©2020-2024 ioDraw All rights reserved
本文的排序算法都用升序来讲解。
常见的排序算法有：
* 插入排序 —— 直接插入排序 && 希尔排序
* 选择排序 —— 选择排序 && 堆排序
* 交换排序 —— 冒泡排序 && 快速排序
* 归并排序
* 基数排序
* 计数排序 （非比较排序）
<>插入排序
插入排序就像摸一张牌插入到正确的位置。
假设 [0, end] 有序， end+1 位置的插入到 [0, end] 中， 让 [0, end+1] 有序。
void InsertSort(int* a, int n) { for (int i = 0; i < n - 1; ++i) { //单趟排序 int
end= i; int tmp = a[end + 1]; while (end >= 0) { if (a[end] > tmp) { a[end + 1]
= a[end]; --end; } else { break; } } a[end + 1] = tmp; } }
时间复杂度：O(N^2)
最坏情况下移动：1 + 2 + …… + n-1
最好情况：完全顺序有序 时间复杂度 是 O(N)
稳定性： 稳定
<>希尔排序
希尔排序是在直接插入排序基础上的优化排序算法。
* 进行预排序，让数组接近有序。预排序，就是分组(gap > 1)
* 直接插入排序（gap == 1）
void ShellSort(int* a, int n) { int gap = n; while (gap > 1) { gap = gap / 2;
//间隔为gap的多组数据同时排序 for (int i = 0; i < n - gap; ++i) { //一个gap里的一组数据 int end = i;
int tmp = a[end + gap]; while (end >= 0) { if (a[end] > tmp) { a[end + gap] = a[
end]; end -= gap; } else { break; } } a[end + gap] = tmp; } } }
时间复杂度：
gap = gap/ 2 时， 是logN
gap = gap/3 + 1时， 是log3N
当gap很大的时候，预排序的时间复杂度是 O(N)。
当gap很小的时候，数组已经接近有序了，时间复杂度是 O(N)。
所以时间复杂度是 O(logNN) 或者 O(log3NN)
平均的时间复杂度是O(N^1.3)
<>直接选择排序
基本思想：每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，直到全部待排序的数据元素排完。
* 在元素集合 array[i] ~ array[n-1]中选择最大（小）的元素
* 若它不是这组元素中的最后一个（第一个）元素，则将它与这组元素中的最后一个（第一个）元素交换。
* 在剩余的array[i] ~array[n-2] （array[i+1] ~ array[n-1]）集合中，重复上述步骤，直到集合剩余1个元素。
下面实现的是选出最大和最小的数，一起进行排序。
void SelectSort(int* a, int n) { int begin = 0, end = n - 1; while (begin < end
) { int mini = begin, maxi = end; //单趟选择排序 //找出最大，最小的下标 for (int i = begin; i <=
end; i++) { if (a[i] < a[mini]) { mini = i; } if (a[i] > a[maxi]) { maxi = i; }
} //最小值、最大值分别和begin、end交换 Swap(&a[begin], &a[mini]);
//如果begin和maxi重合，要把mini赋值给maxi if (begin == maxi) { maxi = mini; } Swap(&a[end],
&a[maxi]); ++begin; --end; } }
时间复杂度: O(N^2)
<>堆排序
堆的逻辑结构：完全二叉树
物理结构：数组（层序）
通过观察可以得出父子结点的关系:
leftchild = parent *2 + 1
rightchild = parent *2 + 2
parent = (child - 1) / 2
大堆中，树中所有的父亲都大于等于孩子。小堆中，树中所有的父亲都小于等于孩子。
<>向下调整算法
在这里，我们先引入向下调整算法（建堆用），以建小堆为例。这里说一句很重要的事情！！！向下调整算法建立小堆的前提条件是
左右子树都是小堆。算法思想是从根结点开始，选出左右子树中小的那一个，和父结点比较，如果比父结点要小就交换，然后继续向下进行调整，知道叶子节点终止。
建大堆代码
// 建大堆 void AdjustDown(int* a, int n, int root) { int parent = root; int child
= parent * 2 + 1; //默认是左节点 while (child < n) { //选出左右孩子中大的那一个 if (child + 1 < n
&& a[child + 1] > a[child]) { ++child; } if (a[child] > a[parent]) { Swap(&a[
child], &a[parent]); parent = child; child = parent * 2 + 1; } else { break; } }
}
<>自底而上的建堆方式
向下调整算法是建堆的单趟步骤。如果左右子树不是小堆，是不能直接使用向下调整算法的。这时候我们应该怎么办呢？
—— 倒着从最后一棵子树开始调整。 但是再想一想，倒着走最后一棵子树叶子是不需要调整的，所以最后决定从倒数最后一个非叶子的子树开始调整。
下面是建堆的代码
// 建堆 for (int i = (n - 1 - 1) / 2; i >= 0; --i) { AdjustDown(a, n, i); }
到了这时候，会有一个疑问，排升序，是建大堆还是建小堆？
如果是建小堆，最小数在堆顶，被选出来之后，用剩余的树再去选数，剩下树的结构都乱了，需要重新建堆，建堆的时间复杂度是O(N)，这样不是不可以，但是堆排序就没有效率的优势了，整体的时间复杂度是O(N^2)。
正确的方法是建大堆。第一个数和最后一个数交换，不把这个数当作树的一部分，前n-1个数向下调整，选出次小的数，再和倒数第二个数交换……
实现的代码
void HeapSort(int* a, int n) { // 建堆 时间复杂度：O(N) for (int i = (n - 1 - 1) / 2; i
>= 0; --i) { AdjustDwon(a, n, i); } // 排升序，建大堆还是小堆？建大堆 int end = n - 1; while (
end> 0) { Swap(&a[0], &a[end]); AdjustDwon(a, end, 0); --end; } }
时间复杂度： O(N*log N)
<>冒泡排序
这个是最基本的排序算法，两层循环，外层循环代表排序的趟数，内层循环代表比较次数，这里设置一个变量区分数组是否已经有序。
void BubbleSort(int* a, int n) { for (int i = 0; i < n - 1; i++) { int exchange
= 0; for (int j = 0; j < n - i - 1; j++) { if (a[j] > a[j + 1]) { Swap(&a[j], &a
[j + 1]); exchange = 1; } } if (!exchange) break; } }
时间复杂度：O（N*N）
最好情况:O(N)
<>快速排序
基本思想：选择一个key关键字（一般是第一个或者是最后一个），左边的数都比key要小，右边的key都大。
之后只需要对左边的数和右边的数进行排序。
对于单趟排序有三种常见的方法，分别是挖坑法，左右指针，前后指针。
快排在有序的情况下情况最坏，最坏情况下退化成冒泡排序，时间复杂度是O(N^2)。针对这种情况，使用三数取中和小区间优化的方法对原有的快速排序进行优化。
三数取中避免出现key的值是最小或者最大的情况。
代码：
int GetMidIndex(int* a, int left, int right) { int mid = (left + right) >> 1;
if (a[left] < a[mid]) { if (a[mid] < a[right]) { return mid; } else if (a[left]
> a[right]) { return left; } else { return right; } } else //a[left] > a[mid] {
if (a[mid] > a[right]) { return mid; } else if (a[left] > a[right]) { return
right; } else { return left; } }
这里的快速排序采用的是分治算法，到每组的数分到后面的时候，调用的栈帧是以2的指数次增长的，所以采用小区间采用插入排序的方法。
下面，我们只需要考虑单趟排序，前面已经提到过单趟排序有三种方法，下面会详细介绍。
函数接口
void QuickSort(int* a, int left, int right) { if (left <= right) { return; }
int keyindex = PartSort1(a, left, right); //[left, keyIndex - 1]
keyIndex[keyIndex + 1, right] //QuickSort(a, left, keyindex - 1);
//QuickSort(a, keyindex + 1, right); //小区间优化 if (keyindex - 1 - left > 10) {
QuickSort(a, left, keyindex - 1); } else { InsertSort(a + left, keyindex - left)
; } if (right - (keyindex + 1) > 10) { QuickSort(a, keyindex + 1, right); } else
{ InsertSort(a + keyindex + 1, right - (keynidex + 1) + 1); } }
<>挖坑法
* 右边找比key的值小的数，放到左边，小的数放到左边的坑里，自己形成新的坑位
* 左边找比key的值大的数，放到右边，大的数放到右边的坑里，自己形成新的坑位
代码实现
int PartSort1(int* a, int left, int right) { int index = GetMidIndex(a, left,
right); Swap(&a[left], &a[index]); int begin = left, end = right; int pivot =
begin; int key = a[begin]; while (begin < end) { //右边找小，放到左边 while (begin < end
&& a[end] >= key) { --end; } //小的放到左边的坑位，自己原本的位置形成新的坑位 a[pivot] = a[end]; pivot
= end; //左边找大，放到右边 while (begin < end && a[begin] <= key) { ++begin; }
//大的放到右边的坑位，自己形成新的坑位 a[pivot] = a[begin]; pivot = begin; } a[pivot] = key;
return pivot; }
<>左右指针法
基本思想：
* begin从左边开始找大，end从右边开始找小，找到一大一小就交换。
* 最后，交换begin和keyi的值，返回相遇的下标 int PartSort2(int* a, int left, int right) { int
index= GetMidIndex(a, left, right); Swap(&a[left], &a[index]); int begin = left,
end= right; int keyi = begin; while (begin < end) { //右边找小 while (begin < end
&& a[end] >= a[keyi]) { --end; } //左边找大 while (begin < end && a[begin] <= a[keyi
]) { ++begin; } //交换 Swap(&a[begin], &a[end]); } Swap(&a[begin], &a[keyi]);
return begin; }
<>前后指针法
* cur找比key小的数，每次遇到比key小的值就停下来，++prev，交换prev和cur位置的值，++cur。
* 交换keyi和prev对应的值。
int PartSort3(int* a, int left, int right) { int index = GetMidIndex(a, left,
right); Swap(&a[left], &a[index]); int keyi = left; int prev = left, cur = left
+ 1; while (cur <= right) { if (a[cur] < a[keyi] && ++prev != cur) { Swap(&a[
prev], &a[cur]); } ++cur; } Swap(&a[keyi], &a[prev]); return prev; }
<>归并排序
基本思想：
归并排序（MERGE-SORT）是建立在归并操作上的一种有效的排序算法，该算法是采用分治法的一个非常典型的应用，将已有的子序列合并，得到完全有序的序列；即先使每个子序列有序，再使子序列段间有序，若将两个有序表合并成一个有序表，称为二路归并。
<>递归解法
void _MergeSort(int* a, int left, int right, int* tmp) { if (left >= right)
return; //分解 int mid = (right + left) >> 1; //[left, mid] [mid+1, right]
//假设左右区间有序，可以开始归并 _MergeSort(a, left, mid, tmp); _MergeSort(a, mid + 1, right,
tmp); //归并 int begin1 = left, end1 = mid; int begin2 = mid + 1, end2 = right;
int index = left; while (begin1 <= end1 && begin2 <= end2) { if (a[begin1] < a[
begin2]) { tmp[index++] = a[begin1++]; } else { tmp[index++] = a[begin2++]; } }
while (begin1 <= end1) { tmp[index++] = a[begin1++]; } while (begin2 <= end2) {
tmp[index++] = a[begin2++]; } //拷贝回到原数组 for (int i = left; i <= right; ++i) { a[
i] = tmp[i]; } } void MergeSort(int* a, int n) { int* tmp = (int*)malloc(sizeof(
int) * n); _MergeSort(a, 0, n - 1, tmp); free(tmp); }
<>非递归解法
设置gap来模拟数组分解之后归并的过程，gap从1开始，每次乘2递增。
void MergeSortNonR(int* a, int n) { int* tmp = (int*)malloc(sizeof(int) * n);
int gap = 1; //每组数据的个数 while (gap < n) { for (int i = 0; i < n; i += 2 * gap) {
int begin1 = i, end1 = i + gap - 1; int begin2 = i + gap, end2 = i + 2 * gap - 1
; //归并过程中右半区间不存在 if (begin2 >= n) { break; } //归并过程中右半区间不足，修正一下 if (end2 >= n) {
end2= n - 1; } int index = i; while (begin1 <= end1 && begin2 <= end2) { if (a[
begin1] < a[begin2]) { tmp[index++] = a[begin1++]; } else { tmp[index++] = a[
begin2++]; } } while (begin1 <= end1) { tmp[index++] = a[begin1++]; } while (
begin2<= end2) { tmp[index++] = a[begin2++]; } // 拷贝回去 for (int j = i; j <= end2
; ++j) { a[j] = tmp[j]; } } gap *= 2; } free(tmp); }
<>基数排序
123 45 12 9 88 43
依次分别取他们的个位、十位、百位……排序
个位： 12 123 43 45 88 9
十位：9 12 123 43 45 88
百位：以此类推
只能对整数进行排序，实际中这个排序没啥意义。
<>计数排序
计数排序是一种非比较排序，思想很巧，适用范围具有局限性，适合范围集中的一组整形数据排序。
void CountSort(int* a, int n) { int max = a[0], min = a[0]; for (int i = 0; i <
n; ++i) { if (a[i] > max) { max = a[i]; } if (a[i] < min) { min = a[i]; } } int
range= max - min + 1; int* count = (int*)malloc(sizeof(int)*range); memset(
count, 0, sizeof(int)*range); // 统计次数 for (int i = 0; i < n; ++i) { count[a[i]-
min]++; } int j = 0; for (int i = 0; i < range; ++i) { while (count[i]--) { a[j
++] = i+min; } } free(count); }