🐵本篇文章将对数据结构中7大排序的知识进行讲解
一、插入排序
有一组待排序的数据array，以升序为例，从第二个数据开始（用tmp表示）依次遍历整组数据，每遍历到一个数据都再从tmp的前一个数据开始（下标用j表示）从后往前依次和其进行比较，如果tmp比它小，则令array[j + 1] = array[j];
1.1 实例讲解
第一趟：
第二趟：
第三趟和第四躺：
1.2 代码实现
public void insertSort(int[] array) {
for (int i = 1; i < array.length; i++) {
int tmp = array[i];
int j = i - 1;
for (; j >= 0; j--) {
if (tmp < array[j]) {
array[j + 1] = array[j]; //将tmp移动到当前数据顺序的最小位置处，此步操作相当于给tmp腾位置
} else {
break;
}
}
array[j + 1] = tmp;
}
}
在该排序算法中，当tmp前面出现比其小的元素时，则再往前的数据也一定比tmp小，所以插入排序是元素越有序，其效率越快的排序算法
时间复杂度：O(N²)
空间复杂度：O(1)
稳定
二、希尔排序
希尔排序是对直接插入排序的优化，它会将一组数据进行分组，然后针对每一组进行直接插入排序，那么该如何进行分组：定义一个gap，代表同一组数据的间隔，比如由一组数据：6，5，4，3，2，1；gap = 2，则6，4，2为一组，5，3，1为一组。在gap = 2的情况下的每一组数据排序完毕后，要缩小gap并再进行分组，然后再对每一组进行插入排序，随着gap的减小，该组数据会变得越来越有序，当gap = 1时，此时数据已经接近有序了，所以效率会非常快
2.1 实例讲解
第一躺：
第二趟：
第三趟：
2.2 代码实现
public void shellSort(int[] array) {
int gap = array.length;
while(gap > 1) { //当gap = 1时分组结束
gap = gap / 2;
shell(array, gap);
}
}
private void shell(int[] array, int gap) {
for (int i = gap; i < array.length; i++) {
int tmp = array[i];
int j = i - gap;
for (; j >= 0; j -= gap) {
if (tmp < array[j]) {
array[j + gap] = array[j];
} else {
break;
}
}
array[j + gap] = tmp;
}
}
希尔排序不稳定
三、选择排序
选择排序较为简单，这里直接讲实例
3.1 实例讲解
第一躺：
第二趟：
第三趟：
第四躺和第五躺也都是如此排序的，由于数据已经有序，这里就不再演示
3.2 代码实现
public void selectSort(int[] array) {
for (int i = 0; i < array.length; i++) {
int minIndex = i;
int j = i + 1;
for (; j < array.length; j++) {
if (array[j] < array[minIndex]) {
minIndex = j;
}
}
swap(array, minIndex, i);
}
}
private void swap(int[] array, int minIndex, int i) {
int tmp = array[minIndex];
array[minIndex] = array[i];
array[i] = array[minIndex];
}
选择排序的效率不是很高，日常开发使用较少
时间复杂度：O(N²)
空间复杂度：O(1)
不稳定
四、堆排序
在上篇文章：Java优先级队列（堆）中进行了讲解，这里只给出代码：
4.1 代码实现
public void createHeap(int[] array) { //创建大根堆
int usedSize = array.length;
for (int parent = (usedSize - 1 - 1) / 2; parent >= 0; parent--) {
siftDown(array, parent, usedSize);
}
}
private void siftDown(int[] array, int parent, int end) { //向下调整
int child = 2 * parent + 1;
while(child < end) {
if (child + 1 < end && array[child] < array[child + 1]) {
child++;
}
if (array[parent] < array[child]) {
swap(array, parent, child);
parent = child;
child = 2 * parent + 1;
} else {
break;
}
}
}
private void swap(int[] array, int i, int j) {
int tmp = array[i];
array[i] = array[j];
array[j] = tmp;
}
public void heapSort(int[] array) { //堆排序
createHeap(array);
int end = array.length - 1;
