2. 排序
1. 几种经典排序算法及其时间复杂度级别
冒泡、插入、选择: O(n^2) 基于比较
快排、归并 O(nlogn) 基于比较
计数、基数、桶 O(n) 不基于比较
2. 如何分析一个排序算法?
-
学习排序算法的思路?
明确原理、掌握实现以及分析性能。 -
如何分析排序算法性能?
从执行效率、内存消耗以及稳定性3个方面分析排序算法的性能。 -
执行效率:从以下3个方面来衡量
-
- 最好情况、最坏情况、平均情况时间复杂度
- 时间复杂度的系数、常数、低阶:排序的数据量比较小时考虑
- 比较次数和交换(或移动)次数
- 内存消耗:通过空间复杂度来衡量。针对排序算法的空间复杂度,引入原地排序的概念,原地排序算法就是指空间复杂度为O(1)的排序算法。
- 稳定性:如果待排序的序列中存在值等的元素,经过排序之后,相等元素之间原有的先后顺序不变,就说明这个排序算法时稳定的。
-
冒泡排序
// 冒泡排序,a表示数组,n表示数组大小 public void bubbleSort(int[] a, int n) { if (n <= 1) return; for (int i = 0; i < n; ++i) { // 提前退出冒泡循环的标志位 boolean flag = false; for (int j = 0; j < n - i - 1; ++j) { if (a[j] > a[j+1]) { // 交换 int tmp = a[j]; a[j] = a[j+1]; a[j+1] = tmp; flag = true; // 表示有数据交换 } } if (!flag) break; // 没有数据交换,提前退出 } }
- 排序原理
冒泡排序只会操作相邻的两个数据。
对相邻两个数据进行比较,看是否满足大小关系要求,若不满足让它俩互换。
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,就完成了n个数据的排序工作。 - 优化:若某次冒泡不存在数据交换,则说明已经达到完全有序,所以终止冒泡。
- 性能分析
- 执行效率:最小时间复杂度、最大时间复杂度、平均时间复杂度
最小时间复杂度:数据完全有序时,只需进行一次冒泡操作即可,时间复杂度是 O(n)。最大时间复杂度:数据倒序排序时,需要 n 次冒泡操作,时间复杂度是 O(n^2)。
平均时间复杂度:通过有序度和逆序度来分析。- 什么是有序度?
有序度是数组中具有有序关系的元素对的个数,比如[2,4,3,1,5,6]
这组数据的有序度就是11,分别是[2,4][2,3][2,5][2,6][4,5][4,6][3,5][3,6][1,5][1,6][5,6]
。同理,对于一个倒序数组,比如[6,5,4,3,2,1]
,有序度是0;对于一个完全有序的数组,比如[1,2,3,4,5,6],有序度为n*(n-1)/2
,也就是15,完全有序的情况称为满有序度。 - 什么是逆序度?逆序度的定义正好和有序度相反。核心公式:逆序度=满有序度-有序度。
排序过程,就是有序度增加,逆序度减少的过程,最后达到满有序度,就说明排序完成了。
冒泡排序包含两个操作原子,即比较和交换,每交换一次,有序度加1。不管算法如何改进,交换的次数总是确定的,即逆序度。 - 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?最坏的情况初始有序度为0,所以要进行
n*(n-1)/2
交换。最好情况下,初始状态有序度是n*(n-1)/2
,就不需要进行交互。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,比较操作可定比交换操作多,而复杂度的上限是O(n^2)
,所以平均情况时间复杂度就是O(n^2)
。以上的分析并不严格,但很实用,这就够了。
- 什么是有序度?
- 空间复杂度:每次交换仅需1个临时变量,故空间复杂度为O(1),是原地排序算法。
- 算法稳定性:如果两个值相等,就不会交换位置,故是稳定排序算法。
- 执行效率:最小时间复杂度、最大时间复杂度、平均时间复杂度
- 排序原理
-
插入排序
// 插入排序,a表示数组,n表示数组大小 public void insertionSort(int[] a, int n) { if (n <= 1) return; for (int i = 1; i < n; ++i) { int value = a[i]; int j = i - 1; // 查找插入的位置 for (; j >= 0; --j) { if (a[j] > value) { a[j+1] = a[j]; // 数据移动 } else { break; } } a[j+1] = value; // 插入数据 } }
- 算法原理
首先,我们将数组中的数据分为2个区间,即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就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,并保证已排序区间中的元素一直有序。重复这个过程,直到未排序中元素为空,算法结束。 - 性能分析
- 时间复杂度:最好、最坏、平均情况
如果要排序的数组已经是有序的,我们并不需要搬移任何数据。只需要遍历一遍数组即可,所以时间复杂度是O(n)。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,所以需要移动大量的数据,因此时间复杂度是O(n2)。而在一个数组中插入一个元素的平均时间复杂都是O(n),插入排序需要n次插入,所以平均时间复杂度是O(n2)。 - 空间复杂度:从上面的代码可以看出,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),是原地排序算法。
- 算法稳定性: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,插入到前面出现的元素的后面,这样就保持原有的顺序不变,所以是稳定的。
- 时间复杂度:最好、最坏、平均情况
- 算法原理
-
选择排序
// 选择排序 public void selectSort(int[] a, int n) { if(n<=0) return; for(int i=0;i<n;i++){ int min=i; for(int j=i;j<n;j++){ if(a[j] < a[min]) min=j; } if(min != i){ int temp=a[i]; a[i]=a[min]; a[min]=temp; } } }
- 算法原理
选择排序算法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区间中找到最小的元素,并将其放置到已排序区间的末尾。 - 性能分析
- 时间复杂度:最好、最坏、平均情况
选择排序的最好、最坏、平均情况时间复杂度都是O(n^2)。为什么?因为无论是否有序,每个循环都会完整执行,没得商量。 - 空间复杂度:
选择排序算法空间复杂度是O(1),是一种原地排序算法。 - 算法稳定性:
选择排序算法不是一种稳定排序算法,比如[5,8,5,2,9]
这个数组,使用选择排序算法第一次找到的最小元素就是2,与第一个位置的元素5交换位置,那第一个5和中间的5的顺序就变量,所以就不稳定了。正因如此,相对于冒泡排序和插入排序,选择排序就稍微逊色了。
- 时间复杂度:最好、最坏、平均情况
- 算法原理
-
补充
-
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?
冒泡排序移动数据有3条赋值语句,而选择排序的交换位置的只有1条赋值语句,因此在有序度相同的情况下,冒泡排序时间复杂度是选择排序的3倍,所以,选择排序性能更好。
// 冒泡排序中数据的交换操作: if (a[j] > a[j+1]) { // 交换 int tmp = a[j]; a[j] = a[j+1]; a[j+1] = tmp; flag = true; } // 插入排序中数据的移动操作: if (a[j] > value) { a[j+1] = a[j]; // 数据移动 } else { break; }
-
如果数据存储在链表中,这三种排序算法还能工作吗?如果能,那相应的时间、空间复杂度又是多少呢?
这里这里应该有个前提,是否允许修改链表的节点value值,还是只能改变节点的位置。一般而言,考虑只能改变节点位置,冒泡排序相比于数组实现,比较次数一致,但交换时操作更复杂;插入排序,比较次数一致,不需要再有后移操作,找到位置后可以直接插入,但排序完毕后可能需要倒置链表;选择排序比较次数一致,交换操作同样比较麻烦。综上,时间复杂度和空间复杂度并无明显变化,若追求极致性能,冒泡排序的时间复杂度系数会变大,插入排序系数会减小,选择排序无明显变化。
-