十大经典排序算法

十大经典排序算法

主题：

排序算法可以分为内部排序和外部排序，内部排序是数据记录在内存中进行排序，而外部排序是因排序的数据很大，一次不能容纳全部的排序记录，在排序过程中需要访问外存。常见的内部排序算法有：插入排序、希尔排序、选择排序、冒泡排序、归并排序、快速排序、堆排序、基数排序等。用一张图概括：

    

关于时间复杂度:

1. 平方阶 (O(n2)) 排序 各类简单排序：直接插入、直接选择和冒泡排序。

2. 线性对数阶 (O(nlog2n)) 排序 快速排序、堆排序和归并排序。

3. O(n1+§)) 排序，§ 是介于 0 和 1 之间的常数。 希尔排序。

4. 线性阶 (O(n)) 排序 基数排序，此外还有桶、箱排序。

关于稳定性:

稳定的排序算法：冒泡排序、插入排序、归并排序和基数排序。

不是稳定的排序算法：选择排序、快速排序、希尔排序、堆排序。

名词解释：

n：数据规模

k：“桶”的个数

In-place：占用常数内存，不占用额外内存

Out-place：占用额外内存

稳定性：排序后 2 个相等键值的顺序和排序之前它们的顺序相同

第一种:冒泡排序

冒泡排序（Bubble Sort）也是一种简单直观的排序算法。它重复地走访过要排序的数列，一次比较两个元素，如果他们的顺序错误就把他们交换过来。走访数列的工作是重复地进行直到没有再需要交换，也就是说该数列已经排序完成。这个算法的名字由来是因为越小的元素会经由交换慢慢“浮”到数列的顶端。

作为最简单的排序算法之一，冒泡排序给我的感觉就像 Abandon 在单词书里出现的感觉一样，每次都在第一页第一位，所以最熟悉。冒泡排序还有一种优化算法，就是立一个 flag，当在一趟序列遍历中元素没有发生交换，则证明该序列已经有序。但这种改进对于提升性能来说并没有什么太大作用。

 

算法步骤

1. 比较相邻的元素。如果第一个比第二个大，就交换他们两个。

2. 对每一对相邻元素作同样的工作，从开始第一对到结尾的最后一对。这步做完后，最后的元素会是最大的数。

3. 针对所有的元素重复以上的步骤，除了最后一个。

4. 持续每次对越来越少的元素重复上面的步骤，直到没有任何一对数字需要比较。

动图演示

 

得到结果：

添加前字典{‘a‘: 0},内存地址:110911992
添加前字典{‘a‘: 0},内存地址:110911992
添加前字典{‘a‘: 1},内存地址:110911992
添加前字典{‘a‘: 1},内存地址:110911992
添加前字典{‘a‘: 2},内存地址:110911992
添加前字典{‘a‘: 2},内存地址:110911992
[({‘a‘: 2}, ‘内存地址:110911992‘), ({‘a‘: 2}, ‘内存地址:110911992‘), ({‘a‘: 2}, ‘内存地址:110911992‘)]

说明：

第二种情况

 

键入代码:

 1 def make():
 2     for a in range(3):
 3         dict = {
 4             ‘a‘: a
 5         }
 6         yield dict
 7 
 8 list = []
 9 for val in make():
10     print(‘添加前字典{},内存地址:{}‘.format(val,id(val)))
11     list.append((val,‘内存地址:%d‘ % id(val)))
12     print(‘添加前字典{},内存地址:{}‘.format(val,id(val)))
13 
14 print(list)

 

得到结果:

1 添加前字典{‘a‘: 0},内存地址:113784728
2 添加前字典{‘a‘: 0},内存地址:113784728
3 添加前字典{‘a‘: 1},内存地址:110699936
4 添加前字典{‘a‘: 1},内存地址:110699936
5 添加前字典{‘a‘: 2},内存地址:110699144
6 添加前字典{‘a‘: 2},内存地址:110699144
7 [({‘a‘: 0}, ‘内存地址:113784728‘), ({‘a‘: 1}, ‘内存地址:110699936‘), ({‘a‘: 2}, ‘内存地址:110699144‘)] 

十大经典排序算法

原文：https://www.cnblogs.com/zwgbk/p/10393277.html