选择排序
选择排序是一种简单直观的排序算法，无论什么数据进去都是 O(n?) 的时间复杂度。所以用到它的时候，数据规模越小越好。唯一的好处可能就是不占用额外的内存空间了吧。
1.算法步骤
1. 首先在未排序序列中找到最小（大）元素，存放到排序序列的起始位置
2. 再从剩余未排序元素中继续寻找最小（大）元素，然后放到已排序序列的末尾。
3. 重复第二步，直到所有元素均排序完毕。
#pragma mark - /**选择排序*/
- (void)mb_selectionSort{
for (int i = 0; i < self.count; i++) {
for (int j = i + 1; j < self.count ; j++) {
if (self.comparator(self[i],self[j]) == NSOrderedDescending) {
[self mb_exchangeWithIndexA:i indexB:j];
}
}
}
}
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。
1.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。
- (void)mb_bubbleSort{
bool swapped;
do {
swapped = false;
for (int i = 1; i < self.count; i++) {
if (self.comparator(self[i - 1],self[i]) == NSOrderedDescending) {
swapped = true;
[self mb_exchangeWithIndexA:i indexB:i- 1];
}
}
} while (swapped);
}
插入排序
插入排序的代码实现虽然没有冒泡排序和选择排序那么简单粗暴，但它的原理应该是最容易理解的了，因为只要打过扑克牌的人都应该能够秒懂。插入排序是一种最简单直观的排序算法，它的工作原理是通过构建有序序列，对于未排序数据，在已排序序列中从后向前扫描，找到相应位置并插入。
1.算法步骤
1. 将第一待排序序列第一个元素看做一个有序序列，把第二个元素到最后一个元素当成是未排序序列。
2. 从头到尾依次扫描未排序序列，将扫描到的每个元素插入有序序列的适当位置。（如果待插入的元素与有序序列中的某个元素相等，则将待插入元素插入到相等元素的后面。）
- (void)mb_insertionSort{
for (int i = 0; i < self.count; i++) {
id e = self[i];
int j;
for (j = i; j > 0 && self.comparator(self[j - 1],e) == NSOrderedDescending; j--) {
[self mb_exchangeWithIndexA:j indexB:j- 1];
}
self[j] = e;
}
}
归并排序
归并排序（Merge sort）是建立在归并操作上的一种有效的排序算法。该算法是采用分治法（Divide and Conquer）的一个非常典型的应用。
作为一种典型的分而治之思想的算法应用，归并排序的实现由两种方法：
>1. 自上而下的递归（所有递归的方法都可以用迭代重写，所以就有了第 2 种方法）
>2. 自下而上的迭代；
本文使用的是**自顶向下**的归并排序
1.算法步骤
1. 申请空间，使其大小为两个已经排序序列之和，该空间用来存放合并后的序列；
2. 设定两个指针，最初位置分别为两个已经排序序列的起始位置；
3. 比较两个指针所指向的元素，选择相对小的元素放入到合并空间，并移动指针到下一位置；
4. 重复步骤 3 直到某一指针达到序列尾；
5. 将另一序列剩下的所有元素直接复制到合并序列尾。
#pragma mark - /**归并排序 自顶向下*/
- (void)mb_mergeSort{
[self mb_mergeSortArray:self LeftIndex:0 rightIndex:(int)self.count - 1];
}
- (void)mb_mergeSortArray:(NSMutableArray *)array LeftIndex:(int )l rightIndex:(int)r{
if(l >= r) return;
int mid = (l + r) / 2;
[self mb_mergeSortArray:self LeftIndex:l rightIndex:mid];
[self mb_mergeSortArray:self LeftIndex:mid + 1 rightIndex:r];
[self mb_mergeSortArray:self LeftIndex:l midIndex:mid rightIndex:r];
}
- (void)mb_mergeSortArray:(NSMutableArray *)array LeftIndex:(int )l midIndex:(int )mid rightIndex:(int )r{
SEL func = NSSelectorFromString(@"resetSortArray:");
// 开辟新的空间 r-l+1的空间
NSMutableArray *aux = [NSMutableArray arrayWithCapacity:r-l+1];
for (int i = l; i r){ // 如果右半部分元素已经全部处理完毕
self.comparator(nil, nil);
self[k] = aux[i - l];
i++;
}else if(self.comparator(aux[i - l], aux[j - l]) == NSOrderedAscending){ // 左半部分所指元素 < 右半部分所指元素
self[k] = aux[i - l];
i++;
}else{
self.comparator(nil, nil);
self[k] = aux[j - l];
j++;
}
NSMutableArray *mutArray = [NSMutableArray array];
[self enumerateObjectsUsingBlock:^(MBBarView * _Nonnull obj, NSUInteger idx, BOOL * _Nonnull stop) {
[mutArray addObject:[NSString stringWithFormat:@"%f",obj.frame.size.height]];
}];
objc_msgSendSortArray(self.vc,func,mutArray);
}
}
快速排序
快速排序是由东尼·霍尔所发展的一种排序算法。在平均状况下，排序 n 个项目要 Ο(nlogn) 次比较。在最坏状况下则需要 Ο(n2) 次比较，但这种状况并不常见。事实上，快速排序通常明显比其他 Ο(nlogn) 算法更快，因为它的内部循环（inner loop）可以在大部分的架构上很有效率地被实现出来。
快速排序使用分治法（Divide and conquer）策略来把一个串行（list）分为两个子串行（sub-lists）。
快速排序又是一种分而治之思想在排序算法上的典型应用。本质上来看，快速排序应该算是在冒泡排序基础上的递归分治法。
快速排序的名字起的是简单粗暴，因为一听到这个名字你就知道它存在的意义，就是快，而且效率高！它是处理大数据最快的排序算法之一了。
1.算法步骤
1. 从数列中挑出一个元素，称为 “基准”（pivot）;
