当前位置： 首页 > article >正文

（数据结构）八大排序算法

article 2024/12/24 16:05:27

目录

  • 一、常见排序算法
  • 二、实现
    • 1. 直接插入排序
    • 2.🌟希尔排序
    • 3. 选择排序
    • 4.🌟堆排序
    • 5. 冒泡排序
    • 7. 🌟快速排序
      • 7.1 其他版本的快排
      • 7.2 优化
      • 7.3 ⭐非递归
    • 7. 🌟归并排序
      • 7.1 ⭐非递归
    • 8. 计数排序
  • 三、总结
    • 1. 分析

  排序 (Sorting) 是计算机程序设计中的一种重要操作，它的功能是将一个 数据元素 （或记录）的任意序列，重新排列成一个关键字有序的序列。

一、常见排序算法

在这里插入图片描述

二、实现

1. 直接插入排序

介绍：将待排的数，和有序的数比较，直到一个合适的位置，然后进行插入。

示图：在这里插入图片描述

将待排数4，与有序数对比，然后插入到（比4小的数）2前面

代码：

// 插入排序（升序）
void InsertSort(int* a, int n)
{
	for (int i = 0; i < n-1 ; ++i)
	{
		int end = i;
        //[0,end]为有序数组
        
        //记录下需要插入的数,将end+1的位置空出来
		int temp = a[end + 1];
        //将需插入的数和有序数组对比
		while (end >= 0)
		{
            //如果大于，则向后移动一位
			if (a[end] > temp)
			{
				a[end + 1] = a[end];
				end--;
			}
			else//否则，退出
			{
				break;
			}
		}
        //下标（end+1）就是合适的插入位置
		a[end + 1] = temp;
	}
}

效率：时间复杂度为 O ( N 2 ) O(N^2) O(N2)

如果原始数组为升序有序，则直接会break,时间复杂度为 O ( N ) O(N) O(N)。

2.🌟希尔排序

介绍：利于直接插入排序的思想，如果所排的数据接近有序，则排序效率非常高。希尔排序，是将数据非为若干组，然后对每组的数据进行插入排序，使之逐渐有序。

其中如果分组为1，则等于直接插入排序

图示：在这里插入图片描述

将数据分为9 5 8 1和3 2 7两组，分别进行插入排序，得到1 2 5 3 8 7 9，逐渐接近有序

代码：

void Swap(int* p1, int* p2)
{
	int temp = *p1;
	*p1 = *p2;
	*p2 = temp;
}
// 希尔排序（升序）
void ShellSort(int* a, int n)
{
	int group = n;
    //逐渐将分组缩小，直至分组为1
	while (group > 1)
	{
        //一般分组每次缩小1/3
        //+1:为确保最后分组为1
		group = group / 3 + 1;
        //每个数依次在它所在组中插入排序
		for (int i = 0; i < n - group; i++)
		{
			int end = i;//每组排序好的最后一个元素
			int temp = a[end + group];//对应组下一个要插入的元素
            //思路同插入排序，只不过操作的是对应组中的元素
			while (end >= 0)
			{
				if (a[end] > temp)
				{
					a[end + group] = a[end];
					end -= group;
				}
				else
				{
					break;
				}
			}
			a[end + group] = temp;
		}
	}
}

效率：时间复杂度大约为 O ( N 1.3 ) O(N^{1.3}) O(N1.3)

因为希尔排序的时间复杂度非常难算，感兴趣的可以去百度。

3. 选择排序

介绍：每一次都遍历一遍数据，选出最小（大）的元素，放在起始点。

图示：在这里插入图片描述

代码：

// 选择排序（升序）
void SelectSort(int* a, int n)
{
	int begin = 0;
	int end = n - 1;
    //每遍历一遍，选出最大和最小
	while (begin < end)
	{
		int maxi = end;
		int mini = begin;
		for (int i = begin; i <= end; i++)
		{
			if (a[maxi] < a[i])
			{
				maxi = i;
			}
			if (a[mini] > a[i])
			{
				mini = i;
			}
		}
		Swap(&a[begin], &a[mini]);
        //如果最大的数下标为begin，被上一步改变
		if (maxi == begin)
		{
			maxi = mini;
		}
		Swap(&a[end], &a[maxi]);
        
		begin++;
		end--;
	}
}

效率：时间复杂度为 O ( N 2 ) O(N^2) O(N2)

虽然一次遍历找一个，优化为每趟找两个，只是每趟比较次数的等差数列的公差由1变为2，但是大 O O O的渐进表示法都为 O ( N 2 ) O(N^2) O(N2)

