点击链接 可视化排序 动态演示各个排序算法来加深理解，大致如下
一，冒泡排序（Bubble Sort）
原理
- 冒泡排序（Bubble Sort）是一种简单的排序算法，它通过多次比较和交换相邻元素的方式，将最大（或最小）的元素逐步冒泡到数组的一端。每一轮冒泡将会将未排序部分中最大（或最小）的元素“浮”到正确的位置。
算法步骤
- 从数组的第一个元素开始，依次比较相邻的两个元素。
- 如果前一个元素比后一个元素大（或小，取决于排序顺序），则交换这两个元素。
- 继续向后遍历，对每一对相邻元素重复步骤 2。
- 重复步骤 1 到 3，直到没有元素需要交换，整个数组就是有序的。
算法实现
#include <iostream> #include <vector> // 冒泡排序 void bubbleSort(std::vector<int>& arr) { int n = arr.size(); for (int i = 0; i < n - 1; ++i) { // 在每一轮中，比较相邻元素并交换 for (int j = 0; j < n - i - 1; ++j) { if (arr[j] > arr[j + 1]) { std::swap(arr[j], arr[j + 1]); } } } }性能分析
- 时间复杂度：
- 冒泡排序的时间复杂度在最坏和平均情况下都为 O(n^2)，其中 n 是待排序元素的数量。每次遍历需要进行 n-1 次比较，而需要执行 n-1 次遍历。
- 最好情况下，如果列表本身已经有序，冒泡排序仍然需要进行 n-1 次遍历，但由于没有发生交换，每次遍历只需要进行 n-1、n-2、...、2、1 次比较，时间复杂度为 O(n)。
- 空间复杂度：
- 冒泡排序的空间复杂度为 O(1)，只需要常数级别的额外空间。
- 稳定性：
- 冒泡排序是稳定的排序算法，因为它在相邻元素比较时仅在必要时才进行交换。
二，选择排序（Selection Sort）
原理
- 选择排序（Selection Sort）是一种简单的排序算法，它将待排序数组分为已排序和未排序两部分，然后从未排序部分选择最小（或最大）的元素，与已排序部分的最后一个元素交换位置。每次交换都会将一个元素归位，直到整个数组有序。
算法步骤
- 初始时，将整个序列分为已排序和未排序两部分，已排序为空，未排序包含所有元素。
- 在未排序部分中，找到最小（或最大）的元素。
- 将找到的最小元素与未排序部分的第一个元素交换位置，将其放到已排序部分的末尾。
- 重复执行步骤 2 和 3，直到未排序部分为空，整个序列变得有序。
算法实现
#include <iostream> #include <vector> // 选择排序 void selectionSort(std::vector<int>& arr) { int n = arr.size(); for (int i = 0; i < n - 1; ++i) { int minIndex = i; // 记录最小元素的索引 // 在未排序部分找到最小元素的索引 for (int j = i + 1; j < n; ++j) { if (arr[j] < arr[minIndex]) { minIndex = j; } } // 将最小元素与当前位置交换 std::swap(arr[i], arr[minIndex]); } }性能分析
- 时间复杂度：
- 选择排序的时间复杂度在最好、最坏和平均情况下都是 O(n^2)，其中 n 是待排序元素的数量。
- 空间复杂度：
- 选择排序的空间复杂度为 O(1)，只需要常数级别的额外空间。
- 稳定性：
- 选择排序是不稳定的排序算法，因为在选择最小（或最大）元素的过程中，相同值的元素可能会交换位置。
三，插入排序（Insertion Sort）
原理
- 插入排序（Insertion Sort）是一种简单的排序算法，它将待排序数组分为已排序和未排序两部分，然后逐个将未排序部分的元素插入到已排序部分的正确位置，使得已排序部分始终保持有序。
算法步骤
- 初始时，将第一个元素视为已排序部分，其余元素视为未排序部分。
- 从未排序部分中取出一个元素，将其插入到已排序部分的适当位置，使得插入后的已排序部分仍然保持有序。
- 重复步骤 2，直到未排序部分为空，整个序列变得有序。
算法实现
#include <iostream> #include <vector> // 插入排序 void insertionSort(std::vector<int>& arr) { int n = arr.size(); for (int i = 1; i < n; ++i) { int current = arr[i]; // 当前要插入的元素 int j = i - 1; // 已排序部分的末尾索引 // 将元素插入到正确位置 while (j >= 0 && arr[j] > current) { arr[j + 1] = arr[j]; j--; } arr[j + 1] = current; } }性能分析
