【算法】经典的八大排序算法

点击链接 可视化排序 动态演示各个排序算法来加深理解，大致如下

一，冒泡排序（Bubble Sort）

原理

  • 冒泡排序（Bubble Sort）是一种简单的排序算法，它通过多次比较和交换相邻元素的方式，将最大（或最小）的元素逐步冒泡到数组的一端。每一轮冒泡将会将未排序部分中最大（或最小）的元素“浮”到正确的位置。

算法步骤

  1. 从数组的第一个元素开始，依次比较相邻的两个元素。
  2. 如果前一个元素比后一个元素大（或小，取决于排序顺序），则交换这两个元素。
  3. 继续向后遍历，对每一对相邻元素重复步骤 2。
  4. 重复步骤 1 到 3，直到没有元素需要交换，整个数组就是有序的。

算法实现

#include <iostream>
#include <vector>// 冒泡排序
void bubbleSort(std::vector<int>& arr) {int n = arr.size();for (int i = 0; i < n - 1; ++i) {// 在每一轮中，比较相邻元素并交换for (int j = 0; j < n - i - 1; ++j) {if (arr[j] > arr[j + 1]) {std::swap(arr[j], arr[j + 1]);}}}
}

性能分析

  • 时间复杂度：
    • 冒泡排序的时间复杂度在最坏和平均情况下都为 O(n^2)，其中 n 是待排序元素的数量。每次遍历需要进行 n-1 次比较，而需要执行 n-1 次遍历。
    • 最好情况下，如果列表本身已经有序，冒泡排序仍然需要进行 n-1 次遍历，但由于没有发生交换，每次遍历只需要进行 n-1、n-2、...、2、1 次比较，时间复杂度为 O(n)。
  • 空间复杂度：
    • 冒泡排序的空间复杂度为 O(1)，只需要常数级别的额外空间。
  • 稳定性：
    • 冒泡排序是稳定的排序算法，因为它在相邻元素比较时仅在必要时才进行交换。

二，选择排序（Selection Sort）

原理

  • 选择排序（Selection Sort）是一种简单的排序算法，它将待排序数组分为已排序和未排序两部分，然后从未排序部分选择最小（或最大）的元素，与已排序部分的最后一个元素交换位置。每次交换都会将一个元素归位，直到整个数组有序。

算法步骤

  1. 初始时，将整个序列分为已排序和未排序两部分，已排序为空，未排序包含所有元素。
  2. 在未排序部分中，找到最小（或最大）的元素。
  3. 将找到的最小元素与未排序部分的第一个元素交换位置，将其放到已排序部分的末尾。
  4. 重复执行步骤 2 和 3，直到未排序部分为空，整个序列变得有序。

算法实现

#include <iostream>
#include <vector>// 选择排序
void selectionSort(std::vector<int>& arr) {int n = arr.size();for (int i = 0; i < n - 1; ++i) {int minIndex = i; // 记录最小元素的索引// 在未排序部分找到最小元素的索引for (int j = i + 1; j < n; ++j) {if (arr[j] < arr[minIndex]) {minIndex = j;}}// 将最小元素与当前位置交换std::swap(arr[i], arr[minIndex]);}
}

性能分析

  • 时间复杂度：
    • 选择排序的时间复杂度在最好、最坏和平均情况下都是 O(n^2)，其中 n 是待排序元素的数量。
  • 空间复杂度：
    • 选择排序的空间复杂度为 O(1)，只需要常数级别的额外空间。
  • 稳定性：
    • 选择排序是不稳定的排序算法，因为在选择最小（或最大）元素的过程中，相同值的元素可能会交换位置。

三，插入排序（Insertion Sort）

原理

  • 插入排序（Insertion Sort）是一种简单的排序算法，它将待排序数组分为已排序和未排序两部分，然后逐个将未排序部分的元素插入到已排序部分的正确位置，使得已排序部分始终保持有序。

算法步骤

  1. 初始时，将第一个元素视为已排序部分，其余元素视为未排序部分。
  2. 从未排序部分中取出一个元素，将其插入到已排序部分的适当位置，使得插入后的已排序部分仍然保持有序。
  3. 重复步骤 2，直到未排序部分为空，整个序列变得有序。

算法实现

#include <iostream>
#include <vector>// 插入排序
void insertionSort(std::vector<int>& arr) {int n = arr.size();for (int i = 1; i < n; ++i) {int current = arr[i]; // 当前要插入的元素int j = i - 1; // 已排序部分的末尾索引// 将元素插入到正确位置while (j >= 0 && arr[j] > current) {arr[j + 1] = arr[j];j--;}arr[j + 1] = current;}
}

