目录

创作不易，如对您有帮助，还望一键三连，谢谢！

前言

学习目标：

直接插入排序

基本思想：

代码

希尔排序：

gap取值

代码

特性总结

选择排序

基本思想

代码

堆排序

思想

代码

冒泡排序：

快速排序：

思想

递归

非递归

归并排序

基本思想：

递归实现

非递归实现

时间复杂度与空间复杂度以及稳定性

---

创作不易，如对您有帮助，还望一键三连，谢谢！

前言

排序在我们日常生活中十分常见，比如：成绩按高低排序，购物网页按价格排序......今天我们就来学习常见的几个排序算法。

学习目标：

接下来我们一个一个讲解。

直接插入排序

首先，我们先来看动图：

基本思想：

end从0开始，[0,end]视为一个有序的数组，然后每次都让end+1的数据与前面有序数组[0,end]进行对比排序，然后end++，直至遍历完整个数组，此时原数组就有序了。

代码

有小伙伴可能会问，为什么最后要pa[end+1]=tem ？且看此图：

这就是上面问题的原因，其实学习数据结构时，有这种问题究其原因还是因为没有画图，笔者认为学习数据结构一定要多画图，这样才不容易出错，有点跑题了哈哈，我们继续学习下一个排序。

希尔排序：

首先，希尔排序其实就是直接插入排序的变形，所以要理解希尔排序，我们得熟练掌握直接插入排序。我们先来看一下动图：

是不是看的一脸懵？这就对了，这个思路还是有点抽象的，容笔者慢慢讲解：

首先，我们要知道希尔排序其实就是直接插入排序的优化，它选取了一个值gap，并把数组分成gap个组，每个组两个元素相隔gap个位置，如下图所示：

至于gap如何取值，我们一会儿再讲，如上图，我们讲数组分成了gap组（5组），每组两两元素之间相隔gap个位置。

然后，我们对每一组进行直接插入排序，结果如下：

然后gap=gap/2，此时gap为2，在把数组分成gap（2）组，每组相邻元素相差gap位置，如下：

在对每组进行直接插入排序，排好后如下：

然后gap为1，将数组分成了1组，有10个元素，对改组进行直接插入排序：

自此，数组有序。

有小伙伴可能发现了，当gap为1时不就是直接插入排序吗？没错所以会说希尔排序就是插入排序的变形，实际上希尔排序就是插入排序的优化，希尔排序可比插入排序快多了。关于各排序的时间复杂度，我们下篇文章在讲解。

gap取值

gap取值的话

一般取法有多种，其中两种常见的是：

1. 取 n/2：

   • 最初的增量（gap）设定为数组长度的一半，即 gap = n / 2。
   • 然后每次将 gap 减半，直到 gap = 1。

2. 取 n/3+1：

   • 初始增量（gap）设定为 gap = n / 3 + 1。
   • 然后每次将 gap 按一定规则缩小，直到 gap = 1。

上面我们就是用了第一种方法。

当gap>1时，被称作为预排序；当ga1p=1为插入排序。

代码

代码如下：

果然，当我们了解思路后写代码，发现还是一样难写，哈哈哈。

第一个for循环，是控制所有组，确保每一组都能进行排序，一共有gap组，故为i<gap.

而这段代码，就是控制一组的排序，这个过程其实就是插入排序的变形，当gap=1时，与插入排序一模一样，我们可以画图来进行理解。

需要注意的是j<n-gap:

因为我们进行排序时，有pa[end+gap]=pa[end]，所以我们要让j<n-gap，防止越界。

希尔排序还有另外一种写法：

这个写法与第一个不同的是没有按照先排好一个组，然后再排另一个组，它直接是混着排序，小伙伴们可以画图理解一下。两种方法掌握一种即可。

特性总结

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 。

这个排序思路还是比较简单的，

代码

好，我们给个样例运行一下：

不出意外，错了！

为啥呢？我们来调试一下：

第一轮，maxi为0，mini为9，没有错，我们在进行下面的交换代码。

出问题了，当我们把pa[begin]和pa[mini]进行交换时，由于maxi的值与begin相等，所以当交换pa[begin]和pa[mini]后，maxi指向的值就变了，不是最大值了，所以我们要加一个if条件语句：

这下就对了。

堆排序

思想

首先建堆，升序建大堆，降序建小堆，建好堆之后另end等于数组长度-1，交换0位置和end位置的数据，向下调整建堆end--，直至end小于0。

、

代码

这个堆排序写起来还是有难度的，这里看不懂也没关系，笔者之后专门写一篇堆排序的文章，可以暂时跳过继续往下看。

冒泡排序：

这个就比较简单了，冒泡排序没有什么实践价值，但有一定的教学意义，我们来看一下动图：

代码如下：

快速排序：

思想

我们找一个参考值，end指向数组尾部，begin指向数组起始位置。

end先走，如果arr[end]大于key，end--直至找到小于key的位置；

同理，当end找到小于key的位置后，begin开始找大于key的位置，然后交换begin和end两位置的值，直至begin=end。

当begin和end相遇时的位置的值一定小于key。（原因我们一会儿讲），然后交换key和两者相遇位置的值，完成第一趟排序。

快排是比较重要的，还是有很大的概率在面试时让你手撕，所以我们一定要熟练掌握，快排实现有递归和非递归两种方法，我们一一讲解。

递归

排完一次序后，以keyi为基准分割区间，继续排序.

