数据结构-十大排序算法
数据结构十大排序算法
十大排序算法分别是直接插入排序、折半插入排序、希尔排序、冒泡排序、快速排序、简单选择排序、堆排序、归并排序、基数排序、外部排序。
其中插入排序包括直接插入排序、折半插入排序、希尔排序；交换排序包括冒泡排序、快速排序；选择排序包括简单选择排序、堆排序
1. 直接插入排序
直接插入排序（Insertion Sort）是一种简单的排序算法，它的基本思想是将待排序的元素逐个插入已经有序的部分序列中，从而得到一个有序的序列。
下面是直接插入排序的步骤：
- 假设要对一个数组进行升序排序，从第二个元素开始，将其作为当前元素。
- 将当前元素与已排序的部分序列进行比较，找到合适的位置插入当前元素。如果当前元素小于已排序部分的某个元素，就将这个元素后移一位，直到找到合适的位置。
- 将当前元素插入到合适的位置。
- 重复步骤 2 和步骤 3，直到所有元素都被插入到合适的位置。
以下是使用 C 实现的直接插入排序的示例代码：
void insertionSort(int arr[], int n) {
int i, j, current;
for (i = 1; i < n; i++) {
current = arr[i];
j = i - 1;
while (j >= 0 && arr[j] > current) {
arr[j + 1] = arr[j];
j--;
}
arr[j + 1] = current;
}
}
2.折半插入排序
折半插入排序（Binary Insertion Sort）是对直接插入排序算法的改进，通过利用二分查找的方式来寻找插入位置，减少了比较的次数，从而提高了排序的效率。
下面是折半插入排序的步骤：
- 假设要对一个数组进行升序排序，从第二个元素开始，将其作为当前元素。
- 将当前元素与已排序的部分序列的中间元素进行比较，确定插入位置的范围。
- 使用二分查找在确定的范围内找到合适的位置插入当前元素。
- 将当前元素插入到合适的位置。
- 重复步骤 2 到步骤 4，直到所有元素都被插入到合适的位置。
以下是使用 C 语言实现折半插入排序的示例代码：
void binaryInsertionSort(int arr[], int n) {
int i, j, current, low, high, mid;
for (i = 1; i < n; i++) {
current = arr[i];
low = 0;
high = i - 1;
// 使用二分查找确定插入位置的范围
while (low <= high) {
mid = (low + high) / 2;
if (arr[mid] > current)
high = mid - 1;
else
low = mid + 1;
}
// 插入当前元素到合适的位置
for (j = i - 1; j >= low; j--) {
arr[j + 1] = arr[j];
}
arr[low] = current;
}
}
3.希尔排序
希尔排序（Shell Sort）是一种改进的插入排序算法，它通过比较和交换相隔一定间隔的元素，逐步减小间隔，最终使整个序列达到有序状态。
下面是希尔排序的步骤：
- 首先选择一个间隔序列（增量序列），通常使用 Knuth 序列或者 Hibbard 序列。这些序列中的元素逐步减小，最后一个元素为 1。
- 对于每个间隔，将数组分为多个子序列，分别对这些子序列进行插入排序。
- 逐步减小间隔，重复步骤 2，直到间隔为 1。
- 最后进行一次间隔为 1 的插入排序，完成整个排序过程。
以下是使用 C 语言实现希尔排序的示例代码：
#include 4.冒泡排序
冒泡排序（Bubble Sort）是一种简单的排序算法，它重复地比较相邻的两个元素，并交换顺序不正确的元素，直到整个序列排序完成。
下面是冒泡排序的步骤：
- 从序列的第一个元素开始，比较该元素与下一个元素的大小。
- 如果当前元素大于下一个元素，则交换它们的位置。
- 继续向后比较相邻的元素，重复步骤 2，直到遍历到倒数第二个元素。
- 重复步骤 1 到步骤 3，直到没有需要交换的元素，即序列已经排序完成。
以下是使用 C 语言实现冒泡排序的示例代码：
void bubbleSort(int arr[], int n) {
int i, j, temp;
for (i = 0; i < n - 1; i++) {
for (j = 0; j < n - i - 1; j++) {
if (arr[j] > arr[j + 1]) {
// 交换元素
temp = arr[j];
arr[j] = arr[j + 1];
arr[j + 1] = temp;
}
}
}
}
5.快速排序
快速排序（Quick Sort）是一种高效的排序算法，它基于分治的思想，通过将数组分成较小的子数组，然后递归地对子数组进行排序，最终将整个数组排序。
以下是快速排序的步骤：
- 选择一个元素作为基准（通常选择数组的第一个元素）。
- 将数组分成两个子数组，比基准小的元素放在左边，比基准大的元素放在右边。
