数据结构与算法学习笔记之如何分析一个排序算法?
前言
现在IT这块找工作,不会几个算法都不好意思出门,排序算法恰巧是其中最简单的,我接触的第一个算法就是它,但是你知道怎么分析一个排序算法么?有很多时间复杂度相同的排序算法,在实际编码中,那又如何选择呢?下面我们带着问题一起学习一下。
正文
一、常见经典的排序方法
(图片来自于一像素)
插入排序
希尔排序(递减增量排序算法)
归并排序
快速排序
冒泡排序
选择排序
计数排序
计数排序
堆排序
二、 按照时间复杂度归类
时间复杂度O(n2):
冒泡排序、插入排序、选择排序
时间复杂度O(nlogn):
快速排序、归并排序
时间复杂度O(n):
计数排序、基数排序、桶排序
三、如何分析一个“排序算法”?
从三个方面入手
a、算法的执行效率
1.最好、最坏、平均情况时间复杂度。
从算法的核心,复杂度入手,给出最好最坏,平均情况下的时间复杂度,便于分析
- 时间复杂度的系数、常数和低阶。
时间复杂度表示的是规模很大的一种增涨趋势,很容易就忽略系数,低阶,常数等,实际开发中排序的规模都是像10.100.1000这种小规模
- 比较次数,交换(或移动)次数。
排序算法执行过程中,涉及两种操作,一种是元素比较大小,一种是元素交换或移动位置,所以比较次数,交换次数都得考虑进去。
b、排序算法的内存消耗
算法消耗可以通过空间复杂度来衡量
原地排序算法:特指空间复杂度是O(1)的排序算法。
c、排序算法的稳定性
- 稳定性概念:如果待排序的序列中存在值相等的元素,经过排序之后,相等元素之间原有的先后顺序不变。
- 稳定性重要性:可针对对象的多种属性进行有优先级的排序。
- 举例:给电商交易系统中的“订单”排序,按照金额大小对订单数据排序,对于相同金额的订单以下单时间早晚排序。用稳定排序算法可简洁地解决。先按照下单时间给订单排序,排序完成后用稳定排序算法按照订单金额重新排序。
四、详解冒泡排序
冒泡排序只会操作相邻的两个数据。每次冒泡操作都会对相邻的两个元素进行比较,看是否满足大小关系要求,如果不满足就让它俩互换。
冒泡排序只涉及相邻数据的交换,只需要常量级的临时空间,所以它的空间复杂度未O(1)是原地排序算法
稳定性:当有相邻的两个元素大小相等时,不做交换,冒泡排序是稳定的排序算法。
引入两个概念:
默认从小到大未有序
有序度:数组中具有有序关系的元素对的个数。
满有序度:完全有序的数组
逆序度:数组中具有无序关系的元素对的个数。
逆序度=满有序度-有序度
排序的过程实际上就是增加有序度,减少逆序度的过程
时间复杂度:
- 最好情况(满有序度):O(n)。
- 最坏情况(满逆序度):O(n^2)。
- 平均情况:
“有序度”和“逆序度”:对于一个不完全有序的数组,如4,5,6,3,2,1,有序元素对为3个(4,5),(4,6),(5,6),有序度为3,逆序度为12;对于一个完全有序的数组,如1,2,3,4,5,6,有序度就是n(n-1)/2,也就是15,称作满有序度;逆序度=满有序度-有序度;冒泡排序、插入排序交换(或移动)次数=逆序度。
最好情况下初始有序度为n(n-1)/2,最坏情况下初始有序度为0,则平均初始有序度为n(n-1)/4,即交换次数为n(n-1)/4,因交换次数<比较次数<最坏情况时间复杂度,所以平均时间复杂度为O(n2)。
代码实现:
<pre style="margin: 0px 0px 15px; padding: 0px; white-space: pre-wrap; overflow-wrap: break-word; font-family: Monaco, Menlo, Consolas, "Courier New", monospace; font-size: 12px !important; line-height: 1.72222; color: inherit; border-radius: 2px; background: rgb(238, 238, 238); border: 0px; overflow: auto;">// 冒泡排序,a 表示数组,n 表示数组大小
public void bubbleSort(int[] a, int n) { if (n <= 1) return; for (int i = 0; i < n; ++i) { // 提前退出冒泡循环的标志位
boolean flag = false; for (int j = 0; j < n - i - 1; ++j) { if (a[j] > a[j+1]) { // 交换
int tmp = a[j];
a[j] = a[j+1];
a[j+1] = tmp;
flag = true; // 表示有数据交换
}
} if (!flag) break; // 没有数据交换,提前退出
}
}</pre>
五、详解插入排序
将数据分为两个区间,已排序区间和未排序区间,初始已排序区间只有一个元素(即第一个数据),我们取未排序区间的元素,在已排序的区间中找到合适的位置插入位置插入,并保证已排序区间数据一直有序,重复过程,直到未排序区间中没有元素
运行过程中看得出来,不需要额外的存储空间,所以空间复杂度为0(1),也是原地排序算法
同样值的元素,前后顺序保持不变,是稳定的排序算法
时间复杂度:
最好时间复杂度为O(n)
最坏时间复杂度为O(n2)
平均时间复杂度为O(n2)
代码实现:
<pre style="margin: 0px 0px 15px; padding: 0px; white-space: pre-wrap; overflow-wrap: break-word; font-family: Monaco, Menlo, Consolas, "Courier New", monospace; font-size: 12px !important; line-height: 1.72222; color: inherit; border-radius: 2px; background: rgb(238, 238, 238); border: 0px; overflow: auto;">// 插入排序,a 表示数组,n 表示数组大小
public void insertionSort(int[] a, int n) { if (n <= 1) return; for (int i = 1; i < n; ++i) { int value = a[i]; int j = i - 1; // 查找插入的位置
for (; j >= 0; --j) { if (a[j] > value) {
a[j+1] = a[j]; // 数据移动
} else { break;
}
}
a[j+1] = value; // 插入数据
}
}</pre>
六、详解选择排序
选择排序将数组数据分成已排序区间和未排序区间。初始已排序区间只有一个元素,即数组第一个元素。在未排序区间找到最小的数据,将其放在已排序区间的末尾
空间复杂度为O(1),选择排序是原地排序算法。
未排序区间的元素和已排序区间的元素相同时,它可以放在已排序区间相同值的前或后,所以为不稳定的排序
时间复杂度:
- 最好情况:O(n2)。
- 最坏情况:O(n2)。
- 平均情况:O(n2)(往数组中插入一个数的平均时间复杂度是O(n),一共重复n次)。
七、各种排序方法的汇总比较
八、选择排序和插入排序的时间复杂度相同,都是O(n^2),在实际的软件开发中,为什么我们更倾向于使用插入排序而不是冒泡排序算法呢?
答:它们的元素比较次数以及交换元素的次数都是原始数据的逆序度,是一个固定值,但是从代码实现上来看,冒泡排序的数据交换要比插入排序的数据移动要复杂,冒泡排序需要3个赋值操作,而插入排序只需要1个,他们 的时间复杂度上都是O(n2),但是为了追求极致的性能,所以首选插入排序算法
结尾
大家不妨试着分析一下其他的几种算法。
看再多遍都不如写一篇来得深刻,建议大家多敲。
相关文章
以上内容为个人的学习笔记,仅作为学习交流之用。
欢迎大家关注公众号,不定时干货,只做有价值的输出
作者:Dawnzhang
出处:https://www.cnblogs.com/clwydjgs/p/9815690.html