冒泡排序:
时间复杂度是O(n2),空间复杂度是O(1),稳定,排序算法与数组原始序列无关。
思路:遍历待排序列,从前往后(或从后往前)两两比较相邻元素的值,若为逆序则交换位置,直至遍历结束,称为一趟冒泡。一趟冒泡的结果是将最大元素“浮至”序列末尾,已确定位置的元素不再参与下一趟冒泡过程。重复冒泡的过程,直至序列有序。通过N-1次对剩余未排序元素中最大(小)元素的上浮来实现排序,上浮过程通过交换相邻元素实现。
步骤:1.用i遍历数组,初始j为0,即从序列第一个位置开始比较。
2.比较a[j]和a[j+1],若a[j] > a[j+1],交换位置。
3.令j加1,重复步骤2,直至遍历结束。
4.针对所有的元素重复以上的步骤,除了最后一个。
5.持续每次对越来越少的元素重复上面的步骤,直到没有任何一对数字发生交换。
int* bubbleSort(int* A, int n) {
for (int i = n - 1; i >= 0; i--) {
for (int j = 0; j < i; j++) {
if (A[j] > A[j + 1]){
int temp = A[j];
A[j] = A[j + 1];
A[j + 1] = temp;
}
}
}
return A;
}
选择排序:
时间复杂度是O(n2),空间复杂度是O(1),不稳定,排序算法与数组原始序列无关
思路:从头到尾遍历序列,找到数组中最小的元素交换到第一个位置,再从剩余的元素中继续找到最小元素放在第二个位置,以此类推直至序列有序。
步骤: 1.在i+1~n的范围内找到最小元素对应的位置j。(初始i为0)
2.交换A[i]和A[j]。
3.令i加1,重复步骤1、2。
4.重复上述过程直至序列有序。
int* selectionSort(int* A, int n) {
for(int i=0;i<n;i++){
int min = i;
for(int j=i+1;j<n;j++){ //这个循环是算法关键,它从无序序列中挑出一个最小的元素
if(A[min]>A[j]){
min = j;
}
}
int temp = A[min]; //下面三句完成最小元素与无序序列第一个元素的交换
A[min] = A[i];
A[i] = temp;
}
return A;
}
插入排序:
时间复杂度是O(n2),空间复杂度是O(1),稳定,排序算法与数组原始顺序有关
思路:对于每个未排序数据,在已排序序列中从后向前扫描,找到相应位置并插入。通过N-1趟排序组成。第i趟排序后保证位置0到位置i上的元素为已排序状态。第i趟排序将第i个元素插入到前i-1个有序元素中。
步骤: 1.从第一个元素开始,该元素可以认为已有序。
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.如果被扫描的元素(已排序)大于新元素,将该元素后移一位。
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。
class InsertionSort {
public:
int* insertionSort(int* A, int n) {
for (int i = 1; i < n; i++){ //数组从下标1开始处理,因为第一个元素有序,所以从第二个开始处理
int temp=A[i];//将待插入的元素暂存与temp
int j;
for(j = i; j > 0 && A[j-1]>temp; j--){//循环完成了从待排元素之前的元素开始扫描,如果大于待排元素,则后移一位
A[j]=A[j-1];
}
A[j]=temp;//找到插入位置,将temp中暂存的待排元素插入
}
return A;
}
};
归并排序:
时间复杂度是O(nlog2n),空间复杂度是O(N),稳定,排序算法与数组原始序列无关
思路:将待排序序列看成是n个长度为1的有序序列,将相邻的有序两两归并,得到n/2个长度为2的有序序列;将这些有序序列再次归并,得到n/4个长度为4的有序序列;如此反复进行下去,最后得到一个长度为n的有序序列。
步骤: merge()函数是将前后相邻的两个有序表归并为一个有序表,设A[start...mid]和A[mid+1...end]存放在同一顺序表的相邻位置上,每次从对应的两个段取出一个元素进行比较,将较小者复制到辅助数组temp中,最后将temp复制到A中。
int* mergeSort(int* A, int n){
sort(A,0,n-1); return A;
}
//归并排序
void sort(int *A, int start, int end)
{ int mid = (start + end)/2;
if(start<end)
{ sort(A, start, mid);// 左边排序
sort(A, mid+1, end);// 右边排序
merge(A, start, mid, end);// 左右合并
}
}
//将分治的两端按大小次序填入临时数组,最后把临时数组拷贝到原数组 start到mid为一端,mid+1到end为另一端
