赞
踩
一、附加条件
TJ1:比较次数与序列初态无关的算法
TJ2:排序在一趟结束后不一定能选出一个元素放在其最终位置上
TJ3:待排序数据已有序时,花费时间反而最多的是
TJ4:就平均性能而言,目前最好的内排序方法
TJ5:占用辅助空间最多的是
TJ6:对初始状态为递增的表按递增顺序排序,最省时间的是
TJ7:在最后一趟开始之前,所有元素可能都不在最终位置上
二、稳定性的口诀
情绪不稳定,快(快速排序)些(希尔排序)选(简单选择排序)一堆(堆排序)好友来聊天。
三、排序对比表格
类别 | 排序方法 | 时间复杂度 | 空间复杂度 | 稳定性 | 条件 | 备注 | ||
平均 | 最好 | 最坏 | 辅助空间 | |||||
插入排序 | 直接插入 | O(n2) | O(n) | O(n2) | O(1) | 稳定 | TJ6、TJ7 | |
希尔排序 | O(n3/2) | O(n) | O(n2) | O(1) | 不稳定 | |||
交换排序 | 冒泡排序 | O(n2) | O(n) | O(n2) | O(1) | 稳定 | ||
快速排序 | O(nlog2n) | O(nlog2n) | O(n2) | O(n)或O(logn) | 不稳定 | TJ3、TJ4 | 最坏情况栈为 单支树是为O(n) | |
选择排序 | 简单选择 | O(n2) | O(n2) | O(n2) | O(1) | 不稳定 | TJ1 | |
堆排序 | O(nlog2n) | O(nlog2n) | O(nlog2n) | O(1) | 不稳定 | |||
归并排序 | O(nlog2n) | O(nlog2n) | O(nlog2n) | O(n) | 稳定 | TJ1、TJ2、TJ5 | 大数据处理 | |
基数排序 | O(d(n+rd)) | O(d(n+rd)) | O(d(n+rd)) | O(rd) | 稳定 | |||
注:基数排序中,r代表关键字的基数,d代表长度,n代表关键字的个数。 |
01.冒泡排序
所谓冒泡排序就跟冒泡是个道理。想象一下水底的泡泡慢慢冒出水面的过程,跟这个算法其实就是一个思想,不断将底部的数据调整到目的顺序类似冒泡。图中是该序列第一趟冒泡的整个过程,当i=1时将1冒到了顶端。
显然以后的每一趟都是重复这样的规则,每一趟都找出了待排序序列中最小的数,并且能使得大的数往下沉,小的数往上冒。那么很容易想到,这样执行只需要执行到没有数再交换位置或者最后一个数,序列便排序完毕。
举个例子,军训排序,从矮到高,教官这个时候开始找最矮同学放到排头,之后在剩下的队伍中找最矮的排到第二,依次类推。这便是简单选择排序的思想。
插入排序顾名思义,即插入式排序。还是前面的例子,故事是这样的:教官已经排完了,但是又来了一批新同学要加入队伍,这时要使得队伍有序,教官这时就用了插入排序的办法,拉过来一个同学便开始从尾到头开始比较身高,遇到又身高比手里这个同学还要矮的便放在那个同学后面。当然极端情况就是没有更矮便放在排头了。这样便把新来的同学插入到了原来有序的队列中形成了新队列。
如图所示1~7是升序排列,现在要把5,8,6,9插入到队列中。这时就是一个插入排序的过程,显然当5和7比,小于成立于是往前移,遇到4,小于不成立(遇到了更矮的)于是就将该数放到4后面,就使得插入数并保持旧序列有序。
希尔排序可能在现实中用得比较少,其核心精神就是增量排序。实质就是给定待排序的序列,选择一个增量从头开始和每一增量位置的数进行直接插入排序。每一趟过后缩小一半,直到最后增量为1执行最后一趟。
堆排序即将原序列以完全二叉树的模型(i的祖先结点为i/2,i=1,2,3……), 每次调整序列为最大根或最小根(O(logn)),即每一趟找出当前剩余数中的最大值或最小值,经过n次堆调整就完成了最终的排序。时间复杂度O(nlogn)。
对于一个序列,将其划分为子序列,每个子序列经过排序,两两合并成最终的有序序列。
快速排序相对应用较多 ,核心思想将序列中选出的数作为划分依据,将序列划分为比这个数大部分(右侧序列),和比这个数小的部分(左侧序列)。这样最终确定了这个数的位置,同时左右侧序列可以再次递归下去。每一趟时间复杂度O(n),需要递归O(logn)次,时间复杂度为O(nlogn)。
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。