十大排序算法集锦

前言

众所周知,程序=数据结构+算法,由此可见算法的重要性。

为了了解算法,可以从排序算法入手,如下是十大排序算法的介绍(简介,原理,动图,代码,复杂性分析等),希望可以带你开启算法生涯!

十大排序算法介绍

  • 选择排序

    • 简介:
    • 过程描述:

    1.找到数组中最小的那个元素

    2.将它和数组的第一个元素交换位置(如果第一个元素就是最小元素那么它就和自己交换)。

    3.在剩下的元素中找到最小的元素,将它与数组的第二个元素交换位置。如此往复,直到将整个数组排序。这种方法我们称之为选择排序。

    • 代码:

      /**
      * 选择排序
      *
      * @param a
      * @return
      */
      public static int[] selectSort(int[] a) {
      int n = a.length;
      for (int i = 0; i < n - 1; i++) {
      int min = i;
      for (int j = i + 1; j < n; j++) {
      if (a[min] > a[j]) min = j;
      }
      //交换
      int temp = a[i];
      a[i] = a[min];
      a[min] = temp;
      }
      return a;
      }

    • 复杂度分析:

    1、时间复杂度:O(n2)

    2、空间复杂度:O(1)

    3、非稳定排序

    4、原地排序

  • 插入排序

    • 简介:

    • 过程描述:

    1、从数组第2个元素开始抽取元素。

    2、把它与左边第一个元素比较,如果左边第一个元素比它大,则继续与左边第二个元素比较下去,直到遇到不比它大的元素,然后插到这个元素的右边。

    3、继续选取第3,4,....n个元素,重复步骤 2 ,选择适当的位置插入。

    • 代码:

      /**
      * 插入排序
      *
      * @param arr
      * @return
      */
      public static int[] insertSort(int[] arr) {
      if (arr == null || arr.length < 2)
      return arr;

          int n = arr.length;
          for (int i = 1; i < n; i++) {
              int temp = arr[i];
              int k = i - 1;
              while (k >= 0 && arr[k] > temp)
                  k--;
              //腾出位置插进去,要插的位置是 k + 1;
              for (int j = i; j > k + 1; j--)
                  arr[j] = arr[j - 1];
              //插进去
              arr[k + 1] = temp;
          }
          return arr;
      }
      
    • 复杂度分析:

    1、时间复杂度:O(n2)

    2、空间复杂度:O(1)

    3、稳定排序

    4、原地排序

  • 冒泡排序

    • 简介:

    • 过程描述:

    1、把第一个元素与第二个元素比较,如果第一个比第二个大,则交换他们的位置。

    接着继续比较第二个与第三个元素,如果第二个比第三个大,则交换他们的位置....

    我们对每一对相邻元素作同样的工作,从开始第一对到结尾的最后一对,这样一趟比较交换下来之后,排在最右的元素就会是最大的数。

    除去最右的元素,我们对剩余的元素做同样的工作,如此重复下去,直到排序完成。

    • 代码:

      /**
      * 冒泡排序
      *
      * @param arr
      * @return
      */
      public static int[] bubbleSort(int[] arr) {
      if (arr == null || arr.length < 2) {
      return arr;
      }
      int n = arr.length;
      for (int i = 0; i < n; i++) {
      for (int j = 0; j < n - i - 1; j++) {
      if (arr[j + 1] < arr[j]) {
      int t = arr[j];
      arr[j] = arr[j + 1];
      arr[j + 1] = t;
      }
      }
      }
      return arr;
      }

    优化版代码:

    /**
       * 冒泡排序优化
       * 假如从开始的第一对到结尾的最后一对,相邻的元素之间都没有发生交换的操作,
       * 这意味着右边的元素总是大于等于左边的元素,此时的数组已经是有序的了,我们无需再对剩余的元素重复比较下去了。
       *
       * @param arr
       * @return
       */
      public static int[] bubbleSort1(int[] arr) {
          if (arr == null || arr.length < 2) {
              return arr;
          }
          int n = arr.length;
          for (int i = 0; i < n; i++) {
              boolean flag = true;
              for (int j = 0; j < n - i - 1; j++) {
                  if (arr[j + 1] < arr[j]) {
                      flag = false;
                      int t = arr[j];
                      arr[j] = arr[j + 1];
                      arr[j + 1] = t;
                  }
              }
              //一趟下来是否发生位置交换
              if (flag)
                  break;
          }
          return arr;
      }
    
    • 复杂度分析:

    1、时间复杂度:O(n2)

    2、空间复杂度:O(1)

