👻内容专栏: 《数据结构与算法篇》
🐨本文概括:常见交换排序包括冒泡排序与快速排序,本篇讲述冒泡排序与快速排序的思想及实现、复杂度分析。
🐼本文作者: 花 蝶
🐸发布时间:2023.8.27
一、冒泡排序
基本思想
冒泡排序(Bubble Sort)是一种简单的排序算法,其基本思想是通过两两交换相邻元素的位置,使得较大(或较小)的元素逐步“冒泡”到数组的一端(顶部或底部),重复“冒泡”的过程,直到序列没有要交换的元素为止,从而实现排序。
算法步骤:
1、 从数组的起始位置开始,依次比较相邻的两个元素。如果相邻元素的顺序错误(前者大于后者,或者前者小于后者,取决于是升序还是降序排序),则交换这两个元素的位置;
2、继续进行相邻元素的比较和交换,直到遍历到数组的末尾。这样一轮下来,最大(或最小)的元素就会“冒泡”到数组的一端。
3、重复上述步骤,但不再考虑已经排序好的末尾部分。每一轮操作都会将一个最大(或最小)的元素移到正确的位置。
4、 经过多轮的比较和交换,最终整个数组会变得有序。如果在某一轮没有进行任何交换操作时,说明数组已经有序,可以直接跳出循环。
动图演示
代码实现
//冒泡排序 //时间复杂度:O(N^2) void BubbleSort(int* a, int n) { //控制冒泡排序的趟数 for(int i = 0; i < n - 1; i++) { //假设数组有序 int flag = 1; //控制每趟的过程 for (int j = 0; j < n - 1 - i; j++) { if (a[j] > a[j + 1]) { Swap(&a[j], &a[j + 1]); flag = 0; } } //说明没有发生交换,数组已经有序,跳出循环即可 if (flag == 1) break; } }
冒泡排序的特性
冒泡排序的核心思想就是通过反复比较相邻元素并交换它们的位置,从而逐步将最大(或最小)的元素移动到合适的位置。尽管冒泡排序的时间复杂度较高(平均和最坏情况下都是
O(N^2)
,可以看作是一个等差数列的求和),但它的实现相对简单,适用于小规模的数据集,因此具有较强的教学意义,想必大家在刚开始学习编程时学的一个排序就是冒泡排序吧哈哈。
二、快速排序(递归版本)
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。
//快排(递归版本) void QuickSort(int* a, int begin, int end) { if (begin >= end) return; int keyi = Partition(a, begin, end); //前序遍历 //递归基准值左边的区间 QuickSort(a, begin, keyi - 1); //递归基准值右边的区间 QuickSort(a, keyi + 1, end); }
上述为快速排序递归实现的主框架,发现与二叉树前序遍历规则非常像,大家在写递归框架时可想想二叉树前序遍历规则即可快速写出来,后续只需分析如何按照基准值来对区间中数据进行划分的方式即可。
下面用三个版本实现:hoare版本、挖坑法、前后指针法
1.hoare版本
1、选择基准元素
key
,通常是数组中的第一个元素。2、使用两个指针
L
和R
,一个指向数组的开头(较小值的区域),一个指向数组的末尾(较大值的区域)。3、交换的目标是
L
找到比基准大的元素,R
找到比基准小的元素。不断交换指针所指的元素,直到两个指针相遇。4、当两个指针相遇时,交换基准元素与当前相遇位置的元素,此时数组被划分为左右两个子数组。
5、对左右两个子数组递归地应用相同的分区步骤,直到所有子数组都有序
算法分析:
👇①:原始序列
👇②:right向前移动,找比key小的位置,left往后移动找比key大的位置,然后交换。
👇③:继续往后寻找,直到两个指针相遇。
👇④:交换基准元素与当前相遇位置的元素。
👇⑤:这样子我们发现基准值左边的区间里面的元素都比基准值小,右边的区间里面的元素都比基准值大。我们可以按照前序遍历的思想对左边区间进行递归操作,右边区间也进行递归操作。
代码实现
//hoare版本 int Partition1(int* a, int left, int right) { int keyi = left; while (left < right) { //注意: 要加上left < right 否则会出现越界 //若不判断等于基准值,也会出现死循环的情况 //右边找小 while (left < right && a[right] >= a[keyi]) { right--; } //左边找大 while (left < right && a[left] <= a[keyi]) { left++; } Swap(&a[left], &a[right]); } Swap(&a[left], &a[keyi]); return left; } //快排(递归版本) void QuickSort(int* a, int begin, int end) { //当区间不存在或者只剩一个元素,就回溯 if (begin >= end) return; int keyi = Partition1(a, begin, end); //前序遍历 //递归基准值左边的区间 QuickSort(a, begin, keyi - 1); //递归基准值右边的区间 QuickSort(a, keyi + 1, end); }
2.挖坑法
挖坑法的基本思想是:
- 1、首先,选择一个基准元素(通常是数组中的第一个元素)作为“坑”(
hole
)。前提需要将这个基准元素用一个临时变量key
存起来。- 2、将基准元素挖出,形成一个空位(坑)。
- 3、从数组的另一端开始,从右向左遍历,找到一个比基准元素小的元素,然后将这个元素填入之前的坑中。
- 4、继续从左向右遍历,找到一个比基准元素大的元素,然后将这个元素填入上一步的坑中。
- 5、重复执行步骤 3 和步骤 4,直到左右指针相遇。
- 6、此时,基准元素的位置就是这个相遇的位置,将基准元素填入这个坑中。
算法分析:
👇①:原始序列
👇②:将基准值存放到临时变量key中,形成一个坑位。
👇③:从右向左遍历,R
找到比基准值小的元素,将这个元素填入到之前的坑中,此时当前位置就形成了新坑。
👇④:紧接着,从左往右遍历,L
寻找比基准值大的元素,将这个元素填入到上一步的坑中,此时当前位置形成了新坑。
👇⑤:重复以上步骤后,直到左右指针相遇,最后会形成一个坑,将临时变量放入坑中。
