内排序：所有排序操作都在内存中完成；
外排序：由于数据太大，因此把数据放在磁盘中，而排序通过磁盘和内存的数据传输才能进行；
时间复杂度： 一个算法执行所耗费的时间。
空间复杂度：运行完一个程序所需内存的大小。
稳定性。所谓稳定性，通俗地讲就是能保证排序前2个相等的数其在序列的前后位置顺序和排序后它们两个的前后位置顺序相同。即假定原数组2个相同的元素 a[i] 和 a[j]，在排序前 a[i] 在 a[j] 的前面，那么在排序之后，a[i] 仍然在 a[j] 的前面。说明该排序是一种稳定排序。如果排序之后 a[i] 可能会出现在 a[j] 的后面，则是不稳定的。

1、冒泡排序（Bubble Sort）

冒泡排序是一种简单的排序算法。它重复地走访过要排序的数列，一次比较两个元素，如果它们的顺序错误就把它们交换过来。走访数列的工作是重复地进行直到没有再需要交换，也就是说该数列已经排序完成。这个算法的名字由来是因为越小的元素会经由交换慢慢“浮”到数列的顶端。

另外参考：排序算法（一） —— 冒泡排序 - Gerrard_Feng - 博客园

1.1 算法描述

比较相邻的元素。如果第一个比第二个大，就交换它们两个；
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，这样在最后的元素应该会是最大的数；
针对所有的元素重复以上的步骤，除了最后一个；
重复步骤1~3，直到排序完成。

1.2 动图演示

1.3 代码实现

内层循环每比较完一次后，最后面的已经是有序的，所以无需在比较，因此内层循环次数是 array.length - 1 - i


int[] Bubble_Sort(int[] array) 
{
  if (array.length == 0)
    return array;
   // 外层for循环控制循环次数
  for (int i = 0; i < array.length; i++) 
  {
   // 内层for循环控制相邻的两个元素进行比较
	for (int j = 0; j < array.length - 1 - i; j++)
	{
	  if (array[j] > array[j + 1])
	  {
		int temp = array[j + 1];
		array[j + 1] = array[j];
		array[j] = temp;
	  }
	}
  }
   return array;
}

1.4 算法分析

最佳情况：T(n) = O(n) 最差情况：T(n) = O(n2) 平均情况：T(n) = O(n2)

解释：冒泡排序的最优的时间复杂度为O(n),其实这是在代码中使用一个标志位来判断是否已经排序好的，是冒泡排序的优化版，如果元素已经排序好，那么循环一次就直接退出。

时间复杂度：
两层循环，第1次遍历n次(n个元素)，第二次遍历n-1次，... 依次类推。因此，表达式如下：

空间复杂度：
没有利用新的数组来帮助完成排序算法，需要一个临时变量用来交换数组内数据位置，所以其空间复杂度为 O(1)

2、选择排序（Selection Sort）

选择排序可以看做是冒泡排序的改进，是表现最稳定的排序算法之一，因为无论序列是怎样的都要比较n(n-1)/2次，所以时间复杂度都是O(n2)，最好、最坏、平均时间复杂度也都为O(n²)，所以用到它的时候，数据规模越小越好。唯一的好处可能就是不占用额外的内存空间了吧，需要一个临时变量用来交换数组内数据位置，所以空间复杂度为O(1)。理论上讲，选择排序可能也是平时排序一般人想到的最多的排序方法了吧。

另外参考：排序算法（二） —— 选择排序 - Gerrard_Feng - 博客园

2.1 算法描述

选择排序(Selection-sort)是一种简单直观的排序算法。它的工作原理：首先在未排序序列中找到最小（大）元素，存放到排序序列的起始位置，然后，再从剩余未排序元素中继续寻找最小（大）元素，然后放到已排序序列的末尾。以此类推，直到所有元素均排序完毕。

2.2 动态图演示

2.3 代码实现


int[] selectionSort(int[] array) {
  for (int i = 0; i < array.length - 1; i++) {
    // 最小元素坐标, 每次循环开始，重置坐标
	int minIndex = i;
	for (int j = i + 1; j < array.length; j++) {
	  if (array[j] < array[minIndex]) //找到最小的数
		minIndex = j; //将最小数的索引保存
	}
  // 判断第一个是不是最小值，是的话可以不用交换
    if (i != minIndex) {
	   int temp = array[minIndex];
	   array[minIndex] = array[i];
	   array[i] = temp;
    }
  }
  return array;
}

