最近听了王争老师的数据结构与算法之美,大有获益,特写此博客与大家分享.
排序算法太多了，但大体可以归结于三类,冒泡排序,插入排序,选择排序,那么如果分析一个算法呢,评价一个算法的优劣呢,可以从三方面入手,1.排序算法的执行效率,2,排序算法的内存消耗 3,排序算法的稳定性,下面咱们先从这三方面来学会如何分析算法.
一:排序算法的执行效率
针对执行效率可以从以下几点来分析:
1,最好情况,最坏情况,平均情况时间复杂度
为什么要区分这三种时间复杂度呢?第一，有些排序算法会区分，为了好对比，所以我们最好都做一下区分.第二，对于要排序的数据，有的接近有序，有的完全无序。有序度不同的数据，对于排序的执行时间肯定是有影响的，我们要知道排序算法在不同数据下的性能表现。
2,时间复杂度的系数,常数,低阶
我们知道，时间复杂度反应的是数据规模 n 很大的时候的一个增长趋势，所以它表示的时候会忽略系数、常数、低阶.但是实际的软件开发中，我们排序的可能是 10 个、100 个.1000 个这样规模很小的数据，所以，在对同一阶时间复杂度的排序算法性能对比的时候，我们就要把系数、常数、低阶也考虑进来.
3,比较次数和交换(或移动次数)
基于比较的排序算法的执行过程，会涉及两种操作，一种是元素比较大小,另一种是元素交换或移动.所以我们在分析排序算法的执行效率的时候,比较次数和交换(或移动次数)也要考虑进
二:排序算法的内存消耗
算法的内存消耗可以通过空间复杂度来衡量,排序算法也是一样.不过针对排序算法的空间复杂度,我们还引入一个新的概念,原地排序.原地排序算法，就是特指空间复杂度是 O(1) 的排序算法,今天我们讲的三种算法,都是原地排序算法.
三:排序算法的稳定性
这个概念是说，如果待排序的序列中存在值相等的元素，经过排序之后,相等元素之间的前后顺序不变.
这个概念是说，如果待排序的序列中存在值相等的元素，经过排序之后就是 2，3，3，4，8，9。
这组数据里有两个 3。经过某种排序算法排序之后，如果两个 3的前后顺序没有改变,我们就把这种排序算法叫稳定的排序算法.如果前后顺序发生改变,这种算法就是不稳定排序算法.
但是这种稳定性对排序有什么影响呢?举个例子,比如说我们现在要给电商交易系统中的订单进行排序,要按照下单时间,和交易金额两个维度进行排序.我们希望按照金额从小到大排序,时间从早到晚排序,对于相同金额,按照从早到晚排序.
最先想到的办法是:先按照订单金额进行排序,然后遍历排序好的数据,对于金额相同的小区间,按照时间从早到晚再排序.这种排序思路不难,但实行起来却不简单.
借助稳定排序算法，这个问题可以非常简洁地解决.我们可以先按照订单时间 进行排序,排序完成后我们按照稳定排序算法再按照订单金额进行排序,两遍排序之后,我们的订单金额是按照从小到大进行排序,金额相同的是按照时间从早到晚进行排序.为什么呢?稳定排序算法可以保持金额相同的两个对象，在排序之后的前后顺序不变.
下面开始学习这三种算法,先从冒泡算法开始吧!
冒泡算法(Bubble sort)
冒泡算法只会操作相邻的两个数据.冒泡算法每次都会对相邻的两个元素进行比较,看是否满足大小关系.如果不满足大小大小,就把他们的位置互换.一次冒泡,至少会让一个元素移动到他应该在的问题.重复了n次,就完成了 n个数据排序工作.举个例子,我们要对一组元素4,5,6,3,2,1按照从小到大进行排序.第一次冒泡操作的详细过程:
可以看出，经过一次冒泡操作之后，6 这个元素已经存储在正确的位置,我们要完成所有数据的排序,就要经过6次这样的操作.
当某次冒泡操作已经没有数据交换时，说明已经达到完全有序，不用进行后续操作,举个例子,这里有6个元素,只需要四个冒泡操作就可以.
冒泡算法原理比较简单,下面我把代码贴出来:我用的oc语言
现在咱们可以结合之前讲的分析排序算法来思考三个问题:
1,冒泡算法是原地排序算法吗?
冒泡的过程只涉及相邻数据的交换操作,只需要常量级的临时空间,所以他的空间复杂度为O(1),是一个原地排序算法.
2,冒泡算法是稳定的排序算法吗?
为了保证冒泡算法的稳定系,当有相邻两个元素大小相等的时候,我们不做交换,所以冒泡算法是稳定的排序算法.
3,冒泡排序的时间复杂度是多少?
最好的情况,要排序的数据已经有序了,我们只进行一次冒泡操作,所以时间复杂度是O(n),最坏的情况是要排序的数据是倒序的,我们要进行n次冒泡操作,所以时间复杂度是O(n^2)
那么平均复杂度怎样计算呢?平均时间复杂度就是加权平均期望时间复杂度，分析的时候要结合概率论.
对于包含n个元素的数组,这n个元素就有n!(n的阶乘1*2*(n-2)*(n-1)*n)种排列方式 ,不同的排列方式,冒泡算法排序的时间也是不同的.比如我们前面举过的例子,其中一个要进行6次冒泡,另一个要4次,如果用概率论方法定量分析平均时间复杂度,涉及的数学推理和计算比较复杂,我们可以通过另一种思路,通过有序度和逆序度来分析.
有序度是数组中具有有序 关系的元素对的个数,有序元素对用数学表达式表示就是这样,
有序元素对：a[i] <= a[j], 如果 i < j。
对于一个倒序排列的数组的有序度是0, 如:6,5,4,3,2,1,对于一个正序排列数组1,2,3,4,5,6 有序度是n*(n-1)/2,也就是15,我们把这种完全有序的数组的有序度称为满有序度.
逆序度的定位和有序度正好相反,逆序元素对：a[i] > a[j], 如果 i < j。
这三个概念可以得到一个公式,逆序度=满有序度-有序度.
比如前面那个冒泡算法的有序度对应关系就是:
冒泡排序包含两个操作原子，比较和交换。每交换一次，有序度就加 1。不管算法怎么改进，交换次数总是确定的，即为逆序度，也就是n*(n-1)/2–初始有序度。此例中就是 15–3=12，要进行 12 次交换操作。
插入排序（Insertion Sort）
一个有序的数组,我们往里面插入一个元素,怎么保证数据有序呢?我们只需要遍历数组,找到数据应该插入的地方将其插入.
具体怎么去做呢,首先我们把数组中的数据分为两个区间,已排序区间和未排序区间.初始已排序区间只有一个元素，就是数组的第一个元素.插入算法的核心思想是取未排序区间中的元素,在已排序区间中找到合适的插入位置将其插入，并保证已排序区间数据一直有序。重复这个过程，直到未排序区间中元素为空，算法结束。
如图所示，要排序的数据是 4，5，6，1，3，2，其中左侧为已排序区间,右侧为未排序区间.
插入排序也包含两种操作，一种是元素的比较，一种是元素的移动.当我们需要将一个数据 a 插入到已排序区间时，需要拿 a 与已排序区间的元素依次比较大小，找到合适的插入位置。找到插入点之后，我们还需要将插入点之后的元素顺序往后移动一位，这样才能腾出位置给元素 a 插入。
对于不同的查找插入点方法（从头到尾、从尾到头），元素的比较次数是有区别的。但对于一个给定的初始序列，移动操作的次数总是固定的，就等于逆序度。
为什么说移动次数就等于逆序度呢？我拿刚才的例子画了一个图表，你一看就明白了。满有序度是 n*(n-1)/2=15，初始序列的有序度是 5,所以逆序度是 10。插入排序中，数据移动的个数总和也等于 10=3+3+4。
代码展示:oc代码
大家也可以思考下那三个问题,1,插入排序是否是原地排序2,插入排序是否是稳定的排序,插入排序的时间复杂度.
选择排序（Selection Sort）
照例也是有三种算法需要你思考:前面已经有分析,这里直接公布结果:
首先，选择排序空间复杂度为 O(1)，是一种原地排序算法。选择排序的最好情况时间复杂度、最坏情况和平均情况时间复杂度都为 O(n2)。
选择排序是不稳定的排序算法,从我前面画的那张图中，你可以看出来，选择排序每次都要找剩余未排序元素中的最小值，并和前面的元素交换位置，这样破坏了稳定性。
比如 5，8，5，2，9 这样一组数据，使用选择排序算法来排序的话，第一次找到最小元素 2，与第一个 5 交换位置，那第一个 5 和中间的 5 顺序就变了，所以就不稳定了。正是因此，相对于冒泡排序和插入排序，选择排序就稍微逊色了。
解答开头的问题
冒泡排序和插入排序的时间复杂度都是 O(n2)，都是原地排序,为什么插入排序要比冒泡排序更受欢迎呢？
从代码实现上来看，冒泡排序的数据交换要比插入排序的数据移动要复杂的多,冒泡排序需要 3 个赋值操作，而插入排序只需要 1 个。
我们来看这段操作：
我们把执行一个赋值语句的时间粗略地计为单位时(unit_time)，然后分别用冒泡排序和插入排序对同一个逆序度是 K 的数组进行排序.用冒泡排序，需要 K 次交换操作，每次需要 3 个赋值语句，所以交换操作总耗时就是 3*K 单位时间.而插入排序中数据移动操作只需要 K 个单位时间。
内容总结
要想分析、评价一个排序算法，需要从执行效率、内存消耗和稳定性三个方面来看。因此，这一节，我带你分析了三种时间复杂度是 O(n2) 的排序算法，冒泡排序、插入排序、选择排序。你需要重点掌握的是它们的分析方法。
参考: https://time.geekbang.org/column/article/41802