排序算法:一种能将一串数据依照特定的排序方式进行排列的一种算法。
排序算法性能:取决于时间和空间复杂度,其次还得考虑稳定性,及其适应的场景。
稳定性:让原本有相等键值的记录维持相对次序。也就是若一个排序算法是稳定的,当有俩个相等键值的记录R和S,且原本的序列中R在S前,那么排序后的列表中R应该也在S之前。
以下来总结常用的排序算法,加深对排序的理解。
排序算法目录
冒泡排序
原理
俩俩比较相邻记录的排序码,若发生逆序,则交换;有俩种方式进行冒泡,一种是先把小的冒泡到前边去,另一种是把大的元素冒泡到后边。
性能
时间复杂度为O(N^2),空间复杂度为O(1)。排序是稳定的,排序比较次数与初始序列无关,但交换次数与初始序列有关。
优化
若初始序列就是排序好的,对于冒泡排序仍然还要比较O(N^2)次,但无交换次数。可根据这个进行优化,设置一个flag,当在一趟序列中没有发生交换,则该序列已排序好,但优化后排序的时间复杂度没有发生量级的改变。
代码
void bubble_sort(int arr[], int len){
//每次从后往前冒一个最小值,且每次能确定一个数在序列中的最终位置
for (int i = 0; i < len-1; i++){ //比较n-1次
bool exchange = true; //冒泡的改进,若在一趟中没有发生逆序,则该序列已有序
for (int j = len-1; j >i; j--){ // 每次从后边冒出一个最小值
if (arr[j] < arr[j - 1]){ //发生逆序,则交换
swap(arr[j], arr[j - 1]);
exchange = false;
}
}
if (exchange){
return;
}
}
}
插入排序
原理
依次选择一个待排序的数据,插入到前边已排好序的序列中。
性能
时间复杂度为O(N^2),空间复杂度为O(1)。算法是稳定的,比较次数和交换次数都与初始序列有关。
优化
直接插入排序每次往前插入时,是按顺序依次往前找,可在这里进行优化,往前找合适的插入位置时采用二分查找的方式,即折半插入。
折半插入排序相对直接插入排序而言:平均性能更快,时间复杂度降至O(NlogN),排序是稳定的,但排序的比较次数与初始序列无关,总是需要foor(log(i))+1次排序比较。
使用场景
当数据基本有序时,采用插入排序可以明显减少数据交换和数据移动次数,进而提升排序效率。
代码
void insert_sort(int arr[], int len){
//每次把当前的数往前插入,可以顺序插入,改进的可以进行二分插入
for (int i = 1; i < len; i++){
if (arr[i] < arr[i - 1]){ //发生逆序,往前插入
int temp = arr[i];
int j;
for (j = i - 1;j>=0 && arr[j]>temp; j--){
arr[j+1] = arr[j];
}
arr[j+1] = temp;
}
}
}
void insert_binary_sort(int arr[], int len){
//改进的插入排序,往前插入比较时,进行二分查找
for (int i = 1; i < len; i++){
if (arr[i] < arr[i - 1]){
int temp = arr[i];
int low = 0, high = i - 1, mid;
while (low <= high){
mid = (low + high) / 2;
if (temp < arr[mid]){
high = mid - 1;
}
else{
low = mid + 1;
}
}
for (int j = i; j >low; j--){
arr[j] = arr[j - 1];
}
arr[low] = temp;
}
}
}
希尔排序
原理
插入排序的改进版,是基于插入排序的以下俩点性质而提出的改进方法:
- 插入排序对几乎已排好序的数据操作时,效率很高,可以达到线性排序的效率。
- 但插入排序在每次往前插入时只能将数据移动一位,效率比较低。
所以希尔排序的思想是:
- 先是取一个合适的gap<n作为间隔,将全部元素分为gap个子序列,所有距离为gap的元素放入同一个子序列,再对每个子序列进行直接插入排序;
- 缩小间隔gap,例如去gap=ceil(gap/2),重复上述子序列划分和排序
- 直到,最后gap=1时,将所有元素放在同一个序列中进行插入排序为止。
性能
开始时,gap取值较大,子序列中的元素较少,排序速度快,克服了直接插入排序的缺点;其次,gap值逐渐变小后,虽然子序列的元素逐渐变多,但大多元素已基本有序,所以继承了直接插入排序的优点,能以近线性的速度排好序。
代码
void shell_sort(int arr[], int len){
//每次选择一个gap,对相隔gap的数进行插入排序
