冒泡排序,选择排序,插入排序,归并排序,快速排序五种排序方法

一 冒泡排序

冒泡排序是一种简单的排序算法,工作原理是通过重复交换相邻的元素,将较大的元素"冒泡"到数组的末端。以下是冒泡排序的基本步骤和示例代码:

1 冒泡排序步骤

  • 从数组的开始位置,依次比较相邻的两个元素。
  • 如果前一个元素大于后一个元素,则交换它们。
  • 一轮比较后,最大的元素会被放到数组的最后位置。
  • 重复以上步骤,对剩余的元素继续排序,直到整个数组有序。

2 示例代码

javascript 复制代码
function bubbleSort(arr) {
    const len = arr.length;
    for (let i = 0; i < len - 1; i++) {
        for (let j = 0; j < len - 1 - i; j++) {
            if (arr[j] > arr[j + 1]) {
                // 交换
                [arr[j], arr[j + 1]] = [arr[j + 1], arr[j]];
            }
        }
    }
    return arr;
}

// 使用示例
const array = [5, 3, 8, 4, 2];
const sortedArray = bubbleSort(array);
console.log(sortedArray); // 输出: [2, 3, 4, 5, 8]

3 时间复杂度

最坏和平均情况下的时间复杂度是 O(n²),最好情况下(数组已经有序)是 O(n)。

二 选择排序(Selection Sort)

1 原理:

选择排序(Selection Sort)是一种简单直观的排序算法,适合小规模的数据排序。它的基本思想是将待排序的数组分为已排序和未排序两部分,然后不断从未排序部分中选择最小(或最大)的元素,将其放到已排序部分的末尾。

时间复杂度:O(n²)

2 示例代码:

arr= [64, 25, 12, 22, 11]

  1. 第 一次循环
  • 未排序部分:[64, 25, 12, 22, 11]
  • 找到最小值 11,交换 11 和 64
  • 结果:[11, 25, 12, 22, 64]
  1. 第 二次循环
  • 未排序部分:[25, 12, 22, 64]

  • 找到最小值 12,交换 12 和 25

  • 结果:[11, 12, 25, 22, 64]

  1. 第三次循环
  • 未排序部分:[25, 22, 64]
  • 找到最小值 22,交换 22 和 25
  • 结果:[11, 12, 22, 25, 64]
  1. 第四次循环
  • 未排序部分:[25, 64]
  • 找到最小值 25,无需交换
  • 结果:[11, 12, 22, 25, 64]

最后,数组已完全排序。

javascript 复制代码
function selectionSort(arr) {
    const len = arr.length;
    for (let i = 0; i < len - 1; i++) {
        let minIndex = i;
        for (let j = i + 1; j < len; j++) {
            if (arr[j] < arr[minIndex]) {
                minIndex = j;
            }
        }
        // 交换
        [arr[i], arr[minIndex]] = [arr[minIndex], arr[i]];
    }
    return arr;
}

三. 插入排序(Insertion Sort)

1 原理:

将数组分为已排序和未排序两部分,从未排序部分逐个取出元素,插入到已排序部分的合适位置。

  1. 初始化:将第一个元素视为已排序部分。
  2. 遍历未排序部分:从第二个元素开始,逐个取出未排序部分的元素。
  3. 插入位置:将当前元素与已排序部分的元素进行比较,找到合适的位置进行插入。
  4. 移动元素:将已排序部分的元素向右移动,腾出位置插入当前元素。
  5. 重复:重复步骤2到4,直到所有元素排序完成。

时间复杂度:O(n²)

2 示例代码:

javascript 复制代码
function insertionSort(arr) {
    const len = arr.length;
    for (let i = 1; i < len; i++) {
        const key = arr[i];
        let j = i - 1;
        while (j >= 0 && arr[j] > key) {
            arr[j + 1] = arr[j];
            j--;
        }
        arr[j + 1] = key;
    }
    return arr;
}

四. 归并排序(Merge Sort)

1 原理:

采用分治法,将数组分成两半,分别排序后再合并。

  1. 分解:将待排序数组递归地分成两半,直到每个部分只包含一个元素(一个元素本身是有序的)。
  2. 合并:将两个已排序的部分合并成一个更大的已排序部分。
  3. 重复:直到所有部分合并完成。

时间复杂度:O(n log n)

2 示例代码:

javascript 复制代码
function mergeSort(arr) {
    if (arr.length <= 1) return arr;

    const mid = Math.floor(arr.length / 2);
    const left = mergeSort(arr.slice(0, mid));
    const right = mergeSort(arr.slice(mid));

    return merge(left, right);
}

function merge(left, right) {
    const result = [];
    let i = 0, j = 0;

    while (i < left.length && j < right.length) {
        if (left[i] < right[j]) {
            result.push(left[i++]);
        } else {
            result.push(right[j++]);
        }
    }

    return result.concat(left.slice(i)).concat(right.slice(j));
}

五. 快速排序(Quick Sort)