性能分析

  • 时间复杂度：
    • 插入排序的时间复杂度在最好情况下是 O(n)，最坏和平均情况下是 O(n^2)，其中 n 是待排序元素的数量。
  • 空间复杂度：
    • 插入排序的空间复杂度为 O(1)，只需要常数级别的额外空间。
  • 稳定性：
    • 插入排序是稳定的排序算法，因为它在插入元素时相同值的元素不会改变相对顺序。

四，希尔排序（Shell Sort）

原理

  • 希尔排序（Shell Sort）是一种改进的插入排序算法，它通过将数组分成多个子序列来排序，然后逐步缩小子序列的间隔，最终将整个数组排序。希尔排序的核心思想是使数组中任意间隔 h 的元素都是有序的，当 h 逐步减小到 1 时，整个数组变为有序。

算法步骤

  1. 选择一个增量序列（通常为递减的整数序列），例如 [n/2, n/4, n/8, ...]，其中 n 是数组的长度。
  2. 对每个增量进行迭代，将数组分成多个子数组，每个子数组中的元素间隔为增量。
  3. 对每个子数组进行插入排序，将子数组中的元素插入到已排序部分的适当位置。
  4. 重复步骤 2 和 3，不断减小增量，直到增量为 1，此时整个数组被视为一个子数组，进行最后一次插入排序。

算法实现

#include <iostream>void shellSort(int arr[], int n) {for (int gap = n / 2; gap > 0; gap /= 2) {// 使用插入排序对子数组进行排序for (int i = gap; i < n; ++i) {int temp = arr[i];int j = i;// 移动元素，寻找插入位置while (j >= gap && arr[j - gap] > temp) {arr[j] = arr[j - gap];j -= gap;}arr[j] = temp; // 将元素插入到合适的位置}}
}

性能分析

  • 时间复杂度：
    • 希尔排序的时间复杂度依赖于所选的增量序列。最好的已知增量序列的时间复杂度是 O(n^1.3)，平均情况下的时间复杂度较难分析，但它通常优于 O(n^2) （介于 O(n log n) 和 O(n^2) 之间）的插入排序。具体取决于增量序列的选择。
  • 空间复杂度：
    • 希尔排序的空间复杂度为 O(1)，只需要常数级别的额外空间。
  • 稳定性：
    • 希尔排序不是稳定的排序算法，因为在交换元素的过程中可能会改变相同值元素的相对顺序。

五，归并排序（Merge Sort）

原理

  • 归并排序（Merge Sort）是一种分治策略的排序算法，它将待排序数组不断划分为两个子数组，然后将这些子数组逐步合并成一个有序数组。归并排序的核心思想是将两个有序的子数组合并成一个有序的数组，这样逐步合并，最终得到整个数组有序。

算法步骤

  1. 分割：将待排序数组递归地分割成较小的子数组，直到每个子数组只包含一个元素。
  2. 合并：将两个有序的子数组合并成一个有序数组。合并过程中，分别从两个子数组中取出较小的元素，放入结果数组中。

算法实现

#include <iostream>
#include <vector>// 合并两个有序子数组
void merge(std::vector<int>& arr, int left, int mid, int right) {int leftCount = mid - left + 1;    // 左边子数组大小int rightCount = right - mid;      // 右边子数组大小// 创建临时数组存放两个子数组的元素std::vector<int> leftArr(leftCount), rightArr(rightCount);for (int i = 0; i < leftCount; ++i)leftArr[i] = arr[left + i];for (int i = 0; i < rightCount; ++i)rightArr[i] = arr[mid + 1 + i];// 合并两个子数组int i = 0, j = 0, k = left;while (i < leftCount && j < rightCount) {if (leftArr[i] <= rightArr[j]) {arr[k++] = leftArr[i++];} else {arr[k++] = rightArr[j++];}}// 将剩余的元素拷贝到结果数组中while (i < leftCount) {arr[k++] = leftArr[i++];}while (j < rightCount) {arr[k++] = rightArr[j++];}
}// 归并排序
void mergeSort(std::vector<int>& arr, int left, int right) {if (left < right) {int mid = left + (right - left) / 2;// 递归地对左右子数组进行排序mergeSort(arr, left, mid);mergeSort(arr, mid + 1, right);// 合并两个有序子数组merge(arr, left, mid, right);}
}