for (int gap = len / 2; gap > 0; gap /= 2){
for (int i = 0; i < len; i = i + gap){
int temp = arr[i];
int j;
for (j = i; j >= gap && temp < arr[j-gap]; j -= gap){
arr[j] = arr[j - gap];
}
arr[j] = temp;
}
}
}
选择排序
原理
每次从未排序的序列中找到最小值,记录并最后存放到已排序序列的末尾
性能
时间复杂度为O(N^2),空间复杂度为O(1),排序是不稳定的(把最小值交换到已排序的末尾导致的),每次都能确定一个元素所在的最终位置,比较次数与初始序列无关。
代码
void select_sort(int arr[], int len){
//每次从后边选择一个最小值
for (int i = 0; i < len-1; i++){ //只需选择n-1次
int min = i;
for (int j = i+1; j < len; j++){
if (arr[min]>arr[j]){
min = j;
}
}
if (min != i){
swap(arr[i], arr[min]);
}
}
}
快速排序
原理
分而治之思想:
- Divide:找到基准元素pivot,将数组A[p..r]划分为A[p..pivotpos-1]和A[pivotpos+1...q],左边的元素都比基准小,右边的元素都比基准大;
- Conquer:对俩个划分的数组进行递归排序;
- Combine:因为基准的作用,使得俩个子数组就地有序,无需合并操作。
性能
快排的平均时间复杂度为O(NlogN),空间复杂度为O(logN),但最坏情况下,时间复杂度为O(N^2),空间复杂度为O(N);且排序是不稳定的,但每次都能确定一个元素所在序列中的最终位置,复杂度与初始序列有关。
优化
当初始序列是非递减序列时,快排性能下降到最坏情况,主要因为基准每次都是从最左边取得,这时每次只能排好一个元素。
所以快排的优化思路如下:
- 优化基准,不每次都从左边取,可以进行三路划分,分别取最左边,中间和最右边的中间值,再交换到最左边进行排序;或者进行随机取得待排序数组中的某一个元素,再交换到最左边,进行排序。
- 在规模较小情况下,采用直接插入排序
代码
//快速排序
int partition(int arr[], const int left, const int right){
//对序列进行划分,以第一个为基准
int pivot = arr[left];
int pivotpos = left;
for (int i = left+1; i <= right; i++){
if (arr[i] < pivot){
pivotpos++;
if (pivotpos != i){ //如果交换元素就位于基准后第一个,则不需要交换
swap(arr[i], arr[pivotpos]);
}
}
}
arr[left] = arr[pivotpos];
arr[pivotpos] = pivot;
return pivotpos;
}
void quick_sort(int arr[],const int left,const int right){
if (left < right){
int pivotpos = partition(arr, left, right);
quick_sort(arr, left, pivotpos - 1);
quick_sort(arr, pivotpos + 1, right);
}
}
void quick_sort(int arr[], int len){
quick_sort(arr, 0, len - 1);
}
int improve_partition(int arr[], int left, int right){
//基准进行随机化处理
int n = right - left + 1;
srand(time((unsigned)0));
int gap = rand() % n;
swap(arr[left], arr[left + gap]); //把随机化的基准与左边进行交换
//再从左边开始进行
return partition(arr,left,right);
}
void quick_improve_sort(int arr[], const int left, const int right){
//改进的快速排序
//改进的地方:1、在规模较小时采用插入排序
//2、基准进行随机选择
int M = 5;
if (right - left < M){
insert_sort(arr, right-left+2);
}
if (left>=right){
return;
}
int pivotpos = improve_partition(arr, left, right);