4.🌟堆排序

简介：该部分涉及堆的相关知识，

详情请见另一篇：堆

效率：时间复杂度为 O ( N l o g 2 N ) O(Nlog_2N) O(Nlog2​N)

5. 冒泡排序

简介：冒泡的思想就是遍历数据进行比较，然后把最大(小)的数交换到最后位置。

图示：在这里插入图片描述

代码：

// 冒泡排序（升序）
void BubbleSort(int* a, int n)
{
	//最多要遍历n-1次
	for (int i = 0; i < n - 1; ++i)
	{
		int flag = 0;
		for (int j = 0; j < n - i - 1; ++j)
		{
            //当前的数与下一个数进行比较
			if (a[j] > a[j + 1])
			{
				Swap(&a[j], &a[j + 1]);
				flag = 1;
			}
		}
        
        //如果没有进行交互，则已经排序完成了
		if (flag == 0)
		{
			break;
		}
	}
}

效率：时间复杂度 O ( N 2 ) O(N^2) O(N2)

因为优化了退出条件，因此对于已排序的原始数据，时间复杂度为 O ( N ) O(N) O(N)

7. 🌟快速排序

简介：开始时，任取数据中的某一元素为基准，然后将小于该元素的放在左边，大于该元素的放在右边，把剩余数据分为两个序列。然后再对左右序列重复该过程，直到每个元素都在对应位置

（hoare版本）图示：在这里插入图片描述

对数组4 3 6 7 2 1 5，以第一个4为关键数，升序排列，大于4的都放在右边，小于4的放在左边。得到结果2 3 1 4 6 7 5

先移动右指针，走到小于4的数停下，再移动左指针，找到大于4的数停下，交换两数，然后继续，直到左右指针相遇，因为左指针后走，因此停下的位置一定是小于等于4的，再和4交换。

代码：

void QuickSort(int* a, int left, int right)
{
    //如果只有一个数，直接返回
	if (left >= right)
	{
		return;
	}
    //记录起始和结束
    int begin = left;
	int end = right;
	//默认key为第一个数
	int keyi = left;
	while (left < right)
	{
        //先移动右指针，找到比key小的数
		while (left < right && a[right] >= a[keyi])
		{
			right--;
		}
        //再移动左指针，找到比key大的数
		while (left < right && a[left] <= a[keyi])
		{
			left++;
		}
		Swap(&a[left], &a[right]);
	}
    //right位置一定小于等于keyi位置数据
	Swap(&a[right], &a[keyi]);
    keyi = right;
	//分别排左右序列
    //[left,keyi-1], keyi, [keyi-1,right]
	QuickSort(a, begin, keyi - 1);
	QuickSort(a, keyi + 1, end);
}

效率：时间复杂度 O ( N l o g 2 N ) O(Nlog_2N) O(Nlog2​N)。每次走一趟，一共走 l o g 2 N log_2N log2​N次

7.1 其他版本的快排

挖坑法：
在这里插入图片描述

void QuickSort(int* a, int left, int right)
{
	if (left >= right) return;

    int begin = left, end = right;
    
    //默认key为第一个数
	int key = a[left];
	int piti = left;//坑的位置
    
	while (left < right)
	{
        //右指针先走
		while (left < right && a[right] >= key)
		{
			--right;
		}
		a[piti] = a[right];
		piti = right;
        //左指针走
		while (left < right && a[left] <= key)
		{
			++left;
		}
		a[piti] = a[left];
		piti = left;
	}
    //最后留下的坑位来存放key
	a[piti] = key;

    QuickSort(a, begin, keyi - 1);
    QuickSort(a, keyi + 1, end);	
}

前后指针：在这里插入图片描述

  用cur来找到小于key的元素，prev找到大于key的元素。刚开始时，cur还未遇见大于等于key的元素时，cur和prev一起向右。(如果此步，不好理解的话，可以自己动手画画)

void QuickSort(int* a, int left, int right)
{
	if (left >= right) return;
    
	int begin = left, end = right;	
    
	int keyi = left; //默认key为第一个数
	int prev = left;
	int cur = left + 1;
    
	while (cur <= right)
	{
 //当cur小于key，且prev++后不等于cur，才会交换
		if (a[cur] < a[keyi] && ++prev!=cur)
		{
			Swap(&a[cur], &a[prev]);
		}
		++cur;//cur一直向后走
	}
	Swap(&a[keyi], &a[prev]);
	keyi = prev;
    