while(end > 0) {
swap(array, 0, end);
siftDown(array, 0, end - 1);
end--;
}
}
堆排序：
时间复杂度：O(N * logN)
空间复杂度：O(1)
不稳定
五、冒泡排序
冒泡排序在C语言阶段也进行了详细讲解，这里也只给出代码：
5.1 代码实现
public void bubbleSort(int[] array) {
for (int i = array.length - 1; i > 0; i--) {
for (int j = 0; j < i; j++) {
if (array[j] > array[j + 1]) {
int tmp = array[j];
array[j] = array[j + 1];
array[j + 1] = tmp;
}
}
}
}
冒泡排序
时间复杂度：O(N²)
空间复杂度：O(1)
稳定
六、快速排序
6.1 实例讲解
以最左边的数作为基准，先从数组的最右边开始遍历，当找到比基准小的数时停止，然后从数组的最左边开始遍历，当找到比基准大的数时停止，这时将 l 和 r 所对应的值进行交换，之后重复上述过程直到 left 和 right 相遇，相遇的下标定义为pivot，最后将pivot下标的值和tmp进行交换
此时6的左边都是比其小的数，6的右边都是比其大的数；之后分别对6左边的数据和右边的数据进行重复的操作
之后再对这两组数据的pivot的两边进行重复操作，由此可以联想到使用递归，类似于二叉树
6.2 代码实现
public void quickSort(int[] array) {
quick(array, 0, array.length - 1);
}
private void quick(int[] array, int start, int end) {
int pivot = partition(array, start, end); //通过paratition方法得到 left 和 right 相遇的下标 （paratition后续再实现）
quick(array, start, pivot - 1); //递归 pivot 的左边
quick(array, pivot + 1, end); //递归 pivot 的右边
}
上述的 quick 方法中还缺少递归结束的条件，第一种不难想到就是left 和 right相遇时
第二种情况如下图：
上图的下一步是r = pivot - 1；开始递归pivot的左边，但其左边并没有数据，所以当left > right时结束递归
public void quickSort(int[] array) {
quick(array, 0, array.length - 1);
}
private void quick(int[] array, int start, int end) {
if (start >= end) {
return;
}
int pivot = partition1(array, start, end);
quick(array, start, pivot - 1);
quick(array, pivot + 1, end);
}
private int partition(int[] array, int left, int right) { //确定pivot
int tmp = array[left]; //基准
int i = left;
while(left < right) {
while(left < right && array[right] >= tmp) {
right--;
}
while(left < right && array[left] <= tmp) {
left++;
}
swap(array, left, right);
}
swap(array, i, right);
return left;
}
上述的 partition 确定pivot的下标被称为Hoare法，接下来再介绍一种 “挖坑法”
仍然是先从右边开始遍历，找到比tmp小的数则放在空出来的位置，此时right下标的位置就空出来了，然后从左边开始遍历找到比tmp大的数则放在空出来的位置，重复上述过程
// 挖坑法
private int partition(int[] array, int left, int right) {
int tmp = array[left];
while(left < right) {
while(left < right && array[right] >= tmp) {
right--;
}
array[left] = array[right];
while(left < right && array[left] <= tmp) {
left++;
}
array[right] = array[left];
}
array[left] = tmp;
return left;
}
6.3 快速排序的优化
一组数据在较为理想的情况下，每次找到的基准元素都可以将这组数据分为大致相等的两部分，此时的快速排序算法的时间复杂度为 O(nlogn) ，但是也会存在一些极端的情况：每次找到的基准元素都是这组数据的最大值或最小值，此时会出现"单分支"的情况，时间复杂度为O(n^2)
6.3.1 三数取中法
改优化方法主要针对趋于有序的待排数组（升序或逆序），比如有这样一组数据：1，2，3，4，5在每一次取基准元素之前，分别取该数组的第一个数，最后一个数和中间的数，取这三个数的中间大的数和第一个数进行交换，交换完后上述数组就会变成：3，2，1，4，5，这样就是上述提到的较为理想的情况
