八大排序算法总结

排序	排序方法	平均情况	最好情况	最坏情况	空间	稳定性
1	冒泡排序	O(n2)	O(n)	O(n2)	O(1)	稳定
2	选择排序	O(n2)	O(n2)	O(n2)	O(1)	不稳定
3	插入排序	O(n2)	O(n)	O(n2)	O(1)	稳定
4	二分插入排序	O(n2)	O(n)	O(n2)	O(1)	稳定
5	归并排序	O(nlogn)	O(nlogn)	O(nlogn)	O(n)	稳定
6	快速排序	O(nlogn)	O(nlogn)	O(n2)	O(logn)~O(n)	不稳定
7	希尔排序	O(nlogn) ~ O(n2)	O(n1.3)	O(n2)	O(1)	不稳定
8	堆排序	O(nlogn)	O(nlogn)	O(nlogn)	O(1)	不稳定

1.冒泡排序

1. 核心思想： 通过相邻元素的比较和交换来将最大（或最小）的元素逐渐“冒泡”到数组的一端

   

2. 具体步骤：

   1. 从数组的第一个元素开始，依次比较相邻的两个元素。
   2. 如果前一个元素大于后一个元素，则交换它们的位置，使得较大的元素“冒泡”到后面。
   3. 继续进行相邻元素的比较和交换，直到数组的末尾。
   4. 重复执行上述步骤，每次都会将当前未排序部分的最大元素“冒泡”到数组的末尾。
   5. 重复执行上述步骤，直到整个数组排序完成。

3. 实现代码：

   public static void bubbleSort(int[] arr) {int temp = 0;for (int i = arr.length - 1; i > 0; i--) { 	// 每次需要排序的长度for (int j = 0; j < i; j++) { 			// 从第一个元素到第i个元素if (arr[j] > arr[j + 1]) {			// 确保较大的元素排到后面temp = arr[j];arr[j] = arr[j + 1];arr[j + 1] = temp;}}}
   }
   

4. 时间和空间复杂度：

   • 平均情况：O(n2)
   • 最好情况：O(n)
   • 最坏情况：O(n2)
   • 空间复杂度：O(1)
   • 稳定性：稳定

5. 优化： 增加标记符swap，用于确定当前一轮冒泡是否有元素进行交换，若没有则跳出循环，表示数组已经有序了

   public static void bubbleSort(int[] arr) {int temp = 0;boolean swap;for (int i = arr.length - 1; i > 0; i--) { // 每次需要排序的长度swap=false;for (int j = 0; j < i; j++) { // 从第一个元素到第i个元素if (arr[j] > arr[j + 1]) {temp = arr[j];arr[j] = arr[j + 1];arr[j + 1] = temp;swap=true;}}//loop jif (swap==false){			//前面的一轮循环没有进行交换，数组已经有序break;}}//loop i
   }// method bubbleSort
   

2.选择排序

1. 核心思想： 在未排序部分的数据中选择最小（或最大）的元素，然后将其放置到已排序部分的末尾

2. 具体步骤：

   1. 遍历数组，将第一个元素作为当前最小（或最大）元素。
   2. 在未排序部分的剩余元素中，找到最小（或最大）的元素，并记录其位置。
   3. 将找到的最小（或最大）元素与未排序部分的第一个元素交换位置，将其放置到已排序部分的末尾。
   4. 重复执行上述步骤，每次都会将当前未排序部分的最小（或最大）元素放置到已排序部分的末尾。
   5. 这样，经过n-1轮的遍历和交换，整个数组就会按照升序（或降序）排列。

3. 实现代码：

   public static void selectionSort(int[] arr) {int temp, min = 0;for (int i = 0; i < arr.length - 1; i++) {min = i;// 循环查找最小值for (int j = i + 1; j < arr.length; j++) {if (arr[min] > arr[j]) {min = j;}}if (min != i) {temp = arr[i];arr[i] = arr[min];arr[min] = temp;}}
   }
   

4. 时间和空间复杂度：

   • 平均情况：O(n2)
   • 最好情况：O(n2)
   • 最坏情况：O(n2)
   • 空间复杂度：O(1)
   • 稳定性：不稳定

5. 关于稳定性的探讨：

   • 稳定性：在排序过程中，相等元素的相对顺序是否会被改变。如果排序算法能够保持相等元素的相对顺序不变，则称其为稳定的排序算法；反之，则称其为不稳定的排序算法

   • 冒泡排序（升序）：当相邻元素进行比较并需要交换位置时，只有当后面的元素小于前面的元素才会进行交换。因此，对于相等的元素，即使它们相邻，它们的相对顺序也不会被改变，从而保持了排序的稳定性

   • 选择排序：每次选择最小的元素并放置到已排序部分的末尾。在寻找最小（或最大）元素的过程中，可能会导致相等元素的相对顺序发生改变。例如，在一组相等的元素中，由于选择排序每次只选择一个最小（或最大）元素，所以在选择的过程中可能会交换这些相等元素的位置，从而导致排序的不稳定性

