百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 编程网 > 正文

排序算法:冒泡、选择、希尔、快速、归并、计数

yuyutoo 2024-10-12 01:09 5 浏览 0 评论

快秋招了,面试的时候算法也是必备的。本文介绍几种常见的排序算法,建议背下来,面试的时候提前手写一遍快排(快速排序)可以提高手感,事半功倍。

1. 冒泡排序

冒泡排序是通过比较两个相邻元素的大小实现排序,如果前一个元素大于后一个元素,就交换这两个元素。这样就会让每一趟冒泡都能找到最大一个元素并放到最后。

func bubbleSort(nums []int) {
  for i := 0; i < len(nums)-1; i++ {
    for j := 0; j < len(nums)-1-i; j++ {
      if nums[j] > nums[j+1] {
        nums[j], nums[j+1] = nums[j+1], nums[j]
      }
    }
  }
}

稳定性:它是指对同样的数据进行排序,会不会改变它的相对位置。比如 [ 1, 3, 2, 4, 2 ] 经过排序后,两个相同的元素 2 位置会不会被交换。冒泡排序是比较相邻两个元素的大小,显然不会破坏稳定性。

空间复杂度:由于整个排序过程是在原数据上进行操作,故为 O(1);

时间复杂度:由于嵌套了 2 层循环,故为 O(n*n);

2. 选择排序

选择排序是每次循环选择最大值,在该次循环结束时将最大值同数组最后的数进行交换

func selectSort(nums []int) {
  for i := 0; i < len(nums)-1; i++ {
    var idx int
    var m = nums[0]
    for j := 1; j < len(nums)-i; j++ {
      if nums[j] > m {
        m = nums[j]
        idx = j
      }
    }
    nums[len(nums)-i-1], nums[idx] = nums[idx], nums[len(nums)-i-1]
  }
}

稳定性:它是从后往前遍历已排序好的序列,相同元素不会改变位置,故为稳定排序;

空间复杂度:它是在原序列进行排序,故为 O ( 1 );

时间复杂度:排序的过程中,首先要遍历所有的元素,然后在已排序序列中找到合适的位置并插入。共需要 2 层循环,故为 O ( n * n );


3. 希尔排序

它的核心思想是把一个序列分组,对分组后的内容进行插入排序,这里的分组只是逻辑上的分组,不会重新开辟存储空间。它其实是插入排序的优化版,插入排序对基本有序的序列性能好,希尔排序利用这一特性把原序列分组,对每个分组进行排序,逐步完成排序。

func shellSort(nums []int) {
  // l = 9
  l := len(nums)
  for gap := l / 2; gap > 0; gap = gap / 2 {
    // i = 4; i < 9; i ++
    for i := gap; i < l; i++ {
      // j=0,1,2,3,4
      // [0]-[4] [1]-[5] [2]-[6] [3]-[7] [4]-[8]
      for j := i - gap; j >= 0; j = j - gap {
        if nums[j] > nums[j+gap] {
          nums[j], nums[j+gap] = nums[j+gap], nums[j]
        }
      }
    }
  }
}

稳定性:它可能会把相同元素分到不同的组中,那么两个相同的元素就有可能调换相对位置,故不稳定。

空间复杂度:由于整个排序过程是在原数据上进行操作,故为 O(1);

时间复杂度:希尔排序的时间复杂度与增量序列的选取有关,例如希尔增量时间复杂度为O(n2),而Hibbard增量的希尔排序的时间复杂度为O(log n的3/2),希尔排序时间复杂度的下界是n*log2n


4. 快速排序

首先选择一个点作为base,通过从左侧和从右侧遍历,把小于base的数放在左侧,把大于base的数放在右侧,中间是base;接下来以base为中心,分为两部分,每部分再进行快速排序。

func fastSort(nums []int, start, end int) {
  if end == start {
    return
  }
  base := nums[start]
  left := start
  right := end

  for left < right {
    for left < right && nums[right] > base {
      right--
    }
    nums[left] = nums[right]
    for left < right && nums[left] <= base {
      left++
    }
    nums[right] = nums[left]
  }
  nums[left] = base
  fastSort(nums, start, left-1)
  fastSort(nums, left+1, end)
}

稳定性:不稳定

空间复杂度:不使用额外空间,O(1)

