十大经典排序C++实现及动图演示

0、算法概述

0.1 算法分类

十种常见排序算法可以分为两大类:

  • 比较类排序:通过比较来决定元素间的相对次序,由于其时间复杂度不能突破O(nlogn),因此也称为非线性时间比较类排序。
  • 非比较类排序:不通过比较来决定元素间的相对次序,它可以突破基于比较排序的时间下界,以线性时间运行,因此也称为线性时间非比较类排序。

在这里插入图片描述

0.2 算法复杂度

在这里插入图片描述

0.3 相关概念

  • 稳定:如果a原本在b前面,而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,而a=b,排序之后 a 可能会出现在 b 的后面。
  • 时间复杂度:对排序数据的总的操作次数。反映当n变化时,操作次数呈现什么规律。
  • 空间复杂度:是指算法在计算机
    内执行时所需存储空间的度量,它也是数据规模n的函数。

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。

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

在这里插入图片描述

1.3 代码实现

//冒泡法
/*
相邻元素比较:选择小的元素放在前面
非相邻元素比较,则是插入法的思想
*/
void BubbleSort(int a[], int len)
{
	int i, j, tmp;
	int exchange = 1;
	//外层比较,确定n-1趟
	for (i = 0; (i < len-1) && (exchange >0); i++)	{
		int tmp;
		exchange = 0;
		for (j =  len - 1 ; j >0 ; j--){      //从后往前冒泡				
			if (a[j ] < a[j-1]){			//相邻元素比较			
				tmp = a[j ];
				a[j] = a[j-1];
				a[j-1] = tmp;
				exchange = 1;
			} 
		}
	}
}

2、选择排序(Selection Sort)

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。

2.1 算法描述

n个记录的直接选择排序可经过n-1趟直接选择排序得到有序结果。具体算法描述如下:

  • 初始状态:无序区为R[1…n],有序区为空;
  • 第i趟排序(i=1,2,3…n-1)开始时,当前有序区和无序区分别为R[1…i-1]和R(i…n)。该趟排序从当前无序区中-选出关键字最小的记录 R[k],将它与无序区的第1个记录R交换,使R[1…i]和R[i+1…n)分别变为记录个数增加1个的新有序区和记录个数减少1个的新无序区;
  • n-1趟结束,数组有序化了。

2.2 动图演示

在这里插入图片描述

2.3 代码实现

//选择排序法
/*
从该位置后面选择最小的元素放在该位置
*/ 
void SelectSort(int a[],int len)
{
	//外层循环跑n趟
 
	for (int i = 0; i < len; i++){ 
		//内层循环找出最小值进行交换
		int tmp;
		for (int j = i; j < len; j++){ 
			if (a[j] < a[i]){
				tmp = a[j];
				a[j] = a[i];
				a[i] = tmp;
			}
		}
	}
}

2.4 算法分析

表现最稳定的排序算法之一,因为无论什么数据进去都是O(n2)的时间复杂度,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。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。

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。

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

在这里插入图片描述

3.2 代码实现

// 插入排序法
/*
插入排序法:
拿着当前位置元素和前面的元素进行比较,只要当前元素比前面的元素大,则插入到该元素前面
直到前面的元素不满足要求,记录插入位置。
先拿出来 再比较插入
*/
void InsertSort(int a[], int len)
{
	int i, j, k; 
	int tmp;
	for (i = 1; i < len; i++)	{ 
		k = i;			//待插入元素位置
		tmp = a[k];	    //先拿出来
 
		for (j = i - 1; (j >= 0) && (a[j] > tmp); j--){
			a[j + 1] = a[j];			//只要大,则元素后移
			k = j;						//记录移动的位置
		} 
		a[k] = tmp;		//元素插入 
	} 
}

3.4 算法分析

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。

4、希尔排序(Shell Sort)

1959年Shell发明,第一个突破O(n2)的排序算法,是简单插入排序的改进版。它与插入排序的不同之处在于,它会优先比较距离较远的元素。希尔排序又叫缩小增量排序

