标签:代码 object href insert 代码实现 nlog nbu 相对 strong
冒泡排序
冒泡排序是通过比较两个相邻元素的大小实现排序,如果前一个元素大于后一个元素,就交换这两个元素。这样就会让每一趟冒泡都能找到最大一个元素并放到最后。
以 [ 8, 1, 4, 6, 2, 3, 5, 7 ] 为例,对它进行冒泡排序:
代码实现:
+ (NSArray *)bubbleSort:(NSArray *)unsortDatas { NSMutableArray *unSortArray = [unsortDatas mutableCopy]; for (int i = 0; i < unSortArray.count -1 ; i++) { BOOL isChange = NO; for (int j = 0; j < unSortArray.count - 1 - i; j++) { // 比较相邻两个元素的大小,后一个大于前一个就交换 if ([unSortArray[j] integerValue] > [unSortArray[j+1] integerValue]) { NSNumber *data = unSortArray[j+1]; unSortArray[j+1] = unSortArray[j]; unSortArray[j] = data; isChange = YES; } } if (!isChange) { // 如果某次未发生数据交换,说明数据已排序 break; } } return [unSortArray copy]; }
特点
稳定性 :它是指对同样的数据进行排序,会不会改变它的相对位置。比如 [ 1, 3, 2 , 4, 2 ] 经过排序后,两个相同的元素 2 位置会不会被交换。冒泡排序是比较相邻两个元素的大小,显然不会破坏稳定性。
空间复杂度 :由于整个排序过程是在原数据上进行操作,故为 O(1);
时间复杂度 :由于嵌套了 2 层循环,故为 O(n*n);
选择排序
选择排序的思想是,依次从「无序列表」中找到一个最小的元素放到「有序列表」的最后面。以 arr = [ 8, 1, 4, 6, 2, 3, 5, 4 ] 为例,排序开始时把 arr 分为有序列表 A = [ ], 无序列表 B = [ 8, 1, 4, 6, 2, 3, 5, 4 ],依次从 B 中找出最小的元素放到 A 的最后面。这种排序也是逻辑上的分组,实际上不会创建 A 和 B,只是用下标来标记 A 和 B。
以 arr = [ 8, 1, 4, 6, 2, 3, 5, 4 ] 为例,第一次找到最小元素 1 与 8 进行交换,这时有列表 A = [1], 无序列表 B = [8, 4, 6, 2, 3, 5, 4];第二次从 B 中找到最小元素 2,与 B 中的第一个元素进行交换,交换后 A = [1,2],B = [4, 6, 8, 3, 5, 4];就这样不断缩短 B,扩大 A,最终达到有序。
作为一个开发者,有一个学习的氛围跟一个交流圈子特别重要,这有个iOS交流群:642363427,不管你是小白还是大牛欢迎入驻 ,分享BAT,阿里面试题、面试经验,讨论技术!
代码实现:
+ (NSArray *)seelectSort:(NSArray *)unsortDatas { NSMutableArray *unSortArray = [unsortDatas mutableCopy]; for (int i = 0; i < unSortArray.count; i++) { int mindex = i; for (int j = i; j < unSortArray.count; j++) { // 找到最小元素的index if ([unSortArray[j] integerValue] < [unSortArray[mindex] integerValue]) { mindex = j; } } // 交换位置 NSNumber *data = unSortArray[i]; unSortArray[i] = unSortArray[mindex]; unSortArray[mindex] = data; } return [unSortArray copy]; }
特点
稳定性 :排序过程中元素是按顺序进行遍历,相同元素相对位置不会发生变化,故稳定。
空间复杂度 :在原序列进行操作,故为 O( 1 );
时间复杂度 :需要 2 次循环遍历,故为 O( n * n );
插入排序
在整个排序过程如图所示,以 arr = [ 8, 1, 4, 6, 2, 3, 5, 7] 为例,它会把 arr 分成两组 A = [ 8 ] 和 B = [ 1, 4, 6, 2, 3, 5, 7] ,逐步遍历 B 中元素插入到 A 中,最终构成一个有序序列:
代码实现:
+ (NSArray *)insertionSort:(NSArray *)unsortDatas { NSMutableArray *unSortArray = [unsortDatas mutableCopy]; int preindx = 0; NSNumber *current; for (int i = 1; i < unSortArray.count; i++) { preindx = i - 1; // 必须记录这个元素,不然会被覆盖掉 current = unSortArray[i]; // 逆序遍历已经排序好的数组 // 当前元素小于排序好的元素,就移动到下一个位置 while (preindx >= 0 && [current integerValue] < [unSortArray[preindx] integerValue] ) { // 元素向后移动 unSortArray[preindx+1] = unSortArray[preindx]; preindx -= 1; } // 找到合适的位置,把当前的元素插入 unSortArray[preindx+1] = current; } return [unSortArray copy]; }