void merge(int *A, int start, int mid, int end){
int temp[end-start+1];
int i = start;// 左指针
int j = mid+1;// 右指针
int t = 0;
while(i<=mid && j<=end) // 把较小的数先移到新数组中
{
if(A[i]<=A[j]) //从小到大排序
temp[t++] = A[i++];
else
temp[t++] = A[j++];
} //左端或右端只有一端可能有剩余元素
while(i<=mid)// 把左边剩余的数移入数组
temp[t++] = A[i++];
while(j<=end) // 把右边边剩余的数移入数组
temp[t++] = A[j++];
for (int k = 0; k < t; k++) {// 把临时数组中的数拷贝到原数组
A[start + k] = temp[k];
}
}
快速排序:
时间复杂度是O(nlog2n),空间复杂度是O( logN)~O(N),不稳定,排序算法与数组原始序列无关
快速排序是一般情况下时间复杂度表现最好的排序算法,因此十分常用。快速排序是对冒泡排序的一种改进。其基本思想是基于分治法。思路: 1.选择一个元素temp作为基准。
2.调整元素的位置,将比基准元素小的所有元素均移动到它左侧,比基准元素大于或等于的所有元素均移动到它右侧。则temp放在了其最终位置上。
3.左右区间递归执行第二步,直至各区间只有一个数或空为止,即所有元素放在了其最终位置上.
int* quickSort(int* A, int n) {
Sort(A,0,n-1);
return A;
}
//对从left到right的元素进行从大到小的排序
void Sort(int* A,int left,int right){
if(left>=right) return;
int i = left, j = right;
int temp= A[i];//用表的第一个记录作为划分记录
while(i<j){ //从表的两端交替向中间扫描
//下面这个循环完成了一趟排序,将数组中小于temp的元素放在右边,大于的放左边
while(i<j && A[j]>temp) j--;//从右往左扫描找一个小于temp的元素
if(i<j){
A[i]=A[j];//放在temp左边
i++;//i指针右移一位
}
while(i<j && A[i]<temp) i++;//从左往右扫描找一个大于temp的元素
if(i<j){
A[j]=A[i];//放在temp右边
j--;//j指针左移一位
}
}
A[i]=temp;//将temp指针放在最终位置
Sort(A,left,i-1);//递归的对temp左边的元素进行排序
Sort(A,i+1,right);//递归的对temp右边的元素进行排序
}
class QuickSort {
public:
int* quickSort(int* A, int n){
sort(A,0,n-1);
return A;
}
void sawp(int* a ,int first,int second){
int temp = a[first];
a[first] = a[second];
a[second] = temp;
}
void sort(int* a,int low,int high){ //三向切分的快速排序
if(low < high){
int l = low,i=low+1,h = high; //第一个元素是切分元素,所以指针i可以从lo+1开始
int temp = a[low];
while(i <= h){ //a[i] < temp 交换a[i]和a[l],然后i和l都自增1,i继续扫描
if(a[i] < temp){ //小于切分元素的放在l左边,因此指针l和指针i整体右移
sawp(a,l++,i++);
}else if(a[i] > temp){ //大于切分元素的放在h右边,因此指针h需要左移
sawp(a,i,h--);
}else{ //a[i] = temp i自增1,1接着继续扫描
i++;
}
}
sort(a,low,l-1); //l-h的元素已经排定,只需对l左边和h右边的元素进行递归求解
sort(a,h+1,high);
}
}
};
堆排序:
时间复杂度是O(nlog2n),空间复杂度是O(1),不稳定,排序算法与数组原始顺序有关思路:堆排序算是简单选择排序的优化,区别在于更快的找到待排序列的最大值。简单选择排序通过遍历待排序列数组找到最大元素。而堆排序将待排序列数组调整成大根堆,最大元素即堆顶元素。取出堆顶元素放入队列尾部,然后调整大根堆,重复上述过程直至序列有序。
堆排序的思路是:将无需序列构建成一个大顶堆;将堆顶元素最大值与末尾元素交换,将最大元素"沉"到数组末端;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。
最后一个非叶子节点是最有一个子节点的父节点 如果堆中一共有n个子节点,那么第n个节点的父节点为[n/2].