  • 选择一个增量序列t1,t2,…,tk,其中ti>tj,tk=1;
  • 按增量序列个数k,对序列进行k 趟排序;
  • 每趟排序,根据对应的增量ti,将待排序列分割成若干长度为m 的子序列,分别对各子表进行直接插入排序。仅增量因子为1 时,整个序列作为一个表来处理,表长度即为整个序列的长度。

4.2 动图演示

在这里插入图片描述

4.3 代码实现

// 希尔排序
/*
核心思想还是使用插入排序算法
通过分组,让数据在小规模内有序,减小递归增量使得整体有序
*/
void ShellSort(int a[], int len)
{
	int i, j, k, tmp;
	int gap = len;
 
	do{	
		//gap的选择可以有多中方案,如gap = gap/2,这里使用的是业界统一实验平均情况最好的,收敛为1
		gap = gap / 3 + 1;
		for (i = gap; i < len; i += gap)  //分成len/gap组
		{
			//每组使用插入排序
			k = i;
			tmp = a[k];
			for (j = i - gap; (j >= 0) && (a[j] > tmp); j -= gap){
				a[j + gap] = a[j];
				k = j;
			}
			a[k] = tmp; 
		}
	} while (gap > 1);
 
}

4.4 算法分析

希尔排序的核心在于间隔序列的设定。既可以提前设定好间隔序列,也可以动态的定义间隔序列。动态定义间隔序列的算法是《算法(第4版)》的合著者Robert Sedgewick提出的。

5、归并排序(Merge Sort)

归并排序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(Divide and Conquer)的一个非常典型的应用。将已有序的子序列合并,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2-路归并。

5.1 算法描述

  • 把长度为n的输入序列分成两个长度为n/2的子序列;
  • 对这两个子序列分别采用归并排序;
  • 将两个排序好的子序列合并成一个最终的排序序列。

5.2 动图演示

在这里插入图片描述

5.3 代码实现

//归并排序
/*
使用分治思想:
假设两个子数组是有序的,将其按照有序序列合并,合并组成新的有序数组,再与其他部分合并
*/
void merge(int arr[], int low, int mid, int high, int temp[])
{
    int i = low;         //左子数组开始位置
    int j = mid + 1;    //右子数组开始位置
    int t = 0;          //临时空间指针
    while (i <= mid && j <= high)
    {
        if (arr[i] < arr[j])
            temp[t++] = arr[i++];
        else
            temp[t++] = arr[j++];
    }
    //将左边剩余元素填充进temp中
    while (i <= mid)
        temp[t++] = arr[i++];
    //将右边子数组剩余部分填充到temp中
    while (j <= high)
        temp[t++] = arr[j++];
 
    //将融合后的数据拷贝到原来的数据对应的子空间中
    t = 0;
    while (low <= high)
    {
        arr[low++] = temp[t++];
    }
    
}
void MSort(int arr[], int low, int high, int temp[])
{
    if (low < high)             //只有low==high为一个元素的时候不用再细分自分组,融合
    {
        int mid = (low + high) / 2;
        //左子数组融合排序
        MSort(arr, low, mid, temp);
        //右子数组融合排序
        MSort(arr, mid + 1, high, temp);
        //已经排序好的子数组有序融合
        merge(arr, low, mid, high, temp);
    }
 
}

5.4 算法分析

归并排序是一种稳定的排序方法。和选择排序一样,归并排序的性能不受输入数据的影响,但表现比选择排序好的多,因为始终都是O(nlogn)的时间复杂度。代价是需要额外的内存空间。

6、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。

6.1 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,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;
  • 递归(recursive)地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。