    QuickSort(a, begin, keyi - 1);
    QuickSort(a, keyi + 1, end);
}

7.2 优化

三数取中：

  因为key的选取会影响快速排序的效率，其中，如果key每次都是是中间的数，接近二分，效率最高 O ( N l o g 2 N ) O(Nlog_2N) O(Nlog2​N)；如果每次都是最小（大）的数，则效率最低 O ( N 2 ) O(N^2) O(N2)，因为总会出现[key]+[未排序数据]​

//找到前中后三个数中，中间的那个
int GetMid(int* a, int left, int right)
{
	int mid = (left + right) / 2;
	if (a[mid] < a[left])
	{
		if (a[right] > a[left])
		{
			return left;
		}
		else if (a[right] < a[mid])
		{
			return mid;
		}
		else
		{
			return right;
		}
	}
	else
	{
		if (a[right] < a[left])
		{
			return left;
		}
		else if (a[right] > a[mid])
		{
			return mid;
		}
		else
		{
			return right;
		}
	}
}

结合插入排序：

对于一组比较大的数据，在递归后期，小范围的序列会有很多。因此可以在划分的范围足够小后，直接使用插入排序，避免继续向下递归。（tips：最后一次的递归次数占总递归次数的一半左右）

void QuickSort(int* a, int left, int right)
{
	if (left >= right)
	{
		return;
	}
	int keyi = left;
	int end = right;
    
    //三数取中
	int midi = GetMid(a, left, right);
	Swap(&a[midi], &a[keyi]);
    
    //使用插入排序
	if (right - left < 13)
	{
		InsertSort(a + left, right - left + 1);
	}
    else
    {
        int begin = left, end = right;
        
        while (left < right)
        {
            //先移动右指针，找到比key小的数
            while (left < right && a[right] >= a[keyi])
            {
                right--;
            }
            //再移动左指针，找到比key大的数
            while (left < right && a[left] <= a[keyi])
            {
                left++;
            }
            Swap(&a[left], &a[right]);
        }
        Swap(&a[right], &a[keyi]);
        keyi = right;
        
        QuickSort(a, begin, keyi - 1);
		QuickSort(a, keyi + 1, end);
    }
}

7.3 ⭐非递归

递归的思想，比较容易写，但是它占用栈区空间，如果数据足够大，是可能发生栈溢出错误的。

保持快速排序的思路不变，显然循环无法实现，但是我们可以用栈来模拟递归。

每次将要比较的序列的范围[bigin,end]，记录到栈中，每次循环开始，出栈，结束后又将新划分的左右序列入栈。

 快速排序 非递归实现
void QuickSortNonR(int* a, int left, int right)
{
	Stack st;
	StackInit(&st);
	StackPush(&st, left);
	StackPush(&st, right);
     
	while (!StackEmpty(&st))
	{
        //出栈，得到要排序的范围[bigin,end]
		int end = StackTop(&st);
		StackPop(&st);
		int begin = StackTop(&st);
		StackPop(&st);
		//排序，使key放到正确位置
        int keyi = begin;
        int prev = begin;
        int cur = begin + 1;
        while (cur <= end)
        {
            //当cur小于key，且prev++后不等于cur，才会交换
            if (a[cur] < a[keyi] && ++prev!=cur)
            {
                Swap(&a[cur], &a[prev]);
            }
            ++cur;//cur一直向后走
        }
        Swap(&a[keyi], &a[prev]);
        keyi = prev;
 //将新的左右序列[bigin,keyi-1],[keyi+1,end]入栈
		if (begin < keyi - 1)
		{
			StackPush(&st, begin);
			StackPush(&st, keyi - 1);
		}
		if (keyi + 1 < end)
		{
			StackPush(&st, keyi + 1);
			StackPush(&st, end);
		}
	}

	StackDestroy(&st);
}

同样的，其实可以用队列来实现快速排序的非递归。

思路：将bigen end入队列，循环开始时，出队列找到要排序的范围[begin,end],排序完成后将左右序列[bigin,keyi-1],[keyi+1,end]入队列

和栈实现不同的是：栈是以递归的方式，排完左序列后才会开始排右，而队列则是排左，排右交替进行。

7. 🌟归并排序

简介：采用分治实现，将数据划分为两等份分别有序的序列，然后合并。

图示：在这里插入图片描述

对数据1 0 5 3 2，进行归并排序，首先将数据分为两份1 0 5和3 2,在向下划分，直至最小的，然后在将两两归并，逐渐形成有序序列。

代码：

void _MergeSort(int* a, int n, int begin, int end, int* temp)
{
	if (begin >= end)
	{
		return;
	}
	int mid = (begin + end) / 2;
//由图示，可见，后序，深度优先
    //[begin,mid] [mid+1,end]
	_MergeSort(a, n, begin, mid, temp);
	_MergeSort(a, n, mid+1, end, temp);
	
