十种排序算法
1.冒泡排序
适合情况
小数据排序
代码实现
void sort(int* a){ //正向排序
for(int i=0;i<a.size();i++){
bool x=True;
for(int j=0;j<a.size()-i-1;j++){
if(a[j]>a[j+1]){
swap(a[j],a[j+1]);
x=False;
}
}
if(x)
break;
}
}
2.选择排序
把每次最小的放在第一个
适合情况
小数据排序,且优于冒泡排序
代码实现
void sort(int* a){
for(int i=0;i<a.size();i++){
int mini = i;
int min_num = a[i];
for(int j=i+1;j<a.size();j++){
if(a[j]<min_num){
min_num = a[j];
mini = j;
}
}
swap(a[mini],a[i]);
}
}
3.插入排序
适合的情况
快排的扩充
代码实现
void sort(int *a){
for(int i=1;i<a.size();i++){
for(int j=i;j>0;j--){
if(a[j]<a[j-1])
swap(a[j],a[j-1]);
}
}
}
4.归并排序
空间占用太大
适用场景
在数据量比较大的时候也有较为出色的表现(效率上),但是,其空间复杂度O(n)使得在数据量特别大的时候(例如,1千万数据)几乎不可接受。而且,考虑到有的机器内存本身就比较小,因此,采用归并排序一定要注意。
代码实现
void sort1(int *a){
int[] b =new int(a.size());
sort2(*a,b,0,a.size());
}
void sort2(int *a,int *b,int le,int ri){
while(le<ri){
int mid = ( le + ri ) / 2;
sort2(a,b,le,mid);
sort2(a,b,mid+1,ri);
sort3(a,b,le,mid,ri);
}
}
void sort3(int *a,int *b,int le,int mid,int ri){
int l1=le;
int l2=mid;
int k=le;
while(l1<=mid&&l2<=ri){
b[k++]=a[l1]>a[l2]?a[12++]:a[l1++];
}
while(l1<=mid){
b[k++]=a[l1++];
}
while(l2<=ri){
b[k++]=a[l2++];
}
while(le<=ri){
a[le]=b[le++];
}
}
5.快速排序
适用情况
快速排序在大多数情况下都是适用的,尤其在数据量大的时候性能优越性更加明显。但是在必要的时候,需要考虑下优化以提高其在最坏情况下的性能。
代码实现
void sort1(int *a){
sort(a,0,a.size());
}
void sort2(int *a,int le,int ri){
while(le<ri){
int x = sort3(a,le,ri);
sort2(a,le,x-1);
sort2(a,x+1,ri);
}
}
int sort3(int *a,int le,int ri){
int x =a[le];
while(le<ri){
while(le<ri&&a[ri]<=x)ri--;
a[le]=a[ri];
while(le<ri&&a[le]>=x)ri++
a[ri]=a[le];
}
a[le]=x;
return le;
}
6.堆排序
适用情况
堆排序在建立堆和调整堆的过程中会产生比较大的开销,在元素少的时候并不适用。但是,在元素比较多的情况下,还是不错的一个选择。尤其是在解决诸如“前n大的数”一类问题时,几乎是首选算法。
代码实现
void sort1(int *a,int k){
while(k-->0){
for(int i =(k-1)/2;i>=0;i--){
sort2(a,i,k);
}
swap(a[0],a[k]);
}
}
void sort2(int *a,int i,int k){
for(int j = 0;j<2;j++){
if(2*i+1+j<=k&&a[2*i+1+j]>a[i])
swap(a[2*i+1+j],a[i]);
}
}
7.希尔排序
适用场景
Shell排序虽然快,但是毕竟是插入排序,其数量级并没有后起之秀–快速排序O(n㏒n)快。在大量数据面前,Shell排序不是一个好的算法。但是,中小型规模的数据完全可以使用它。
代码实现
void sort(int *a,int len){
for(int i=len/2;i>0;i--){
for(int j = 0;j<len-i;j++){
for(int k=0;k<len-i-j-1;k++){
if(k+i<len&&a[k]>a[k+i])
swap(a[k],a[k+i]);
}
}
}
}
下面是一些常见的增量序列。
- 第一种增量是最初Donald Shell提出的增量,即折半降低直到1。据研究,使用希尔增量,其时间复杂度还是O(n2)。
第二种增量Hibbard:{1, 3, …, 2k-1}。该增量序列的时间复杂度大约是O(n1.5)。
第三种增量Sedgewick增量:(1, 5, 19, 41, 109,…),其生成序列或者是94i - 92i + 1或者是4i - 3*2i + 1。
8.计数排序
适用场景
排序目标要能够映射到整数域,其最大值最小值应当容易辨别。例如高中生考试的总分数,显然用0-750就OK啦;又比如一群人的年龄,用个0-150应该就可以了,再不济就用0-200喽。另外,计数排序需要占用大量空间,它比较适用于数据比较集中的情况。
算法描述
- 找出待排序的数组中最大和最小的元素;
- 统计数组中每个值为i的元素出现的次数,存入数组C的第i项;
- 对所有的计数累加(从C中的第一个元素开始,每一项和前一项相加);
- 反向填充目标数组:将每个元素i放在新数组的第C(i)项,每放一个元素就将C(i)减去1。
9.桶排序
适用场景
桶排序可用于最大最小值相差较大的数据情况,但桶排序要求数据的分布必须均匀,否则可能导致数据都集中到一个桶中。比如[104,150,123,132,20000], 这种数据会导致前4个数都集中到同一个桶中。导致桶排序失效。
算法描述
- 找出待排序数组中的最大值max、最小值min
- 我们使用 动态数组ArrayList 作为桶,桶里放的元素也用 ArrayList 存储。桶的数量为(max-min)/arr.length+1
- 遍历数组 arr,计算每个元素 arr[i] 放的桶
- 每个桶各自排序
- 遍历桶数组,把排序好的元素放进输出数组
10.基数排序
适用场景
基数排序要求较高,元素必须是整数,整数时长度10W以上,最大值100W以下效率较好,但是基数排序比其他排序好在可以适用字符串,或者其他需要根据多个条件进行排序的场景,例如日期,先排序日,再排序月,最后排序年 ,其它排序算法可是做不了的。
算法描述
- 取得数组中的最大数,并取得位数;
- arr为原始数组,从最低位开始取每个位组成radix数组;
- 对radix进行计数排序(利用计数排序适用于小范围数的特点);
![区别]https://pic2.zhimg.com/v2-f718f6b01ad35a60b9d4f02330f81439_r.jpg