- 时间复杂度：
- 插入排序的时间复杂度在最好情况下是 O(n)，最坏和平均情况下是 O(n^2)，其中 n 是待排序元素的数量。
- 空间复杂度：
- 插入排序的空间复杂度为 O(1)，只需要常数级别的额外空间。
- 稳定性：
- 插入排序是稳定的排序算法，因为它在插入元素时相同值的元素不会改变相对顺序。
四，希尔排序（Shell Sort）
原理
- 希尔排序（Shell Sort）是一种改进的插入排序算法，它通过将数组分成多个子序列来排序，然后逐步缩小子序列的间隔，最终将整个数组排序。希尔排序的核心思想是使数组中任意间隔 h 的元素都是有序的，当 h 逐步减小到 1 时，整个数组变为有序。
算法步骤
- 选择一个增量序列（通常为递减的整数序列），例如 [n/2, n/4, n/8, ...]，其中 n 是数组的长度。
- 对每个增量进行迭代，将数组分成多个子数组，每个子数组中的元素间隔为增量。
- 对每个子数组进行插入排序，将子数组中的元素插入到已排序部分的适当位置。
- 重复步骤 2 和 3，不断减小增量，直到增量为 1，此时整个数组被视为一个子数组，进行最后一次插入排序。
算法实现
#include <iostream> void shellSort(int arr[], int n) { for (int gap = n / 2; gap > 0; gap /= 2) { // 使用插入排序对子数组进行排序 for (int i = gap; i < n; ++i) { int temp = arr[i]; int j = i; // 移动元素，寻找插入位置 while (j >= gap && arr[j - gap] > temp) { arr[j] = arr[j - gap]; j -= gap; } arr[j] = temp; // 将元素插入到合适的位置 } } }性能分析
- 时间复杂度：
- 希尔排序的时间复杂度依赖于所选的增量序列。最好的已知增量序列的时间复杂度是 O(n^1.3)，平均情况下的时间复杂度较难分析，但它通常优于 O(n^2) （介于 O(n log n) 和 O(n^2) 之间）的插入排序。具体取决于增量序列的选择。
- 空间复杂度：
- 希尔排序的空间复杂度为 O(1)，只需要常数级别的额外空间。
- 稳定性：
- 希尔排序不是稳定的排序算法，因为在交换元素的过程中可能会改变相同值元素的相对顺序。
五，归并排序（Merge Sort）
原理
- 归并排序（Merge Sort）是一种分治策略的排序算法，它将待排序数组不断划分为两个子数组，然后将这些子数组逐步合并成一个有序数组。归并排序的核心思想是将两个有序的子数组合并成一个有序的数组，这样逐步合并，最终得到整个数组有序。
算法步骤
- 分割：将待排序数组递归地分割成较小的子数组，直到每个子数组只包含一个元素。
- 合并：将两个有序的子数组合并成一个有序数组。合并过程中，分别从两个子数组中取出较小的元素，放入结果数组中。
算法实现
#include <iostream> #include <vector> // 合并两个有序子数组 void merge(std::vector<int>& arr, int left, int mid, int right) { int leftCount = mid - left + 1; // 左边子数组大小 int rightCount = right - mid; // 右边子数组大小 // 创建临时数组存放两个子数组的元素 std::vector<int> leftArr(leftCount), rightArr(rightCount); for (int i = 0; i < leftCount; ++i) leftArr[i] = arr[left + i]; for (int i = 0; i < rightCount; ++i) rightArr[i] = arr[mid + 1 + i]; // 合并两个子数组 int i = 0, j = 0, k = left; while (i < leftCount && j < rightCount) { if (leftArr[i] <= rightArr[j]) { arr[k++] = leftArr[i++]; } else { arr[k++] = rightArr[j++]; } } // 将剩余的元素拷贝到结果数组中 while (i < leftCount) { arr[k++] = leftArr[i++]; } while (j < rightCount) { arr[k++] = rightArr[j++]; } } // 归并排序 void mergeSort(std::vector<int>& arr, int left, int right) { if (left < right) { int mid = left + (right - left) / 2; // 递归地对左右子数组进行排序 mergeSort(arr, left, mid); mergeSort(arr, mid + 1, right); // 合并两个有序子数组 merge(arr, left, mid, right); } }性能分析