性能分析

  • 时间复杂度：
    • 归并排序的时间复杂度是稳定的，无论数据的分布如何，都是 O(n log n)，其中 n 是待排序元素的数量。
  • 空间复杂度：
    • 归并排序需要额外的空间来存储临时数组，因此其空间复杂度是 O(n)。
  • 稳定性：
    • 归并排序是稳定的排序算法，因为在合并两个子数组时，相同值的元素不会改变相对顺序。

六，快速排序（Quick Sort）

原理

  • 快速排序（Quick Sort）是一种基于分治思想的排序算法，它通过选择一个基准元素，将数组划分为小于基准和大于基准的两部分，然后递归地对这两部分进行排序。在每一次划分后，基准元素会被放置在最终的正确位置上。

算法步骤

  1. 选择基准元素：从数组中选择一个基准元素，通常选择第一个或最后一个元素。
  2. 分区：将数组划分为小于基准和大于基准的两部分，使得基准元素位于正确的位置上。
  3. 递归排序：对小于基准和大于基准的两部分分别递归地应用快速排序算法。
  4. 合并：不需要合并步骤，因为在分区过程中已经将数组划分为有序的部分。

算法实现

#include <iostream>
#include <vector>// 分区函数，返回基准元素的正确位置
int partition(std::vector<int>& arr, int low, int high) {int pivot = arr[low]; // 选择第一个元素作为基准while (low < high){while (low<high && arr[high]>=pivot)--high;arr[low] = arr[high];   // 将小于基准的元素移到左边while (low<high && arr[low]<=pivot)++low;arr[high] = arr[low];   // 将大于基准的元素移到右边}// 将基准元素放到正确的位置上arr[low] = pivot;return low; // 返回存放基准的最终位置
}// 快速排序
void quickSort(std::vector<int>& arr, int low, int high) {if (low < high) {int pivotIndex = partition(arr, low, high); // 基准元素的正确位置// 对基准左边和右边的部分分别递归进行排序quickSort(arr, low, pivotIndex - 1);quickSort(arr, pivotIndex + 1, high);}
}

性能分析

  • 时间复杂度：
    • 平均情况下，快速排序的时间复杂度是 O(n log n)，其中 n 是待排序元素的数量。
    • 在最坏情况下（数组已经有序或接近有序），快速排序的时间复杂度可能退化到 O(n^2)。
  • 空间复杂度：
    • 快速排序的空间复杂度主要取决于递归调用的栈空间，通常为 O(log n)。
    • 在最坏情况下，递归栈的深度可能达到 n，空间复杂度为 O(n)。
  • 稳定性：
    • 快速排序是不稳定的排序算法，因为在分区过程中可能改变相同元素的相对顺序。

七，堆排序（Heap Sort）

原理

  • 堆排序（Heap Sort）是一种基于二叉堆的排序算法。它将待排序数组构建成一个二叉堆，然后不断从堆顶取出最大（或最小）元素，将其放置到已排序部分的末尾，直到整个数组有序。

算法步骤

  1. 构建最大堆：将待排序数组看作完全二叉树，从最后一个非叶子节点开始，逐步向上调整，使得每个节点都大于其子节点。
  2. 不断从堆顶取出最大元素：每次将堆顶元素与堆末尾元素交换，然后将堆的大小减一，再进行堆化操作，将最大元素移至正确位置。
  3. 重复步骤 2，直到堆中只剩一个元素，此时整个数组有序。

算法实现

#include <iostream>
#include <vector>// 交换元素
void swap(int& a, int& b) {a = a + b;b = a - b;a = a - b;
}// 对以 root 为根的子树进行堆化
void heapify(std::vector<int>& arr, int n, int root) {int largest = root; // 初始化最大元素为根节点while (largest < n) {int left = 2 * root + 1; // 左子节点索引int right = 2 * root + 2; // 右子节点索引// 找到左右子节点中较大的元素索引if (left < n && arr[left] > arr[largest]) {largest = left;}if (right < n && arr[right] > arr[largest]) {largest = right;}// 如果最大元素不是根节点，则交换元素if (largest != root) {swap(arr[root], arr[largest]);root = largest; // 继续向下调整} else {break; // 堆结构已经满足，退出循环}}
}// 堆排序
void heapSort(std::vector<int>& arr) {int n = arr.size();// 构建大根堆，从最后一个非叶子节点开始for (int i = n / 2 - 1; i >= 0; --i) {heapify(arr, n, i);}// 逐步取出最大元素并进行堆化for (int i = n - 1; i > 0; --i) {swap(arr[0], arr[i]); // 将堆顶元素移至已排序部分的末尾heapify(arr, i, 0); // 对剩余的部分进行堆化}
}