quick_improve_sort(arr, left, pivotpos - 1);
quick_improve_sort(arr, pivotpos + 1, right);
}
void quick_improve_sort(int arr[], int len){
quick_improve_sort(arr, 0, len - 1);
}
归并排序
原理
分而治之思想:
- Divide:将n个元素平均划分为各含n/2个元素的子序列;
- Conquer:递归的解决俩个规模为n/2的子问题;
- Combine:合并俩个已排序的子序列。
性能
时间复杂度总是为O(NlogN),空间复杂度也总为为O(N),算法与初始序列无关,排序是稳定的。
优化
优化思路:
- 在规模较小时,合并排序可采用直接插入;
- 在写法上,可以在生成辅助数组时,俩头小,中间大,这时不需要再在后边加俩个while循环进行判断,只需一次比完。
代码
//归并排序
void merge(int arr[],int temp_arr[],int left,int mid, int right){
//简单归并:先复制到temp_arr,再进行归并
for (int i = left; i <= right; i++){
temp_arr[i] = arr[i];
}
int pa = left, pb = mid + 1;
int index = left;
while (pa <= mid && pb <= right){
if (temp_arr[pa] <= temp_arr[pb]){
arr[index++] = temp_arr[pa++];
}
else{
arr[index++] = temp_arr[pb++];
}
}
while(pa <= mid){
arr[index++] = temp_arr[pa++];
}
while (pb <= right){
arr[index++] = temp_arr[pb++];
}
}
void merge_improve(int arr[], int temp_arr[], int left, int mid, int right){
//优化归并:复制时,俩头小,中间大,一次比较完
for (int i = left; i <= mid; i++){
temp_arr[i] = arr[i];
}
for (int i = mid + 1; i <= right; i++){
temp_arr[i] = arr[right + mid + 1 - i];
}
int pa = left, pb = right, p = left;
while (p <= right){
if (temp_arr[pa] <= temp_arr[pb]){
arr[p++] = temp_arr[pa++];
}else{
arr[p++] = temp_arr[pb--];
}
}
}
void merge_sort(int arr[],int temp_arr[], int left, int right){
if (left < right){
int mid = (left + right) / 2;
merge_sort(arr,temp_arr,0, mid);
merge_sort(arr, temp_arr,mid + 1, right);
merge(arr,temp_arr,left,mid,right);
}
}
void merge_sort(int arr[], int len){
int *temp_arr = (int*)malloc(sizeof(int)*len);
merge_sort(arr,temp_arr, 0, len - 1);
}
堆排序
原理
堆的性质:
- 是一棵完全二叉树
- 每个节点的值都大于或等于其子节点的值,为最大堆;反之为最小堆。
堆排序思想:
- 将待排序的序列构造成一个最大堆,此时序列的最大值为根节点
- 依次将根节点与待排序序列的最后一个元素交换
- 再维护从根节点到该元素的前一个节点为最大堆,如此往复,最终得到一个递增序列
性能
时间复杂度为O(NlogN),空间复杂度为O(1),因为利用的排序空间仍然是初始的序列,并未开辟新空间。算法是不稳定的,与初始序列无关。
使用场景
想知道最大值或最小值时,比如优先级队列,作业调度等场景。
代码
void shiftDown(int arr[], int start, int end){
//从start出发到end,调整为最大堆
int dad = start;
int son = dad * 2 + 1;
while (son <= end){
//先选取子节点中较大的
if (son + 1 <= end && arr[son] < arr[son + 1]){
son++;
}
//若子节点比父节点大,则交换,继续往子节点寻找;否则退出