- 时间复杂度：
- 归并排序的时间复杂度是稳定的，无论数据的分布如何，都是 O(n log n)，其中 n 是待排序元素的数量。
- 空间复杂度：
- 归并排序需要额外的空间来存储临时数组，因此其空间复杂度是 O(n)。
- 稳定性：
- 归并排序是稳定的排序算法，因为在合并两个子数组时，相同值的元素不会改变相对顺序。
六，快速排序（Quick Sort）
原理
- 快速排序（Quick Sort）是一种基于分治思想的排序算法，它通过选择一个基准元素，将数组划分为小于基准和大于基准的两部分，然后递归地对这两部分进行排序。在每一次划分后，基准元素会被放置在最终的正确位置上。
算法步骤
- 选择基准元素：从数组中选择一个基准元素，通常选择第一个或最后一个元素。
- 分区：将数组划分为小于基准和大于基准的两部分，使得基准元素位于正确的位置上。
- 递归排序：对小于基准和大于基准的两部分分别递归地应用快速排序算法。
- 合并：不需要合并步骤，因为在分区过程中已经将数组划分为有序的部分。
算法实现
#include <iostream> #include <vector> // 分区函数，返回基准元素的正确位置 int partition(std::vector<int>& arr, int low, int high) { int pivot = arr[low]; // 选择第一个元素作为基准 while (low < high) { while (low<high && arr[high]>=pivot)--high; arr[low] = arr[high]; // 将小于基准的元素移到左边 while (low<high && arr[low]<=pivot)++low; arr[high] = arr[low]; // 将大于基准的元素移到右边 } // 将基准元素放到正确的位置上 arr[low] = pivot; return low; // 返回存放基准的最终位置 } // 快速排序 void quickSort(std::vector<int>& arr, int low, int high) { if (low < high) { int pivotIndex = partition(arr, low, high); // 基准元素的正确位置 // 对基准左边和右边的部分分别递归进行排序 quickSort(arr, low, pivotIndex - 1); quickSort(arr, pivotIndex + 1, high); } }性能分析
- 时间复杂度：
- 平均情况下，快速排序的时间复杂度是 O(n log n)，其中 n 是待排序元素的数量。
- 在最坏情况下（数组已经有序或接近有序），快速排序的时间复杂度可能退化到 O(n^2)。
- 空间复杂度：
- 快速排序的空间复杂度主要取决于递归调用的栈空间，通常为 O(log n)。
- 在最坏情况下，递归栈的深度可能达到 n，空间复杂度为 O(n)。
- 稳定性：
- 快速排序是不稳定的排序算法，因为在分区过程中可能改变相同元素的相对顺序。
七，堆排序（Heap Sort）
原理
- 堆排序（Heap Sort）是一种基于二叉堆的排序算法。它将待排序数组构建成一个二叉堆，然后不断从堆顶取出最大（或最小）元素，将其放置到已排序部分的末尾，直到整个数组有序。
算法步骤
- 构建最大堆：将待排序数组看作完全二叉树，从最后一个非叶子节点开始，逐步向上调整，使得每个节点都大于其子节点。
- 不断从堆顶取出最大元素：每次将堆顶元素与堆末尾元素交换，然后将堆的大小减一，再进行堆化操作，将最大元素移至正确位置。
- 重复步骤 2，直到堆中只剩一个元素，此时整个数组有序。
算法实现
