冒泡排序(Bubble Sort)以及选择排序(Selection Sort)和快速排序(Quick Sort)详细解析

简介: 冒泡排序(Bubble Sort)以及选择排序(Selection Sort)和快速排序(Quick Sort)详细解析

冒泡排序(Bubble Sort)

冒泡排序(Bubble Sort)是一种简单的排序算法,它通过比较相邻的元素并交换它们的位置来达到排序的目的。具体来说,冒泡排序的基本思想是从左到右依次比较相邻的两个元素,如果前一个元素大于后一个元素,则交换它们的位置。这样一轮比较下来,最大的元素就会被交换到数组的末尾。然后再从左到右进行下一轮比较,直到整个数组都有序为止。

冒泡排序的时间复杂度为 O(n^2),其中 n 是待排序数组的长度。虽然冒泡排序的时间复杂度较高,但它的实现简单,易于理解,适用于一些小型数据集的排序

下面给大家展示代码:

体思路:从左往右不断比较相邻的两个数,将大的数不断往右移,经过数趟从左往右比较数组的排序便可成为升序的形式,注意在比较时已经排序过到右边的数就不需要再进行比较了,所以上面第二个for循环条件为  j<9-i ,相对其他两种排序冒泡排序相对简单,下面我们讲第二个排序!


选择排序(Selection Sort)

选择排序(Selection Sort)是一种简单直观的排序算法。它首先在未排序序列中找到最小(大)元素,存放到排序序列的起始位置,然后,再从剩余未排序元素中继续寻找最小(大)元素,然后放到已排序序列的末尾。以此类推,直到所有元素均排序完毕。
选择排序的
时间复杂度为 O(n^2)空间复杂度为 O(1)。虽然选择排序的时间复杂度较高,但它的实现简单,适用于一些小型数据集的排序。

                                                           下面展示代码:

代码实现思路:我们从arr[0] 开始到arr[9] 都对其前面的数进行比较,将最小的值放在arr[i]处,上面图片中注那里我解释一下,这里举个列子我们用arr[0]比较后9位得出最小值放在arr[0]这里,此时这个数就是第1小也就是i+1小,因为此时i为0。依次往后比较我们也就能够得到一个升序的排序!下面讲最后一个排序也是三个之中最难的排序!!!


快速排序(Quick Sort)

快速排序(Quick Sort)是一种分治的排序算法。快速排序算法会选择数组中的一个元素作为枢轴(pivot),然后将数组中所有其他元素与该枢轴元素进行比较,根据比较结果将其放在枢轴的左边或右边,最终将数组分为两个子数组。然后对这两个子数组递归地应用快速排序算法,直到每个子数组只包含一个元素为止。


快速排序的平均时间复杂度为O(nlogn),空间复杂度为O(logn)。然而,在最坏情况下,快速排序的时间复杂度为O(n^2)。快速排序的性能取决于枢轴元素的选择,选择一个好的枢轴元素可以提高快速排序的效率。


快速排序是一种高效的排序算法,适用于大规模数据的排序。它的实现比较复杂,但在许多情况下是首选的排序算法。

                                                                 下面展示代码:

只看代码可能难以理解,下面看一下简图和具体思路:

首先我们在开头定义了一个转换函数Swap()函数供后面使用,然后数组从左边找比key大的值,从右边找比key小的值,然后进行互换,然后左右两边继续找对应其条件的值(即红字体),直到right与left相等(记住代码是一定要right先往左移的不然就出现错误了),然后arr[left]与arr[key]交换后从right(写left也行,因为此时right==left)的左右分开,就是上面代码的right-1和right+1,分开过后再对分开的两部分在进行快速排序,即运用递归再次调用函数,直至结束!!


至此本文结束,感谢各位的耐心观看,如果可以,一键三连哦!如有错误可以指出,本人接受建议,并由衷感谢您!!!