if (arr[dad] < arr[son]){
swap(arr[dad], arr[son]);
dad = son;
son = dad * 2 + 1;
}
else{
break;
}
}
}
void heap_sort(int arr[], int len){
//先调整为最大堆,再依次与第一个交换,进行调整,最后构成最小堆
for (int i = (len - 2) / 2; i >= 0; i--){ //len为总长度,最后一个为len-1,所以父节点为 (len-1-1)/2
shiftDown(arr,i,len-1);
}
for (int i = len - 1; i >= 0; i--){
swap(arr[i], arr[0]);
shiftDown(arr, 0,i-1);
}
}
计数排序
原理
先把每个元素的出现次数算出来,然后算出该元素所在最终排好序列中的绝对位置(最终位置),再依次把初始序列中的元素,根据该元素所在最终的绝对位置移到排序数组中。
性能
时间复杂度为O(N+K),空间复杂度为O(N+K),算法是稳定的,与初始序列无关,不需要进行比较就能排好序的算法。
使用场景
算法只能使用在已知序列中的元素在0-k之间,且要求排序的复杂度在线性效率上。
代码
//计数排序
void count_sort(int arr[],int sorted_arr[],int len,int k){
//数组中的元素大小为0-k,
//先统计每个数的相对位置,再算出该数所在序列中排序后的绝对位置
int *count_arr = (int*)malloc(sizeof(int)*(k+1));
for (int i = 0; i <= k; i++){
count_arr[i] = 0;
}
for (int i = 0; i < len; i++){ //每个元素的相对位置
count_arr[arr[i]]++;
}
for (int i = 1; i <= k; i++){ //每个元素的绝对位置,位置为第1个到n个
count_arr[i] += count_arr[i - 1];
}
for (int i = len-1; i >=0; i--){ //从后往前,可使排序稳定,相等的俩个数的位置不会发 生逆序
count_arr[arr[i]]--; //把在排序后序列中绝对位置为1-n的数依次放入到0- (n-1)中
sorted_arr[count_arr[arr[i]]] = arr[i];
}
free(count_arr);
}
桶排序
原理
- 根据待排序列元素的大小范围,均匀独立的划分M个桶
- 将N个输入元素分布到各个桶中去
- 再对各个桶中的元素进行排序
- 此时再按次序把各桶中的元素列出来即是已排序好的。
性能
时间复杂度为O(N+C),O(C)=O(M(N/M)log(N/M))=O(NlogN-NlogM),空间复杂度为O(N+M),算法是稳定的,且与初始序列无关。
使用场景
算法思想和散列中的开散列法差不多,当冲突时放入同一个桶中;可应用于数据量分布比较均匀,或比较侧重于区间数量时。
基数排序
原理
对于有d个关键字时,可以分别按关键字进行排序。有俩种方法:
- MSD:先从高位开始进行排序,在每个关键字上,可采用计数排序
- LSD:先从低位开始进行排序,在每个关键字上,可采用桶排序
性能
时间复杂度为O(d*(N+K)),空间复杂度为O(N+K)。
总结
以上排序算法的时间、空间与稳定性的总结如下:
Algorithm | Average | Best | Worst | extra space | stable |
---|---|---|---|---|---|
冒泡排序 | O(N^2) | O(N) | O(N^2) | O(1) | 稳定 |
直接插入排序 | O(N^2) | O(N) | O(N^2) | O(1) | 稳定 |
折半插入排序 | O(NlogN) | O(NlogN) | O(N^2) | O(1) | 稳定 |
简单选择排序 | O(N^2) | O(N^2) | O(N^2) | O(1) | 不稳定 |
快速排序 | O(NlogN) | O(NlogN) | O(N^2) | O(logN)~O(N^2) | 不稳定 |
归并排序 | O(NlogN) | O(NlogN) | O(NlogN) | O(N) | 稳定 |
堆排序 | O(NlogN) | O(NlogN) | O(NlogN) | O(1) | 不稳定 |
计数排序 | O(d*(N+K)) | O(d*(N+K)) | O(d*(N+K)) | O(N+K) | 稳定 |
本文发表于个人博客:http://lavnfan.github.io/,欢迎指教。
**粗体** _斜体_ [链接](http://example.com) `代码` - 列表 > 引用
。你还可以使用@
来通知其他用户。