一、快速排序(工程使用最多) O(N*lgN) 递归
算法思想:重点在于划分,使得划分后左边部分 <= 主元 < 右边部分,分治左右两部分,当两部分都有序后,就整体有序了
结果:小 → 大
语言:go
func quickSort(arr *[10]int, p int, r int) {
if p < r {
var mid int = partition(arr, p, r)
quickSort(arr, p, mid-1)
quickSort(arr, mid+1, r)
}
}
用一个 partition方法得到中间元素的下标
func partition(arr *[10]int, p int, r int) int {
var pivot *int = &arr[p], sp int = p + 1, bigger int = r
for sp <= bigger {
if arr[sp] <= *pivot {
sp++
} else {
swap(&arr[sp], &arr[bigger])
bigger--
}
}
if *pivot > arr[bigger] {
swap(pivot, &arr[bigger])
}
return bigger
}
通过调用一次partition函数 使得数组得到一次遍历和挪动 , 在中间元素左边的 是<=它的,在中间元素右边的是比他大的元素。
得到中间元素下标后
递归对左半边数组进行快速排序
递归对右半边数组进行快速排序
因为中间元素左边的都比他小或者相等,右边的都比他大,两边排序后自然就整体有序了
二、归并排序 O(N*lgN) 递归
算法思想:简单一分为二,重点在于合并。借用一辅助数组,两个指针指向两部分,谁小谁先走。
结果:小 → 大
static void MergeSort(int arr[],int p,int r){
if(p<r){ //最初 p为0 r为数组长度-1
int mid = p+(r-p)/2; //划分
MergeSort(arr,p,mid); //递归对左半边进行归并排序
MergeSort(arr,mid+1,r); //递归对右半边进行归并排序
merge(arr,p,mid,r); //合并
}
}
先递归,后合并。递归就会进行不断拆分,直至只有两个元素的小数组无法再进行递归,而恰恰是两个元素的小数组是最好排序的。
static void merge(int arr[],int p,int mid,int r){ //合并 也是排序的体现
//合并时需要一个辅助数组help
for(int i=p;i<=r;i++) help[i] = arr[i];
int left = p, right = mid+1, current = p;
while(left<=mid&&right<=r){
if(help[left]<=help[right]){ //排序的体现
arr[current++] = help[left++];
}else{
arr[current++] = help[right++];
}
}
while(left<=mid){
arr[current++] = help[left++];
}
}
划分很简单 以 p+(r - p)/2 为中间元素下标 简单粗暴
划分好后,对左边数组(0,mid)递归进行归并排序
对右边数组(mid+1,r)递归进行归并排序
三、堆排序 O(N*lgN) 递归
堆的特点:①是一个完全二叉树②所有父节点的值都要大于(或小于)子节点的值
大顶堆:所有父节点的值都大于子节点
小顶堆:所有父节点的值都小于子节点
算法思想:对于一个待排序数组,进行堆化,大顶堆或小顶堆都是把数组中的极值放在堆顶后,再与数组最后一个元素交换,交换后缩小堆化范围,重新进行堆化,当对化范围缩小至0后 排序停止。
结果:大顶堆堆化:小 → 大 小顶堆堆化:大 → 小
static void HeapSort(int arr[],int len){
if(len<=1) return; //如果数组长度<=1直接返回 不需排序
//大顶堆堆化
tomaxHeap(arr,n);
//交换
while(len>0){
swap(arr[0],arr[len-1]);
len--;
adjustHeap(arr,0,len);
}
}
从数组的 len/2 -1 下标开始 进行大顶堆堆化
static void tomaxHeap(int arr[],int n){
for(int i = n/2-1;i>=0;i--){ //为什么是n/2-1,因为二叉树的第n/2-1个节点是最后一个节点的父节点,最后一个节点要么是左节点要么是右节点,左节点父亲:(n-1)/2 右节点父亲: (n-2)/2
adjustHeap(arr,i,n); //大顶堆堆化
}
}
堆化好后,arr[0]要么是最大的,此时为大顶堆;要么是最小的,此时为小顶堆。将它与最后一个元素进行交换,交换后可能破坏大顶堆的性质,需要重新堆化,此时考虑范围缩小,不考虑最后一个元素,因为他已经是最大的了,现在要去找第二大的元素 放在堆顶。
static void adjustHeap(int arr[],int i,int len){
int maxindex = i; //最初默认指向父节点
//考虑越界
if(2*i +1 < len && arr[2*i+1]>arr[maxindex]) maxindex = 2*i+1;//有左孩子且比父节点大 ,maxindex指向左孩子
if(2*i +2 < len && arr[2*i+2]>arr[maxindex]) maxindex = 2*i+2;//有右孩子且比父节点大 ,maxindex指向右孩子
//此时maxindex指向最大值的下标
if(maxindex!=i){ //maxindex不等于父节点的话,说明这一小颗树不符合大顶堆性质,孩子比父亲大是小顶堆的特性,所以需要交换,并递归进行大顶堆判断
swap(arr[i],arr[maxindex]);
adjustHeap(arr,maxindex,len);
}
}
四、计数排序 O(N+K) N为原数组长度 K为原数组中元素最大值 非递归
算法思想:借用一个辅助数组存储原数组元素的出现次数。辅助数组的下标就是原数组的元素值,for循环从下标0开始扫描遇到值大于0的,就停下来覆盖原数组,扫描完后,元素组有序。
结果:小 → 大 (视辅助数组扫描方式而定)
static void CountSort(int a[],int len){
//先求数组最大值
int max = a[0];
for(int i=1;i<len;i++){
if(a[i]>max) max = a[i];
}
int help[max+1] = {0};//申请一块内存空间必须初始化!!!
for(int i=0;i<len;i++){
help[a[i]]++;//元素值转下标 精髓所在 ,但也可能引出一个问题 就是原数组最大值很大,可能造成空间的浪费
}
int current =0; //为原数组设定的覆盖指针
for(int i=0;i<max+1;i++){
while(help[i]>0){
a[current++] = i; //覆盖
help[i]--;
}
}
}
以空间换时间
五、桶排序
算法思想:申请很多个 “桶” 也叫做 “容器”,这些桶是有序的。根据某种算法,将原数组的元素取出放在相应的桶中,分治思想,将每个桶进行排序后,依桶次取出。
结果:小 → 大
#include<iostream>
#include<vector>
#include<algorithm>
using namespace std;
vector<int> v[11]; //创建10个桶 第一个桶不要
static void f(int a[],int len){
for(int i=0;i<len;i++){
v[a[i]/10].push_back(a[i]);//入桶 这里的入桶算法 是看元素十位的值
}
for(int i=0;i<11;i++){
sort(v[i].begin(),v[i].end());//排序
}
}
int main(){
int n;
cin>>n;
int age[n] = {0};
for(int i=0;i<n;i++) cin>>age[i];
f(age,n);
for(int i=0;i<11;i++){
vector<int>::iterator iter = v[i].begin();
while(iter!=v[i].end()){
cout<<*iter<<' ';
iter++;
}
}
}
也是一种分治策略,因为直接对原数组进行排序 数据量大时间消耗大,把大问题拆解成一个个小问题,分别对小问题进行处理后 大问题就解决了,这种方式也是能节省一点时间的。跟希尔排序分组有异曲同工之处
图片来自 https://www.cnblogs.com/maluning/p/7944809.html#4176114