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...
- 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:...
- 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...
你 发表评论:
欢迎- 一周热门
-
-
前端面试:iframe 的优缺点? iframe有那些缺点
-
带斜线的表头制作好了,如何填充内容?这几种方法你更喜欢哪个?
-
漫学笔记之PHP.ini常用的配置信息
-
其实模版网站在开发工作中很重要,推荐几个参考站给大家
-
推荐7个模板代码和其他游戏源码下载的网址
-
[干货] JAVA - JVM - 2 内存两分 [干货]+java+-+jvm+-+2+内存两分吗
-
正在学习使用python搭建自动化测试框架?这个系统包你可能会用到
-
织梦(Dedecms)建站教程 织梦建站详细步骤
-
【开源分享】2024PHP在线客服系统源码(搭建教程+终身使用)
-
2024PHP在线客服系统源码+完全开源 带详细搭建教程
-
- 最近发表
- 标签列表
-
- mybatis plus (70)
- scheduledtask (71)
- css滚动条 (60)
- java学生成绩管理系统 (59)
- 结构体数组 (69)
- databasemetadata (64)
- javastatic (68)
- jsp实用教程 (53)
- fontawesome (57)
- widget开发 (57)
- vb net教程 (62)
- hibernate 教程 (63)
- case语句 (57)
- svn连接 (74)
- directoryindex (69)
- session timeout (58)
- textbox换行 (67)
- extension_dir (64)
- linearlayout (58)
- vba高级教程 (75)
- iframe用法 (58)
- sqlparameter (59)
- trim函数 (59)
- flex布局 (63)
- contextloaderlistener (56)