[我的第一本算法书] 第二章 排序算法 摘录(冒泡排序,选择排序,插入排序,堆排序,归并排序,快速排序)

冒泡排序:就是重复’从序列右边开始比较相邻两个数字的大小,再根据结果交换两个数字的位置’这一操作的算法.这一过程中,数字像泡泡一样,慢慢从右向左’浮’到序列的顶端,所以这个算法才被成为’冒泡排序’

在冒泡排序中,第一轮要比较n-1次,第二轮要比较n-2次…第n-1轮要比较1次,最终时间复杂度O(n^2),和输入数据的排列顺序无关

选择排序:就是重复’从待排序的数据中寻找最小值,将其与序列最左边的数字进行交换’这一操作的算法.在序列中寻找最小值时时线性查找

选择排序的时间复杂度也和冒泡排序已有,都是O(n^2)

插入排序:是一种从序列左端开始依次对数据进行排序的算法.

在排序过程中,左侧的数据陆续归为,而右侧留下的就是还未被排序的数据.插入排序的思路从右侧的未排序区域内取出一个数据,然后将它插入到已排序区域内合适的位置上.

插入排序最糟糕的情况下,第2轮需要操作1次,第2轮操作2次,第n轮操作n-1次,所以时间复杂度和冒泡排序一样,都是O(n^2)

堆排序:特点时利用了数据结构中的堆

堆排序将n个数据存进堆里,所需时间为O(nlogn).排序过程中,堆从空堆的状态的时间也是O(nlogn).因此,整体来看堆排序的时间复杂度O(nlogn)

归并排序:会把序列分成长度相同的两个子序列,当无法往下分时(也就是每个子序列中只有一个数据时),就对子序列进行归并.归并指的是把两个排好序的子序列合并成一个有序序列.该操作会一直重复执行,直到所有子序列都归并为一个整体为止.

归并排序中:分割序列所花费的时间不算在运行时间中(可与当作序列本来就是分割好的).在合并两个已排好序的子序列时,只需要重复比较首位数据的大小,然后移动较小的数据,因此只需花费和两个子序列的长度相应的运行时间.也就是说,完成一行归并所需的时间取决于这一行的数据量.无论哪一行都是n个数据,每行运行时间O(n),而长度n的序列对半分割到只有一个数据为止,可以分成log2n行,因此总共运行时间为O(nlogn),与堆排序相同

快速排序:首先会在序列中随机选择一个基准值(pivot),然后将除了基准值以外的数分为’比基准数小的数’和’比基准数大的数’这两个类别,再将其排列成以下形式

接着，对两个“[ ]”中的数据进行排序之后，整体的排序便完成了。对“[ ]”里面的数据进行排序时同样也会使用快速排序。

快速排序是一种’分治法’.它将原本的问题分成两个子问题(比基准值小的数和比基准值大的数),然后在分别解决这两个问题.子问题,也就是子序列完成排序后,再把它们合成一个序列,那么原始序列的排序就完成了.

不过,解决子问题的时候还会再次使用快速排序,甚至在这个快速排序里仍然要使用快速排序.只有在子问题里只剩一个数字的时候,排序才算完成.
像这样,在算法内部继续使用该算法的现象成为’递归’.实际上,归并排序也可看做时一种递归的分治法.

分割子序列时需要选择基准值,如果每次选择的基准值都能够使得两个子序列的长度为原来的一半,那么快速排序的运行时间和归并排序一样,为O(nlogn).和归并排序类似,将序列对半分割log2n次之后,子序列里便只剩下一个数据,这时子序列的排序就完成了.因此,如果像下图这样一行行展现根据基准值分割序列的过程,那么总共有log2n行

每行中每个数字都需要和基准值比较大小,因此每行执行时间为O(n).由此可知,整体时间复杂度O(nlogn).
如果运气不好,每次都选择最小值为基准值,那么每次都需要把其他数据移动到基准值的右边,递归执行n行,运行时间也就成了O(n^2).这就相当于每次选出最小值并把它移到了最左边,这个操作就和选择排序一样了.此外,如果数据中每个数字被选为基准值的概率都相等,那么平均运行时间为O(nlogn).