数据结构梳理

1. 线性表
2. 栈，队列，数组
3. 树和哈希表
4. 排序

数据结构十大经典排序算法总结_数据结构排序算法总结_早日朝成的博客-CSDN博客

4.1 冒泡排序

冒泡排序是一种简单的排序算法。它重复地走访过要排序的数列，一次比较两个元素，如果它们的顺序错误就把它们交换过来。走访数列的工作是重复地进行直到没有再需要交换，也就是说该数列已经排序完成。这个算法的名字由来是因为越小的元素会经由交换慢慢“浮”到数列的顶端。

冒泡排序使用最简单，适用于数据量很小的排序场景。

时间复杂度：最好O(n),最坏O(n^2)
空间复杂度：O(1)

重温经典排序算法之冒泡排序——图解+C/C++实现_冒泡排序c++_芷汀若静的博客-CSDN博客

4.2  选择排序

选择排序(Selection-sort)是一种简单直观的排序算法。它的工作原理：首先在未排序序列中找到最小（大）元素，存放到排序序列的起始位置，然后，再从剩余未排序元素中继续寻找最小（大）元素，然后放到已排序序列的末尾。以此类推，直到所有元素均排序完毕。用到它的时候，数据规模越小越好。唯一的好处可能就是不占用额外的内存空间。选择排序可能也是平时排序一般人想到的最多的排序方法。

时间复杂度：O(n^2)
空间复杂度：O(1)

选择排序(c++)_选择排序法c++_Eighteen__的博客-CSDN博客

4.3 插入排序

插入排序（Insertion-Sort）的算法描述是一种简单直观的排序算法。它的工作原理是通过构建有序序列，对于未排序数据，在已排序序列中从后向前扫描，找到相应位置并插入。

一般来说，插入排序都采用in-place在数组上实现。具体算法描述如下：

1)从第一个元素开始，该元素可以认为已经被排序；
2)取出下一个元素，在已经排序的元素序列中从后向前扫描；
3)如果该元素（已排序）大于新元素，将该元素移到下一位置；
4)重复步骤3，直到找到已排序的元素小于或者等于新元素的位置；
5)将新元素插入到该位置后；
6)重复步骤2~5。

时间复杂度：最好O(n),最坏O(n^2)
空间复杂度：O(1)

适用于数据量不大，算法稳定性要求高，且数据局部或整体有序的数列排序

【排序算法】插入排序(C++实现)_c++ 插入排序_jimye的博客-CSDN博客

4.4 希尔排序

第一个突破O(n2)的排序算法，是简单插入排序的改进版。它与插入排序的不同之处在于，它会优先比较距离较远的元素。希尔排序又叫缩小增量排序。

时间复杂度：最好O(n),最坏O(n^2)
空间复杂度：O(1)

平均时间复杂度：O(n^1.3)

C/C++实现希尔排序（两种方式）_c++希尔排序_你的代码没bug的博客-CSDN博客

 4.5 归并排序

归并排序是比较稳定的排序方法。它的基本思想是把待排序的元素分解成两个规模大致相等的子序列。如果不易分解，将得到的子序列继续分解，直到子序列中包含的元素个数为1。因为单个元素的序列本身就是有序的，此时便可以进行合并，从而得到一个完整的有序序列。

 步骤一：首先将待排序的元素分成大小大致相同的两个序列。

步骤二：再把子序列分成大小大致相同的两个子序列。

步骤三：如此下去，直到分解成一个元素停止，这时含有一个元素的子序列都是有序的。

步骤四：进行合并操作，将两个有序的子序列合并为一个有序序列，如此下去，直到所有的元素都合并为一个有序序列。

时间复杂度：O(nlogn）
空间复杂度：O(1)

归并排序算法C++实现（超详细解析！！！！）_c++归并排序_sunny-ll的博客-CSDN博客

4.6 快速排序

步骤一：从数列中挑出一个元素，称为 “基准”（pivot）；
步骤二：重新排序数列，所有元素比基准值小的摆放在基准前面，所有元素比基准值大的摆在基准的后面（相同的数可以到任一边）。在这个分区退出之后，该基准就处于数列的中间位置。这个称为分区（partition）操作；
步骤三：递归地（recursive）把小于基准值元素的子数列和大于基准值元素的子数列排序。

快速排序的最坏运行情况是 O(n²)，比如说顺序数列的快排。但它的平摊期望时间是 O(nlogn)，且 O(nlogn) 记号中隐含的常数因子很小，比复杂度稳定等于 O(nlogn) 的归并排序要小很多。所以，对绝大多数顺序性较弱的随机数列而言，快速排序总是优于归并排序。

时间复杂度：最好O(nlogn），最坏O(n^2)
空间复杂度：O(1)

平均时间复杂度：O(nlogn）

快速排序算法C++实现（超详细解析！！！！）_c++快速排序_sunny-ll的博客-CSDN博客

4.7 堆排序

堆排序可以说是一种利用堆的概念来排序的选择排序。分为两种方法：

• 大顶堆：每个节点的值都大于或等于其子节点的值，在堆排序算法中用于升序排列；
• 小顶堆：每个节点的值都小于或等于其子节点的值，在堆排序算法中用于降序排列；

堆排序的基本思路：

步骤一：将无需序列构建成一个堆，根据升序降序需求选择大顶堆或小顶堆;

步骤二：将堆顶元素与末尾元素交换，将最大元素"沉"到数组末端;

步骤三：重新调整结构，使其满足堆定义，然后继续交换堆顶元素与当前末尾元素，反复执行调整+交换步骤，直到整个序列有序。

时间复杂度：O(nlogn）
空间复杂度：O(1)

堆排序原理及其实现(C++)_堆排序 c++_大白技术控的博客-CSDN博客

 4.8 计数排序

计数排序，又叫非比较排序，该算法不是通过比较数据的大小来进行排序的，而是通过统计数组中相同元素出现的次数，然后通过统计的结果将序列回收到原来的序列中。

 时间复杂度：O ( N + r a n g e )

空间复杂度：O ( r a n g e ) 

计数排序及其时间复杂度、代码(C++实现)、应用场景_计数排序时间复杂度-CSDN博客

4.9 桶排序

桶排序是计数排序的升级版。它利用了函数的映射关系，高效与否的关键就在于这个映射函数的确定。为了使桶排序更加高效，我们需要做到这两点：

步骤一：设置固定空桶数

步骤二：将数据放到对应的空桶中

步骤三：将每个不为空的桶进行排序

步骤四：拼接不为空的桶中的数据，得到结果

时间复杂度：O(n+k）
空间复杂度：O(n+k)

 c++桶排序(刚学也能看懂)_练习时长两年半的Programmer的博客-CSDN博客c++桶排序(刚学也能看懂)_练习时长两年半的Programmer的博客-CSDN博客

4.10 基数排序

基数排序是一种非比较型整数排序算法，其原理是将整数按位数切割成不同的数字，然后按每个位数分别比较。由于整数也可以表达字符串（比如名字或日期）和特定格式的浮点数，所以基数排序也不是只能使用于整数。

这三种排序算法都利用了桶的概念，但对桶的使用方法上有明显差异：

基数排序：根据键值的每位数字来分配桶；
计数排序：每个桶只存储单一键值；
桶排序：每个桶存储一定范围的数值；

时间复杂度：O(n*k）
空间复杂度：O(n+k)

最详细的【基数排序】---排序算法，思路清晰动图保姆级讲解，五分钟搞懂！-CSDN博客