时间复杂度:需要使用递归,时间复杂度nlgn


5. 归并排序

采用分治的思想,把数组分为一个一个子序列,直到子序列只有一个元素停止拆分,然后对每个子序列进行边排序边合并。

func mergeSort(nums []int, start, end int) {
  if end == start {
    return
  }
  mid := start + (end-start)/2
  mergeSort(nums, start, mid)
  mergeSort(nums, mid+1, end)
  merge(nums, start, mid, end)
}
func merge(nums []int, start, mid, end int) {
  for i := mid + 1; i <= end; i++ {
    base := nums[i]
    j := i - 1
    for j >= 0 && nums[j] > base {
      nums[j+1] = nums[j]
      j--
    }
    nums[j+1] = base
  }
}

稳定性:在元素拆分的时候,虽然相同元素可能被分到不同的组中,但是合并的时候相同元素相对位置不会发生变化,故稳定。

空间复杂度:需要用到一个数组保存排序结果,也就是合并的时候,需要开辟空间来存储排序结果,故为 O ( n );

时间复杂度:最好最坏都为 O(nlogn);


6. 计数排序

使用和需排序数组的最大最小值相关的下标数组进行计数,最后根据计数得出排序后的数组。比如nums[8,1,4,6,2,3,5,4],那么下标数组为atr[1,1,1,2,1,1,0,1]

func countSort(nums []int) {
  if len(nums) == 0 {
    return
  }
  big := nums[0]
  small := nums[0]
  for i := 1; i < len(nums); i++ {
    big = max(nums[i], big)
    small = min(nums[i], small)
  }
  atr := make([]int, big-small+1)
  for _, n := range nums {
    atr[n-small]++
  }
  i := 0
  for j, n := range atr {
    if n > 0 {
      for k := 0; k < n; k++ {
        nums[i] = j + small
        i++
      }
    }
  }
}
func max(a, b int) int {
  if a > b {
    return a
  }
  return b
}
func min(a, b int) int {
  return a + b - max(a, b)
}

稳定性:在元素往 countArr 中记录时按顺序遍历,从 countArr 中取出元素也是按顺序取出,相同元素相对位置不会发生变化,故稳定。

空间复杂度:需要额外申请空间,复杂度为“桶”的个数,故为 O ( k ), k 为“桶”的个数,也就是 countArr 的长度;

时间复杂度:最好最坏都为 O(n+k), k 为“桶”的个数,也就是 countArr 的长度;

相关推荐

国内外注塑机及电脑密码大全(常见注塑机通用密码)

一、国外注塑机(日本、德国等)东洋注塑机万能码:9422345日精注塑机密码:222|7777DAMEG注塑机密码:000000000新泻注塑机密码:241650|261450住友注塑机密码:...

并发编程实战来咯(并发编程的艺术和并发编程实战)

提到并发编程,就不得不提C++ConcurrencyinAction(SecondEdition)(《C++并发编程实战第2版》)啦!《C++并发编程实战第2版》英文原版&中文译版看到这个...

无锁队列Disruptor原理解析(无锁队列应用场景)

队列比较队列...

理解 Memory barrier(内存屏障)(内存屏障 volatile)

...

并发编程 --- CAS原子操作(cas概念、原子类实现原理)

...

无锁CAS(附无锁队列的实现)(cas是一种无锁算法)

本文所有代码对应的Github链接为:https://github.com/dongyusheng/csdn-code/tree/master/cas_queue...

Linux高性能服务器设计(linux 服务器性能)

C10K和C10M计算机领域的很多技术都是需求推动的,上世纪90年代,由于互联网的飞速发展,网络服务器无法支撑快速增长的用户规模。1999年,DanKegel提出了著名的C10问题:一台服务器上同时...

浅谈Go语言的并发控制(go语言 并发)

前言本文原创,著作权归...

Datenlord |Etcd 客户端缓存实践(etcd 数据存储)

简介和背景...

无锁编程——从CPU缓存一致性讲到内存模型

缓存是一个非常常用的工程优化手段,其核心在于提升数据访问的效率。缓存思想基于局部性原理,这个原理包括时间局部性和空间局部性两部分:...

打通 JAVA 与内核系列之 一 ReentrantLock 锁的实现原理

...

如何利用CAS技术实现无锁队列(cas会锁总线吗)

linux服务器开发相关视频解析:...

Kotlin协程之一文看懂Channel管道

概述Channel类似于Java的BlockingQueue阻塞队列,不同之处在于Channel提供了挂起的send()和receive()方法。另外,通道Channel可以...

详解C++高性能无锁队列的原理与实现

1.无锁队列原理1.1.队列操作模型...

Javascript 多线程编程的前世今生

...

取消回复欢迎 发表评论: