【C++】常见的几种排序算法

简介: 【C++】常见的几种排序算法

(1)冒泡排序



冒泡排序的思路是数小的像泡泡一样冒出来,反过来我们可以理解为,数大的像石头一样沉下去。


我们遍历数组,从左到右,若右边的数比左边的大,则交换。


第一遍:最大的数沉下去


第二遍:第二大的数沉在倒数第二个位置



版本二为常见常用版本,版本三在二的基础上优化,避免了不需要的排序


class Sloution {
public:
  //冒泡:时间复杂度O(n^2)
  //把最小的数放在前面
  vector<int> Bubble_Sort(vector<int>& nums) {
    int n = nums.size();
    for (int i = 0; i < n - 1; i++) {
      for (int j = i + 1; j < n; j++) {    //一直把最小的数放在第一位,第二小的数放在第二位,...
        if (nums[i] > nums[j]) {
          int temp = nums[j];
          nums[j] = nums[i];
          nums[i] = temp;
        }
      }
    }
    return nums;
  }
  //优化, 以下是最常用的冒泡,,,把最大的数放在后面
  //上面的步骤会产生很多无效的排序,比如第一个数是2,最后一个数是1;  交换之后2放到最后面了。 第二次遍历又很麻烦
  vector<int> Bubble_Sort02(vector<int>& nums) {
    int n = nums.size();
    for (int i = 0; i < n - 1; i++) {
      for (int j = 0; j < n - i - 1; j++) {
        if (nums[j] > nums[j + 1]) {   //修改这里
          int temp = nums[j];
          nums[j] = nums[j + 1];
          nums[j + 1] = temp;
        }
      }
    }
    return nums;
  }
  //优化2
  vector<int> Bubble_Sort03(vector<int>& nums) {
    int n = nums.size();
    bool flag = true;
    for (int i = 0; i < n - 1 && flag; i++) {
      flag = false;
      for (int j = 0; j < n - i - 1; j++) {
        if (nums[j] > nums[j + 1]) {   //修改这里
          int temp = nums[j];
          nums[j] = nums[j + 1];
          nums[j + 1] = temp;
          flag = true;   //每次循环i有修改,这里为true   如果跑了一次I没有发生交换的情况,说明已经排序完成,不需要再跑后面的i
        }
      }
    }
    return nums;
  }
}


(2)选择排序


选择排序:选出最小的数,放在首位; 再次选,放在第二位, …



  //选择排序:选出最小的数,放在首位;  再次选,放在第二位, ...
  //时间复杂度:O(n^2)    性能略优于冒泡排序
  //类似于在冒泡1基础上改进
  vector<int> Simple_Selection_Sort(vector<int>& nums) {
    int n = nums.size();
    int min;
    for (int i = 0; i < n; i++) {
      min = i;
      for (int j = i + 1; j < n; j++) {
        if (nums[j] < nums[min]) {
          min = j;
        }
      }
      int temp = nums[i];
      nums[i] = nums[min];
      nums[min] = temp;
    }
    return nums;
  }


(3)直接插入排序



  vector<int> InsertSort(vector<int>& nums) {
    for (int i = 1; i < nums.size(); i++) {   //从索引1开始  往前插入
      int temp = nums[i];
      int j = i - 1;
      for (j; j >= 0 && nums[j] > temp; j--) {   //前面的数  >  后面的数,  实现后移
        nums[j + 1] = nums[j];
      }
      nums[j + 1] = temp;
    }
    return nums;
  }


时间复杂度:


最好的情况:所有数据是正序,每次排序都不用移动元素,此时为O(N);


最坏的情况:所有数据都是倒序,每次都要将前面的元素后移,此时为O(N^2);


空间复杂度:


在排序的过程中,需要一个临时存储取出值的temp变量,所以空间复杂度为O(1);


直接插入排序是稳定的排序算法,因为它不需要改变相同元素的位置;


(4)希尔排序


是在直接插入基础上进行改进,跳着插


  //增量排序
  //时间复杂度:O(n^1.5)
  vector<int> ShellSort(vector<int>& nums){
    int n = nums.size();
    int gap = n;  //增量
    while (gap > 1){
      gap = gap / 3 + 1;   //增量序列
      for (int i = gap; i < n; i++){
        int temp = nums[i];
        int j = i - gap;
        for (j; j >= 0 && nums[j] > temp; j = j - gap){  //跳跃式前移
          nums[j + gap] = nums[j];
        }
        nums[j + gap] = temp;
      }
    }
    return nums;
  }


(5)堆排序


是对简单选择排序的改进


参考博客:博客链接,写的很清楚,就是看不懂…


先记录吧


class Sloution02 {
public:
  void heapfi(vector<int>& nums, int n, int i)  //对一颗完全二叉树的指定非叶子节点及其叶子结点进行堆的建立
  {
    //int n = nums.size();
    if (i >= n) {  //如果i>=n的时候,证明数组中的元素都已经建立成大根堆了,这是递归终止标志
      return;
    }
    int lchild = i * 2 + 1;    //左孩子节点的下标
    int rchild = i * 2 + 2;    //右孩子节点的下标
    int max = i;               //默认数值最大的节点为该非叶子节点的值
    if (lchild < n && nums[lchild] > nums[max]) {  //判断左孩子节点是否在索引范围内及左孩子结点值是否大于根节点
      max = lchild;                              //大于的话就将较大值的下标记录在max中
    }
    if (rchild < n && nums[rchild] > nums[max]) {   //同上
      max = rchild;
    }
    if (max != i) {
      swap(nums[max], nums[i]);   //如果最大值的下标改变,则需要交换两个下标所对应的值
      heapfi(nums, n, max);       //对剩下的不是完全二叉树的元素继续进行堆的建立, 套娃
    }
  }
  void build_heap(vector<int>& nums) {
    int n = nums.size();
    int last_node = n - 1;
    int parent = (last_node - 1) / 2;  //从一棵树的最后一个非叶子节点开始建立堆
    for (int i = parent; i >= 0; i--)
    {
      heapfi(nums, n, i);
    }
  }
  //堆排序
  vector<int> heap_sort(vector<int>& nums) {   
    int n = nums.size();
    build_heap(nums);                 //先建立一个大根堆
    for (int i = n - 1; i >= 0; i--)  //循环交换大根堆中的第一个元素和最后一个元素,并将交换后的最后一个元素出局
    {
      swap(nums[i], nums[0]);      //交换第一个元素和最后一个元素
      heapfi(nums, i, 0);          //调整剩下元素的位置,构建一个新的大根堆,从i号元素开始,即是将交换后的最后一个元素出局
    }
    return nums;
  }
};


(6)桶排序


  1. 准备一个很大的容器,包含所有数出现的范围。比如就假设第一个容器就装0出现的次数,第二个容器装1出现的次数…


  1. 初始化容器里面的数都为0


  1. 然后遍历待排序的数组,比如数组中有两个0,然后标号为0的桶子就记录0出现的次数,即装2;出现一个5,就在标号为5的桶子里装1


  1. 再次遍历容器输出桶子里非零的桶子标号



挺简单的代码这里就不实现,并没有一个统一的模板,因数组大小不一样。


桶排序浪费空间


适用于没有过多重复元素的数组,时间复杂度大致看为O(n)


