图解算法:八大排序算法 r囧r小猫 2022-11-07 14:51 105阅读 0赞 ### 目录 ### * 第一章 性能分析 * * 1.1、时间复杂度 * 1.2、空间复杂度 * 1.3、排序算法分类 * 1.4、排序算法比较 * 第二章 冒泡排序 * * 2.1、算法介绍 * 2.2、算法演示 * 2.3、算法实现 * 第三章 选择排序 * * 3.1、算法介绍 * 3.2、算法演示 * 3.3、算法实现 * 第四章 插入排序 * * 4.1、算法介绍 * 4.2、算法演示 * 4.3、算法实现 * 第五章 希尔排序 * * 5.1、算法介绍 * 5.2、算法演示 * 5.3、算法实现 * 第六章 快速排序 * * 6.1、算法介绍 * 6.2、算法演示 * 6.3、算法实现 * 第七章 归并排序 * * 7.1、算法介绍 * 7.2、算法演示 * 7.3、算法实现 * 第八章 基数排序 * * 8.1、算法介绍 * 8.2、算法演示 * 8.3、算法实现 * 第九章 堆排序 * * 9.1、算法介绍 * 9.2、算法演示 * 9.3、算法实现 -------------------- > 项目地址:https://gitee.com/caochenlei/algorithms # 第一章 性能分析 # ## 1.1、时间复杂度 ## **时间频度:** 一个算法花费的时间与算法中语句的执行次数成正比例,哪个算法中语句执行次数多,他花费时间就多,一个算法中的语句执行次数称为语句频度或时间频度,记为 T(n)。 **遵循规则:** * 随着输入规模的增大,算法中常数操作可以忽略不计,例如:T(n)=2n2\+3n+20中的常数20可以忽略不计。 * 随着输入规模的增大,除最高次项外其他次项可忽略,例如:T(n)=2n2\+3n+20中的低次项3n可以忽略不计。 * 随着输入规模的增大,最高次项相乘的常数可以忽略,例如:T(n)=2n2\+3n+20中的系数2可以忽略不计。 **啥是时间复杂度:** 一般情况下,算法中的基本操作语句的重复执行次数是问题规模 n 的某个函数,用 T(n) 表示,若有某个辅助函数 f(n),使得当 n 趋近于无穷大时,T(n) / f(n) 的极限值为不等于零的常数,则称 f(n)是 T(n)的同数量级函数,记作 T(n)=O( f(n) ),称O( f(n) ) 为算法的渐进时间复杂度,简称时间复杂度。T(n) 不同,但时间复杂度可能相同。 例如:T(n)=n²+7n+6 与 T(n)=3n²+2n+2 中的 T(n) 不同,但时间复杂度相同,都为 O(n²)。 **常见时间复杂度:** * 常数阶:O(1) * 对数阶:O(log2n) * 线性阶:O(n) * 线性对数阶:O(nlog2n) * 平方阶:O(n2) * 立方阶:O(n3) * k 次方阶:O(nk) * 指数阶 O(2n) 时间复杂度由小到大依次为:Ο(1)<Ο(log2n)<Ο(n)<Ο(nlog2n)<Ο(n2)<Ο(n3)< Ο(nk) <Ο(2n) 。 **平均时间复杂度:** 平均时间复杂度是指所有可能的输入实例均以等概率出现的情况下,该算法的运行时间。 **最坏时间复杂度:** 最坏情况下的时间复杂度称最坏时间复杂度。一般讨论的时间复杂度均是最坏情况下的时间复杂度。这样做的原因是:最坏情况下的时间复杂度是算法在任何输入实例上运行时间的界限,这就保证了算法的运行时间不会比最坏情况更长。 ## 1.2、空间复杂度 ## 类似于时间复杂度的讨论,一个算法的空间复杂度(Space Complexity)定义为该算法所耗费的存储空间,他也是问题规模 n 的函数。 空间复杂度(Space Complexity)是对一个算法在运行过程中临时占用存储空间大小的量度。有的算法需要占用的临时工作单元数与解决问题的规模 n 有关,他随着 n 的增大而增大,当 n 较大时,将占用较多的存储单元,例如快速排序和归并排序算法、基数排序就属于这种情况。在做算法分析时,主要讨论的是时间复杂度。从用户使用体验上看,更看重的程序执行的速度,一些缓存产品(redis, memcache)和算法(基数排序)本质就是用空间换时间。 ## 1.3、排序算法分类 ## ![08fddba9e02ef28dc99ced4b2a27b76b.png][] ## 1.4、排序算法比较 ## 算法比较: ![c2d5d3fc7cfdf69628e7c73ef52b83a5.png][] 相关术语: * n:数据规模 * k:桶的个数 * In-place:不占用额外内存 * Out-place:占用额外内存 * 稳定:如果 a 原本在 b 前面,并且 a=b,排序之后 a 仍然在 b 的前面 * 不稳定:如果 a 原本在 b 的前面,并且 a=b,排序之后 a 可能会出现在 b 的后面 # 第二章 冒泡排序 # ## 2.1、算法介绍 ## 冒泡排序(Bubble Sort)是一种比较简单的排序算法。他的核心思想是:比较相邻的元素,如果第一个比第二个大,就交换他们两个。对每一对相邻元素做同样的工作,从开始的第一对到结尾的最后一对,这步做完后,最后的元素应该会是最大的数。