   • 举例：假设我们有以下一组待排序的元素：

     [5①, 2, 7, 5②, 1]
     

     • 冒泡排序：比较相邻的元素，并根据需要交换它们的位置。当遇到相等元素时，只有在后面的元素小于前面的元素时才会进行交换。

       第一轮冒泡排序：[2, 5①, 5②, 1, 7]
       第二轮冒泡排序：[2, 5, 1, 5, 7]
       第三轮冒泡排序：[2, 1, 5, 5, 7]
       第四轮冒泡排序：[1, 2, 5, 5, 7]
       

     • 选择排序：

       第一轮选择排序：[1, 2, 7, 5②, 5①]（选择1） （两个相等的5的位置发生变化，不稳定!!!）
       第二轮选择排序：[1, 2, 5, 5, 7]（选择2）
       第三轮选择排序：[1, 2, 5, 5, 7]（选择5）
       第四轮选择排序：[1, 2, 5, 5, 7]（选择5）
       第五轮选择排序：[1, 2, 5, 5, 7]（选择7）
       

3.插入排序

1. 核心思想： 将待排序的元素逐个插入到已排序部分的正确位置

   

2. 具体步骤：

   1. 将数组分为已排序部分和未排序部分。一开始，已排序部分只包含第一个元素，即数组的第一个元素被认为是已排序的。
   2. 从未排序部分取出一个元素，将其插入到已排序部分的正确位置。为了找到正确的位置，可以从已排序部分的末尾开始，依次向前比较已排序元素，直到找到小于等于该元素的位置。
   3. 将该元素插入到找到的位置，并将已排序部分中的元素向后移动，为新元素腾出位置。
   4. 重复步骤2和步骤3，直到未排序部分为空。
   5. 最终，已排序部分即为排序好的数组。

3. 实现代码：

   public static void insertionSort(int[] arr) {int n = arr.length;for (int i = 1; i < n; i++) {		//从第二个元素开始，第一个元素默认有序int key = arr[i];				//保存当前元素 keyint j = i - 1;//找到合适的位置while (j >= 0 && arr[j] > key) {//发现已排序元素比 key 大，则将该元素向后移动一位，直到找到 key 的正确位置arr[j + 1] = arr[j];j = j - 1;					//往后移}	arr[j + 1] = key;1				//找到 key 保存的位置}
   }
   

   待排序数组：[5, 2, 4, 6, 1, 3]
   1：[2, 5, 4, 6, 1, 3]
   2：[2, 4, 5, 6, 1, 3]
   3：[1, 2, 4, 5, 6, 3]
   4：[1, 2, 3, 4, 5, 6]
   

4. 时间和空间复杂度：

   • 平均情况：O(n2)
   • 最好情况：O(n)
   • 最坏情况：O(n2)
   • 空间复杂度：O(1)
   • 稳定性：稳定

4.二分插入排序

1. 核心思想：利用二分查找来确定待插入元素在已排序部分中的位置，以减少比较次数

2. 实现步骤：

   1. 初始状态：将数组的第一个元素视为已排序部分，其余元素视为待排序部分。
   2. 插入过程：从第二个元素开始遍历待排序部分，对于每个元素，使用二分查找确定其在已排序部分中的插入位置。
   3. 二分查找：在已排序部分中，使用二分查找找到第一个大于待插入元素的位置，这个位置及之后的元素都需要向后移动一个位置来腾出空间。
   4. 插入操作：将待插入元素插入到找到的位置，完成一轮插入操作。
   5. 重复步骤2~4，直到待排序部分中的所有元素都被插入到已排序部分中，整个数组就被排序完成了。

3. 实现代码：

   public static void binaryInsertionSort(int[] arr) {int n = arr.length;for (int i = 1; i < n; i++) {int key = arr[i];int left = 0;int right = i - 1;// 二分查找确定插入位置int insertIndex = binarySearch(arr, left, right, key);// 将大于 key 的元素向后移动一位for (int j = i - 1; j >= insertIndex; j--) {arr[j + 1] = arr[j];}// 插入 keyarr[insertIndex] = key;}
   }// 二分查找
   private static int binarySearch(int[] arr, int left, int right, int key) {while (left <= right) {int mid = left + (right - left) / 2;if (arr[mid] == key) {return mid; // key 在已排序部分的位置} else if (arr[mid] < key) {left = mid + 1;} else {right = mid - 1;}}return left; // 返回待插入位置
   }
   