特点
稳定性 :它是从后往前遍历已排序好的序列,相同元素不会改变位置,故为稳定排序;
空间复杂度 :它是在原序列进行排序,故为 O ( 1 );
时间复杂度 :排序的过程中,首先要遍历所有的元素,然后在已排序序列中找到合适的位置并插入。共需要 2 层循环,故为 O ( n * n );
希尔排序
希尔排序,它是由 D.L.Shell 于1959 年提出而得名。根据它的名字很难想象算法的核心思想。[ 所以只能死记硬背了,面试官问:希尔排序的思想是什么?]。它的核心思想是把一个序列分组,对分组后的内容进行 插入排序 ,这里的分组只是逻辑上的分组,不会重新开辟存储空间。它其实是插入排序的优化版,插入排序对基本有序的序列性能好,希尔排序利用这一特性把原序列分组,对每个分组进行排序,逐步完成排序。
以 arr = [ 8, 1, 4, 6, 2, 3, 5, 7 ] 为例,通过 floor(8/2) 来分为 4 组,8 表示数组中元素的个数。分完组后,对组内元素进行插入排序。
「 第1次分组 」
「 利用第 1 次分组结果进行第 2 次分组 」
「 利用第 2 次分组结果进行最后一次分组 」
代码实现:
+ (NSArray *)shellSort:(NSArray *)unsortDatas { NSMutableArray *unSortArray = [unsortDatas mutableCopy]; // len = 9 int len = (int)unSortArray.count; // floor 向下取整,所以 gap的值为:4,2,1 for (int gap = floor(len / 2); gap > 0; gap = floor(gap/2)) { // i=4;i<9;i++ (4,5,6,7,8) for (int i = gap; i < len; i++) { // j=0,1,2,3,4 // [0]-[4] [1]-[5] [2]-[6] [3]-[7] [4]-[8] for (int j = i - gap; j >= 0 && [unSortArray[j] integerValue] > [unSortArray[j+gap] integerValue]; j-=gap) { // 交换位置 NSNumber *temp = unSortArray[j]; unSortArray[j] = unSortArray[gap+j]; unSortArray[gap+j] = temp; } } } return [unSortArray copy]; }
特点
稳定性 :它可能会把相同元素分到不同的组中,那么两个相同的元素就有可能调换相对位置,故不稳定。
空间复杂度 :由于整个排序过程是在原数据上进行操作,故为 O(1);
时间复杂度 : 希尔排序的时间复杂度与增量序列的选取有关,例如希尔增量时间复杂度为O(n2),而Hibbard增量的希尔排序的时间复杂度为O(log n的3/2),希尔排序时间复杂度的下界是n*log2n
快速排序
快速排序的核心思想是对待排序序列通过一个 「支点」 (支点就是序列中的一个元素,别把它想的太高大上)进行拆分,使得左边的数据小于支点,右边的数据大于支点。然后把左边和右边再做一次递归,直到递归结束。支点的选择也是一门大学问,我们以 (左边index + 右边index)/ 2 来选择支点。
以 arr = [ 8, 1, 4, 6, 2, 3, 5, 7 ] 为例,选择一个支点, index= (L+R)/2 = (0+7)/2=3, 支点的值 pivot = arr[index] = arr[3] = 6,接下来需要把 arr 中小于 6 的移到左边,大于 6 的移到右边。
快速排序使用一个高效的方法做数据拆分。
用一个指向左边的游标 i,和指向右边的游标 j,逐渐移动这两个游标,直到找到 arr[i] > 6 和 arr[j] < 6, 停止移动游标,交换 arr[i] 和 arr[j],交换完后 i++,j--(对下一个元素进行比较),直到 i>=j,停止移动。
图中的 L,R 是指快速排序开始时序列的起始和结束索引,在一趟快速排序中,它们的值不会发生改变,直到下一趟排序时才会改变。
一趟快速排序完成后,分别对小于6和大于等于6的部分进行快速排序,递归就好了。对 [ 5, 1, 4, 3, 2 ] 进行一趟快速排序。
代码实现:
/** 快速排序 @param unSortArray 待排序序列 @param lindex 待排序序列左边的index @param rIndex 待排序序列右边的index @return 排序结果 */ + (NSArray *)quickSort:(NSMutableArray *)unSortArray leftIndex:(NSInteger)lindex rightIndex:(NSInteger)rIndex { NSInteger i = lindex; NSInteger j = rIndex; // 取中间的值作为一个支点 NSNumber *pivot = unSortArray[(lindex + rIndex) / 2]; while (i <= j) { // 向左移动,直到找打大于支点的元素 while ([unSortArray[i] integerValue] < [pivot integerValue]) { i++; } // 向右移动,直到找到小于支点的元素 while ([unSortArray[j] integerValue] > [pivot integerValue]) { j--; } // 交换两个元素,让左边的大于支点,右边的小于支点 if (i <= j) { // 如果 i== j,交换个啥? if (i != j) { NSNumber *temp = unSortArray[i]; unSortArray[i] = unSortArray[j]; unSortArray[j] = temp; } i++; j--; } } // 递归左边,进行快速排序 if (lindex < j) { [self quickSort:unSortArray leftIndex:lindex rightIndex:j]; } // 递归右边,进行快速排序 if (i < rIndex) { [self quickSort:unSortArray leftIndex:i rightIndex:rIndex]; } return [unSortArray copy]; }
归并排序
归并排序,采用分治思想,先把待排序序列拆分成一个个子序列,直到子序列只有一个元素,停止拆分,然后对每个子序列进行边排序边合并。其实,从名字「归并」可以看出一丝「拆、合」的意思(妄加猜测)。
以 arr = [ 8, 1, 4, 6, 2, 3, 5, 7 ] 为例,排序需要分两步:
a、「 拆 」,以 length/2 拆分为 A = [ 8, 1, 4, 6 ] ,B = [ 2, 3, 5, 7 ],继续对 A 和 B 进行拆分,A1 = [ 8, 1 ] 、A2 = [ 4, 6 ]、B1 = [ 2, 3 ]、B2 = [ 5, 7 ],继续拆分,直到只有一个元素,A11 = [ 8 ] , A12= [ 1 ] 、A21 = [ 4 ]、A22 = [ 6 ]、B11 = [ 2 ]、B12 = [ 3 ]、B21 = [ 5 ]、B22 = [ 7 ]。
b、「 合 」,对单个元素的序列进行合并,A11和A12合并为[ 1, 8 ], A21 和 A22 合并为 [ 4, 6 ],等等。在合并的过程中也需要排序。
代码实现:
+ (NSArray *)mergeSort:(NSArray *)unSortArray { NSInteger len = unSortArray.count; // 递归终止条件 if (len <= 1) { return unSortArray; } NSInteger mid = len / 2; // 对左半部分进行拆分 NSArray *lList = [self mergeSort:[unSortArray subarrayWithRange:NSMakeRange(0, mid)]]; // 对右半部分进行拆分 NSArray *rList = [self mergeSort:[unSortArray subarrayWithRange:NSMakeRange(mid, len-mid)]]; // 递归结束后执行下面的语句 NSInteger lIndex = 0; NSInteger rIndex = 0; // 进行合并 NSMutableArray *results = [NSMutableArray array]; while (lIndex < lList.count && rIndex < rList.count) { if ([lList[lIndex] integerValue] < [rList[rIndex] integerValue]) { [results addObject:lList[lIndex]]; lIndex += 1; } else { [results addObject:rList[rIndex]]; rIndex += 1; } } // 把左边剩余元素加到排序结果中 if (lIndex < lList.count) { [results addObjectsFromArray:[lList subarrayWithRange:NSMakeRange(lIndex, lList.count-lIndex)]]; } // 把右边剩余元素加到排序结果中 if (rIndex < rList.count) { [results addObjectsFromArray:[rList subarrayWithRange:NSMakeRange(rIndex, rList.count-rIndex)]]; } return results; }
特点
稳定性 :在元素拆分的时候,虽然相同元素可能被分到不同的组中,但是合并的时候相同元素相对位置不会发生变化,故稳定。
空间复杂度 :需要用到一个数组保存排序结果,也就是合并的时候,需要开辟空间来存储排序结果,故为 O ( n );
时间复杂度 :最好最坏都为 O(nlogn);
计数排序
前面所讲的 6 种排序都是基于「比较」的思想,总是在比较两个元素的大小,然后交换位置。
现在来换个“口味”,来看看计数排序。
计数排序的核心思想是把一个无序序列 A 转换成另一个有序序列 B,从 B 中逐个“取出”所有元素,取出的元素即为有序序列「没看明白,不急,后面来张图就搞明白了」。这种算法比快速排序还要快「特定条件下」,它适用于待排序序列中元素的取值范围比较小。比如对某大型公司员工按年龄排序,年龄的取值范围很小,大约在(10-100)之间。
对数组 arr = [ 8, 1, 4, 6, 2, 3, 5, 4 ] 进行排序,使用计数排序需要找到与其对应的一个有序序列,可以使用数组的下标与 arr 做一个映射「数组的下标恰好是有序的」。
遍历 arr,把 arr 中的元素放到 counArr 中,counArr 的大小是由 arr 中最大元素和最小元素决定的。
图中有个技巧,为了让 countArr 尽可能地小,countArr 的长度使用了 arr 中的最大值 max - arr 中的最小值 min + 1 (max - min + 1),arr[i] - min 恰好是 countArr 的下标。countArr 中记录了某个值出现的次数,比如 8 出现过 1 次,则在 countArr 中的值为 1;4 出现过 2 次,则在 countArr 中的值为 2。
代码实现:
+ (NSArray *)countingSort:(NSArray *)datas { // 1.找出数组中最大数和最小数 NSNumber *max = [datas firstObject]; NSNumber *min = [datas firstObject]; for (int i = 0; i < datas.count; i++) { NSNumber *item = datas[i]; if ([item integerValue] > [max integerValue]) { max = item; } if ([item integerValue] < [min integerValue]) { min = item; } } // 2.创建一个数组 countArr 来保存 datas 中元素出现的个数 NSInteger sub = [max integerValue] - [min integerValue] + 1; NSMutableArray *countArr = [NSMutableArray arrayWithCapacity:sub]; for (int i = 0; i < sub; i++) { [countArr addObject:@(0)]; } // 3.把 datas 转换成 countArr,使用 datas[i] 与 countArr 的下标对应起来 for (int i = 0; i < datas.count; i++) { NSNumber *aData = datas[i]; NSInteger index = [aData integerValue] - [min integerValue]; countArr[index] = @([countArr[index] integerValue] + 1); } // 4.从countArr中输出结果 NSMutableArray *resultArr = [NSMutableArray arrayWithCapacity:datas.count]; for (int i = 0; i < countArr.count; i++) { NSInteger count = [countArr[i] integerValue]; while (count > 0) { [resultArr addObject:@(i + [min integerValue])]; count -= 1; } } return [resultArr copy]; }
特点
稳定性 :在元素往 countArr 中记录时按顺序遍历,从 countArr 中取出元素也是按顺序取出,相同元素相对位置不会发生变化,故稳定。
空间复杂度 :需要额外申请空间,复杂度为“桶”的个数,故为 O ( k ), k 为“桶”的个数,也就是 countArr 的长度;
时间复杂度 :最好最坏都为 O(n+k), k 为“桶”的个数,也就是 countArr 的长度;
以 arr = [ 8, 1, 4, 6, 2, 3, 5, 7 ] 为例,排序前需要确定桶的个数,和确定桶中元素的取值范围:
代码实现:
+ (NSArray *)bucketSort:(NSArray *)datas { // 1.找出数组中最大数和最小数 NSNumber *max = [datas firstObject]; NSNumber *min = [datas firstObject]; for (int i = 0; i < datas.count; i++) { NSNumber *item = datas[i]; if ([item integerValue] > [max integerValue]) { max = item; } if ([item integerValue] < [min integerValue]) { min = item; } } // 2.创建桶,桶的个数为 3 int maxBucket = 3; NSMutableArray *buckets = [NSMutableArray arrayWithCapacity:maxBucket]; for (int i = 0; i < maxBucket; i++) { NSMutableArray *aBucket = [NSMutableArray array]; [buckets addObject:aBucket]; } // 3.把数据分配到桶中,桶中的数据是有序的 // a.计算桶中数据的平均值,这样分组数据的时候会把数据放到对应的桶中 float space = ([max integerValue] - [min integerValue] + 1) / (maxBucket*1.0); for (int i = 0; i < datas.count; i++) { // b.根据数据值计算它在桶中的位置 int index = floor(([datas[i] integerValue] - [min integerValue]) / space); NSMutableArray *bucket = buckets[index]; int maxCount = (int)bucket.count; NSInteger minIndex = 0; for (int j = maxCount - 1; j >= 0; j--) { if ([datas[i] integerValue] > [bucket[j] integerValue]) { minIndex = j+1; break; } } [bucket insertObject:datas[i] atIndex:minIndex]; } // 4.把桶中的数据重新组装起来 NSMutableArray *results = [NSMutableArray array]; [buckets enumerateObjectsUsingBlock:^(NSArray *obj, NSUInteger idx, BOOL * _Nonnull stop) { [results addObjectsFromArray:obj]; }]; return results; }
稳定性 :在元素拆分的时候,相同元素会被分到同一组中,合并的时候也是按顺序合并,故稳定。
空间复杂度 :桶的个数加元素的个数,为 O ( n + k );
时间复杂度 :最好为 O( n + k ),最坏为 O(n * n);
基数排序
基数排序是从待排序序列找出可以作为排序的「关键字」,按照「关键字」进行多次排序,最终得到有序序列。比如对 100 以内的序列 arr = [ 3, 9, 489, 1, 5, 10, 2, 7, 6, 204 ]进行排序,排序关键字为「个位数」、「十位数」和「百位数」这 3 个关键字,分别对这 3 个关键字进行排序,最终得到一个有序序列。
以 arr = [ 3, 9, 489, 1, 5, 10, 2, 7, 6, 204 ] 为例,最大为 3 位数,分别对个、十、百位进行排序,最终得到的序列就是有序序列。可以把 arr 看成 [ 003, 009, 489, 001, 005, 010, 002, 007, 006, 204 ],这样理解起来比较简单。
数字的取值范围为 0-9,故可以分为 10 个桶。
代码实现:
+ (NSArray *)radixSort:(NSArray *)datas { NSMutableArray *tempDatas; NSInteger maxValue = 0; int maxDigit = 0; int level = 0; do { // 1.创建10个桶 NSMutableArray *buckets = [NSMutableArray array]; for (int i = 0; i < 10; i++) { NSMutableArray *array = [NSMutableArray array]; [buckets addObject:array]; } // 2.把数保存到桶中 for (int i = 0; i < datas.count; i++) { NSInteger value = [datas[i] integerValue]; // 求一个数的多次方 int xx = (level < 1 ? 1 : (pow(10, level))); // 求个位数、十位数.... int mod = value / xx % 10; [buckets[mod] addObject:datas[i]]; // 求最大数为了计算最大数 if (maxDigit == 0) { if (value > maxValue) { maxValue = value; } } } // 3.把桶中的数据重新合并 tempDatas = [NSMutableArray array]; for (int i = 0; i < 10; i++) { NSMutableArray *aBucket = buckets[i]; [tempDatas addObjectsFromArray:aBucket]; } // 4.求出数组中最大数的位数, 只需计算一次 if (maxDigit == 0) { while(maxValue > 0){ maxValue = maxValue / 10; maxDigit++; } } // 5.继续下一轮排序 datas = tempDatas; level += 1; } while (level < maxDigit); return tempDatas; }
稳定性 :在元素拆分的时候,相同元素会被分到同一组中,合并的时候也是按顺序合并,故稳定。
空间复杂度 :O ( n + k );
时间复杂度 :最好最坏都为 O( n * k );
以上就是 iOS 中的十大经典排序算法,仔细阅读一番理解之后,能助你在 iOS 的算法笔试环节一臂之力。
标签:代码 object href insert 代码实现 nlog nbu 相对 strong
原文地址:https://www.cnblogs.com/qfww/p/13896461.html