private static void quick(int[] array, int start, int end) {
if (start >= end) {
return;
}
//如果待排数组趋于有序，则采用三数取中法进行优化
int index = middleNum(array, start, end);
swap (array, start, index);
int pivot = partition(array, start, end);
quick (array, start, pivot - 1);
quick (array, pivot + 1, end);
}
6.3.2 递归到小的子区间时，进行直接插入排序
之前有说道：待排数据的有序性越强，直接插入排序的效率越高，所以可以考虑当快排的递归深度较深或者说递归到的子区间较小时，采用直接插入排序，这样也可以提升快速排序的效率
private static void quick(int[] array, int start, int end) {
if (start >= end) {
return;
}
//如果区间较小，则使用这种优化
if (end - start + 1 <= 10) {
insertSort(array, start, end);
return;
}
int pivot = partition(array, start, end);
quick (array, start, pivot - 1);
quick (array, pivot + 1, end);
}
public static void insertSort(int[] array, int start, int end) { //这里不能只传数组，因为并不是对整个数组进行插入排序，而是某一个子区间进行直接插入排序
for (int i = start + 1; i <= end; i++) { //由于只是对特定的区间进行插入排序，所以这里要限定空间
int tmp = array[i];
int j = i - 1;
for (; j >= start; j--) { // >=start
if (array[j] > tmp) {
array[j + 1] = array[j];
} else {
break;
}
}
array[j + 1] = tmp;
}
}
快速排序时间复杂度：最好：O(N*logN)，最坏：O(N²)，平均：O(N*logN)
空间复杂度：O(logN)
不稳定
七、归并排序
7.1 实例讲解
归并排序是先将待排数组递归的进行两两分组，直到每组只有一个元素，之后两两递归的进行有序合并
7.2 代码实现
先进行分解
public static void mergeSort (int[] array) {
//将待排数组进行分解
mergeFunc(array, 0, array.length - 1);
}
private static void mergeFunc (int[] array, int left, int right) {
if (left >= right) {
return;
}
int mid = left + ((right - left) >> 1); //得到改组数据的中间下标
//分别分解数组的左边和右边
mergeFunc (array, left, mid);
mergeFunc (array, mid + 1, right);
//将分解后的数组进行 二路归并
merge (array, left, mid, right);
}
之后进行合并，以下面这一组为例：
将上面这两组数据进行有序合并，可以给这两组数据的第一个元素和最后一个元素的下标分别定义为s1,e1,s2,e2；之后再创建一个数组tmpArr，每次比较s1和s2的值，并将较小的值放在tmpArr中，（如果s1的值较小则s1++，反之s2++），然后将tmpArr中的数据再拷贝到原数组中
private static void merge (int[] array, int left, int mid, int right) {
int s1 = left;
int e1 = mid;
int s2 = mid + 1;
int e2 = right;
int[] tmpArr = new int[right - left + 1];
int k = 0;
//1.保证两个表都有数据
while (s1 <= e1 && s2 <= e2) {
if (array[s1] < array[s2]) {
tmpArr[k++] = array[s1++];
} else {
tmpArr[k++] = array[s2++];
}
}
//2.上个循环走完之后，可能还有一个表的数据没有全部放到tmpArr中
while (s1 <= e1) {
tmpArr[k++] = array[s1++];
}
while (s2 <= e2) {
tmpArr[k++] = array[s2++];
}
//3.将tmpArr中的数据拷贝回原数组中
for (int i = 0; i < k; i++) {
array[i + left] = tmpArr[i]; //array[i + left]是因为合并的两组数据不一定是原数组的0下标开始
}
}
时间复杂度：O(N*logN)
空间复杂度：O(N)
不稳定
🙉本篇文章到此结束
![[C++] const 成员函数](https://img-blog.csdnimg.cn/direct/884b272cec4f4d5294564e1403901c3b.png)