- 对左右两个子数组递归地执行步骤 1 和步骤 2，直到子数组的长度为 0 或 1，表示已经排序完成。
- 合并排序后的子数组，得到最终的排序结果。
以下是使用 C 语言实现快速排序的示例代码：
// 交换两个元素的值
void swap(int* a, int* b) {
int temp = *a;
*a = *b;
*b = temp;
}
// 将数组分成左右两个子数组，并返回基准元素的最终位置
int partition(int arr[], int low, int high) {
int pivot = arr[low]; // 选择第一个元素作为基准
int i = low + 1;
int j = high;
while (1) {
// 在左侧找到第一个大于基准的元素的位置
while (i <= j && arr[i] < pivot) {
i++;
}
// 在右侧找到第一个小于基准的元素的位置
while (j >= i && arr[j] > pivot) {
j--;
}
// 若两个指针相遇或交错，则跳出循环
if (i >= j) {
break;
}
// 交换元素，使小于基准的元素在左侧，大于基准的元素在右侧
swap(&arr[i], &arr[j]);
i++;
j--;
}
// 将基准元素放到最终的位置
swap(&arr[low], &arr[j]);
// 返回基准元素的位置
return j;
}
// 执行快速排序算法
void quickSort(int arr[], int low, int high) {
if (low < high) {
// 划分子数组，并获取基准元素的位置
int pivotIndex = partition(arr, low, high);
// 对左侧子数组进行快速排序
quickSort(arr, low, pivotIndex - 1);
// 对右侧子数组进行快速排序
quickSort(arr, pivotIndex + 1, high);
}
}
6.简单选择排序
简单选择排序（Selection Sort）是一种简单直观的排序算法，它每次从未排序的部分选择最小（或最大）的元素，并将其放到已排序部分的末尾。
以下是简单选择排序的步骤：
- 在未排序部分中，找到最小（或最大）的元素。
- 将最小（或最大）的元素与未排序部分的第一个元素交换位置。
- 将已排序部分的末尾向后扩展一个位置。
- 重复步骤 1 到步骤 3，直到未排序部分为空。
以下是使用 C 语言实现简单选择排序的示例代码：
void swap(int* a, int* b) {
int temp = *a;
*a = *b;
*b = temp;
}
void selectionSort(int arr[], int n) {
int i, j, minIndex;
for (i = 0; i < n - 1; i++) {
minIndex = i;
for (j = i + 1; j < n; j++) {
if (arr[j] < arr[minIndex]) {
minIndex = j;
}
}
swap(&arr[i], &arr[minIndex]);
}
}
7.堆排序
堆排序（Heap Sort）是一种基于堆数据结构的排序算法，它利用堆的性质进行排序。堆排序分为两个步骤：建堆和排序。
以下是堆排序的步骤：
- 建堆（Heapify）：将待排序的数组构建成一个堆结构。堆是一个完全二叉树，其中每个节点的值都大于等于（或小于等于）其子节点的值，这被称为最大堆（或最小堆）的性质。
- 排序：将堆顶元素与最后一个叶节点交换，并从根节点开始调整堆，使其满足堆的性质。然后再次将堆顶元素与倒数第二个叶节点交换，再次调整堆。重复这个过程，直到堆中剩下一个元素为止。
以下是使用 C 语言实现堆排序的示例代码：
// 交换两个元素的值
void swap(int* a, int* b) {
int temp = *a;
*a = *b;
*b = temp;
}
// 对以rootIndex为根节点的子树进行堆调整，n为堆的大小
void heapify(int arr[], int n, int rootIndex) {
int largest = rootIndex; // 最大元素的索引
int leftChild = 2 * rootIndex + 1; // 左子节点的索引
int rightChild = 2 * rootIndex + 2; // 右子节点的索引
// 找出左右子节点和根节点中的最大元素
if (leftChild < n && arr[leftChild] > arr[largest]) {
largest = leftChild;
}
if (rightChild < n && arr[rightChild] > arr[largest]) {
largest = rightChild;
}
// 如果最大元素不是根节点，则交换根节点和最大元素，并递归调整交换后的子树
if (largest != rootIndex) {
swap(&arr[rootIndex], &arr[largest]);
heapify(arr, n, largest);
}
}
// 堆排序
void heapSort(int arr[], int n) {
// 构建最大堆，从最后一个非叶节点开始向上调整
for (int i = n / 2 - 1; i >= 0; i--) {
heapify(arr, n, i);
}
// 依次将堆顶元素与末尾元素交换，并重新调整堆
for (int i = n - 1; i >= 0; i--) {
swap(&arr[0], &arr[i]);
heapify(arr, i, 0);
}
}
在上述代码中，我们定义了一个辅助函数 swap，用于交换两个元素的值。
然后，我们定义了 heapify 函数来进行堆调整，以满足堆的性质。
接下来，我们定义了 heapSort 函数来执行堆排序算法。在该函数中，我们首先构建一个最大堆，然后依次将堆顶元素与末尾元素交换，并重新调整堆。
8.归并排序
归并排序（Merge Sort）是一种基于分治思想的排序算法。它将待排序的数组分成两个子数组，分别进行排序，然后将排序后的子数组合并成一个有序数组。归并排序的关键步骤是合并（Merge）操作，通过将两个有序的子数组合并成一个有序数组来实现排序。
以下是归并排序的步骤：
- 分解：将待排序的数组递归地分解成两个子数组，直到每个子数组只剩下一个元素或为空。
- 合并：将两个有序的子数组合并成一个有序数组。合并过程中，依次比较两个子数组的元素，将较小（或较大）的元素放入临时数组中，并更新索引，直到其中一个子数组的所有元素都放入临时数组中。将剩余的元素依次放入临时数组中。
- 返回合并后的有序数组。
以下是使用 C 语言实现归并排序的示例代码：
#include 在上述代码中，我们定义了 merge 函数，用于合并两个有序子数组。该函数接受数组 arr、左子数组的起始索引 left、中间索引 mid 和右子数组的结束索引 right。
然后，我们定义了 mergeSort 函数来执行归并排序算法。该函数采用分治的思想，首先递归地对左右子数组进行排序，然后调用 merge 函数合并两个有序子数组。
9.基数排序
基数排序（Radix Sort）是一种非比较型的排序算法，它根据元素的位数进行排序。基数排序逐位比较元素，从最低有效位（LSB）到最高有效位（MSB）进行排序。在每一位上，使用稳定的排序算法（如计数排序或桶排序）对元素进行排序。通过重复这个过程，直到对所有位都完成排序，最终得到一个有序的数组。
以下是基数排序的步骤：
- 获取数组中最大元素的位数（最大元素的位数决定了排序的轮数）。
- 对每一位进行排序：
- 使用稳定的排序算法对当前位进行排序（例如计数排序或桶排序）。
- 根据当前位的值将元素放入对应的桶中。
- 将桶中的元素按照顺序取出，更新原数组。
- 重复步骤 2 直到对所有位都完成排序。
以下是使用 C 语言实现基数排序的示例代码，使用计数排序作为稳定的排序算法：
#include 在上述代码中，我们定义了 getMax 函数，用于获取数组中的最大元素。
然后，我们定义了 countSort 函数，用于对数组按照指定的位进行排序。该函数采用计数排序算法，在每一位上统计元素的出现次数，然后根据当前位的值将元素放入对应的桶中，并更新原数组。
接下来，我们定义了 radixSort 函数来执行基数排序算法。该函数通过循环对每一位进行排序，调用 countSort 函数。
10.外部排序
外部排序（External Sorting）是一种用于处理大规模数据的排序算法，其中数据量大于计算机内存的容量。外部排序通常涉及将数据分割成较小的块，然后在内存中对这些块进行排序，并最终将它们合并为一个有序的结果。
以下是一种常见的外部排序算法：多路归并排序（Multiway Merge Sort）。
多路归并排序的基本思想是将大型数据集分割成更小的块（通常是内存可容纳的大小），在内存中对这些块进行排序，然后使用归并操作将它们合并成一个有序的结果。
以下是多路归并排序的步骤：
- 将大型数据集划分为较小的块，每个块可以适应内存容量。可以使用外部缓存或者分割文件为固定大小的块来实现。
- 将每个块加载到内存中，并使用内部排序算法（如快速排序、归并排序等）对块进行排序。
- 创建一个输出文件作为最终的有序结果。
- 从每个块中读取一部分数据到内存中（通常是一个块的大小），选择最小的元素，将其写入输出文件。
- 如果块中的数据被消耗完，从该块所在的文件中读取下一块数据到内存中。
- 重复步骤 4 和步骤 5，直到所有块中的数据都被处理。
- 关闭输出文件，排序完成。
需要注意的是，多路归并排序需要使用外部存储器（例如磁盘）来存储和处理大量数据，因此算法的性能会受到外部存储器的读写速度的限制。
实际的外部排序算法中，还会考虑更复杂的策略，如缓冲区管理、归并策略等，以提高排序的效率和性能。
外部排序是一种常用的处理大规模数据的排序方法，在处理海量数据、大型数据库等场景中有广泛的应用。