代码如下：

非递归

有小伙伴可能会说：我们都已经会递归版本的快排了，还有必要学这个吗？往年一个面试官是这样问的：同学，你学过数据结构，那你了解快排吗？这位同学非常熟练的讲出来了递归实现的大致思路。面试官听后笑着说：“很好，那你能用非递归实现吗？”哈哈哈，所以还是有必要的。

非递归和递归思路一样，我们也是采用分割区间，不能用递归，我们可以用循环来解决，那么问题来了，我们怎么来存储分割好的区间呢？

想想我们之前讲过一道括号匹配的问题，那个时候我们怎么存储括号的？

答案是：栈。

我们用栈来存储分割后的区间，只要区间满足左边界大于右边界就入栈，然后套一个while循环，当战不为空就继续。

需要注意的是栈是后进先出，千万不要把区间搞反了

代码如下：

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（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，称为二路归并。

说的通俗易懂点就是把一个数组分解成两个数组pa1,pa2,直到每个数组只有一个元素，然后在依次合并pa1和pa2,从而使原数组有序。

归并排序的思想很像我们之前讲过的合并两个有序数组，不知道小伙伴还记不记得，只能说是一模一样，同样，实现归并排序也有递归和非递归两种方式。

递归实现

需要讲的一点是_MergeSort是MergeSort的子函数，也可以稍作修改，写在一起.还有就是记得释放动态开辟的内存，养成良好的代码风格。

下面是递归大致展开图，可以帮助大家理解一下：

非递归实现

非递归实现，怎么实现呢?我们上面快排的非递归实现运用了栈来解决，那么这里能用栈来解决问题吗?可以，但是这里就比较麻烦，如果我们用栈来解决的话，那么循环的结束条件难以判断，同时此处栈管理起来也比较麻烦。我们这里可以用迭代来实现。

需要注意的是，我们每次要归并的两组数据，end1,begin2,end2有可能会越界，因为for循环的判断条件是i<n-1,此时除了begin1其余三个都可能会越界，所以我们要判断修正。

当begin2越界时，代表第二组越界，也就是不存在，所以不需要归并；当只有end2越界时，只需把end2修正为最后一个元素继续归并即可。其余也就没什么好说的了。

时间复杂度与空间复杂度以及稳定性

首先，我们先来了解一下稳定性的概念：

稳定性：假定在待排序的记录序列中，存在多个具有相同的关键字的记录，若经过排序，这些记录的相对次 序保持不变，即在原序列中，r[i]=r[j]，且r[i]在r[j]之前，而在排序后的序列中，r[i]仍在r[j]之前，则称这种排 序算法是稳定的；否则称为不稳定的。

如上图所示，即排完序后，黑6与红6的相对位置不变（黑6还在红6前面），那么这个排序就是稳定的。

知道了这个，我们接下来一个一个分析上面各个排序算法的时间复杂度、空间复杂度以及稳定性

1.直接插入排序

稳定性：稳定

时间复杂度：O(N^2);

空间复杂度：O(1)。

直接插入排序[0,end]有序，让arr[end+1]与[0,end]进行比较交换，当两数相等时，我们可以让其不交换，那么最后拍完序相等元素的相对顺序是不变的，所以说直接插入排序是稳定的。

通过上面的代码，不难分析出直接插入排序的时间复杂度为O(n^2),由于没开辟新的空间，所以说空间复杂度为O(1)。

2.希尔排序

稳定性：不稳定

时间复杂度：O(N*logN)

空间复杂度：O(1)

我们上面讲，希尔排序是插入排序的变形，那么希尔排序稳定吗？答案是不稳定。

故希尔排序不稳定。那么希尔排序的时间复杂度又为多少呢？

这个就很复杂了，因为希尔排序循环次数与gap的取值有关，而gap又有很多种不同的取值方法，

同时，while循环比较次数和元素移动的次数也难以计算，所以说这需要很强的数学专业知识，笔者不会，但有大佬给出希尔排序的时间复杂度大概为O(N^1.3),记住就行。

那么希尔排序的空间复杂度为多少呢？很显然是O(1)。

3.选择排序

稳定性：不稳定。

时间复杂度：O(N^2);

空间复杂度：O(1)。

选择排序为什么不稳定的，这是个易错点，我们看下图的分析：

这种情况就是不稳定的情况。时间复杂度空间复杂度比较简单，不再赘述.

4.堆排序

稳定性：不稳定。

时间复杂度：O(n*logN)

空间复杂度：O(1)

由于堆我们之前没有讲解，讲起来有一点麻烦，我们先放一下，之后专门讲解堆的相关知识。

5.冒泡排序

稳定性：稳定

时间复杂度：O(N^2);

空间复杂度：O(1)；

6.快速排序

稳定性：不稳定。

时间复杂度：O(N*logN);

空间复杂度：O(  logn)~O(n)。

快排也无法保证相等元素的相对位置，这个很好想例子，比如下图 ：

这里的易错点就是空间复杂度不是O(1)!!!

函数递归需要额外开辟空间，我们上面也讲了，快排通常是递归实现的，N个数组成的数组每次被分成两个区间，依次分割，直到left>=right，它一共分了logN次，故需要开辟logN个新的空间

有小伙伴会问，递归递归，它往回归的时候，不是又应该开辟一块新空间吗？好问题，函数递归，回归时用的是已经开辟好了的空间。这涉及到函数栈帧的问题，有兴趣的小伙伴可以去学习学习，增强内力。

7.归并排序

稳定性：稳定

时间复杂度：O(N*logN).

空间复杂度：O(N).

也没什么好说的，比较简单。

总结图：

笔者希望大家能够理解性的去记忆这些东西，理解它们的原理，这样记忆起来就事半功倍了。