    3、稳定排序

    4、原地排序

  • 希尔排序(插入排序的变种)

    • 简介:

    • 过程描述:

    希尔排序可以说是插入排序的一种变种。无论是插入排序还是冒泡排序,如果数组的最大值刚好是在第一位,要将它挪到正确的位置就需要 n - 1 次移动。

    也就是说,原数组的一个元素如果距离它正确的位置很远的话,则需要与相邻元素交换很多次才能到达正确的位置,这样是相对比较花时间了。

    希尔排序就是为了加快速度简单地改进了插入排序,交换不相邻的元素以对数组的局部进行排序。

    希尔排序的思想是采用插入排序的方法,先让数组中任意间隔为 h 的元素有序,刚开始 h 的大小可以是 h = n / 2,接着让 h = n / 4,让 h 一直缩小,当 h = 1 时,也就是此时数组中任意间隔为1的元素有序,此时的数组就是有序的了。

    • 代码:

      /**
      * 希尔排序(插入排序的变种)
      *
      * @param arr
      * @return
      */
      public static int[] shellSort(int arr[]) {
      if (arr == null || arr.length < 2) return arr;
      int n = arr.length;
      // 对每组间隔为 h的分组进行排序,刚开始 h = n / 2;
      for (int h = n / 2; h > 0; h /= 2) {
      //对各个局部分组进行插入排序
      for (int i = h; i < n; i++) {
      // 将arr[i] 插入到所在分组的正确位置上
      insertI(arr, h, i);
      }
      }
      return arr;
      }

      /**
       * 将arr[i]插入到所在分组的正确位置上
       * arr[i]] 所在的分组为 ... arr[i-2*h],arr[i-h], arr[i+h] ...
       */
      private static void insertI(int[] arr, int h, int i) {
          int temp = arr[i];
          int k;
          for (k = i - h; k > 0 && temp < arr[k]; k -= h) {
              arr[k + h] = arr[k];
          }
          arr[k + h] = temp;
      }
      
    • 复杂度分析:

    1、时间复杂度:O(nlogn)

    2、空间复杂度:O(1)

    3、非稳定排序

    4、原地排序

  • 归并排序

    • 简介:

    • 过程描述:

    将一个大的无序数组有序,我们可以把大的数组分成两个,然后对这两个数组分别进行排序,之后在把这两个数组合并成一个有序的数组。

    由于两个小的数组都是有序的,所以在合并的时候是很快的。

    通过递归的方式将大的数组一直分割,直到数组的大小为 1,此时只有一个元素,那么该数组就是有序的了,之后再把两个数组大小为1的合并成一个大小为2的,再把两个大小为2的合并成4的 ...... 直到全部小的数组合并起来。

    • 代码:

      /**
      * 归并排序
      *
      * @param arr
      * @param left
      * @param right
      * @return
      */
      public static int[] mergeSort(int[] arr, int left, int right) {
      // 如果 left == right,表示数组只有一个元素,则不用递归排序
      if (left < right) {
      // 把大的数组分隔成两个数组
      int mid = (left + right) / 2;
      // 对左半部分进行排序
      arr = mergeSort(arr, left, mid);
      // 对右半部分进行排序
      arr = mergeSort(arr, mid + 1, right);
      //进行合并
      merge(arr, left, mid, right);
      }
      return arr;
      }

      // 合并函数,把两个有序的数组合并起来
      // arr[left..mif]表示一个数组,arr[mid+1 .. right]表示一个数组
      private static void merge(int[] arr, int left, int mid, int right) {
          //先用一个临时数组把他们合并汇总起来
          int[] a = new int[right - left + 1];
          int i = left;
          int j = mid + 1;
          int k = 0;
          while (i <= mid && j <= right) {
              if (arr[i] < arr[j]) {
                  a[k++] = arr[i++];
              } else {
                  a[k++] = arr[j++];
              }
          }
          while (i <= mid) a[k++] = arr[i++];
          while (j <= right) a[k++] = arr[j++];
          // 把临时数组复制到原数组
          for (i = 0; i < k; i++) {
              arr[left++] = a[i];
          }
      }
      

    非递归式的归并排序:

    /**
       * 非递归式的归并排序
       *
       * @param arr
       * @return
       */
      public static int[] mergeSort(int[] arr) {
          int n = arr.length;
          // 子数组的大小分别为1,2,4,8...
          // 刚开始合并的数组大小是1,接着是2,接着4....
          for (int i = 1; i < n; i += i) {
              //进行数组进行划分
              int left = 0;
              int mid = left + i - 1;
              int right = mid + i;
              //进行合并,对数组大小为 i 的数组进行两两合并
              while (right < n) {
                  // 合并函数和递归式的合并函数一样
                  merge(arr, left, mid, right);
                  left = right + 1;
                  mid = left + i - 1;
                  right = mid + i;
              }
              // 还有一些被遗漏的数组没合并,千万别忘了
              // 因为不可能每个字数组的大小都刚好为 i
              if (left < n && mid < n) {
                  merge(arr, left, mid, n - 1);
              }
          }
          return arr;
      }
    
    • 复杂度分析:

    1、时间复杂度:O(nlogn)

    2、空间复杂度:O(n)

    3、稳定排序

    4、非原地排序

  • 快速排序

    • 简介:

    • 过程描述:

    我们从数组中选择一个元素,我们把这个元素称之为中轴元素吧,

    然后把数组中所有小于中轴元素的元素放在其左边,所有大于或等于中轴元素的元素放在其右边,显然,此时中轴元素所处的位置的是有序的。

    也就是说,我们无需再移动中轴元素的位置。

    从中轴元素那里开始把大的数组切割成两个小的数组(两个数组都不包含中轴元素),接着我们通过递归的方式,让中轴元素左边的数组和右边的数组也重复同样的操作,直到数组的大小为1,此时每个元素都处于有序的位置。

    • 代码:

      /**
      * 快速排序
      *
      * @param arr
      * @param left
      * @param right
      * @return
      */
      public static int[] quickSort(int[] arr, int left, int right) {
      if (left < right) {
      //获取中轴元素所处的位置
      int mid = partition(arr, left, right);
      //进行分割
      arr = quickSort(arr, left, mid - 1);
      arr = quickSort(arr, mid + 1, right);
      }
      return arr;
      }

      private static int partition(int[] arr, int left, int right) {
          //选取中轴元素
          int pivot = arr[left];
          int i = left + 1;
          int j = right;
          while (true) {
              // 向右找到第一个小于等于 pivot 的元素位置
              while (i <= j && arr[i] <= pivot) i++;
              // 向左找到第一个大于等于 pivot 的元素位置
              while (i <= j && arr[j] >= pivot) j--;
              if (i >= j)
                  break;
              //交换两个元素的位置,使得左边的元素不大于pivot,右边的不小于pivot
              int temp = arr[i];
              arr[i] = arr[j];
              arr[j] = temp;
          }
          arr[left] = arr[j];
          // 使中轴元素处于有序的位置
          arr[j] = pivot;
          return j;
      }
      
    • 复杂度分析:

    1、时间复杂度:O(nlogn)

    2、空间复杂度:O(logn)

    3、非稳定排序

    4、原地排序

  • 堆排序

    • 简介:

    • 过程描述:

    堆的特点就是堆顶的元素是一个最值,大顶堆的堆顶是最大值,小顶堆则是最小值。

    堆排序就是把堆顶的元素与最后一个元素交换,交换之后破坏了堆的特性,我们再把堆中剩余的元素再次构成一个大顶堆,然后再把堆顶元素与最后第二个元素交换....如此往复下去,等到剩余的元素只有一个的时候,此时的数组就是有序的了。

    • 代码:

      /**
      * 堆排序
      *
      * @param arr
      * @return
      */
      public static int[] heapSort(int[] arr) {
      int n = arr.length;
      //构建大顶堆
      for (int i = (n - 2) / 2; i >= 0; i--) {
      downAdjust(arr, i, n - 1);
      }
      //进行堆排序
      for (int i = n - 1; i >= 1; i--) {
      // 把堆顶元素与最后一个元素交换
      int temp = arr[i];
      arr[i] = arr[0];
      arr[0] = temp;
      // 把打乱的堆进行调整,恢复堆的特性
      downAdjust(arr, 0, i - 1);
      }
      return arr;
      }

      //下沉操作
      public static void downAdjust(int[] arr, int parent, int n) {
          //临时保存要下沉的元素
          int temp = arr[parent];
          //定位左孩子节点的位置
          int child = 2 * parent + 1;
          //开始下沉
          while (child <= n) {
              // 如果右孩子节点比左孩子大,则定位到右孩子
              if (child + 1 <= n && arr[child] < arr[child + 1])
                  child++;
              // 如果孩子节点小于或等于父节点,则下沉结束
              if (arr[child] <= temp) break;
              // 父节点进行下沉
              arr[parent] = arr[child];
              parent = child;
              child = 2 * parent + 1;
          }
          arr[parent] = temp;
      }
      