每次过后,需要排序的元素就越来越少,对剩下需要排序的元素重复上面的步骤,直到没有任何一对数字需要比较。 ## 2.2、算法演示 ## ![c18286f4397a581d06053b9040fbd16f.gif][] ## 2.3、算法实现 ## public static void bubbleSort(int[] arr) { for (int i = 0; i < arr.length; i++) { for (int j = 0; j < arr.length - 1 - i; j++) { if (arr[j] > arr[j + 1]) { int temp = arr[j]; arr[j] = arr[j + 1]; arr[j + 1] = temp; } } } } # 第三章 选择排序 # ## 3.1、算法介绍 ## 选择排序(Selection Sort)是一种简单直观的排序算法。他的核心思想是:第一次从待排序的数据元素中选出最小(或最大)的一个元素,存放在序列的起始位置,然后再从剩余的未排序元素中寻找到最小(或最大)的一个元素,然后放到已排序的序列的末尾。以此类推,直到全部待排序的数据元素的个数为零。 ## 3.2、算法演示 ## ![ffcc8cb60fd6bbeadff7450b6d2edab9.gif][] ## 3.3、算法实现 ## public static void selectionSort(int[] arr) { for (int i = 0; i < arr.length - 1; i++) { int minIndex = i; for (int j = i + 1; j < arr.length; j++) { if (arr[j] < arr[minIndex]) { minIndex = j; } } if (minIndex != i) { int temp = arr[minIndex]; arr[minIndex] = arr[i]; arr[i] = temp; } } } # 第四章 插入排序 # ## 4.1、算法介绍 ## 插入排序(Insertion Sort)一般也被称为直接插入排序。他的核心思想是:将一个待排序的数组分成两部分,前一部分代表是有序序列,后一部分代表未排序序列,刚开始之时,将第一个元素看做一个有序序列,把第二个元素到最后一个元素当成是未排序序列。从头到尾依次扫描未排序序列,将扫描到的每个元素插入有序序列的适当位置。如果待插入的元素与有序序列中的某个元素相等,则将待插入元素插入到相等元素的后面,直到未排序序列全部扫描完毕为止。 ## 4.2、算法演示 ## ![45b6ffe08e63671925e04aa6c1d53399.gif][] ## 4.3、算法实现 ## public static void insertionSort(int[] arr) { for (int i = 1; i < arr.length; i++) { for (int j = i - 1; j >= 0; j -= 1) { if (arr[j] > arr[j + 1]) { int temp = arr[j]; arr[j] = arr[j + 1]; arr[j + 1] = temp; } } } } # 第五章 希尔排序 # ## 5.1、算法介绍 ## 希尔排序(Shell Sort)一般也被称为缩小增量排序,希尔排序是对插入排序的一种改进。他的核心思想是:按下标的一定增量进行分组,对每组使用插入排序算法排序,随着增量逐渐减少,每组包含的元素越来越多,当增量减至 1 时,恰被分成一组,算法便终止。 ## 5.2、算法演示 ## ![601985591f2abe9fe3a963f33fd66cc4.png][] ## 5.3、算法实现 ## public static void shellSort(int[] arr) { for (int step = arr.length / 2; step > 0; step /= 2) { //核心代码就是插入排序,把所有的一替换成step for (int i = step; i < arr.length; i++) { for (int j = i - step; j >= 0; j -= step) { if (arr[j] > arr[j + step]) { int temp = arr[j]; arr[j] = arr[j + step]; arr[j + step] = temp; } } } } } # 第六章 快速排序 # ## 6.1、算法介绍 ## 快速排序(Quick Sort)是对冒泡排序算法的一种改进。他的核心思想是:首先设定一个基准值,通过该基准值将数组分成左右两部分,将小于或等于基准值的数据放到数组的左边,将大于或等于基准值的数据放到数组的右边。此时左边部分中各元素都小于或等于基准值,而右边部分中各元素都大于或等于基准值。然后左边和右边的数据又可以分别独立排序。对于左侧的数组数据,又可以再取一个基准值,将该部分数据分成左右两部分,同样在左边放置较小值,右边放置较大值,右侧的数组数据也可以做类似处理。