句的时间粗略地计为单位时间(unit_time),然后分别用冒泡排序和插入排序对同一个逆序度是K的数组进行排序。用冒泡排序，需要K次交换操作，每次需要3个赋值语句，所以交换操作总是耗时是3*K单位时间。而插入排序中数据移动操作只需要K个单位时间。

所以，虽然冒泡排序和插入排序在时间复杂度上是一样的，都是O(n^2),但是如果我们希望把性能优化做到极致，那肯定首选插入排序，插入排序的算法思路也会有很大的优化空间。

         以上关于冒泡排序、选择排序、插入排序的总结如下：

 

---

更多技术知识和图像处理、深度学习、IT资料，请关注微信公众号：

                                                                                   Change,There is no better way!