N种排序算法

本文根据《算法（第4版）》和《算法图解》整理。文中代码使用python编写。

（一）选择排序

每次遍历整个数组，选出其中最小值。如果数组长度为n，则需要(n-1)+(n-2)+...+2+1次操作，则算法的时间复杂度用大O表示法表示为，但是大O表示法省略诸如1/2这样的常数，因此该方法的大O表示为。

选择排序的代码：

>>> def findSmallest(arr):

    smallest = arr[0]

    smallest_index = 0

    for i in range(1, len(arr)):

        if arr[i] < smallest:

            smallest = arr[i]

            smallest_index = i

    return smallest_index

>>> def selectionSort(arr):

    newArr = []

    for i in range(len(arr)):

        smallest = findSmallest(arr)

        newArr.append(arr.pop(smallest))

    return newArr

（二）插入排序

用个例子来说明，arr=[5,1,2,4,7,3]。取arr[1]与arr[0]相比，如果arr[1]<arr[0]，则交换arr[1]和arr[0]，交换后的arr=[1,5,2,4,3,7]。再取arr[2]与arr[1]相比，如果arr[2]<arr[1]，则交换arr[2]和arr[1]，交换后的arr=[1,2,5,4,3,7]，并再将新数组中的arr[1]与arr[0]相比，如果arr[1]<arr[0]，则交换。

和选择排序不同的是，插入排序所需的时间取决于输入中元素的初始顺序。对于随机排列的长度为N且主键不重复的数组，平均情况下插入排序需要~N^2/4次比较以及~N^2/4次交换。最坏情况下需要~N^2/2次比较和~N^2/2次交换，最好情况下需要N-1次比较和0次交换。

插入排序的代码：

def insertSort(arr):

    for i in range(1,len(arr)):

        for j in range(i,0,-1):

            if arr[j]<arr[j-1]:

                temp=arr[j]

                arr[j]=arr[j-1]

                arr[j-1]=temp

    return arr

通过在内循环中将较大的元素向右移动而不是交换，便可以大幅度提高插入排序的速度。同样以arr=[5,1,2,4,7,3]为例，令对比的基准base=arr[1]，如果base<arr[0]，则arr[0]向右移动一位，即arr[1]=arr[0]，内循环结束，即arr[0]=base，新数组为arr=[1,5,2,4,7,3]。令base=arr[2]，如果base<arr[1]，则arr[1]向右移动一位，arr[2]=arr[1]，继续内循环，即对比base和arr[0]，在本例中base>arr[0]，结束内循环，并且arr[1]=base。新数组为arr=[1,2,5,4,7,3]。

快速插入排序的代码：

def insertSort2(arr):

    for i in range(1,len(arr)):

        _base=arr[i]

        k=0

        for j in range(i,0,-1):

            if _base<arr[j-1]:

                arr[j]=arr[j-1]

            else:

                k=j

                break

        arr[k]=_base

    return arr

（三）希尔排序

对于大规模乱序数组而言，插入排序很慢，因为它只交换相邻的元素，因此元素只能一点一点地从数组的一段移动到另一端。希尔排序为了加快速度简单地改进了插入排序，交换不相邻的元素以对数组的局部进行排序，并最终用插入排序将局部有序的数组排序。即希尔排序使数组中任意间隔为h的元素都是有序的。例如

[2, 6, 3, 5, 10, 4, 8, 21, 1, 34, 7, 9]

当h=4时，使得2-10-1有序，6-4-34有序，3-8-7有序，5-21-9有序，得到的新数组为

[1, 4, 3, 5, 2, 6, 7, 9, 10, 34, 8, 21]

然后h=1时，就是普通的插入排序，得到的新数组为

[1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 21, 34]

对于本例，使用希尔排序一共交换13次，而使用插入排序的交换次数为21次

希尔排序的代码：

def ShellSort(arr):

    h=1

    while h<len(arr)/3:

        h=3*h+1

    while h>=1:

        for i in range(h,len(arr)):

            for j in range(i,h-1,-h):

                if arr[j]<arr[j-h]:

                    temp=arr[j]

                    arr[j]=arr[j-h]

                    arr[j-h]=temp

                else:

                    break

        h=math.floor(h/3)

    return arr

（四）归并排序

要将一个数组排序，可以先（递归地）将它分成两半分别排序，然后将结果归并起来。归并的一种直截了当的做法是将两个不同的有序数组归并到第三个数组中。例如如下数组：

[2,4,9,13,1,5,8,23]