(7)基数排序


参考博客:链接


class Sloution03 {
public:
  int MaxBit(vector<int>& input)    //求出数组中最大数的位数
  {
    int max_num = input[0];      //默认最大数为第一个数字
    for (int i = 0; i < input.size(); i++)  //找出数组中的最大数
    {
      if (input[i] > max_num)
      {
        max_num = input[i];
      }
    }
    int p = 0;
    while (max_num > 0)
    {
      p++;
      max_num /= 10;   //每次除以10取整,即可去掉最低位
    }
    return p;
  }
  int GetNum(int num, int d)   //取出所给数字的第d位数字
  {
    int p = 1;
    while (d - 1 > 0)
    {
      p *= 10;
      d--;
    }
    return num / p % 10;
  }
  //基数排序
  vector<int> RadixSort(vector<int>& nums){
    int n = nums.size();
    vector<int> bucket(n);   //创建临时存放排序过程中的数据
    vector<int> count(10);   //创建按位计数的技术容器,即记录排序中按个位、十位...各个数的位置的个数
    for (int d = 1; d <= MaxBit(nums); d++) {
      // 计数器清0
      for (int i = 0; i < 10; i++) {
        count[i] = 0;
      }
      // 统计各个桶中的个数
      for (int i = 0; i < n; i++) {
        count[GetNum(nums[i], d)]++;
      }
      for (int i = 1; i < 10; i++) {     //得到每个数应该放入bucket中的位置
        count[i] += count[i - 1];
      }
      for (int i = n - 1; i >= 0; i--) {  //采用倒序进行排序是为了不打乱已经排好的顺序
        int k = GetNum(nums[i], d);
        bucket[count[k] - 1] = nums[i];
        count[k]--;
      }
      for (int j = 0; j < n; j++)    // 临时数组复制到 input 中
      {
        nums[j] = bucket[j];
      }
    }
    return nums;
  }
};


(8)归并排序


参考博客:链接链接2


该算法是典型的分治策略算法,基本思想是将待排序数组分成若干个小数组,直到为单个数组(即为有序数组)后(分阶段),再将前面得到的单个数组依次拼接在一起,组成有序数组(治阶段)。


动态效果示意图如下:





#include<iostream>
#include<algorithm>
using namespace std;
void merge(int* data, int start, int end, int* result)
{
    int left_length = (end - start + 1) / 2 + 1;
    int left_index = start;
    int right_index = start + left_length;
    int result_index = start;
    while (left_index < start + left_length && right_index < end + 1)  //store data into new array
    {
        if (data[left_index] <= data[right_index])
            result[result_index++] = data[left_index++];
        else
            result[result_index++] = data[right_index++];
    }
    while (left_index < start + left_length)
        result[result_index++] = data[left_index++];
    while (right_index < end + 1)
        result[result_index++] = data[right_index++];
}
void merge_sort(int* data, int start, int end, int* result)
{
    if (1 == end - start)   //last only two elements
    {
        if (data[start] > data[end])
        {
            int temp = data[start];
            data[start] = data[end];
            data[end] = temp;
        }
        return;
    }
    else if (end == start)
        return; //last one element then there is no need to sort;
    else {
        //continue to divide the interval
        merge_sort(data, start, (end - start + 1) / 2 + start, result);
        merge_sort(data, (end - start + 1) / 2 + start + 1, end, result);
        //start to merge sorted data
        merge(data, start, end, result);
        for (int i = start; i <= end; ++i)
        {
            data[i] = result[i];
        }
    }
}
//example
int main()
{
    int data[] = { 5,3,6,7,3,2,7,9,8,6,34,32,5,4,43,12,37 };
    int length = 17;
    int result[17];
    merge_sort(data, 0, length - 1, result);
    for (int i = 0; i < length; i++)
        cout << result[i] << ' ';
    system("pause");
    return 0;
}


class Sloution02 {
public:
  void merge(int arr[], int left, int mid, int right){
    int left_size = mid - left;
    int right_size = right - mid + 1;
    int left_num[100];
    int right_num[100];
    int i, j, k;
    //将输入的数组前半部分复制到left_num中
    for (i = left; i < mid; i++){
      left_num[i - left] = arr[i];
    }
    //将输入的数组前半部分复制到right_num中
    for (i = mid; i <= right; i++){
      right_num[i - mid] = arr[i];
    }
    //将上边的左右数组比较大小后合并到一个数组中
    i = 0, j = 0, k = left;
    while (i < left_size && j < right_size){
      if (left_num[i] < right_num[j])  {//按照从小到大的顺序将元素一次放到arr中
        arr[k] = left_num[i];
        i++;
        k++;
      }
      else{
        arr[k] = right_num[j];
        j++;
        k++;
      }
    }
    //如果右边部分的数组都放进arr中而左边部分的还有未放入的,就将左边剩余的全部放入
    while (i < left_size)   {
      arr[k] = left_num[i];
      i++;
      k++;
    }
    while (j < right_size){
      arr[k] = right_num[j];
      j++;
      k++;
    }
  }
  void mergeSort(int arr[], int left, int right){
    if (left == right){
      return;
    }
    else {
      int mid = (left + right) / 2;
      mergeSort(arr, left, mid);
      mergeSort(arr, mid + 1, right);
      merge(arr, left, mid + 1, right);
    }
  }
  //int main()
  //{
  //  int arr[] = { 2, 5, 4, 3, 9, 1 };
  //  int left = 0;
  //  int mid = 3;
  //  int right = 5;
  //  //merge(arr, left, mid, right);
  //  mergeSort(arr, left, right);
  //  for (int s = 0; s <= right; s++)
  //  {
  //    cout << arr[s];
  //  }
  //  system("pause");
  //  return 0;
  //}
};


