标签：父类 amp 并且 adjust 情况 pre break log 完全
以下我说的排序算法都是说的从小到大排序
1.插入排序
1 insertSort(int a[]){ 2 int length = a.length; 3 int b[] = new int [length+1]; 4 for (int i=0;i<a.length;i++) { //复制数组,将下标为0的空出来作为哨兵 5 b[i+1] = a[i]; 6 } 7 for (int i=1;i<b.length;i++){ //找n次，每次找一个数 8 b[0] = b[i]; 9 for (int j=i;j>0;j--){ 10 if (b[j]<b[j-1]){ 11 int x = b[j]; 12 b[j] = b[j-1]; 13 b[j-1] =x; 14 }else{ 15 break; 16 } 17 } 18 } 19 20 }
插入排序是每次都确定一个数，在最差情况下，每次都需要遍历当前插入元素的前面所有元素，所以其时间复杂度为O（N^2),有一个哨兵位置，所以空间复杂度为O(1)，插入排序是稳定的排序算法
2.冒泡排序
1 BubbleSort(int a[]){ 2 for (int i=0;i<a.length-1;i++){ //一共需要比较n-1次 3 for (int j=0;j<a.length-1-i;j++){ //每次需要比较到什么地方停止 4 if (a[j]>a[j+1]){ 5 int x = a[j]; 6 a[j]=a[j+1]; 7 a[j+1]=x; 8 } 9 } 10 } 11 }
冒泡排序是每次都是从前到后的扫描，每次都把最大的元素放在最后，所以时间复杂度是O（n^2）,每次需要一个变量保存中间值，所以空间复杂度为O(1)，冒泡排序算法是稳定的排序算法
3.快速排序
1 QuickSort(int a[],int low,int high){ 2 if (low<high){ 3 int part = Partition（a,low,high); 4 QuickSort(a,low,part-1); 5 QuickSort(a,part+1,high); 6 } 7 8 } 9 int Partition（int a[], int low,int high）{ 10 int value = a[low]; //以low为中间值 11 while(low<high){ 12 while(low<high && a[high]>=value) 13 high--; 14 a[low] = a[high]; 15 while(low<high && a[low]<=value) 16 low++; 17 a[high]=a[low]; 18 } 19 a[low]=value; 20 return low; 21 }
快速排序是不稳定的排序算法，它的时间复杂度是O(nlogn),但是在最坏情况下可以达到O(n^2)，为什么是nlogn呢？
因为快速排序每次划分中间点后，都会遍历一遍所有元素，然后将小的值放在中间元素的左边，把大的元素放在中间值的右边，所以一趟的
时间复杂度时n，而且如果每次划分的足够好的话，会形成类似于二叉树的情况，能在树的深度为logn时完成划分,所以时间复杂度为O(nlogn)
在最坏的情况下，会发生划分的倾斜，导致树的深度为n,最终的时间复杂度为O(n^2)
那么怎么避免或者优化呢？
可以采用三数取中或者随机选取中间元素的办法，也可以在划分的时候，将和中间元素相等的元素放在中间元素的周围，另外，对于划分到一定
小长度的元素，可以采取插入排序，也可以提升效率
4.堆排序(要做大顶堆，才能完成从小到大的排序)
1 HeapSort(int a[]){ //从下标1开始放数据 2 3 for (int i=(a.length-1)/2;i>=1;i--){ 4 HeapAdjust(a,i,a.length-1); //先构建大顶堆 5 } 6 for (int i=0;i<a.length-1;i++){ //因为a[0]没放元素，所以只有a.length-1个需要调整 7 int x = a[0]; 8 a[0]=a[a.length-1-i]; 9 a[a.length-1-i]=x; 10 HeapAdjust(a,1,a.length-2-i); 11 } 12 } 13 HeapAdjust(int a[],int s,int m){ //s代表开始调整的元素，m代表数组的最大下标 14 int x= a[s]; //记录要调整的值 15 for (int i=s*2;i<=m;i++){ 16 if (i+1<=m &&a[i]<a[i+1]) //有右孩子并且右孩子比较大 17 i++; 18 if (x>a[i]) //父亲比较大，不用调整 19 break; 20 a[s]=a[i]; 21 s=i; 22 } 23 a[s]=x; //将父类调入该位置 24 }
堆排序的时间复最好/最坏杂度均为O(nlogn)，且是不稳定的排序算法
原因：堆排序的抽象是严格的完全二叉树，所以每次输出最大元素后，需要调整，调整时比较的树的最大深度为logn,而且每次只调整出一个最大的元素，完成所有排序一共需要调整n次，所以时间复杂度为O(nlogn)，另外，堆排序不适合排序元素太少的情况，原因在于虽然堆排序在排序时很快，但在创建初始堆时需要一定的时间复杂度
5.归并排序
1 MergeSort(int a[]){ 2 int b = new int [a.length+1]; 3 sort(a,0,a.length-1,b); 4 } 5 sort(int a[],int left, int right,int b[]){ //b用作辅助空间 6 if(left<right){ 7 int mid = (left+right)/2; 8 sort(a,left,mid,b); 9 sort(a,mid+1,right,b); 10 merge(a,left,mid,right,b); 11 } 12 merge(int a[],int left,int mid,int right, int b[]){ 13 int i=left; 14 int j=mid+1; 15 int index=0; 16 while(i<=mid &&j<=right){ 17 if (a[i]<a[j]) 18 b[index++]=a[i++]; 19 else 20 b[index++]=a[j++]; 21 } 22 while(i<=mid) 23 b[index++]=a[i++] 24 while(j<=right) 25 b[index++]=a[j++] 26 index=0; //将b中的数据还原到a中 27 while(left<=right) 28 a[left++]=b[index++] 29 }
归并排序的的时间复杂度时O(nlogn),空间复杂度是O(n)，并且他是稳定的排序算法
时间复杂度原因：归并排序和堆排序有相似之处，都是使用分治法的思想，而且都是严格的完全二叉树，所以深度为logn,在每一层合并的时候，都是遍历了数组，所以时间复杂度为O(nlogn)
标签：父类 amp 并且 adjust 情况 pre break log 完全
原文地址：https://www.cnblogs.com/by-my-blog/p/10801704.html