是由两个有序数组sub1=[2,4,9,13]和sub2=[1,5,8,23]组成的，将这两个有序的子数组归并为一个数组，就可以先创建一个长度为8的辅助数组aux，然后sub1[0]和sub2[0]作比较，把小的那个写入到aux[0]中，在本例中，sub2[0]<sub1[0]，因此aux[0]=sub2[0]，然后再取sub2[1]与sub1[0]对比，如此循环，终止条件为sub1或者sub2取到了最后一个数。

归并方法的代码：

def merge(arr,low,mid,high):

    aux=[0]*len(arr)

    i=low

    j=mid+1

    for k in range(low,high+1):

        if i>mid:

            aux[k]=arr[j]

            j=j+1

        elif j>high:

            aux[k]=arr[i]

            i=i+1

        elif arr[i]<arr[j]:

            aux[k]=arr[i]

            i=i+1

        else:

            aux[k]=arr[j]

            j=j+1

    return aux

在构造两个有序的子数组时，可以分为自顶向下和自底向上两种方法。

自顶向下：递归得到树结构需要归并的子数组，以长度为16的数组为例，如下图所示。

先将arr[0-1]处理为有序数组，再将arr[2-3]处理为有序子数组，然后归并arr[0-1]和arr[2-3]这两个有序子数组，得到有序的arr[0-3]子数组。同样地，将arr[4-5]和arr[6-7]处理为有序子数组，然后归并得到arr[4-7]这个有序子数组。再将arr[0-3]和arr[4-7]归并为有序的arr[0-7]子数组。以同样的方式得到有序的arr[8-15]子数组，最后将arr[0-7]和arr[8-15]归并为有序的新数组。

自顶向下的归并排序代码：

def merge(low,mid,high):

    i=low

    j=mid+1

    for k in range(low,high+1):

        aux[k]=arr[k]

    for k in range(low,high+1):

        if i>mid:

            arr[k]=aux[j]

            j=j+1

        elif j>high:

            arr[k]=aux[i]

            i=i+1

        elif aux[i]<aux[j]:

            arr[k]=aux[i]

            i=i+1

        else:

            arr[k]=aux[j]

            j=j+1

def recurisonSort(low,high):

    if low<high:

        mid=math.floor(low+(high-low)/2)

        recurisonSort(low,mid)

        recurisonSort(mid+1,high)

        merge(low,mid,high)

def mergeSort(_arr):

    global aux

    aux=[0]*len(_arr)

    global arr

    arr=[]

    for i in _arr:

        arr.append(i)

    recurisonSort(0,len(arr)-1)

    return arr

对于长度为N的任意数组，自顶向下的归并排序需要1/2NlgN-NlgN次比较，最多需要访问数组6NlgN次。

自底向上：先归并微型数组，然后在成对归并得到的子数组。即首先进行的是两两归并，然后是四四归并，进而八八归并，一直下去。这种实现方法比标准递归方法所需要的代码量更少。

自底向上归并排序代码：

def mergeSort2(_arr):

    length=len(_arr)

    global aux

    aux=[0]*length

    global arr

    arr=[]

    for j in _arr:

        arr.append(j)

    i=1

    while(i<length):

        for k in range(0,length-i,2*i):

            high=min(k+2*i-1,length-1)

            if k<high:

                merge(k,k+i-1,high)

        i=i*2

    print(arr)

（五）快速排序

分而治之（divide and conquer, D&C）的思想：1.找出简单的基线条件；2.确定如何缩小问题的规模，使其符合基线条件。

那么将D&C思想应用于排序任务中，其思路应如下：

基线条件就是只有一个元素的数组，这样的数组顺序就是自己。在数组中任取一个元素作为基准值，那么该数组将会被划分为三部分

　　小于基准值的子数组 + 基准值 + 大于基准值的子数组

这样就会不断地缩小数组的规模，直到只剩一个元素为止。

快速排序的代码：

>>> def quicksort(arr):

    if len(arr) < 2:

        return arr

    else:

        pivot = arr[0]

        less = [i for i in arr[1:] if i <= pivot]

        greater = [i for i in arr[1:] if i > pivot]

        return quicksort(less) + [pivot] + quicksort(greater)

>>> arr = [3,5,1,9,7]

>>> quicksort(arr)

[1, 3, 5, 7, 9]

>>>

其实，排序的方法已经包含在各种语言中了，比如Python和C#都是使用Sort方法，就可以对一个数组进行从小到大的排序了。不过了解算法的本质应该也不是什么坏事吧。

（未完待续）

巴特西

N种排序算法

最新文章

热门文章