性能分析

  • 时间复杂度：
    • 堆排序的时间复杂度在最好、最坏和平均情况下都是 O(n log n)，其中 n 是待排序元素的数量。
  • 空间复杂度：
    • 堆排序的空间复杂度为 O(1)，只需要常数级别的额外空间。
  • 稳定性：
    • 堆排序通常是不稳定的，因为堆化操作可能改变相同元素的相对顺序。然而，通过一些额外的操作可以实现稳定性。

八，基数排序（Counting Sort）

原理

  • 基数排序（Radix Sort）是一种非比较的整数排序算法，它根据数字的每个位上的值来对元素进行排序。基数排序可以看作是桶排序的扩展，它先按照最低位进行排序，然后逐步移到更高位，直到所有位都考虑完毕。

算法步骤

  1. 找到最大数的位数：首先，找到待排序数组中最大数的位数，这将决定排序的轮数。
  2. 按位排序：从低位到高位，依次对每一位进行计数排序（或桶排序），将元素分配到不同的桶中。
  3. 合并桶：将每一轮排序后的桶中的元素按顺序合并成一个新的数组。
  4. 重复步骤 2 和 3，直到所有位都考虑完毕，得到有序数组。

算法实现

#include <iostream>
#include <vector>
#include <queue>// 找到数组中的最大数
int findMax(std::vector<int>& arr) {int max = arr[0];for (int num : arr) {if (num > max) {max = num;}}return max;
}// 基数排序
void radixSort(std::vector<int>& arr) {int n = arr.size();int max = findMax(arr);int exp = 1; // 用于获取每个位数的值while (max / exp > 0) {// 创建桶队列，每个桶用于存放某个位数上的元素std::vector<std::queue<int>> buckets(10);   // 使用10个桶，每个桶代表一个数字（0到9）// 将元素分配到桶中for (int i = 0; i < n; ++i) {int bucketIndex = (arr[i] / exp) % 10; // 计算当前位数的值，作为桶的索引buckets[bucketIndex].push(arr[i]); // 将元素放入对应的桶中}// 从桶中取回元素到原数组int index = 0;for (int i = 0; i < 10; ++i) {while (!buckets[i].empty()) {arr[index++] = buckets[i].front(); // 取出队列头部元素，放入原数组buckets[i].pop(); // 弹出队列头部元素}}exp *= 10; // 移到下一个位数}
}

性能分析

  • 时间复杂度：
    • 基数排序的时间复杂度取决于位数和基数的大小。对于位数为 k，基数为 r 的情况，时间复杂度为 O(k * (n + r))。
  • 空间复杂度：
    • 基数排序的空间复杂度为 O(n + r)，其中 n 是待排序元素的数量，r 是基数的大小。
  • 稳定性：
    • 基数排序是稳定的排序算法，因为在同一位数上的排序时，相同值元素的相对顺序不会改变。

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.hqwc.cn/news/91374.html

如若内容造成侵权/违法违规/事实不符，请联系编程知识网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

本地电脑搭建Plex私人影音云盘教程，内网穿透实现远程访问

本地电脑搭建Plex私人影音云盘教程，内网穿透实现远程访问

文章目录 1.前言2. Plex网站搭建2.1 Plex下载和安装2.2 Plex网页测试2.3 cpolar的安装和注册 3. 本地网页发布3.1 Cpolar云端设置3.2 Cpolar本地设置 4. 公网访问测试5. 结语6 总结 1.前言 用手机或者平板电脑看视频&#xff0c;已经算是生活中稀松平常的场景了&#xff0c;特…
阅读更多...
2023最新Python重点知识万字汇总

2023最新Python重点知识万字汇总

这是一份来自于 SegmentFault 上的开发者 二十一 总结的 Python 重点。由于总结了太多的东西&#xff0c;所以篇幅有点长&#xff0c;这也是作者"缝缝补补"总结了好久的东西。 **Py2 VS Py3** * print成为了函数&#xff0c;python2是关键字* 不再有unicode对象…
阅读更多...
数据是如何存储在内存中的？听我慢慢道来

数据是如何存储在内存中的？听我慢慢道来

数据的存储 1. 前言2. 数据类型2.1 整形家族2.2 浮点数家族2.3 构造类型&#xff08;自定义类型&#xff09;2.4 指针类型2.5 空类型&#xff08;无类型&#xff09; 3. 整数在内存中的存储4. 大小端5. 浮点数在内存中的存储 1. 前言 大家好&#xff0c;我是努力学习游泳的鱼。…
阅读更多...
美国纽约10日游