重复上述过程,可以看出,这是一个递归定义。通过递归将左侧部分排好序后,再递归排好右侧部分的顺序。当左侧和右侧两个部分的数据排完序后,整个数组的排序也就完成了。 ## 6.2、算法演示 ## ![2fea0a820b6a69ef25feed232ea82d38.png][] ## 6.3、算法实现 ## public static void quickSort(int[] arr) { quickSort(arr, 0, arr.length - 1); } public static void quickSort(int[] arr, int left, int right) { int l = left; //左下标 int r = right; //右下标 int p = arr[(left + right) / 2]; //基准值 //交换基准值左右大小值 while (l < r) { //在基准值的左边一直找,直到找到大于等于基准值后才退出 while (arr[l] < p) { l++; } //在基准值的右边一直找,直到找到小于等于基准值后才退出 while (arr[r] > p) { r--; } //如果l>=r则说明:基准值左侧的值都小于基准值右侧的值 if (l >= r) { break; } //将基准值左侧找到的小值与基准值右侧找到的大值进行交换 int temp = arr[l]; arr[l] = arr[r]; arr[r] = temp; //如果交换完后,发现这个arr[r]等于基准值,l++向前移 if (arr[r] == p) { l++; } //如果交换完后,发现这个arr[l]等于基准值,r--向前移 if (arr[l] == p) { r--; } } //这一步来防止堆栈溢出 if (l == r) { l++; r--; } //向左递归进行快速排序 if (left < r) { quickSort(arr, left, r); } //向右递归进行快速排序 if (right > l) { quickSort(arr, l, right); } } # 第七章 归并排序 # ## 7.1、算法介绍 ## 归并排序(Merge Sort)是采用分治法的一个非常典型的应用。他的核心思想是: 1. 申请空间,使其大小为两个已经排序序列之和,该空间用来存放合并后的序列。 2. 设定两个指针,最初位置分别为两个已经排序序列的起始位置。 3. 比较两个指针所指向的元素,选择相对小的元素放入到合并空间,并移动指针到下一位置。 4. 重复步骤3直到某一指针超出序列尾,将另一序列剩下的所有元素直接复制到合并序列尾。 ## 7.2、算法演示 ## ![c30ba54bc21c4c33d415e4f6f500690e.png][] 当分完以后,我们还需要将两个已经有序的子序列合并成一个有序序列,比如上图中的最后一次合并,要将`[4,5,7,8]`和`[1,2,3,6]`两个已经有序的子序列,合并为最终序列`[1,2,3,4,5,6,7,8]`,来看下实现步骤,特别注意,以下步骤是`public static void merge(...)`方法的核心步骤。 ![3578c956c412a68d5566a4034e5405b8.png][] ## 7.3、算法实现 ## public static void mergeSort(int[] arr) { int temp[] = new int[arr.length]; mergeSort(arr, 0, arr.length - 1, temp); } public static void mergeSort(int[] arr, int left, int right, int[] temp) { if (left < right) { int middle = (left + right) / 2; //首先获取中间索引 mergeSort(arr, left, middle, temp); //向左递归进行分解 mergeSort(arr, middle + 1, right, temp); //向右递归进行分解 merge(arr, left, middle, right, temp); //合并左右两个数组 } } public static void merge(int[] arr, int left, int middle, int right, int[] temp) { int pl = left; //定义一个指针,指向左边有序序列的初始索引 int pr = middle + 1; //定义一个指针,指向右边有序序列的初始索引 int i = left; //定义一个指针,指向temp数组的初始化索引 //比较左右两边序列中的元素大小,把小的数填充到 temp while (pl <= middle && pr <= right) { if (arr[pl] <= arr[pr]) { temp[i++] = arr[pl++]; } else { temp[i++] = arr[pr++]; } } //左边的有序序列还有剩余的元素,就全部填充到 temp while (pl <= middle) { temp[i++] = arr[pl++]; } //右边的有序序列还有剩余的元素,就全部填充到 temp while (pr <= right) { temp[i++] = arr[pr++]; } //将 temp 数组中的元素拷贝到 arr 数组对应位置处 for (int index = left; index <= right; index++) { arr[index] = temp[index]; } } # 第八章 基数排序 # ## 8.1、算法介绍 ## 基数排序(Radix Sort)属于“分配式排序”(Distribution Sort),又称“桶子法”(Bucket Sort),基数排序是桶排序的扩展,他的核心思想是:将所有待比较的数值统一为同样的数位长度,数位较短的数前面补零。通过元素的各个位的值,将要排序的元素分配至某些桶中,然后按照桶的顺序,依次从低位桶顺序获取数据放回原数组中,重复上述的过程,这样从最低位排序一直到最高位排序完成以后,数组就变成一个有序序列。 ## 8.2、算法演示 ## ![e8261294ee3fec9fc9f49bea589f68c3.png][] ## 8.3、算法实现 ## public static void radixSort(int[] arr) { //获取当前数组中的最大值的位数 int maxElementLength = String.valueOf(Arrays.stream(arr).max().getAsInt()).length(); //创建十个桶,每个桶是一维数组 int[][] bucket = new int[10][arr.length]; //十个索引指向对应桶内元素位置 int[] bucketIndex = new int[10]; //开始循环将各位数放入桶中排序 for (int i = 0, n = 1; i < maxElementLength; i++, n *= 10) { for (int j = 0; j < arr.length; j++) { //循环获取每一个元素值 int digit = arr[j] / n % 10; //获取当前位数字(0-9) bucket[digit][bucketIndex[digit]] = arr[j]; //放入指定的桶内(0-9) bucketIndex[digit]++; //桶内的索引加加 } int index = 0; //用于指向原数组的索引,起始下标为零 for (int k = 0; k < bucketIndex.length; k++) { //依次获取桶内数据并重新填充到原数组 if (bucketIndex[k] != 0) { //桶索引不等于零就说明这个桶内有数据 for (int l = 0; l < bucketIndex[k]; l++) { //有数据就把这个桶内的数据一一拿出来 arr[index++] = bucket[k][l]; //拿出来以后就放到原数组中的指定位置 } } bucketIndex[k] = 0; //这个桶内数据拿完,需要让这个桶重置 } } } # 第九章 堆排序 # ## 9.1、算法介绍 ## 堆排序(Heap Sort)是指利用堆这种数据结构所设计的一种排序算法。他的基本思想是:将待排序序列构造成一个大顶堆,此时,整个序列的最大值就是堆顶的根节点,将其与末尾元素进行交换,此时末尾就为最大值。然后将剩余`n-1`个元素重新构造成一个堆,这样会得到`n`个元素的次小值。如此反复执行,便能得到一个有序序列了。 每个结点的值都大于或等于其左右孩子结点的值,称为大顶堆,这里没有要求结点的左孩子的值和右孩子的值的大小关系。 大顶堆特点(i从0开始编号,对应第几个节点):`arr[i] >= arr[2*i+1] && arr[i] >= arr[2*i+2]`,升序排序采用大顶堆。 ![cc7a36e9f3fbef56e31f68dc4c165de1.png][] 每个结点的值都小于或等于其左右孩子结点的值,称为小顶堆,这里没有要求结点的左孩子的值和右孩子的值的大小关系。 大顶堆特点(i从0开始编号,对应第几个节点):`arr[i] <= arr[2*i+1] && arr[i] <= arr[2*i+2]`,降序排序采用小顶堆。 ![f3cfe6e3b381ad473260a576700d245d.png][] ## 9.2、算法演示 ## **步骤一、将给定无序序列构造成一个大顶堆,一般升序采用大顶堆,降序采用小顶堆。** (1)假设给定一个无序序列的结构如下: ![e8025f54f178350b61d81dffc76c8b8e.gif][] (2)我们从最后一个非叶子结点6开始,从左至右,从下至上进行调整。 ![36f0200025cf126c02dcf630917b80af.gif][] (3)找到第二个非叶节点4,由于\[4,9,8\]中9元素最大,4和9交换。 ![b67ced8691a1501fc3277dd56ce9c6e6.gif][] (4)这时交换导致了子根\[4,5,6\]结构混乱,继续调整,\[4,5,6\]中6最大,交换4和6。 ![da6d674a3957816e348be2cf596e0cf3.gif][] 此时,我们就将一个无序序列构造成了一个大顶堆。 **步骤二、将堆顶元素与末尾元素进行交换,使末尾元素最大,然后继续调整堆,再将堆顶元素与末尾元素交换,得到第二大元素,如此重复以上操作。** (1)将堆顶元素9和末尾元素4进行交换。 ![1651ae66f3b5a3732a84144027eb47fb.gif][] (2)重新调整结构,使其继续满足堆定义。 ![6de9302b37823c463386fe0d89e6c9b3.gif][] (3)再将堆顶元素8与末尾元素5进行交换,得到第二大元素8。 ![45de30b1962aeee4b6956d296e6a9681.gif][] (4)后续过程,继续进行调整,交换,如此反复进行,最终使得整个序列有序。 ![49cb424aeeaaafbbe3a305320d3d4ebb.gif][] ## 9.3、算法实现 ## //堆排序 public static void heapSort(int arr[]) { //创建大顶堆 for (int i = arr.length / 2 - 1; i >= 0; i--) { heapAdjust(arr, i, arr.length); } //调整大顶堆 for (int i = arr.length - 1; i > 0; i--) { //交换元素 int temp = arr[i]; arr[i] = arr[0]; arr[0] = temp; //调整新堆 heapAdjust(arr, 0, i); } } //堆调整 public static void heapAdjust(int arr[], int index, int length) { //缓存当前结点 int temp = arr[index]; //开始循环调整 for (int i = index * 2 + 1; i < length; i = i * 2 + 1) { //说明左子结点的值小于右子结点的值 if (i + 1 < length && arr[i] < arr[i + 1]) { i++; } //说明当前子结点的值大于父结点的值 if (arr[i] > temp) { arr[index] = arr[i]; index = i; } else { break; } } //放到调整位置 arr[index] = temp; } [08fddba9e02ef28dc99ced4b2a27b76b.png]: /images/20221023/5ec5ac0f7b664119913b6a80484243e2.png [c2d5d3fc7cfdf69628e7c73ef52b83a5.png]: /images/20221023/699e06c9ebb4414a83ab4a4dee61b999.png [c18286f4397a581d06053b9040fbd16f.gif]: /images/20221023/03d3c4bd7bf8434dabbaff830fd52395.png [ffcc8cb60fd6bbeadff7450b6d2edab9.gif]: /images/20221023/f9b16288839c4f11ae87e9a53056dbe9.png [45b6ffe08e63671925e04aa6c1d53399.gif]: /images/20221023/eebac6045440410dae1ca7943fe42f58.png [601985591f2abe9fe3a963f33fd66cc4.png]: /images/20221023/e1c567e04548458a99e9ff5051dfaf2f.png [2fea0a820b6a69ef25feed232ea82d38.png]: /images/20221023/228080ca94024696be3a2dc45a7e7e29.png [c30ba54bc21c4c33d415e4f6f500690e.png]: /images/20221023/c210238845eb400aa7b007e8711a3c46.png [3578c956c412a68d5566a4034e5405b8.png]: /images/20221023/339c0dba07344a24a8c935d25c55ae78.png [e8261294ee3fec9fc9f49bea589f68c3.png]: /images/20221023/b6739c591e064779a8589cedebb6f809.png [cc7a36e9f3fbef56e31f68dc4c165de1.png]: /images/20221023/08e78d02c7a04ac2a7339eedacb0f2b7.png [f3cfe6e3b381ad473260a576700d245d.png]: /images/20221023/24104e81070842b5a31032d19eca3d30.png [e8025f54f178350b61d81dffc76c8b8e.gif]: /images/20221023/ee288b473a004a6dbed62922babd86f9.png [36f0200025cf126c02dcf630917b80af.gif]: /images/20221023/59de82fae1ba4016813188cec966322e.png [b67ced8691a1501fc3277dd56ce9c6e6.gif]: /images/20221023/537147f0316141f28055a41cd68090bc.png [da6d674a3957816e348be2cf596e0cf3.gif]: /images/20221023/cec6cd61370b40feb05790bd9ad82b6f.png [1651ae66f3b5a3732a84144027eb47fb.gif]: /images/20221023/0cc8a516230447dcaed5d1295361ab76.png [6de9302b37823c463386fe0d89e6c9b3.gif]: /images/20221023/a5f25939b2304e4b9c71d14202cfd183.png [45de30b1962aeee4b6956d296e6a9681.gif]: /images/20221023/115dede1f886447f9be98570d563dbd6.png [49cb424aeeaaafbbe3a305320d3d4ebb.gif]: /images/20221023/8aacec489efb48ff9453aef060febd87.png
相关 图解算法:八大排序算法 目录 第一章 性能分析 1.1、时间复杂度 1.2、空间复杂度 1.3、排序算法分类 1.4、排序算法比较 r囧r小猫/ 2022年11月07日 14:51/ 0 赞/ 106 阅读
相关 八大排序算法 概述 排序有内部排序和外部排序,内部排序是数据记录在内存中进行排序,而外部排序是因排序的数据很大,一次不能容纳全部的排序记录,在排序过程中需要访问外存。 我们这里说说八 亦凉/ 2022年08月18日 11:30/ 0 赞/ 138 阅读
相关 八大排序算法 概述排序有内部排序和外部排序,内部排序是数据记录在内存中进行排序,而外部排序是因排序的数据很大,一次不能容纳全部的排序记录,在排序过程中需要访问外存。 我们这里说说 た 入场券/ 2022年08月13日 11:46/ 0 赞/ 183 阅读
相关 八大排序算法 概述 排序有内部排序和外部排序,内部排序是数据记录在内存中进行排序,而外部排序是因排序的数据很大,一次不能容纳全部的排序记录,在排序过程中需要访问外存。 我们这里说说八 男娘i/ 2022年08月05日 01:29/ 0 赞/ 163 阅读
相关 八大排序算法 注明:转载请提示出处:[http://blog.csdn.net/hguisu/article/details/7776068][http_blog.csdn.net_hgu 曾经终败给现在/ 2022年07月14日 15:15/ 0 赞/ 193 阅读
相关 八大排序算法 阅读此文推荐:[前些天发现了一个巨牛的人工智能学习网站,通俗易懂,风趣幽默,忍不住分享一下给大家。][Link 1] 概述 排序有内部排序和外部排序,内部排序是数据 逃离我推掉我的手/ 2022年06月09日 08:23/ 0 赞/ 182 阅读
相关 八大排序算法 转载自 https://bbs.aliyun.com/read/321023.html?spm=a2c4e.11155515.0.0.ixL9fh 排序算法可以分为内部排序和 àì夳堔傛蜴生んèń/ 2022年05月23日 06:36/ 0 赞/ 173 阅读
相关 八大排序算法 [注明:转载请提示出处:http://blog.csdn.net/hguisu/article/details/7776068][http_blog.csdn.net_hgui 喜欢ヅ旅行/ 2022年03月08日 11:38/ 0 赞/ 210 阅读
相关 八大排序算法 转自:[https://blog.csdn.net/hguisu/article/details/7776068/][https_blog.csdn.net_hguisu_ar 待我称王封你为后i/ 2022年02月16日 14:14/ 0 赞/ 202 阅读
相关 八大排序算法 概述 排序有内部排序和外部排序,内部排序是数据记录在内存中进行排序,而外部排序是因排序的数据很大,一次不能容纳全部的排序记录,在排序过程中需要访问外存。 我们这里说说八 ゞ 浴缸里的玫瑰/ 2021年09月14日 08:14/ 0 赞/ 293 阅读
还没有评论,来说两句吧...