2.4 算法分析

最佳情况：T(n) = O(n2) 最差情况：T(n) = O(n2) 平均情况：T(n) = O(n2)

3、插入排序（Insertion Sort）

插入排序（Insertion-Sort）的算法描述是一种简单直观的排序算法。它的工作原理是通过构建有序序列，对于未排序数据，在已排序序列中从后向前扫描，找到相应位置并插入。插入排序在实现上，通常采用in-place排序（即只需用到O(1)的额外空间的排序），因而在从后向前扫描过程中，需要反复把已排序元素逐步向后挪位，为最新元素提供插入空间。

3.1 算法描述

一般来说，插入排序都采用in-place在数组上实现。具体算法描述如下：

从第一个元素开始，该元素可以认为已经被排序；
取出下一个元素，在已经排序的元素序列中从后向前扫描；
如果该元素（已排序）大于新元素，将该元素移到下一位置；
重复步骤3，直到找到已排序的元素小于或者等于新元素的位置；
将新元素插入到该位置后；
重复步骤2~5。

3.2 动图演示

3.3 代码实现


//在排序之前我们需要搞清一个思路，新插入一个数据的时候，排序过后的数组(前i个元素)都是
//从小到大排列好的，所以我们需要从后往前查找，直到找到比我们要插入的数字还小的
//值。这个时候我们需要一个变量j作为标识
int[] insertionSort(int[] array) {
 
  if (array == null || array.length < 2) {
	  return;
  }
  
  for (int i = 0; i < array.length - 1; i++) {
   //前 i 个元素已经排序好， 第 i+1 个元素是要插入的元素
    int cur = array[i + 1]; 
   //j的值也就是cur要插入的位置
   //倒序遍历，不断移位
	for(int j = i; j >= 0; j--) {
	  if(cur < array[j]){
		array[j+1] = array[j];
	  }else{
        //数据已经插入，就不需要再循环了
             array[j + 1] = cur;
		break; 
          }
	}
   }
   return array;
}

更加简练的代码：


void  insert_sort(int array[],int lenth){
   int temp;
   for(int i=0;i<lenth-1;i++){
       for(int j=i+1;j>0;j--){
           if(array[j] < array[j-1]){
               temp = array[j-1];
               array[j-1] = array[j];
               array[j] = temp;
           }else{         //不需要交换
               break;
           }
       }
   }
}

3.4 算法分析

最佳情况：T(n) = O(n) 最坏情况：T(n) = O(n2) 平均情况：T(n) = O(n2)

如果序列是完全有序的，插入排序只要比较n次，无需移动时间复杂度为O(n)，如果序列是逆序的，插入排序要比较O(n²)和移动O(n²) ，所以平均复杂度为O(n²)，最好为O(n)，最坏为O(n²)，排序过程中只要一个辅助空间，所以空间复杂度O(1)。

4、快速排序（Quick Sort）

快速排序的基本思想：通过一趟排序将待排记录分隔成独立的两部分，其中一部分记录的关键字均比另一部分的关键字小，则可分别对这两部分记录继续进行排序，以达到整个序列有序。

4.1 算法描述

快速排序使用分治法来把一个串（list）分为两个子串（sub-lists）。具体算法描述如下：

从数列中挑出一个元素（通常选第一个元素），称为 “基准”（pivot）；
重新排序数列，所有元素比基准值小的摆放在基准前面，所有元素比基准值大的摆在基准的后面（相同的数可以到任一边）。在这个分区退出之后，该基准就处于数列的中间位置。这个称为分区（partition）操作；
对左右两个分区重复以上步骤直到所有元素都是有序的。

4.2 动图演示

4.3 代码实现


void quickSort(int a[],int _left_,int _right_)
{
	int left = _left_;
	int right = _right_;
　　int temp = a[left]; //每次把最左边的元素left当做基准，这里必须是left，注意！！！！
　　if(left >= right)
　　　　return;
   // 从左右两边交替扫描，直到left = right 
　　while(left != right)
　　{
　　　　while(right > left && a[right] >= temp) 
　　　　    right--;         //从右往左扫描，找到第一个比基准元素小的元素
　　　　a[left] = a[right];  //找到后直接将a[right]赋值给a[l],赋值完之后a[right],有空位
　　　　
        while(left < right && a[left] <= temp)
　　　　    left++;          //从左往右扫描，找到第一个比基准元素大的元素
　　　　a[right] = a[left];    //找到这种元素arr[left]后，赋值给arr[right],上面说的空位。
　　}
　　a[left] = temp;        //把基准插入,此时left与right已经相等
     /*拆分成两个数组 s[0,left-1]、s[left+1,n-1]又开始排序 */
　　quickSort(a, _left_, left-1);  //对基准元素左边的元素进行递归排序
　　quickSort(a, right+1, _right_); //对基准元素右边的进行递归排序
}