1 原理:

选择一个"基准"元素,分区使得比基准小的元素在左边,比基准大的元素在右边,然后递归排序。

  1. 选择基准:从数组中选择一个元素作为基准(pivot)。
  2. 分区:将数组重新排列,使得所有比基准小的元素在基准的左侧,所有比基准大的元素在基准的右侧。
  3. 递归排序:对基准左侧和右侧的子数组递归地应用快速排序。

平均情况下 O(n log n),最坏情况下 O(n²)。

假设我们有数组 [10, 80, 30, 90, 40, 50, 70]:

  • 选择基准:假设选择最后一个元素 70 作为基准。
  • 分区: 将数组重新排列为 [10, 30, 40, 50, 70, 90, 80],此时 70 处于正确位置。
  • 递归排序: 对 [10, 30, 40, 50] 和 [90, 80] 进行快速排序。

继续进行分区和递归,最终得到已排序的数组 [10, 30, 40, 50, 70, 80, 90]。

2 示例代码:

javascript 复制代码
function quickSort(arr) {
    if (arr.length <= 1) return arr;

    const pivot = arr[arr.length - 1];
    const left = [];
    const right = [];

    for (let i = 0; i < arr.length - 1; i++) {
        if (arr[i] < pivot) {
            left.push(arr[i]);
        } else {
            right.push(arr[i]);
        }
    }

    return [...quickSort(left), pivot, ...quickSort(right)];
}

  1. 冒泡排序

通过多次遍历数组,比较并交换相邻元素,简单但效率较低。

优点:

  • 实现简单,易于理解。
  • 适合小规模数据。

缺点:

  • 效率低,时间复杂度为 O(n²)。
  • 在大型数据集上性能不佳。
  1. 选择排序

每次选择未排序部分中的最小元素放到已排序部分,时间复杂度为 O(n²)。

优点:

  • 简单易实现。
  • 不需要额外的存储空间,空间复杂度为 O(1)。

缺点:

  • 时间复杂度为 O(n²),效率较低。
  • 不稳定排序,可能改变相同元素的相对位置。
  1. 插入排序

逐个将元素插入到已排序部分的正确位置,适合小规模数据,时间复杂度为 O(n²)。

优点:

  • 在部分有序数据上表现良好,时间复杂度为 O(n)。
  • 实现简单,适合小规模数据。
  • 稳定排序。

缺点:

  • 最坏情况下时间复杂度为 O(n²)。
  • 对大规模数据不够高效。
  1. 归并排序

采用分治法,将数组分为两半递归排序,然后合并,时间复杂度为 O(n log n)。

优点:

  • 时间复杂度为 O(n log n),效率较高。
  • 稳定排序,适合处理大量数据。

缺点:

  • 需要额外的存储空间,空间复杂度为 O(n)。
  • 实现较复杂。
  1. 快速排序

选择基准元素,将数组分为小于和大于基准的两部分,递归排序,平均时间复杂度为 O(n log n)。

优点:

  • 平均时间复杂度为 O(n log n),效率高。
  • 原地排序,空间复杂度为 O(log n)。

缺点:

  • 最坏情况下时间复杂度为 O(n²),但可以通过随机化基准元素来减少概率。
  • 不稳定排序。
相关推荐
橘子遇见BUG1 小时前
算法日记 33 day 动态规划(打家劫舍,股票买卖)
算法·动态规划
格雷亚赛克斯1 小时前
黑马——c语言零基础p139-p145
c语言·数据结构·算法
南宫生1 小时前
力扣-位运算-3【算法学习day.43】
学习·算法·leetcode
Edward The Bunny1 小时前
[算法] 前缀函数与KMP算法
算法
码农多耕地呗1 小时前
区间选点:贪心——acwing
算法
醉酒柴柴1 小时前
【代码pycharm】动手学深度学习v2-08 线性回归 + 基础优化算法
深度学习·算法·pycharm
财富探秘者1 小时前
贵州茅台[600519]行情数据接口
大数据·c语言·python·算法·金融·restful
至善迎风2 小时前
施密特正交化与单位化的情形
线性代数·算法·决策树·机器学习
HABuo3 小时前
【数据结构与算法】合并链表、链表分割、链表回文结构
c语言·开发语言·数据结构·c++·学习·算法·链表
逸风尊者3 小时前
开发也能看懂的大模型:RNN
java·后端·算法