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。
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)。
特别鸣谢 @lavnFan 本文摘录自 排序算法总结
本文由 陌上花开 创作，采用 知识共享署名4.0 国际许可协议进行许可
本站文章除注明转载/出处外，均为本站原创或翻译，转载前请务必署名
最后编辑时间为: Feb 15, 2017 at 09:23 am