    • 复杂度分析:

    1、时间复杂度:O(nlogn)

    2、空间复杂度:O(1)

    3、非稳定排序

    4、原地排序

  • 计数排序

    • 简介:

    • 过程描述:

    计数排序是一种适合于最大值和最小值的差值不是不是很大的排序。

    基本思想:就是把数组元素作为数组的下标,然后用一个临时数组统计该元素出现的次数,

    例如 temp[i] = m, 表示元素 i 一共出现了 m 次。最后再把临时数组统计的数据从小到大汇总起来,此时汇总起来是数据是有序的。

    • 代码:

      /**
      * 计数排序
      *
      * @param arr
      * @return
      */
      public static int[] countSort(int[] arr) {
      if (arr == null || arr.length < 2) return arr;

          int n = arr.length;
          int max = arr[0];
          // 寻找数组的最大值
          for (int i = 1; i < n; i++) {
              if (max < arr[i])
                  max = arr[i];
          }
          //创建大小为max的临时数组
          int[] temp = new int[max + 1];
          //统计元素i出现的次数
          for (int i = 0; i < n; i++) {
              temp[arr[i]]++;
          }
          int k = 0;
          //把临时数组统计好的数据汇总到原数组
          for (int i = 0; i <= max; i++) {
              for (int j = temp[i]; j > 0; j--) {
                  arr[k++] = i;
              }
          }
          return arr;
      }
      

    计数排序优化版:

    /**
       * 计数排序-优化版
       *
       * @param arr
       * @return
       */
      public static int[] countSort1(int[] arr) {
          if (arr == null || arr.length < 2) return arr;
    
          int n = arr.length;
          int min = arr[0];
          int max = arr[0];
          // 寻找数组的最大值与最小值
          for (int i = 1; i < n; i++) {
              if (max < arr[i])
                  max = arr[i];
              if (min > arr[i])
                  min = arr[i];
          }
          int d = max - min + 1;
          //创建大小为max的临时数组
          int[] temp = new int[d];
          //统计元素i出现的次数
          for (int i = 0; i < n; i++) {
              temp[arr[i] - min]++;
          }
          int k = 0;
          //把临时数组统计好的数据汇总到原数组
          for (int i = 0; i < d; i++) {
              for (int j = temp[i]; j > 0; j--) {
                  arr[k++] = i + min;
              }
          }
          return arr;
      }
    
    • 复杂度分析:

    1、时间复杂度:O(n+k)

    2、空间复杂度:O(k)

    3、稳定排序

    4、非原地排序

    注:K表示临时数组的大小,下同

  • 桶排序

    • 简介:

    • 过程描述:

    桶排序就是把最大值和最小值之间的数进行瓜分,

    例如分成 10 个区间,10个区间对应10个桶,我们把各元素放到对应区间的桶中去,再对每个桶中的数进行排序,

    可以采用归并排序,也可以采用快速排序之类的。 之后每个桶里面的数据就是有序的了,我们在进行合并汇总。

    • 代码:

      /**
      * 桶排序
      *
      * @param arr
      * @return
      */
      public static int[] bucketSort(int[] arr) {
      if (arr == null || arr.length < 2) return arr;

          int n = arr.length;
          int max = arr[0];
          int min = arr[0];
          // 寻找数组的最大值与最小值
          for (int i = 1; i < n; i++) {
              if (min > arr[i])
                  min = arr[i];
              if (max < arr[i])
                  max = arr[i];
          }
          //和优化版本的计数排序一样,弄一个大小为 min 的偏移值
          int d = max - min;
          //创建 d / 5 + 1 个桶,第 i 桶存放  5*i ~ 5*i+5-1范围的数
          int bucketNum = d / 5 + 1;
          ArrayList<LinkedList<Integer>> bucketList = new ArrayList<>(bucketNum);
          //初始化桶
          for (int i = 0; i < bucketNum; i++) {
              bucketList.add(new LinkedList<Integer>());
          }
          //遍历原数组,将每个元素放入桶中
          for (int i = 0; i < n; i++) {
              bucketList.get((arr[i] - min) / d).add(arr[i] - min);
          }
          //对桶内的元素进行排序,我这里采用系统自带的排序工具
          for (int i = 0; i < bucketNum; i++) {
              Collections.sort(bucketList.get(i));
          }
          //把每个桶排序好的数据进行合并汇总放回原数组
          int k = 0;
          for (int i = 0; i < bucketNum; i++) {
              for (Integer t : bucketList.get(i)) {
                  arr[k++] = t + min;
              }
          }
          return arr;
      }
      
    • 复杂度分析:

    1、时间复杂度:O(n+k)

    2、空间复杂度:O(n+k)

    3、稳定排序

    4、非原地排序

    注:k 表示桶的个数,下同

  • 基数排序

    • 简介:

    • 过程描述:

    基数排序的排序思路是这样的:先以个位数的大小来对数据进行排序,接着以十位数的大小来多数进行排序,接着以百位数的大小......