一个变化


void quicksort(int[] a,int left, int right) {
    int i, j, t, temp;
    if(left > right)
        return;
    temp = a[left]; //temp中存的就是基准数
    i = left;
    j = right;
    while(i != j) { //顺序很重要，要先从右边开始找
    	while(a[j] >= temp && i < j)
    		j--;
    	while(a[i] <= temp && i < j)//再找右边的
    		i++;       
    	if(i < j)//交换两个数在数组中的位置
    	{
            //出现左边大于基准且右边小于基准的情况，两者交换后则满足左边小右边大
    		t = a[i];
    		a[i] = a[j];
    		a[j] = t;
    	}
    }
    //最终将基准数归位
    a[left] = a[i];
    a[i] = temp;
    quicksort(a，left, i-1);//继续处理左边的，这里是一个递归的过程
    quicksort(a，i+1, right);//继续处理右边的 ，这里是一个递归的过程
}

4.4 算法分析

最佳情况：T(n) = O(nlogn) 最差情况：T(n) = O(n2) 平均情况：T(n) = O(nlogn)　

当分区选取的基准元素为待排序元素中的最大或最小值时，为最坏的情况，时间复杂度和直接插入排序的一样，移动次数达到最大值

max = 1+2+...+(n-1) = n*(n-1)/2 = O(n2) 此时最好时间复杂为O(n2)

当分区选取的基准元素为待排序元素中的"中值"，为最好的情况，时间复杂度为O(nlog2n)。

快速排序的空间复杂度可以理解为递归的深度，而递归的实现依靠栈，平均需要递归logn次，所以平均空间复杂度为O(log2n)。

当待排序元素类似[6,1,3,7,3]且基准元素为6时，经过分区，形成[1,3,3,6,7],两个3的相对位置发生了改变，所是快速排序是一种不稳定排序。

时间复杂度分析: 快速排序时间复杂度为O（n×log（n））的证明 - Never say Ever - 博客园

快速排序优化： 快速排序算法优化_ytusdc的博客-CSDN博客_快速排序算法优化

4.4 算法分析

最佳情况：T(n) = O(nlog2 n) 最坏情况：T(n) = O(nlog2 n) 平均情况：T(n) =O(nlog2n)　

5、归并排序（Merge Sort）

6、希尔排序

文章：十大经典排序算法最强总结

看文章：希尔排序C++实现_zpznba的博客-CSDN博客_c++实现希尔排序

解释一下从 i=gap 开始插入。

开始情况 i= gap，然后后面的 j-gap 等于0，因此就是比较a[gap] 和 a[0]的大小，后续进行 i++

就是遍历每一个元素进行比较

代码


void shellSort(int a[],int len)
{
    int insertNum = 0;
    int gap = len/2; // 步长初始化
    while(gap) // while gap>=1
    {
        //从 i = gap 开始插入
        for (int i = gap; i < len; ++i) // 分组，在每个子序列中进行插入排序
        {
            insertNum = a[i];//将当前的元素值先存起来方便后面插入
            int j = i;
            // a[j-gap] 取到的是 上一个 位置的值
            while (j >= gap && insertNum < a[j-gap])//寻找插入位置
            {
                a[j] = a[j - gap];
                j -= gap;
            }
            a[j] = insertNum;
        }
        gap = gap/2;
    }
}

7、堆排序

文章：十大经典排序算法最强总结

堆排序（Heapsort）是指利用堆这种数据结构所设计的一种排序算法。堆积是一个近似完全二叉树的结构，并同时满足堆积的性质：即子结点的键值或索引总是小于（或者大于）它的父节点。

7.1 算法描述

将初始待排序关键字序列(R1,R2….Rn)构建成大顶堆，此堆为初始的无序区；
将堆顶元素R[1]与最后一个元素R[n]交换，此时得到新的无序区(R1,R2,……Rn-1)和新的有序区(Rn),且满足R[1,2…n-1]<=R[n]；
由于交换后新的堆顶R[1]可能违反堆的性质，因此需要对当前无序区(R1,R2,……Rn-1)调整为新堆，然后再次将R[1]与无序区最后一个元素交换，得到新的无序区(R1,R2….Rn-2)和新的有序区(Rn-1,Rn)。不断重复此过程直到有序区的元素个数为n-1，则整个排序过程完成。