#include <iostream> #include <vector> // 交换元素 void swap(int& a, int& b) { a = a + b; b = a - b; a = a - b; } // 对以 root 为根的子树进行堆化 void heapify(std::vector<int>& arr, int n, int root) { int largest = root; // 初始化最大元素为根节点 while (largest < n) { int left = 2 * root + 1; // 左子节点索引 int right = 2 * root + 2; // 右子节点索引 // 找到左右子节点中较大的元素索引 if (left < n && arr[left] > arr[largest]) { largest = left; } if (right < n && arr[right] > arr[largest]) { largest = right; } // 如果最大元素不是根节点，则交换元素 if (largest != root) { swap(arr[root], arr[largest]); root = largest; // 继续向下调整 } else { break; // 堆结构已经满足，退出循环 } } } // 堆排序 void heapSort(std::vector<int>& arr) { int n = arr.size(); // 构建大根堆，从最后一个非叶子节点开始 for (int i = n / 2 - 1; i >= 0; --i) { heapify(arr, n, i); } // 逐步取出最大元素并进行堆化 for (int i = n - 1; i > 0; --i) { swap(arr[0], arr[i]); // 将堆顶元素移至已排序部分的末尾 heapify(arr, i, 0); // 对剩余的部分进行堆化 } }性能分析
- 时间复杂度：
- 堆排序的时间复杂度在最好、最坏和平均情况下都是 O(n log n)，其中 n 是待排序元素的数量。
- 空间复杂度：
- 堆排序的空间复杂度为 O(1)，只需要常数级别的额外空间。
- 稳定性：
- 堆排序通常是不稳定的，因为堆化操作可能改变相同元素的相对顺序。然而，通过一些额外的操作可以实现稳定性。
八，基数排序（Counting Sort）
原理
- 基数排序（Radix Sort）是一种非比较的整数排序算法，它根据数字的每个位上的值来对元素进行排序。基数排序可以看作是桶排序的扩展，它先按照最低位进行排序，然后逐步移到更高位，直到所有位都考虑完毕。
算法步骤
- 找到最大数的位数：首先，找到待排序数组中最大数的位数，这将决定排序的轮数。
- 按位排序：从低位到高位，依次对每一位进行计数排序（或桶排序），将元素分配到不同的桶中。
- 合并桶：将每一轮排序后的桶中的元素按顺序合并成一个新的数组。
- 重复步骤 2 和 3，直到所有位都考虑完毕，得到有序数组。
算法实现
#include <iostream> #include <vector> #include <queue> // 找到数组中的最大数 int findMax(std::vector<int>& arr) { int max = arr[0]; for (int num : arr) { if (num > max) { max = num; } } return max; } // 基数排序 void radixSort(std::vector<int>& arr) { int n = arr.size(); int max = findMax(arr); int exp = 1; // 用于获取每个位数的值 while (max / exp > 0) { // 创建桶队列，每个桶用于存放某个位数上的元素 std::vector<std::queue<int>> buckets(10); // 使用10个桶，每个桶代表一个数字（0到9） // 将元素分配到桶中 for (int i = 0; i < n; ++i) { int bucketIndex = (arr[i] / exp) % 10; // 计算当前位数的值，作为桶的索引 buckets[bucketIndex].push(arr[i]); // 将元素放入对应的桶中 } // 从桶中取回元素到原数组 int index = 0; for (int i = 0; i < 10; ++i) { while (!buckets[i].empty()) { arr[index++] = buckets[i].front(); // 取出队列头部元素，放入原数组 buckets[i].pop(); // 弹出队列头部元素 } } exp *= 10; // 移到下一个位数 } }性能分析
- 时间复杂度：
- 基数排序的时间复杂度取决于位数和基数的大小。对于位数为 k，基数为 r 的情况，时间复杂度为 O(k * (n + r))。
- 空间复杂度：
- 基数排序的空间复杂度为 O(n + r)，其中 n 是待排序元素的数量，r 是基数的大小。
- 稳定性：
- 基数排序是稳定的排序算法，因为在同一位数上的排序时，相同值元素的相对顺序不会改变。