美国纽约10日游

一、前言 我有两周断更了&#xff0c;原因是去纽约只顾着玩&#xff0c;没时间写&#xff0c;今天有时间正好和大家分享一下去纽约的攻略 二、以下是一个10天去美国纽约旅游的攻略&#xff0c;十万以内&#xff0c;包括机票、酒店、交通、餐饮和景点门票等费用&#xff1a; 第…
阅读更多...
Linux —— nfs文件系统

Linux —— nfs文件系统

简介 NFS 是Network File System的缩写&#xff0c;即网络文件系统。一种使用于分散式文件系统的协定&#xff0c;由Sun公司开发&#xff0c;于1984年向外公布。功能是通过网络让不同的机器、不同的操作系统能够彼此分享个别的数据&#xff0c;让应用程序在客户端通过网络访问位…
阅读更多...
高通开发系列 - 5G网络之QTI守护进程服务介绍

高通开发系列 - 5G网络之QTI守护进程服务介绍

By: fulinux E-mail: fulinux@sina.com Blog: https://blog.csdn.net/fulinus 喜欢的盆友欢迎点赞和订阅！ 你的喜欢就是我写作的动力！ 返回：专栏总目录 目录 代码位置和依赖关系功能介绍代码逻辑讲解外设节点关注的目录socket服务端初始化DPM客户端监听守护关键的数据结构体…
阅读更多...
评估安全 Wi-Fi 接入：Cisco ISE、Aruba、Portnox 和 Foxpass

评估安全 Wi-Fi 接入：Cisco ISE、Aruba、Portnox 和 Foxpass

在当今不断变化的数字环境中&#xff0c;对 Wi-Fi 网络进行强大访问控制的需求从未像现在这样重要。各组织一直在寻找能够为其用户提供无缝而安全的体验的解决方案。 在本博客中&#xff0c;我们将深入探讨保护 Wi-Fi&#xff08;和有线&#xff09;网络的四种领先解决方案——…
阅读更多...
前端面试知识点

前端面试知识点

基本方法 在 JavaScript 中&#xff0c;push、pop、shift 和 unshift 是用于操作数组的方法&#xff0c;它们的作用如下&#xff1a; push&#xff1a;将一个或多个元素添加到数组的末尾&#xff0c;并返回修改后的数组的新长度。原始数组会被修改。 const array [1, 2, 3]; …
阅读更多...
浅谈Lua协程和函数的尾调用

浅谈Lua协程和函数的尾调用

前言 虽然不经常用到协程&#xff0c;但是也不能谈虎色变。同时&#xff0c;在有些场景&#xff0c;协程会起到一种不可比拟的作用。所以&#xff0c;了解它&#xff0c;对于一些功能&#xff0c;也会有独特的思路和想法。 协程 概念 关于进程和线程的概念就不多说。 那么…
阅读更多...
客户端读写HBase数据库的运行原理

客户端读写HBase数据库的运行原理

1.HBase的特点 HBase是一个数据库&#xff0c;与RDMS相比&#xff0c;有以下特点&#xff1a; ① 它不支持SQL ② 不支持事务 ③ 没有表关系&#xff0c;不支持JOIN ④ 有列族&#xff0c;列族下可以有上百个列 ⑤ 单元格&#xff0c;即列值&#xff0c;可以存储多个版本的值&…
阅读更多...
servlet初体验之环境搭建！！！

servlet初体验之环境搭建！！！

我们需要用到tomcat服务器&#xff0c;咩有下载的小伙伴看过来&#xff1a;如何正确下载tomcat&#xff1f;&#xff1f;&#xff1f;_明天更新的博客-CSDN博客 1. 创建普通的Java项目&#xff0c;并在项目中创建libs目录存放第三方的jar包。 建立普通项目 创建libs目录存放第三…
阅读更多...
MySQL— 基础语法大全及操作演示！！！（事务）

MySQL— 基础语法大全及操作演示！！！（事务）

MySQL—— 基础语法大全及操作演示&#xff08;事务&#xff09; 六、事务6.1 事务简介6.2 事务操作6.2.1 未控制事务6.2.2 控制事务一6.2.3 控制事务二 6.3 事务四大特性6.4 并发事务问题6.5 事务隔离级别 MySQL— 基础语法大全及操作演示&#xff01;&#xff01;&#xff01…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023