二叉树的性质先来了解下：

堆实际上是一棵完全二叉树，其任何一非叶节点满足性质：
Key[i]<=key[2i+1]&&Key[i]<=key[2i+2]（小顶堆）

或者：Key[i]>=Key[2i+1]&&key>=key[2i+2]（大顶堆）
即任何一非叶节点的关键字不大于或者不小于其左右孩子节点的关键字。

对于任意一个完全二叉树来说，如果将含有的结点按照层次从左到右依次标号（二叉树结构），对于任意一个结点 i ，完全二叉树还有以下几个结论成立：

当 i>1 时，父亲结点为结点 [i/2] 。（i=1 时，表示的是根结点，无父亲结点）
如果 2*i > n（总结点的个数），则结点 i 肯定没有左孩子（为左叶子结点）；否则其左孩子是结点 2*i 。
如果 2*i+1 > n ，则结点 i 肯定没有右孩子（为右叶子结点）；否则右孩子是结点 2*i+1 。

理解代码：i 节点的孩子节点为 2i +1和 2i+2 ；i节点的父节点为：(i-1)/2；最后一个非叶子节点：n/2 - 1；下面的代码是实现的大根堆，把元素从小到大依次排序；


/**
 * 堆排序算法
 */
public static int[] HeapSort(int[] array) {
	int len = array.length;
	if (len < 1) return array;
	//1.构建一个最大堆
	buildMaxHeap(array);
	//2.循环将堆首位（最大值）与末位交换，然后在重新调整最大堆
	while (len > 0) {
	
	    //把大顶堆的根元素，放到数组的最后；换句话说，就是每一次的堆调整之后，都会有一个元素到达自己的最终位置
		swap(array, 0, len - 1);
		len--;
		
		// 元素交换之后，毫无疑问，最后一个元素无需再考虑排序问题了。
		// 接下来我们需要排序的，就是已经去掉了部分元素的堆了，这也是为什么此方法放在循环里的原因
		// 而这里，实质上是自上而下，自左向右进行调整的
 
		adjustHeap(array, 0， len);
	}
	return array;
}
/**
 * 建立最大堆
 */
public static void buildMaxHeap(int[] array) {
	// 从最后一个非叶子节点开始向上构造最大堆
	// 在数组中第一个元素的索引是0
	// 第n个元素的左孩子为2n+1，右孩子为2n+2，
	// 最后一个非子节点位置在(n - 1) / 2
	int len =  array.length();
    
    // i，指向完全二叉树中最后面的父节点， 然后一个个往前调整直到根结点
	for (int i = ((len - 1) / 2); i >= 0; i--) { //注意此处应该为 i = (len/2 - 1) 
		adjustHeap(array, i, len);
	}
}
/**
 * 调整使之成为最大堆
 *
 *  i 需要调整的堆元素索引,与它的子结点进行比较互换
 * len 当前需要调整的堆长度
 */
 
public static void adjustHeap(int[] array, int i, int len) {
	int maxIndex = i;  // 最大下标
	
	int left = 2 * i + 1;  //左右孩子的索引，注意数组下标从0开始。
	int right = 2 * i + 2;
	//如果有左子树，且左子树大于父节点，则将最大索引指向左子树
	if (left < len && array[left] > array[maxIndex])
		maxIndex = left;
	//如果有右子树，且右子树大于父节点，则将最大索引指向右子树
	if (right + 1 < len && array[right] > array[maxIndex])
		maxIndex = right;
		
	// 如果父节点不是最大值，则将父节点与最大值交换，
	// 交换完成后，有可能会导致以a[i]为父节点形成的子树不满足堆的条件
	// 因此需要递归调整该子树
	if (maxIndex != i) {
		swap(array, maxIndex, i);
		adjustHeap(array, maxIndex);
	}
}

7.4 算法分析

最佳情况：T(n) = O(nlogn) 最差情况：T(n) = O(nlogn) 平均情况：T(n) = O(nlogn)

堆排序时间复杂度分析：

堆排序的时间复杂度分析 - _lyl - 博客园

堆排序及其时间复杂度 - 简书

8、基数排序

文章：十大经典排序算法最强总结

复杂度分析： https://blog.csdn.net/YuZhiHui_No1/article/details/44594415

各个算法的复杂度

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/知新_RL/article/detail/163919