文章目录
- 八大排序算法总结
- 1.冒泡排序
- 2.选择排序
- 3.插入排序
- 4.二分插入排序
- 5.归并排序
- 6.快速排序
- 7.希尔排序
- 8.堆排序
八大排序算法总结
| 排序 | 排序方法 | 平均情况 | 最好情况 | 最坏情况 | 空间 | 稳定性 |
|---|---|---|---|---|---|---|
| 1 | 冒泡排序 | O(n2) | O(n) | O(n2) | O(1) | 稳定 |
| 2 | 选择排序 | O(n2) | O(n2) | O(n2) | O(1) | 不稳定 |
| 3 | 插入排序 | O(n2) | O(n) | O(n2) | O(1) | 稳定 |
| 4 | 二分插入排序 | O(n2) | O(n) | O(n2) | O(1) | 稳定 |
| 5 | 归并排序 | O(nlogn) | O(nlogn) | O(nlogn) | O(n) | 稳定 |
| 6 | 快速排序 | O(nlogn) | O(nlogn) | O(n2) | O(logn)~O(n) | 不稳定 |
| 7 | 希尔排序 | O(nlogn) ~ O(n2) | O(n1.3) | O(n2) | O(1) | 不稳定 |
| 8 | 堆排序 | O(nlogn) | O(nlogn) | O(nlogn) | O(1) | 不稳定 |
1.冒泡排序
-
核心思想： 通过相邻元素的比较和交换来将最大（或最小）的元素逐渐“冒泡”到数组的一端
-
具体步骤：
- 从数组的第一个元素开始，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，则交换它们的位置，使得较大的元素“冒泡”到后面。
- 继续进行相邻元素的比较和交换，直到数组的末尾。
- 重复执行上述步骤，每次都会将当前未排序部分的最大元素“冒泡”到数组的末尾。
- 重复执行上述步骤，直到整个数组排序完成。
-
实现代码：
public static void bubbleSort(int[] arr) { int temp = 0; for (int i = arr.length - 1; i > 0; i--) { // 每次需要排序的长度 for (int j = 0; j < i; j++) { // 从第一个元素到第i个元素 if (arr[j] > arr[j + 1]) { // 确保较大的元素排到后面 temp = arr[j]; arr[j] = arr[j + 1]; arr[j + 1] = temp; } } } } -
时间和空间复杂度：
- 平均情况：O(n2)
- 最好情况：O(n)
- 最坏情况：O(n2)
- 空间复杂度：O(1)
- 稳定性：稳定
-
优化： 增加标记符swap，用于确定当前一轮冒泡是否有元素进行交换，若没有则跳出循环，表示数组已经有序了
public static void bubbleSort(int[] arr) { int temp = 0; boolean swap; for (int i = arr.length - 1; i > 0; i--) { // 每次需要排序的长度 swap=false; for (int j = 0; j < i; j++) { // 从第一个元素到第i个元素 if (arr[j] > arr[j + 1]) { temp = arr[j]; arr[j] = arr[j + 1]; arr[j + 1] = temp; swap=true; } }//loop j if (swap==false){ //前面的一轮循环没有进行交换，数组已经有序 break; } }//loop i }// method bubbleSort
2.选择排序
-
核心思想： 在未排序部分的数据中选择最小（或最大）的元素，然后将其放置到已排序部分的末尾
-
具体步骤：
- 遍历数组，将第一个元素作为当前最小（或最大）元素。
- 在未排序部分的剩余元素中，找到最小（或最大）的元素，并记录其位置。
- 将找到的最小（或最大）元素与未排序部分的第一个元素交换位置，将其放置到已排序部分的末尾。
- 重复执行上述步骤，每次都会将当前未排序部分的最小（或最大）元素放置到已排序部分的末尾。
- 这样，经过n-1轮的遍历和交换，整个数组就会按照升序（或降序）排列。
-
实现代码：
public static void selectionSort(int[] arr) { int temp, min = 0; for (int i = 0; i < arr.length - 1; i++) { min = i; // 循环查找最小值 for (int j = i + 1; j < arr.length; j++) { if (arr[min] > arr[j]) { min = j; } } if (min != i) { temp = arr[i]; arr[i] = arr[min]; arr[min] = temp; } } } -
时间和空间复杂度：
- 平均情况：O(n2)
- 最好情况：O(n2)
- 最坏情况：O(n2)
- 空间复杂度：O(1)
- 稳定性：不稳定
-
关于稳定性的探讨：
-
稳定性：在排序过程中，相等元素的相对顺序是否会被改变。如果排序算法能够保持相等元素的相对顺序不变，则称其为稳定的排序算法；反之，则称其为不稳定的排序算法
-
冒泡排序（升序）：当相邻元素进行比较并需要交换位置时，只有当后面的元素小于前面的元素才会进行交换。因此，对于相等的元素，即使它们相邻，它们的相对顺序也不会被改变，从而保持了排序的稳定性
-
选择排序：每次选择最小的元素并放置到已排序部分的末尾。在寻找最小（或最大）元素的过程中，可能会导致相等元素的相对顺序发生改变。例如，在一组相等的元素中，由于选择排序每次只选择一个最小（或最大）元素，所以在选择的过程中可能会交换这些相等元素的位置，从而导致排序的不稳定性