👇⑥:这样子我们发现基准值左边的区间里面的元素都比基准值小,右边的区间里面的元素都比基准值大。我们可以按照前序遍历的思想对左边区间进行递归操作,右边区间也进行递归操作。
代码实现
//挖坑法 int Partition2(int* a, int left, int right) { int key = a[left]; //挖坑 int hole = left; while (left < right) { //右边找小 while (left < right && a[right] >= key) { right--; } a[hole] = a[right]; hole = right; //左边找大 while (left < right && a[left] <= key) { left++; } a[hole] = a[left]; hole = left; } a[hole] = key; return hole; } //快排(递归版本) void QuickSort(int* a, int begin, int end) { //当区间不存在或者只剩一个元素,就回溯 if (begin >= end) return; int keyi = Partition2(a, begin, end); //前序遍历 //递归基准值左边的区间 QuickSort(a, begin, keyi - 1); //递归基准值右边的区间 QuickSort(a, keyi + 1, end); }
3.前后指针法
基本思想:在快速排序的划分过程中,使用前后指针法来确定基准元素的位置,最后将数组划分成两部分,一部分小于基准元素,另一部分大于基准元素。
- 1、首先,选择一个基准元素
key
(通常是数组中的第一个元素)。- 2、使用两个指针,
prev
指向数组的开头,cur
指向prev
的后一个位置。- 3、判断
cur
指向的数据是否小于key
。若小于,则prev
后移一位,cur
指向的内容与prev
指向的内容交换,然后cur++
- 4、若
cur
指向的数据大于key
,则cur++
- 重复步骤3和步骤4,直到
cur
指针走完(最后一个元素的下一个位置)- 最后,将
key
与prev
指向的元素交换。
动图演示
//前后指针法 int Partition3(int* a, int left, int right) { int prev = left; int cur = prev + 1; int keyi = left; //cur小于key,交换++prev与cur的位置 //将大的位置翻滚时往后挪动,小的位置移动前面 while (cur <= right) { if (a[cur] < a[keyi] && ++prev != cur) { Swap(&a[cur], &a[prev]); } cur++; } //将key与prev指向的元素交换。 Swap(&a[prev], &a[keyi]); return prev; } //快排(递归版本) void QuickSort(int* a, int begin, int end) { //当区间不存在或者只剩一个元素,就回溯 if (begin >= end) return; int keyi = Partition3(a, begin, end); //前序遍历 //递归基准值左边的区间 QuickSort(a, begin, keyi - 1); //递归基准值右边的区间 QuickSort(a, keyi + 1, end); }
快速排序(递归版本)的特性
时间复杂度
选择基准元素影响时间复杂度:若基准元素key
偏向于所有元素中的中位数,则时间复杂度处于较好的情况,若基准元素key
是所有元素中最小的,或者接近最小值,那么时间复杂度就处于较坏的情况。
- 平均情况下的时间复杂度: 在平均情况下,快速排序的时间复杂度为 O(n log n)。这是因为在每次分区过程中,数组会被划分成大致相等的两部分。在每次递归中,都会将问题的规模减半,递归的展开图可以看作是一颗满二叉树,所以递归的深度为
O(log n)
,每层递归的分区操作都需要 O(n) 的时间,因此总的时间复杂度为O(n*log n)
- 最坏情况下的时间复杂度: 在最坏情况下,快速排序的时间复杂度为 O(n^2)。这种情况发生在每次划分后,一个子数组为空,另一个子数组包含所有的元素。这样会导致递归树变得很不平衡,每次递归的问题规模只减少一个元素。虽然快速排序通常能够避免这种情况,但在某些情况下(例如已经有序的数组),最坏情况可能出现。
解决方案
- 随机数选择基准元素: 在每次划分时,随机选择一个基准元素,这可以减少最坏情况的发生概率。
- 三数取中法: 在选择基准元素时,不仅考虑第一个和最后一个元素,还考虑数组中间位置的元素,选择其中值大小居中的元素作为基准。
👇这里提供一种三数取中的方法,以hoare版本为例:
//三数取中,返回下标 int GetMidIndex(int* a, int left, int right) { int mid = (left + right) >> 1; if (a[left] < a[mid]) { if (a[mid] < a[right]) return mid; else if (a[left] > a[right]) return left; else return mid; } else //a[left] > a[mid] { if (a[mid] > a[right]) return mid; else if (a[right] > a[left]) return left; else return right; } } //hoare版本 int Partition1(int* a, int left, int right) { //将中位数与数组的第一个元素(基准值)进行交换 int midi = GetMidIndex(a, left, right); Swap(&a[left], &a[midi]); int keyi = left; while (left < right) { //右边找小 while (left < right && a[right] >= a[keyi]) { right--; } //左边找大 while (left < right && a[left] <= a[keyi]) { left++; } Swap(&a[left], &a[right]); } Swap(&a[left], &a[keyi]); return left; }
后面会更新快排的非递归版本……可到数据结构专栏查看🥰