    排到最后,就是一组有序的元素了。不过,他在以某位数进行排序的时候,是用"桶"来排序的。

    由于某位数(个位/十位....,不是一整个数)的大小范围为0-9,所以我们需要10个桶,然后把具有相同数值的数放进同一个桶里,之后再把桶里的数按照0号桶到9号桶的顺序取出来,这样一趟下来,按照某位数的排序就完成了

    • 代码:

      /**
      * 基数排序
      *
      * @param arr
      * @return
      */
      public static int[] radixSort(int[] arr) {
      if (arr == null || arr.length < 2) return arr;

          int n = arr.length;
          int max = arr[0];
          // 找出最大值
          for (int i = 1; i < n; i++) {
              if (max < arr[i]) max = arr[i];
          }
          // 计算最大值是几位数
          int num = 1;
          while (max / 10 > 0) {
              num++;
              max = max / 10;
          }
          // 创建10个桶
          ArrayList<LinkedList<Integer>> bucketList = new ArrayList<>(10);
          //初始化桶
          for (int i = 0; i < 10; i++) {
              bucketList.add(new LinkedList<Integer>());
          }
          // 进行每一趟的排序,从个位数开始排
          for (int i = 1; i <= num; i++) {
              for (int j = 0; j < n; j++) {
                  // 获取每个数最后第 i 位是数组
                  int radio = (arr[j] / (int) Math.pow(10, i - 1)) % 10;
                  //放进对应的桶里
                  bucketList.get(radio).add(arr[j]);
              }
              //合并放回原数组
              int k = 0;
              for (int j = 0; j < 10; j++) {
                  for (Integer t : bucketList.get(j)) {
                      arr[k++] = t;
                  }
                  //取出来合并了之后把桶清光数据
                  bucketList.get(j).clear();
              }
          }
          return arr;
      }
      
    • 复杂度分析:

    1、时间复杂度:O(kn)

    2、空间复杂度:O(n+k)

    3、稳定排序

    4、非原地排序

十大排序算法对比

专业术语

  • 1、稳定排序:如果 a 原本在 b 的前面,且 a == b,排序之后 a 仍然在 b 的前面,则为稳定排序。
  • 2、非稳定排序:如果 a 原本在 b 的前面,且 a == b,排序之后 a 可能不在 b 的前面,则为非稳定排序。
  • 3、原地排序:原地排序就是指在排序过程中不申请多余的存储空间,只利用原来存储待排数据的存储空间进行比较和交换的数据排序。
  • 4、非原地排序:需要利用额外的数组来辅助排序。
  • 5、时间复杂度:一个算法执行所消耗的时间。
  • 6、空间复杂度:运行完一个算法所需的内存大小。

收获

1.如何制作gif动图

1)选中视频

2)找到三方工具,将视频转换为gif

参考文档

1.十大排序算法

2.排序算法

Gitee源代码位置

十大排序算法

同名文章,已同步发表于CSDN,个人网站,公众号

相关推荐
Chris _data18 分钟前
二叉树oj题解析
java·数据结构
დ旧言~30 分钟前
【高阶数据结构】图论
算法·深度优先·广度优先·宽度优先·推荐算法
张彦峰ZYF34 分钟前
投资策略规划最优决策分析
分布式·算法·金融
The_Ticker1 小时前
CFD平台如何接入实时行情源
java·大数据·数据库·人工智能·算法·区块链·软件工程
Lenyiin1 小时前
02.06、回文链表
数据结构·leetcode·链表
爪哇学长1 小时前
双指针算法详解:原理、应用场景及代码示例
java·数据结构·算法
爱摸鱼的孔乙己1 小时前
【数据结构】链表(leetcode)
c语言·数据结构·c++·链表·csdn
Dola_Pan1 小时前
C语言:数组转换指针的时机
c语言·开发语言·算法
繁依Fanyi2 小时前
简易安卓句分器实现
java·服务器·开发语言·算法·eclipse
烦躁的大鼻嘎2 小时前
模拟算法实例讲解:从理论到实践的编程之旅
数据结构·c++·算法·leetcode