-
举例：假设我们有以下一组待排序的元素：
[5①, 2, 7, 5②, 1]-
冒泡排序：比较相邻的元素，并根据需要交换它们的位置。当遇到相等元素时，只有在后面的元素小于前面的元素时才会进行交换。
第一轮冒泡排序：[2, 5①, 5②, 1, 7] 第二轮冒泡排序：[2, 5, 1, 5, 7] 第三轮冒泡排序：[2, 1, 5, 5, 7] 第四轮冒泡排序：[1, 2, 5, 5, 7] -
选择排序：
第一轮选择排序：[1, 2, 7, 5②, 5①]（选择1） （两个相等的5的位置发生变化，不稳定!!!） 第二轮选择排序：[1, 2, 5, 5, 7]（选择2） 第三轮选择排序：[1, 2, 5, 5, 7]（选择5） 第四轮选择排序：[1, 2, 5, 5, 7]（选择5） 第五轮选择排序：[1, 2, 5, 5, 7]（选择7）
-
-
3.插入排序
-
核心思想： 将待排序的元素逐个插入到已排序部分的正确位置
-
具体步骤：
- 将数组分为已排序部分和未排序部分。一开始，已排序部分只包含第一个元素，即数组的第一个元素被认为是已排序的。
- 从未排序部分取出一个元素，将其插入到已排序部分的正确位置。为了找到正确的位置，可以从已排序部分的末尾开始，依次向前比较已排序元素，直到找到小于等于该元素的位置。
- 将该元素插入到找到的位置，并将已排序部分中的元素向后移动，为新元素腾出位置。
- 重复步骤2和步骤3，直到未排序部分为空。
- 最终，已排序部分即为排序好的数组。
-
实现代码：
public static void insertionSort(int[] arr) { int n = arr.length; for (int i = 1; i < n; i++) { //从第二个元素开始，第一个元素默认有序 int key = arr[i]; //保存当前元素 key int j = i - 1; //找到合适的位置 while (j >= 0 && arr[j] > key) {//发现已排序元素比 key 大，则将该元素向后移动一位，直到找到 key 的正确位置 arr[j + 1] = arr[j]; j = j - 1; //往后移 } arr[j + 1] = key;1 //找到 key 保存的位置 } }待排序数组：[5, 2, 4, 6, 1, 3] 1：[2, 5, 4, 6, 1, 3] 2：[2, 4, 5, 6, 1, 3] 3：[1, 2, 4, 5, 6, 3] 4：[1, 2, 3, 4, 5, 6] -
时间和空间复杂度：
- 平均情况：O(n2)
- 最好情况：O(n)
- 最坏情况：O(n2)
- 空间复杂度：O(1)
- 稳定性：稳定
4.二分插入排序
-
核心思想：利用二分查找来确定待插入元素在已排序部分中的位置，以减少比较次数
-
实现步骤：
- 初始状态：将数组的第一个元素视为已排序部分，其余元素视为待排序部分。
- 插入过程：从第二个元素开始遍历待排序部分，对于每个元素，使用二分查找确定其在已排序部分中的插入位置。
- 二分查找：在已排序部分中，使用二分查找找到第一个大于待插入元素的位置，这个位置及之后的元素都需要向后移动一个位置来腾出空间。
- 插入操作：将待插入元素插入到找到的位置，完成一轮插入操作。
- 重复步骤2~4，直到待排序部分中的所有元素都被插入到已排序部分中，整个数组就被排序完成了。
-
实现代码：
public static void binaryInsertionSort(int[] arr) { int n = arr.length; for (int i = 1; i < n; i++) { int key = arr[i]; int left = 0; int right = i - 1; // 二分查找确定插入位置 int insertIndex = binarySearch(arr, left, right, key); // 将大于 key 的元素向后移动一位 for (int j = i - 1; j >= insertIndex; j--) { arr[j + 1] = arr[j]; } // 插入 key arr[insertIndex] = key; } } // 二分查找 private static int binarySearch(int[] arr, int left, int right, int key) { while (left <= right) { int mid = left + (right - left) / 2; if (arr[mid] == key) { return mid; // key 在已排序部分的位置 } else if (arr[mid] < key) { left = mid + 1; } else { right = mid - 1; } } return left; // 返回待插入位置 } -
时间和空间复杂度：
- 平均情况：O(n2)
- 最好情况：O(n)
- 最坏情况：O(n2)
- 空间复杂度：O(1)
- 稳定性：稳定
5.归并排序
-
核心思想： 采用分治法，将已有序的子序列合并，得到完全有序的序列；
-
步骤：
- 分解（Divide）：将原始数组分解为较小的子数组，直到每个子数组只有一个元素为止。这可以通过递归的方式实现，将数组不断二分直到每个子数组的长度为1。
- 解决（Conquer）：对每个子数组进行排序。对于只有一个元素的子数组来说，可以认为它们已经是有序的。
- 合并（Merge）：合并相邻的子数组，形成一个更大的有序数组。合并过程中，需要按照大小顺序逐个比较两个子数组中的元素，并将较小（或较大）的元素依次放入一个临时数组中，直到合并完成。
- 递归合并（Recursively Merge）：重复以上步骤，直到所有子数组都被合并成一个大的有序数组为止。
-
实现代码：
public static void mergeSort(int[] arr){ int[] temp =new int[arr.length]; internalMergeSort(arr, temp, 0, arr.length-1); } private static void internalMergeSort(int[] arr, int[] temp, int left, int right){ //当left==right的时，已经不需要再划分了 if (left<right){ int middle = (left+right)/2; internalMergeSort(arr, temp, left, middle); //左子数组 internalMergeSort(arr, temp, middle+1, right); //右子数组 mergeSortedArray(arr, temp, left, middle, right); //合并两个子数组 } } // 合并两个有序子序列 private static void mergeSortedArray(int arr[], int temp[], int left, int middle, int right){ int i=left; int j=middle+1; int k=0; while (i<=middle && j<=right){ temp[k++] = arr[i] <= arr[j] ? arr[i++] : arr[j++]; } while (i <=middle){ temp[k++] = arr[i++]; } while ( j<=right){ temp[k++] = arr[j++]; } //把数据复制回原数组 for (i=0; i<k; ++i){ arr[left+i] = temp[i]; } } -
时间和空间复杂度：
- 平均情况：O(nlogn)
- 最好情况：O(nlogn)
- 最坏情况：O(nlogn)
- 空间复杂度：O(n)
- 稳定性：稳定
-
适用场景： 归并排序在数据量比较大的时候也有较为出色的表现（效率上），但是，其空间复杂度O(n)使得在数据量特别大的时候（例如，1千万数据）几乎不可接受。而且，考虑到有的机器内存本身就比较小，因此，采用归并排序一定要注意。
6.快速排序
-
核心思想： 通过选取基准元素，将数组划分为两个子数组，并对子数组递归排序，实现整个数组的快速排序
-
实现步骤：
- 从数列中挑出一个元素，称为 “基准”（pivot），
- 重新排序数列，所有比基准值小的元素摆放在基准前面，所有比基准值大的元素摆在基准后面（相同的数可以到任何一边）。在这个分区结束之后，该基准就处于数列的中间位置。这个称为分区（partition）操作。
- 递归地（recursively）把小于基准值元素的子数列和大于基准值元素的子数列排序。
-
实现代码：
public static void quickSort(int[] arr){ qsort(arr, 0, arr.length-1); } private static void qsort(int[] arr, int low, int high){ if (low >= high) return; int pivot = partition(arr, low, high); //将数组分为两部分 qsort(arr, low, pivot-1); //递归排序左子数组 qsort(arr, pivot+1, high); //递归排序右子数组 } private static int partition(int[] arr, int low, int high){ int pivot = arr[low]; //基准 while (low < high){ while (low < high && arr[high] >= pivot){ --high; } arr[low]=arr[high]; //比基准小的元素会被移动到基准的左边 while (low < high && arr[low] <= pivot){ ++low; } arr[high] = arr[low]; //比基准大的元素会被移动到基准的右边 } //扫描完成，基准到位 arr[low] = pivot; //返回的是基准的位置 return low; } -
举例：
初始：[7, 2, 1, 6, 8, 5, 3, 4] # 7为基准 第一：[4, 2, 1, 6, 8, 5, 3, 4] # 4移到左边 [4, 2, 1, 6, 8, 5, 3, 8] # 8移到右边 [4, 2, 1, 6, 3, 5, 3, 8] # 3移到左边 [4, 2, 1, 6, 3, 5, 7, 8] # 基准7插入到low位置 划分为两个数组：[4, 2, 1, 6, 3, 5]和[8] 第二： [4, 2, 1, 6, 3, 5] # 以4为基准 [3, 2, 1, 6, 3, 5] # 3移到左边 [3, 2, 1, 6, 6, 5] # 6移到右边 [3, 2, 1, 4, 6, 5] # 基准4插入到low位置 以此类推...... -
时间和空间复杂度：
- 平均情况：O(nlogn)
- 最好情况：O(nlogn)
- 最坏情况：O(n2)
- 空间复杂度：O(logn)~O(n)
- 稳定性：不稳定
7.希尔排序
- 明天总结
8.堆排序
- 明天总结
![[大模型]ChatGLM3-6B Transformers部署调用](https://img-blog.csdnimg.cn/direct/cbcf8f889f194662a5fc913706b120d1.png#pic_center)