//将[begin,mid] [mid+1,end]两个序列按顺序合并
	int begin1 = begin, end1 = mid;
	int begin2 = mid + 1, end2 = end;
	int i = begin;
	while (begin1 <= end1 && begin2 <= end2)
	{
				//   "<"升序
		if (a[begin1] < a[begin2])
		{
			temp[i++] = a[begin1++];
		}
		else
		{
			temp[i++] = a[begin2++];
		}
	}
	//处理某个序列的剩余数据
	while (begin1 <= end1)
	{
		temp[i++] = a[begin1++];
	}
	while (begin2 <= end2)
	{
		temp[i++] = a[begin2++];
	}
	
	//拷贝到原数组中,也可以使用库函数	
//memcpy(a + begin, tmp + begin, (end - begin + 1)*sizeof(int));
	for (int j = begin; j <= end; ++j)
	{
		a[j] = temp[j];
	}

}

// 归并排序递归实现
void MergeSort(int* a, int n)
{
	//因为有两个序列归并一起，因此需要额外的空间存放，temp为额外空间
	int* temp = (int*)malloc(sizeof(int) * n);
	if (temp == NULL)
	{
		perror("malloc failed\n");
		exit(-1);
	}

	_MergeSort(a, n, 0, n - 1, temp);

	free(temp);
}

效率:时间复杂度 O ( N l o g 2 N ) O(Nlog_2N) O(Nlog2​N)

严格的二分，会比快速排序更优，但是需要额外的空间 O ( N ) O(N) O(N)

7.1 ⭐非递归

递归，同样面临栈溢出的风险。

由归并排序的思想，先将数据划分为1个数一组的序列，然后将相邻的两个组合并，然后再分为2个数一组的序列，再进行合并，直到最后划分整个序列为一组。

  tips：由于是按照1，2，4，8…逐渐划分的，但是原始数据的长度可能并不是严格的 2 n 2^n 2n个，所有划分出的组可能会出现越界问题，需要处理。

代码：

// 归并排序非递归实现
void MergeSortNonR(int* a, int n)
{
    //需要的额外空间
	int* temp = (int*)malloc(sizeof(int) * n);

	int grap = 1;//开始时一组有1个数
	while (grap < n)
	{
        //[j,j+grap-1] 与 [j+grap,j+2*grap-1] 按序合并
		for (int j = 0; j < n; j += grap*2)
		{
			int begin1 = j, end1 = j+grap-1;
			int begin2 = j + grap, end2 = j + 2 * gap - 1;
            
			//修正
            //end1数组越界
			if (end1 >= n)
			{
				end1 = n - 1;
				begin2 = n;
				end2 = n - 1;
			}
            //begin2数组越界
			else if (begin2 >= n)
			{
				begin2 = n;
				end2 = n - 1;
			}
            //end2数组越界
			else if (end2 >= n)
			{
				end2 = n - 1;
			}
            
			int i = begin1;
			while (begin1 <= end1 && begin2 <= end2)
			{
				//   "<"升序
				if (a[begin1] < a[begin2])
				{
					temp[i++] = a[begin1++];
				}
				else
				{
					temp[i++] = a[begin2++];
				}
			}
			while (begin1 <= end1)
			{
				temp[i++] = a[begin1++];
			}
			while (begin2 <= end2)
			{
				temp[i++] = a[begin2++];
			}
		}

		//拷贝到原数组中
		memcpy(a, temp, sizeof(int)*n);
        //每次每组扩大2倍
		grap *= 2;
	}

	free(temp);
}

8. 计数排序

简介：因为数组下标为整数，因此对于整型数据，我们可以遍历一般然后计数，最后再遍历一般写入。

图示：在这里插入图片描述

利用数组下标，来在该空间位置存放个数，然后在遍历数组，使之有序。但是适用范围有限。

代码：

// 计数排序
void CountSort(int* a, int n)
{
    //找到数据中的max与min的数
	int max = a[0], min = a[0];
	for (int i = 1; i < n; ++i)
	{
		if (a[i] > max)
			max = a[i];
        
		if (a[i] < min)
			min = a[i];
	}
	//这所需开辟数组大小为
    //所开辟数组[0,range-1]
    //与原数据中[mini,maxi]，构成映射
	int range = max - min + 1;
	int* count = (int*)calloc(range, sizeof(int));
	