6.2 动图演示

在这里插入图片描述

6.3 代码实现

//快速排序:
/*
选择一个基准,将基准移动到数据中间,使得左边的数据都小于基准,右边的数都大于基准
递归划分,当数据元素等于1个的就是一个的时候就是有序的了
*/
void swap(int arr[], int i, int j)
{
    int temp = arr[i];
    arr[i] = arr[j];
    arr[j] = temp;
}
int partion(int arr[], int low, int high)
{
    int privot = arr[low];          //选择第一个元素作为基准
    //推动左右指针向中间移动,即将基准移动到中间,low和high中的某一个一定是指向基准的
    while (low < high)
    {
        while ((low < high) && arr[high] >= privot)             //如果右边的数比基准大,则不用移动,否则将其交换到左边去
            high--;
        swap(arr, low, high);
        while ((low < high) && arr[low] <= privot)
            low++;
        swap(arr, low, high);
    }
    return low;   //当low=high的时候则停止划分,由于low和high在移动的过程中,总有一个是指向基准的,这里返回,low其实就是基准在数组中的索引
}
//递归划分,当划分到一个元素的时候,子数组就是有序的
void QSort(int arr[], int low, int high)
{
    if (low < high)
    {
        int idx = partion(arr, low, high);
        //递归划分划分左右子数组,让左右子数组有序
        QSort(arr, low, idx-1);
        QSort(arr, idx+1, high);
    }
}
void QucikSort(int arr[], int n)
{
    QSort(arr, 0, n - 1);
}

7、堆排序(Heap Sort)

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。

7.2 动图演示

在这里插入图片描述

7.3 代码实现

void swap(int arr[], int i, int j)
{
    int temp = arr[i];
    arr[i] = arr[j];
    arr[j] = temp;
}
 
void heapify(int tree[], int n, int p)
/*
n表示树的节点个数
p表示要处理的当前节点的下标
该函数的功能是:面对一个仅有节点p为,不符合堆的性质的情况。如果在节点p插入一个新元素,插入比其子节点小的数,就破坏了堆的性质(父节点大于子节点),因此需要对堆进行调整:
调整的思路是如果:
    如果子节点比父节点大,则将其与子节点交换,使得父节点位置满足堆的性质,但是由于交换可能会破坏子节点的堆的性质,因此要递归地对子节点进行堆化
    因为是递归,所以要考虑递归的出口,当节点p达到最后一个叶子节点为止
*/
{
    //递归出口
    if (p >= n)return;          //到达最后一个叶子节点
    //计算左右节点的索引,完全二叉树满足的性质
    int c1 = 2 * p + 1;
    int c2 = 2 * p + 2;
    int max =-1;
    //判断父节点和左右孩子节点中的最大值
    if (c1 < n && tree[c1] > tree[p])
        max = c1;
    if (c2<n && tree[c2] > tree[p])   //c1,c2小于n防止叶子节点c1,c2不满足而越界
        if(max = !-1 && tree[c2]>tree[c1])  //将子结点中最大的那个索引给max
             max=c2;
 
    if (max != -1)    //交换,叶就是说子树不满足堆父大于子的情况,交换,由于交换改变了子树的父节点,因此需要对子树要调整
    {
        swap(tree, max, p);     
        heapify(tree, n, max);//同时对特的子树叶同时做一个heapify
    }
    
}
void build_heap(int tree[], int n)
/*
面对对于一个完全无序的数组,如何构建出一个堆:
思路:从最后一个节点的父节点开始做heapfy,直到根节点,就可以将无序数组组织成堆的形式
*/
 
{ 
     
    int last_node = n - 1;
    int parent = (last_node-1) / 2;     //父节点的位置计算
    for (int i = parent; i >= 0; i--)
    {
        heapify(tree, n, i);
    }
    return;
}
 
 
/*
堆排序:
堆排序将问题分解成了2个步骤:
先建立一个堆,在依据堆顶为最大值的性质,循环抽出堆顶最大值交换到堆的末尾位置,有序序列,由于抽出最大值破坏了堆的性质,因此要重新heapify
而在建立堆的过程中,首先面临的是一堆无序的数,需要从最后一个节点的父节点开始heapify,才能使得整个数组变成堆,其中heapify的过程就是递归将调整父节点子节点的过程
*/
 
 
void heap_sort(int tree[], int n)
{
    //先建立堆
    build_heap(tree, n);
    //由于堆顶总是放的是最大值,因此我们将堆顶元素与堆的最后一个元素做交换
    //做交换后,前面的n-1个数的堆的性质被破坏,重新做一个heapify
    for (int i = n - 1; i >= 0; i--)        //从最后一个元素开始交换
    {
        swap(tree, i, 0);
        heapify(tree, i, 0);     //i==n-1,前面的n-1个元素构成的堆被破坏,重新从堆顶heapify,
    }
}

8、计数排序(Counting Sort)

计数排序不是基于比较的排序算法,其核心在于将输入的数据值转化为键存储在额外开辟的数组空间中。 作为一种线性时间复杂度的排序,计数排序要求输入的数据必须是有确定范围的整数。

8.1 算法描述

  • 找出待排序的数组中最大和最小的元素;
  • 统计数组中每个值为i的元素出现的次数,存入数组C的第i项;
  • 对所有的计数累加(从C中的第一个元素开始,每一项和前一项相加);
  • 反向填充目标数组:将每个元素i放在新数组的第C(i)项,每放一个元素就将C(i)减去1。

8.2 动图演示

在这里插入图片描述

8.3 代码实现

// 计数排序
void countingSort(vector<int>& arr, int maxValue=100) {
	 
	vector<int>bucket(maxValue + 1, 0);
	int sortedIndex = 0;
	int arrLen = arr.size();
	int bucketLen = maxValue + 1; 
	for (int  i = 0; i < arrLen; i++) {
		if (!bucket[arr[i]]) {
			bucket[arr[i]] = 0;
		}
		bucket[arr[i]]++;
	}
 
	for (int j = 0; j < bucketLen; j++) {
		while (bucket[j] > 0) {
			arr[sortedIndex++] = j;
			bucket[j]--;
		}
	}
 
	return;
}

8.4 算法分析

计数排序是一个稳定的排序算法。当输入的元素是 n 个 0到 k 之间的整数时,时间复杂度是O(n+k),空间复杂度也是O(n+k),其排序速度快于任何比较排序算法。当k不是很大并且序列比较集中时,计数排序是一个很有效的排序算法。

9、桶排序(Bucket Sort)

桶排序是计数排序的升级版。它利用了函数的映射关系,高效与否的关键就在于这个映射函数的确定。桶排序 (Bucket sort)的工作的原理:假设输入数据服从均匀分布,将数据分到有限数量的桶里,每个桶再分别排序(有可能再使用别的排序算法或是以递归方式继续使用桶排序进行排)。

9.1 算法描述

  • 设置一个定量的数组当作空桶;
  • 遍历输入数据,并且把数据一个一个放到对应的桶里去;
  • 对每个不是空的桶进行排序;
  • 从不是空的桶里把排好序的数据拼接起来。

9.2 动图演示

在这里插入图片描述

9.3 代码实现

// 桶排序
//每个桶里面使用冒泡排序(也可使用其他排序算法)
void BubbleSort(vector<int>& arr)
{
	int tmp; 
	for (int i = 0; i < arr.size(); i++)
	{
		//内存循环两两比较,大则交换,最后的结果是总有一个达到最后,所以下一次循环就只有遍历n-1个 
		for (int j = 0; j < arr.size() - i - 1; j++)
		{
			if (arr[j]>arr[j + 1])
			{
				tmp = arr[j];
				arr[j] = arr[j + 1];
				arr[j + 1] = tmp;
			}
		}
	}
}
 
 
void bucketSort(vector<int>& arr, int  bucketSize=5) {
	if (arr.size() == 0) {
		return ;
	} 
	int  i; 
	int minValue = arr[0]; 
	int  maxValue = arr[0]; 
	for (i = 1; i < arr.size(); i++) { 
		if (arr[i] < minValue) {
			minValue = arr[i];			// 输入数据的最小值
		}
		else if (arr[i] > maxValue) {
			maxValue = arr[i];			// 输入数据的最大值
		}
 
	} 
	int bucketCount = int((maxValue - minValue) / bucketSize) + 1;			//根据最大最小计算桶的个数
	vector<vector<int>>buckets(bucketCount,vector<int>());  
 
	// 利用映射函数将数据分配到各个桶中 
	for (i = 0; i < arr.size(); i++) {
		int idx = int((arr[i] - minValue) / bucketSize);
		buckets[idx].push_back(arr[i]); 
	} 
	 
	arr.clear();  
	for (i = 0; i < buckets.size(); i++) { 
		BubbleSort(buckets[i]);					// 对每个桶进行排序,这里使用了冒泡排序,可以用上面的任意一种排序代替
		for (int j = 0; j < buckets[i].size(); j++) { 
			arr.push_back(buckets[i][j]); 
		} 
	} 
	return ; 
}