二、算法分析:


1、时间复杂度


归并排序的形式就是一棵二叉树,它需要遍历的次数就是二叉树的深度,而根据完全二叉树的可以得出它的时间复杂度是O(n*log2n)。


2、空间复杂度


由前面的算法说明可知,算法处理过程中,需要开辟两个临时数组分别用于存放原属数组的左右两部分。


3、算法稳定性


在归并排序中,相等的元素的顺序不会改变,所以它是稳定的算法


(9)快速排序


这里可以看书籍《啊哈算法》的讲解,很清楚


采用二分的思想


参考博客:链接


class Sloution04 {
public:
  int part(vector<int>& list, int left, int right){
    if (list.empty()){
      return -1;
    }
    int base = list[left];  //从最左边的元素为中心元素
    while (left < right)   {
      while (left < right && list[right] > base)  //判断右侧元素是否大于中心元素,大于就继续遍历
        right--;
      list[left] = list[right];                   //否则就将右侧小于中心元素的元素挪到左边的位置
      while (left < right && list[left] < base)   //判断左侧元素是否小于中心元素,小于就继续遍历
        left++;
      list[right] = list[left];                   //否则就将左侧小于中心元素的元素挪到右边的位置
    }
    list[left] = base;                              //最后将中心元素放到左侧位置,此时left左边的元素都比base小
    return left;
  }
  vector<int> QuickSort(vector<int>& list, int left, int right){
    if (left < right){
      int base = part(list, left, right);  //对数组进行分割,得到分割后的下标
      QuickSort(list, left, base - 1);    //左边排序
      QuickSort(list, base + 1, right);   //右边排序
    }
    return list;
  }
};



目录
相关文章
|
3月前
|
存储 算法 安全
超级好用的C++实用库之sha256算法
超级好用的C++实用库之sha256算法
134 1
|
2月前
|
算法 数据处理 C++
c++ STL划分算法;partition()、partition_copy()、stable_partition()、partition_point()详解
这些算法是C++ STL中处理和组织数据的强大工具,能够高效地实现复杂的数据处理逻辑。理解它们的差异和应用场景,将有助于编写更加高效和清晰的C++代码。
45 0
|
2月前
|
存储 算法 程序员
迪杰斯特拉(Dijkstra)算法(C/C++)
迪杰斯特拉(Dijkstra)算法(C/C++)
|
2月前
|
人工智能 算法 Java
【搜索算法】数字游戏(C/C++)
【搜索算法】数字游戏(C/C++)
|
3月前
|
存储 算法 安全
超级好用的C++实用库之国密sm4算法
超级好用的C++实用库之国密sm4算法
96 0
|
3月前
|
算法 安全 Serverless
超级好用的C++实用库之国密sm3算法
超级好用的C++实用库之国密sm3算法
132 0
|
3月前
|
算法 数据安全/隐私保护 C++
超级好用的C++实用库之MD5信息摘要算法
超级好用的C++实用库之MD5信息摘要算法
92 0
|
4月前
|
算法 C++ 容器
C++标准库中copy算法的使用
C++标准库中copy算法的使用
40 1
|
4月前
|
算法 搜索推荐 C++
c++常见算法
C++中几种常见算法的示例代码,包括查找数组中的最大值、数组倒置以及冒泡排序算法。
31 0
|
4月前
|
算法 C++ 容器
【C++算法】双指针
【C++算法】双指针