目录
相关文章
|
4月前
|
存储 人工智能 算法
从零掌握贪心算法Java版:LeetCode 10题实战解析(上)
在算法世界里,有一种思想如同生活中的"见好就收"——每次做出当前看来最优的选择,寄希望于通过局部最优达成全局最优。这种思想就是贪心算法,它以其简洁高效的特点,成为解决最优问题的利器。今天我们就来系统学习贪心算法的核心思想,并通过10道LeetCode经典题目实战演练,带你掌握这种"步步为营"的解题思维。
|
5月前
|
机器学习/深度学习 人工智能 搜索推荐
从零构建短视频推荐系统:双塔算法架构解析与代码实现
短视频推荐看似“读心”,实则依赖双塔推荐系统:用户塔与物品塔分别将行为与内容编码为向量,通过相似度匹配实现精准推送。本文解析其架构原理、技术实现与工程挑战,揭秘抖音等平台如何用AI抓住你的注意力。
1368 7
从零构建短视频推荐系统:双塔算法架构解析与代码实现
|
5月前
|
机器学习/深度学习 存储 算法
动态规划算法深度解析:0-1背包问题
0-1背包问题是经典的组合优化问题,目标是在给定物品重量和价值及背包容量限制下,选取物品使得总价值最大化且每个物品仅能被选一次。该问题通常采用动态规划方法解决,通过构建二维状态表dp[i][j]记录前i个物品在容量j时的最大价值,利用状态转移方程避免重复计算子问题,从而高效求解最优解。
666 1
|
5月前
|
算法 搜索推荐 Java
贪心算法:部分背包问题深度解析
该Java代码基于贪心算法求解分数背包问题,通过按单位价值降序排序,优先装入高价值物品,并支持部分装入。核心包括冒泡排序优化、分阶段装入策略及精度控制,体现贪心选择性质,适用于可分割资源的最优化场景。
404 1
贪心算法:部分背包问题深度解析
|
5月前
|
机器学习/深度学习 边缘计算 人工智能
粒子群算法模型深度解析与实战应用
蒋星熠Jaxonic是一位深耕智能优化算法领域多年的技术探索者,专注于粒子群优化(PSO)算法的研究与应用。他深入剖析了PSO的数学模型、核心公式及实现方法,并通过大量实践验证了其在神经网络优化、工程设计等复杂问题上的卓越性能。本文全面展示了PSO的理论基础、改进策略与前沿发展方向,为读者提供了一份详尽的技术指南。
粒子群算法模型深度解析与实战应用
|
5月前
|
机器学习/深度学习 资源调度 算法
遗传算法模型深度解析与实战应用
摘要 遗传算法(GA)作为一种受生物进化启发的优化算法,在复杂问题求解中展现出独特优势。本文系统介绍了GA的核心理论、实现细节和应用经验。算法通过模拟自然选择机制,利用选择、交叉、变异三大操作在解空间中进行全局搜索。与梯度下降等传统方法相比,GA不依赖目标函数的连续性或可微性,特别适合处理离散优化、多目标优化等复杂问题。文中详细阐述了染色体编码、适应度函数设计、遗传操作实现等关键技术,并提供了Python代码实现示例。实践表明,GA的成功应用关键在于平衡探索与开发,通过精心调参维持种群多样性同时确保收敛效率
机器学习/深度学习 算法 自动驾驶
1040 0
|
5月前
|
机器学习/深度学习 人工智能 资源调度
大语言模型的核心算法——简要解析
大语言模型的核心算法基于Transformer架构,以自注意力机制为核心,通过Q、K、V矩阵动态捕捉序列内部关系。多头注意力增强模型表达能力,位置编码(如RoPE)解决顺序信息问题。Flash Attention优化计算效率,GQA平衡性能与资源消耗。训练上,DPO替代RLHF提升效率,MoE架构实现参数扩展,Constitutional AI实现自监督对齐。整体技术推动模型在长序列、低资源下的性能突破。
664 8
|
5月前
|
算法 API 数据安全/隐私保护
深度解析京东图片搜索API:从图像识别到商品匹配的算法实践
京东图片搜索API基于图像识别技术,支持通过上传图片或图片URL搜索相似商品,提供智能匹配、结果筛选、分页查询等功能。适用于比价、竞品分析、推荐系统等场景。支持Python等开发语言,提供详细请求示例与文档。
|
7月前
|
机器学习/深度学习 人工智能 编解码
AI视觉新突破:多角度理解3D世界的算法原理全解析
多视角条件扩散算法通过多张图片输入生成高质量3D模型,克服了单图建模背面细节缺失的问题。该技术模拟人类多角度观察方式,结合跨视图注意力机制与一致性损失优化,大幅提升几何精度与纹理保真度,成为AI 3D生成的重要突破。
841 0

热门文章

最新文章

推荐镜像

更多
  • DNS