    //计数
	for (int i = 0; i < n; ++i)
	{
		count[a[i]-min]++;
	}
    
    //进行排序
	int j = 0;
	for (int i = 0; i < range; ++i)
	{
		while (count[i]--)
		{
            //从映射中还原
			a[j++] = i + min;
		}
	}

	free(count);
}

效率：时间复杂度为 O ( N ) O(N) O(N)

三、总结

稳定性：对于原数据中，相同值、不同先后顺序的元素，进行排序后，如果其先后顺序任未改变，则称该排序算法是稳定的。

通常稳定主要用于对一组原始数据（每个元素有多个属性值），按照不同规律进行排序时才非常重要。

1. 分析

下面👇同种算法，时间复杂度最好或最坏的情况，其代码可能不同（有无优化）

排序算法平均时间复杂度最好最坏空间复杂度稳定性
直接插入排序 O ( n 2 ) O(n^2) O(n2) O ( n ) O(n) O(n) O ( n 2 ) O(n^2) O(n2) O ( 1 ) O(1) O(1)稳定
希尔排序 O ( n 1.3 ) O(n^{1.3}) O(n1.3) O ( n 1.3 ) O(n^{1.3}) O(n1.3) O ( n 2 ) O(n^2) O(n2) O ( 1 ) O(1) O(1)不稳定
选择排序 O ( n 2 ) O(n^2) O(n2) O ( n 2 ) O(n^2) O(n2) O ( n 2 ) O(n^2) O(n2) O ( 1 ) O(1) O(1)不稳定
堆排序 O ( n l o g 2 n ) O(nlog_2n) O(nlog2​n) O ( n l o g 2 n ) O(nlog_2n) O(nlog2​n) O ( n l o g 2 n ) O(nlog_2n) O(nlog2​n) O ( 1 ) O(1) O(1)不稳定
冒泡排序 O ( n 2 ) O(n^2) O(n2) O ( n ) O(n) O(n) O ( n 2 ) O(n^2) O(n2) O ( 1 ) O(1) O(1)稳定
快速排序 O ( n l o g 2 n ) O(nlog_2n) O(nlog2​n) O ( n l o g 2 n ) O(nlog_2n) O(nlog2​n) O ( n 2 ) O(n^2) O(n2) O ( l o g 2 n ) O(log_2n) O(log2​n)~ O ( n ) O(n) O(n)不稳定
归并排序 O ( n l o g 2 n ) O(nlog_2n) O(nlog2​n) O ( n l o g 2 n ) O(nlog_2n) O(nlog2​n) O ( n l o g n ) O(nlog_n) O(nlogn​) O ( n ) O(n) O(n)稳定
计数排序 O ( n ) O(n) O(n) O ( n ) O(n) O(n) O ( n ) O(n) O(n) O ( m a x ( n , r a n g e ) ) O(max(n,range)) O(max(n,range))无

该总结，还是要结合前面详细的讲解，自己要能够分析出来。

🦀🦀观看~~


http://www.kler.cn/a/1909.html

相关文章：

  • 计算机基础复习12.23
  • Java设计模式 —— 【结构型模式】外观模式详解
  • 牛客网 SQL36查找后排序
  • 本地摄像头视频流在html中打开
  • 《计算机组成及汇编语言原理》阅读笔记：p48-p81
  • 【XSSed】攻防实战全记录
  • 【绘图】比Matplotlib更强大：ProPlot
  • CLIP：一种基于视觉和语言相互关联的图像分类模型
  • 蓝桥杯刷题冲刺 | 倒计时20天
  • 数字图像处理 Delaunay三角剖分和Voronoi图
  • 从零实现深度学习框架——学习率调整策略介绍
  • 一文带你领略 WPA3-SAE 的 “安全感”
  • Java之链表(不带头结点,带头结点,迭代实现,递归实现)
  • 2023年 ZZU ACM 招新赛暨选拔赛题解
  • yolov8训练筷子点数数据集
  • 浏览器的组成部分
  • 2023美赛C题【分析思路+代码】
  • （只需五步）注册谷歌账号详细步骤，解决“此电话号码无法验证”问题
  • Android---动态权限申请
  • 算法学习之三步翻转法
  • 51单片机入门 -驱动 8x8 LED 点阵屏
  • 高速PCB设计指南(十五)
  • 【js】多分支语句练习（2）
  • Docker入门到放弃笔记之容器
  • Android绘制——自定义view之onLayout
  • 前缀和 及其优化技巧Ⅱ