大顶堆:arr[i] >= arr[2i+1] && arr[i] >= arr[2i+2]
int* heapSort(int* A, int n) {
//1.构建大顶堆,堆顶元素为数组最大值
for (int i = n / 2 - 1; i >= 0; i--){ //从第一个非叶子结点从下至上,从右至左调整结构 i=[n/2]~1
AdujustHeap(A, n, i, n - 1);
}
//2.调整堆结构+交换堆顶元素与末尾元素
for (int i = n - 1; i > 0; i--){
int tmp = A[0];//将堆尾和堆顶交换,换出根结点中元素,放到最终位置
A[0] = A[i];
A[i] = tmp;
AdujustHeap(A, n, 0, i - 1);//在减少了一个元素的无序序列中,重新对堆进行调整
}
return A;
}
//保持堆的性质
void AdujustHeap(int *A, int n, int begin, int end) {
int parent = begin;//parent为子树的根
int child = 2 * parent + 1;//child是parent的左孩子
int value = A[parent];//记录子树根的值
while (child <= end){ //沿较小值孩子结点向下筛选
if (child < end && A[child] < A[child + 1]){ //记录孩子值较大者,若右孩子较大,则child指向右孩子
child++;//记录值较大的孩子的序号,child变为2*parent+2
}
if (value < A[child]){
A[parent] = A[child];//将A[child]调整到双亲结点的位置上
parent = child;//修改parent和child的值,以便继续向下调整
child = 2 * parent + 1;
}
else break;//调整结束
}
A[parent] = value;//将调整结点的值放入最终位置
}
希尔排序:
时间复杂度是O(nlog2n),空间复杂度是O(1),不稳定思路: 基于交换的简单排序方法,仅交换相邻元素来排序的话,时间复杂度为O(N2)。每交换一次相邻元素,消除一个逆序对。
希尔又称为缩小增量排序,其基本思想是将待排序列按照增量分成若干个子序列进行插入排序,这样每次交换的不是相邻元素,在时间效率上有所提高。希尔排序的时间复杂度与增量序列的选取有关,比较复杂不讨论。
参考代码:
以初始步长d为n/2,后续步长为d/2为例。希尔排序通过比较相距一定间隔的元素,即形如L[i,i+d,i+2d,...i+kd]的序列然后缩小间距,再对各分组序列进行排序。直到只比较相邻元素的最后一趟排序为止,即最后的间距为1。
int* shellSort(int* A, int n) {
for(int shell=n/2;shell>0;shell=shell/2){ //控制增量,shell是增量的大小
for(int i=shell;i<n;i++){ //这个循环是前面的插入排序,倒着比较
int temp=A[i];//将待插入的元素暂存与temp
int j;
//循环完成了从待排元素之前的元素开始扫描,如果大于待排元素,则后移h位
for(j=i-shell;j>=0 && temp<A[j];j-=shell){
A[j+shell]=A[j];
}
A[j+shell]=temp;//找到插入位置,将temp中暂存的待排元素插入
}
}
return A;
}
计数排序:
时间复杂度是O(N),空间复杂度是O(M),(M是选择桶的数量),稳定int* countingSort(int* A, int n) {
int temp[1000]={0};
for (int i =0;i<n;i++){
temp[A[i]]++;
}
int index=0;
for (int i=0;i<1000;i++){
if (temp[i]!=0){
for (int j=0;j<temp[i];j++){
A[index]=i;
index++;
}
}
}
return A;
}
基数排序:
时间复杂度是O(N),空间复杂度是O(M),(M是选择桶的数量),稳定int* radixSort(int* A, int n) {
int d = maxbit(A, n);
int tmp[n]; //将临时数组
int count[10]; //计数器,存放各个桶的数据统计个数
int radix = 1;
for(int i = 1; i <= d; i++) //进行d次排序,按照从低位到高位的顺序执行排序过程
{
int k;//每个桶中的记录数
for(int j = 0; j < 10; j++) // 置空各个桶的数据统计,装桶之前要先清桶
count[j] = 0; //每次分配前清空计数器
for(int j = 0; j < n; j++) // 统计各个桶将要装入的数据个数
{
k = (A[j] / radix) % 10; //求余得到个位数,放到对应桶中
count[k]++; //对应桶中的记录数加1
}
for(int j = 1; j < 10; j++)//计算位置,count[j]表示第j个桶的右边界索引
count[j] = count[j - 1] + count[j]; //将tmp中的位置依次分配给每个桶
// 将数据依次装入桶中,这里要从右向左扫描,保证排序稳定性
for(int j = n - 1; j >= 0; j--) //将所有桶中记录依次收集到tmp中
{
k = (A[j] / radix) % 10; // 求出关键码的第k位的数字, 例如:576的第3位是5
tmp[count[k] - 1] = A[j];// 放入对应的桶中,count[j]-1是第j个桶的右边界索引
count[k]--;// 对应桶的装入数据索引减一
}
for(int j = 0; j < n; j++) //将临时数组的内容复制到A中
A[j] = tmp[j]; // 将已分配好的桶中数据再倒出来,此时已是对应当前位数有序的表
radix = radix * 10;
}
return A;
}
//寻找数组中最大数的位数,作为基数排序循环次数,决定排序次数
int maxbit(int* A, int n)
{
int d = 1; //保存最大的位数
int p = 10;
for(int i = 0; i < n; i++)
{
while(A[i] >= p){
p *= 10;
d++;
}
}
return d;
}
下面这种方法更简单:
int* radixSort(int* A, int n) {
for(int i=0;i<=4;i++){//总共几位数 进行最大位数次排序,按照从低位到高位的顺序执行排序过程
sort(A,n,i);
}
return A;
}
void sort(int *A,int n,int digit){
queue<int> que[10]; //0-9号桶
//装桶
for(int i=0;i<n;++i){
int num=A[i]/pow(10,digit); //得到当前位数之前的数 pow(x,y)是计算x的y次方
que[num%10].push(A[i]); //把A[i]分装到0-9号桶,求余得到个位数,放到对应桶中
}
//倒桶
int index=0;
for(int i=0;i<10;i++){
while(!que[i].empty()){ //桶不为空
A[index]=que[i].front(); //依次倒出桶中的数
que[i].pop();
index++;
}
}
}
各种排序算法的使用范围:(1)当数据规模较小时候,可以使用简单的直接插入排序或者直接选择排序。
(2)当文件的初态已经基本有序,可以用直接插入排序和冒泡排序。
(3)当数据规模较大是,应用速度最快的排序算法,可以考虑使用快速排序。当记录随机分布的时候,快速排序平均时间最短,但是出现最坏的情况,这个时候的时间复杂度是O(n^2),且递归深度为n,所需的占空间为O(n)。
(4)堆排序不会出现快排那样最坏情况,且堆排序所需的辅助空间比快排要少,但是这两种算法都不是稳定的,要求排序时是稳定的,可以考虑用归并排序。
(5)归并排序可以用于内部排序,也可以使用于外部排序。在外部排序时,通常采用多路归并,并且通过解决长顺串的合并,缠上长的初始串,提高主机与外设并行能力等,以减少访问外存额外次数,提高外排的效率。