4. 时间和空间复杂度：

   • 平均情况：O(n2)
   • 最好情况：O(n)
   • 最坏情况：O(n2)
   • 空间复杂度：O(1)
   • 稳定性：稳定

5.归并排序

1. 核心思想： 采用分治法，将已有序的子序列合并，得到完全有序的序列；

2. 步骤：

   1. 分解（Divide）：将原始数组分解为较小的子数组，直到每个子数组只有一个元素为止。这可以通过递归的方式实现，将数组不断二分直到每个子数组的长度为1。
   2. 解决（Conquer）：对每个子数组进行排序。对于只有一个元素的子数组来说，可以认为它们已经是有序的。
   3. 合并（Merge）：合并相邻的子数组，形成一个更大的有序数组。合并过程中，需要按照大小顺序逐个比较两个子数组中的元素，并将较小（或较大）的元素依次放入一个临时数组中，直到合并完成。
   4. 递归合并（Recursively Merge）：重复以上步骤，直到所有子数组都被合并成一个大的有序数组为止。

   

3. 实现代码：

   public static void mergeSort(int[] arr){int[] temp =new int[arr.length];internalMergeSort(arr, temp, 0, arr.length-1);
   }
   private static void internalMergeSort(int[] arr, int[] temp, int left, int right){//当left==right的时，已经不需要再划分了if (left<right){int middle = (left+right)/2;internalMergeSort(arr, temp, left, middle);          //左子数组internalMergeSort(arr, temp, middle+1, right);       //右子数组mergeSortedArray(arr, temp, left, middle, right);    //合并两个子数组}
   }
   // 合并两个有序子序列
   private static void mergeSortedArray(int arr[], int temp[], int left, int middle, int right){int i=left;      int j=middle+1;int k=0;while (i<=middle && j<=right){temp[k++] = arr[i] <= arr[j] ? arr[i++] : arr[j++];}while (i <=middle){temp[k++] = arr[i++];}while ( j<=right){temp[k++] = arr[j++];}//把数据复制回原数组for (i=0; i<k; ++i){arr[left+i] = temp[i];}
   }
   

4. 时间和空间复杂度：

   • 平均情况：O(nlogn)
   • 最好情况：O(nlogn)
   • 最坏情况：O(nlogn)
   • 空间复杂度：O(n)
   • 稳定性：稳定

5. 适用场景： 归并排序在数据量比较大的时候也有较为出色的表现（效率上），但是，其空间复杂度O(n)使得在数据量特别大的时候（例如，1千万数据）几乎不可接受。而且，考虑到有的机器内存本身就比较小，因此，采用归并排序一定要注意。

6.快速排序

1. 核心思想： 通过选取基准元素，将数组划分为两个子数组，并对子数组递归排序，实现整个数组的快速排序

2. 实现步骤：

   1. 从数列中挑出一个元素，称为 “基准”（pivot），
   2. 重新排序数列，所有比基准值小的元素摆放在基准前面，所有比基准值大的元素摆在基准后面（相同的数可以到任何一边）。在这个分区结束之后，该基准就处于数列的中间位置。这个称为分区（partition）操作。
   3. 递归地（recursively）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。

3. 实现代码：

   public static void quickSort(int[] arr){qsort(arr, 0, arr.length-1);
   }private static void qsort(int[] arr, int low, int high){if (low >= high)return;int pivot = partition(arr, low, high);        //将数组分为两部分qsort(arr, low, pivot-1);                   //递归排序左子数组qsort(arr, pivot+1, high);                  //递归排序右子数组
   }private static int partition(int[] arr, int low, int high){int pivot = arr[low];     //基准while (low < high){while (low < high && arr[high] >= pivot){--high;} arr[low]=arr[high];             //比基准小的元素会被移动到基准的左边while (low < high && arr[low] <= pivot){++low;}arr[high] = arr[low];           //比基准大的元素会被移动到基准的右边}//扫描完成，基准到位arr[low] = pivot;//返回的是基准的位置return low;
   }
   

4. 举例：

   初始：[7, 2, 1, 6, 8, 5, 3, 4]	# 7为基准第一：[4, 2, 1, 6, 8, 5, 3, 4] # 4移到左边[4, 2, 1, 6, 8, 5, 3, 8] # 8移到右边[4, 2, 1, 6, 3, 5, 3, 8] # 3移到左边[4, 2, 1, 6, 3, 5, 7, 8] # 基准7插入到low位置划分为两个数组：[4, 2, 1, 6, 3, 5]和[8]
   第二： [4, 2, 1, 6, 3, 5] # 以4为基准[3, 2, 1, 6, 3, 5] # 3移到左边[3, 2, 1, 6, 6, 5] # 6移到右边[3, 2, 1, 4, 6, 5] # 基准4插入到low位置以此类推......
   

5. 时间和空间复杂度：

   • 平均情况：O(nlogn)
   • 最好情况：O(nlogn)
   • 最坏情况：O(n2)
   • 空间复杂度：O(logn)~O(n)
   • 稳定性：不稳定

7.希尔排序

• 明天总结

8.堆排序

• 明天总结