9.4 算法分析

桶排序最好情况下使用线性时间O(n),桶排序的时间复杂度,取决与对各个桶之间数据进行排序的时间复杂度,因为其它部分的时间复杂度都为O(n)。很显然,桶划分的越小,各个桶之间的数据越少,排序所用的时间也会越少。但相应的空间消耗就会增大。

10、基数排序(Radix Sort)

基数排序是按照低位先排序,然后收集;再按照高位排序,然后再收集;依次类推,直到最高位。有时候有些属性是有优先级顺序的,先按低优先级排序,再按高优先级排序。最后的次序就是高优先级高的在前,高优先级相同的低优先级高的在前。

10.1 算法描述

  • 取得数组中的最大数,并取得位数;
  • arr为原始数组,从最低位开始取每个位组成radix数组;
  • 对radix进行计数排序(利用计数排序适用于小范围数的特点);

10.2 动图演示

在这里插入图片描述

10.3 代码实现

/*
 * 获取数组a中最大值
 *
 * 参数说明:
 *     a -- 数组
 *     n -- 数组长度
 */
int get_max(int a[], int n)
{
    int i, max;
 
    max = a[0];
    for (i = 1; i < n; i++)
        if (a[i] > max)
            max = a[i];
    return max;
}
 
/*
 * 对数组按照"某个位数"进行排序(桶排序)
 *
 * 参数说明:
 *     a -- 数组
 *     n -- 数组长度
 *     exp -- 指数。对数组a按照该指数进行排序。
 *
 * 例如,对于数组a={50, 3, 542, 745, 2014, 154, 63, 616};
 *    (01) 当exp=1表示按照"个位"对数组a进行排序
 *    (02) 当exp=10表示按照"十位"对数组a进行排序
 *    (03) 当exp=100表示按照"百位"对数组a进行排序
 *    ...
 */
void count_sort(int a[], int n, int exp)
{
    int output[n];             // 存储"被排序数据"的临时数组
    int i, buckets[10] = {0};
 
    // 将数据出现的次数存储在buckets[]中
    for (i = 0; i < n; i++)
        buckets[ (a[i]/exp)%10 ]++;
 
    // 更改buckets[i]。目的是让更改后的buckets[i]的值,是该数据在output[]中的位置。
    for (i = 1; i < 10; i++)
        buckets[i] += buckets[i - 1];
 
    // 将数据存储到临时数组output[]中
    for (i = n - 1; i >= 0; i--)
    {
        output[buckets[ (a[i]/exp)%10 ] - 1] = a[i];
        buckets[ (a[i]/exp)%10 ]--;
    }
 
    // 将排序好的数据赋值给a[]
    for (i = 0; i < n; i++)
        a[i] = output[i];
}
 
/*
 * 基数排序
 *
 * 参数说明:
 *     a -- 数组
 *     n -- 数组长度
 */
void radix_sort(int a[], int n)
{
    int exp;    // 指数。当对数组按各位进行排序时,exp=1;按十位进行排序时,exp=10;...
    int max = get_max(a, n);    // 数组a中的最大值
 
    // 从个位开始,对数组a按"指数"进行排序
    for (exp = 1; max/exp > 0; exp *= 10)
        count_sort(a, n, exp);
}

10.4 算法分析

基数排序基于分别排序,分别收集,所以是稳定的。但基数排序的性能比桶排序要略差,每一次关键字的桶分配都需要O(n)的时间复杂度,而且分配之后得到新的关键字序列又需要O(n)的时间复杂度。假如待排数据可以分为d个关键字,则基数排序的时间复杂度将是O(d*2n) ,当然d要远远小于n,因此基本上还是线性级别的。

基数排序的空间复杂度为O(n+k),其中k为桶的数量。一般来说n>>k,因此额外空间需要大概n个左右。

参考:
https://blog.csdn.net/zhangsy_csdn/article/details/91483600
https://www.cnblogs.com/onepixel/articles/7674659.html

©️2020 CSDN 皮肤主题: 技术黑板 设计师:CSDN官方博客 返回首页