七大排序算法—图文详解(插入排序,希尔排序,选择排序,堆排序,冒泡排序,快速排序,归并排序)(一)

简介: 七大排序算法—图文详解(插入排序,希尔排序,选择排序,堆排序,冒泡排序,快速排序,归并排序)

插入排序

插入排序过程

基本思想:

把待排序的记录按其关键码值的大小逐个插入到一个已经排好序的有序序列中,直到所有的记录插入完为止,得到一个新的有序序列 。实际中我们玩扑克牌时,就用了插入排序的思想。

直接插入排序

当插入第i(i>=1)个元素时,前面的array[0],array[1],…,array[i-1]已经排好序,此时用array[i]的排序码与array[i-1],array[i-2],…的排序码顺序进行比较,找到插入位置即将array[i]插入,原来位置上的元素顺序后移

插入排序

代码实现:

1. //插入排序:
2. public void insertSort(int[]arr){
3. 
4. for (int i = 1; i < arr.length ; i++) {
5. int j=i-1;
6. int tmp=arr[i];
7. while(j>=0){
8. 
9. if(arr[j]>tmp){
10.                     arr[j+1]=arr[j];
11.                 }
12. if(arr[j]<tmp){
13.                     arr[j+1]=tmp;
14. break;
15.                 }
16.                 j--;
17.             }
18.             arr[j+1]=tmp;
19.         }
20.     }

直接插入排序的特性总结:

1. 元素集合越接近有序,直接插入排序算法的时间效率越高

2. 时间复杂度:O(N^2)

3. 空间复杂度:O(1),它是一种稳定的排序算法

4. 稳定性:稳定

希尔排序:

基本思想:

希尔排序法又称缩小增量法。希尔排序法的基本思想是:先选定一个整数,把待排序文件中所有记录分成个组,所有距离为的记录分在同一组内,并对每一组内的记录进行排序。然后,取,重复上述分组和排序的工作。当到达=1时,所有记录在统一组内排好序。

 

代码实现:

1. public void shellSort(int[]arr){
2. 
3. int gap= arr.length/2;
4. 
5. while(gap>=1){
6. 
7. for(int i=gap;i<arr.length;i++){
8. int j=i-gap;
9. int tmp=arr[i];
10. while(j>=0){
11. 
12. if(arr[j]>tmp){
13.                         arr[j+gap]=arr[j];
14.                     }
15. if(arr[j]<tmp){
16.                         arr[j+gap]=tmp;
17. break;
18.                     }
19.                     j-=gap;
20.                 }
21.                 arr[j+gap]=tmp;
22. 
23.             }
24.             gap/=2;
25.         }
26.     }

希尔排序的特性总结:

1. 希尔排序是对直接插入排序的优化。

2. 当gap > 1时都是预排序,目的是让数组更接近于有序。当gap == 1时,数组已经接近有序的了,这样就会很快。这样整体而言,可以达到优化的效果。我们实现后可以进行性能测试的对比。

3. 希尔排序的时间复杂度不好计算,因为gap的取值方法很多,导致很难去计算,因此在好些树中给出的希尔排序的时间复杂度都不固定:

4. 稳定性:不稳定

选择排序:

选择排序过程

基本思想:

每一次从待排序的数据元素中选出最小(或最大)的一个元素,存放在序列的起始位置,直到全部待排序的数据元素排完

直接选择排序:

在元素集合array[i]--array[n-1]中选择关键码最大(小)的数据元素

若它不是这组元素中的最后一个(第一个)元素,则将它与这组元素中的最后一个(第一个)元素交换在剩余的array[i]--array[n-2](array[i+1]--array[n-1])集合中,重复上述步骤,直到集合剩余1个元素

选择排序

代码实现:

1. public void selectSort(int[]arr){
2. 
3. for(int i=0;i< arr.length;i++){
4. int minIndex=i;
5. 
6. int j=i+1;
7. while(j< arr.length){
8. 
9. if(arr[j]<arr[minIndex]){
10.                     minIndex=j;
11.                 }
12. 
13.                 j++;
14.             }
15. if(minIndex!=i){
16.                 swap(arr,i,minIndex);
17.             }
18. 
19.         }
20. 
21.     }
22. public void swap(int[]arr,int i,int j){
23. int temp=arr[i];
24.         arr[i]=arr[j];
25.         arr[j]=temp;
26.     }

【直接选择排序的特性总结】

1. 直接选择排序思考非常好理解,但是效率不是很好。实际中很少使用

2. 时间复杂度:O(N^2)

3. 空间复杂度:O(1)

4. 稳定性:不稳定

堆排序

堆排序过程

堆排序在博主的这一篇文章有详细解释:

网络异常,图片无法展示
|

交换排序

基本思想:

基本思想:所谓交换,就是根据序列中两个记录键值的比较结果来对换这两个记录在序列中的位置,交换排序的特点是:将键值较大的记录向序列的尾部移动,键值较小的记录向序列的前部移动。

冒泡排序:

冒泡排序在博主的这一篇文章有详细解释:

网络异常,图片无法展示
|

【冒泡排序的特性总结】

1. 冒泡排序是一种非常容易理解的排序

2. 时间复杂度:O(N^2)

3. 空间复杂度:O(1)

4. 稳定性:稳定

快速排序:

快速排序过程

基本思想:

快速排序是Hoare于1962年提出的一种二叉树结构的交换排序方法,其基本思想为:任取待排序元素序列中的某元素作为基准值,按照该排序码将待排序集合分割成两子序列,左子序列中所有元素均小于基准值,右子序列中所有元素均大于基准值,然后最左右子序列重复该过程,直到所有元素都排列在相应位置上为止

快速排序

Hoare递归代码实现:

1. /**
2.      * 快速排序(Hoare版)
3.      * 时间复杂度:O(n*logn)
4.      * 空间复杂度:O(logn)
5.      * 稳定性:不稳定
6.      * @param arr
7.      * 问题:当我们给定的数据是有序的时候其时间复杂度为O(n^2),空间复杂度达到了O(n)
8.      */
9. public void quickSort(int[]arr){
10.         quick(arr,0,arr.length-1);
11.     }
12. 
13. private void quick(int[]arr,int start,int end){
14. 
15. if(start>=end){
16. return;
17.         }
18. 
19. int pivot=pivotPartationHoare(arr,start,end);
20.         quick(arr,start,pivot-1);
21.         quick(arr,pivot+1,end);
22.     }
23. //Hoare法
24. private int pivotPartationHoare(int[]arr,int left,int right){
25. int i=left;
26. int pivot=arr[left];
27. 
28. while(left<right){
29. 
30. //left<right不能少,否则会出现越界
31. while (left<right&&arr[right]>=pivot){
32.                 right--;
33.             }
34. while (left<right&&arr[left]<=pivot){
35.                 left++;
36.             }
37. 
38. //都找到后交换
39.             swap(arr,left,right);
40. 
41.         }
42. 
43. //一边找完之后和原来的left交换
44.         swap(arr,left,i);
45. 
46. return left;//为新的基准
47. 
48.     }
49. 
50. public void swap(int[]arr,int i,int j){
51. int temp=arr[i];
52.         arr[i]=arr[j];
53.         arr[j]=temp;
54.     }
55.


相关文章
|
1月前
|
搜索推荐 C语言
【排序算法】快速排序升级版--三路快排详解 + 实现(c语言)
本文介绍了快速排序的升级版——三路快排。传统快速排序在处理大量相同元素时效率较低,而三路快排通过将数组分为三部分(小于、等于、大于基准值)来优化这一问题。文章详细讲解了三路快排的实现步骤,并提供了完整的代码示例。
53 4
|
18天前
|
存储 搜索推荐 Python
用 Python 实现快速排序算法。
快速排序的平均时间复杂度为$O(nlogn)$,空间复杂度为$O(logn)$。它在大多数情况下表现良好,但在某些特殊情况下可能会退化为最坏情况,时间复杂度为$O(n^2)$。你可以根据实际需求对代码进行调整和修改,或者尝试使用其他优化策略来提高快速排序的性能
114 61
|
2月前
|
算法 搜索推荐 Shell
数据结构与算法学习十二:希尔排序、快速排序(递归、好理解)、归并排序(递归、难理解)
这篇文章介绍了希尔排序、快速排序和归并排序三种排序算法的基本概念、实现思路、代码实现及其测试结果。
27 1
|
12天前
|
算法
基于WOA算法的SVDD参数寻优matlab仿真
该程序利用鲸鱼优化算法(WOA)对支持向量数据描述(SVDD)模型的参数进行优化,以提高数据分类的准确性。通过MATLAB2022A实现,展示了不同信噪比(SNR)下模型的分类误差。WOA通过模拟鲸鱼捕食行为,动态调整SVDD参数,如惩罚因子C和核函数参数γ,以寻找最优参数组合,增强模型的鲁棒性和泛化能力。
|
18天前
|
机器学习/深度学习 算法 Serverless
基于WOA-SVM的乳腺癌数据分类识别算法matlab仿真,对比BP神经网络和SVM
本项目利用鲸鱼优化算法(WOA)优化支持向量机(SVM)参数,针对乳腺癌早期诊断问题,通过MATLAB 2022a实现。核心代码包括参数初始化、目标函数计算、位置更新等步骤,并附有详细中文注释及操作视频。实验结果显示,WOA-SVM在提高分类精度和泛化能力方面表现出色,为乳腺癌的早期诊断提供了有效的技术支持。
|
6天前
|
存储 算法
基于HMM隐马尔可夫模型的金融数据预测算法matlab仿真
本项目基于HMM模型实现金融数据预测,包括模型训练与预测两部分。在MATLAB2022A上运行,通过计算状态转移和观测概率预测未来值,并绘制了预测值、真实值及预测误差的对比图。HMM模型适用于金融市场的时间序列分析,能够有效捕捉隐藏状态及其转换规律,为金融预测提供有力工具。
|
6天前
|
机器学习/深度学习 算法 信息无障碍
基于GoogleNet深度学习网络的手语识别算法matlab仿真
本项目展示了基于GoogleNet的深度学习手语识别算法,使用Matlab2022a实现。通过卷积神经网络(CNN)识别手语手势,如&quot;How are you&quot;、&quot;I am fine&quot;、&quot;I love you&quot;等。核心在于Inception模块,通过多尺度处理和1x1卷积减少计算量,提高效率。项目附带完整代码及操作视频。
|
14天前
|
算法
基于GA遗传算法的PID控制器参数优化matlab建模与仿真
本项目基于遗传算法(GA)优化PID控制器参数,通过空间状态方程构建控制对象,自定义GA的选择、交叉、变异过程,以提高PID控制性能。与使用通用GA工具箱相比,此方法更灵活、针对性强。MATLAB2022A环境下测试,展示了GA优化前后PID控制效果的显著差异。核心代码实现了遗传算法的迭代优化过程,最终通过适应度函数评估并选择了最优PID参数,显著提升了系统响应速度和稳定性。
|
11天前
|
算法
基于WOA鲸鱼优化的购售电收益与风险评估算法matlab仿真
本研究提出了一种基于鲸鱼优化算法(WOA)的购售电收益与风险评估算法。通过将售电公司购售电收益风险计算公式作为WOA的目标函数,经过迭代优化计算出最优购电策略。实验结果表明,在迭代次数超过10次后,风险价值收益优化值达到1715.1万元的最大值。WOA还确定了中长期市场、现货市场及可再生能源等不同市场的最优购电量,验证了算法的有效性。核心程序使用MATLAB2022a实现,通过多次迭代优化,实现了售电公司收益最大化和风险最小化的目标。
|
15天前
|
算法
通过matlab分别对比PSO,反向学习PSO,多策略改进反向学习PSO三种优化算法
本项目使用MATLAB2022A版本,对比分析了PSO、反向学习PSO及多策略改进反向学习PSO三种优化算法的性能,主要通过优化收敛曲线进行直观展示。核心代码实现了标准PSO算法流程,加入反向学习机制及多种改进策略,以提升算法跳出局部最优的能力,增强全局搜索效率。