2. 重新排序数列，所有元素比基准值小的摆放在基准前面，所有元素比基准值大的摆在基准的后面（相同的数可以到任一边）。在这个分区退出之后，该基准就处于数列的中间位置。这个称为分区（partition）操作；
3. 递归地（recursive）把小于基准值元素的子数列和大于基准值元素的子数列排序；
**快速排序的优化可考虑当分区间隔小的的时候转而使用插入排序**
#pragma mark - /**快速排序*/
- (void)mb_quickSort{
//要特别注意边界的情况
[self mb_quickSort:self indexL:0 indexR:(int)self.count - 1];
}
- (void)mb_quickSort:(NSMutableArray *)array indexL:(int)l indexR:(int)r{
if (l >= r) return;
int p = [self __partition:array indexL:l indexR:r];
[self mb_quickSort:array indexL:l indexR:p-1];
[self mb_quickSort:array indexL:p + 1 indexR:r];
}
/**
对arr[l...r]部分进行partition操作
返回p, 使得arr[l...p-1] < arr[p] ; arr[p+1...r] > arr[p]
@param array array
@param l 左
@param r 右
@return 返回p
*/
- (int)__partition:(NSMutableArray *)array indexL:(int)l indexR:(int)r{
int j = l;// arr[l+1...j] < v ; arr[j+1...i) > v
for (int i = l + 1; i <= r ; i++) {
if ( self.comparator(array[i], array[ l]) == NSOrderedAscending) {
j++;
//交换
[self mb_exchangeWithIndexA:j indexB:i];
}
}
self.comparator(nil, nil);
[self mb_exchangeWithIndexA:j indexB:l];
return j;
双路快速排序
过多重复键值使Quick Sort降至O(n^2)
使用双快速排序后, 我们的快速排序算法可以轻松的处理包含大量元素的数组
**快速排序的优化可考虑当分区间隔小的的时候转而使用插入排序**
1.算法图示
#pragma mark - /**双路快排*/
///使用双快速排序后, 我们的快速排序算法可以轻松的处理包含大量元素的数组
- (void)mb_identicalQuickSort{
//要特别注意边界的情况
[self mb_quickSort:self indexL:0 indexR:(int)self.count - 1];
}
- (void)mb_identicalQuickSort:(NSMutableArray *)array indexL:(int)l indexR:(int)r{
if (l >= r) return;
int p = [self __partition2:array indexL:l indexR:r];
[self mb_quickSort:array indexL:l indexR:p-1];
[self mb_quickSort:array indexL:p + 1 indexR:r];
}
- (int)__partition2:(NSMutableArray *)array indexL:(int)l indexR:(int)r{
// 随机在arr[l...r]的范围中, 选择一个数值作为标定点pivot
[self mb_exchangeWithIndexA:l indexB:(arc4random()%(r-l+1))];
id v = array[l];
// arr[l+1...i) = v
int i = l + 1, j = r;
while (true) {
while (i l + 1 && self.comparator(array[j],v) == NSOrderedDescending)
j--;
if (i > j) {
break;
}
[self mb_exchangeWithIndexA:i indexB:j];
i++;
j--;
}
[self mb_exchangeWithIndexA:l indexB:j];
return j;
}
三路快速排序
对于包含有大量重复数据的数组, 三路快排有巨大的优势
对于一般性的随机数组和近乎有序的数组, 三路快排的效率虽然不是最优的, 但是是在非常可以接受的范围里
因此, 在一些语言中, 三路快排是默认的语言库函数中使用的排序算法。比如Java:)
**快速排序的优化可考虑当分区间隔小的的时候转而使用插入排序**
#pragma mark - /**三路快排*/
//对于包含有大量重复数据的数组, 三路快排有巨大的优势
- (void)mb_quick3WaysSort{
//要特别注意边界的情况
[self mb_quick3WaysSort:self indexL:0 indexR:(int)self.count - 1];
}
/// 递归的三路快速排序算法
- (void)mb_quick3WaysSort:(NSMutableArray *)array indexL:(int)l indexR:(int)r{
if (l >= r) return;
self.comparator(nil, nil);
// 随机在arr[l...r]的范围中, 选择一个数值作为标定点pivot
[self mb_exchangeWithIndexA:l indexB:(arc4random_uniform(r-l+1) + l)];
id v = array[l];
int lt = l; // array[l+1...lt] < v
int gt = r + 1; // array[gt...r] > v
int i = l + 1; // array[lt+1...i) == v
while (i < gt) {
if ( [self compareWithBarOne:array[i] andBarTwo:v] == NSOrderedAscending) {
self.comparator(nil, nil);
[self mb_exchangeWithIndexA:i indexB:lt + 1];
i++;
lt++;
}else if ([self compareWithBarOne:array[i] andBarTwo:v] == NSOrderedDescending){
self.comparator(nil, nil);
[self mb_exchangeWithIndexA:i indexB:gt - 1];
gt--;
}else{ //array[i] == v
i++;
}
}
self.comparator(nil,nil);
[self mb_exchangeWithIndexA:l indexB:lt];
[self mb_quick3WaysSort:array indexL:l indexR:lt-1];
[self mb_quick3WaysSort:array indexL:gt indexR:r];
}
堆排序
堆排序（Heapsort）是指利用堆这种数据结构所设计的一种排序算法。堆积是一个近似完全二叉树的结构，并同时满足堆积的性质：即子结点的键值或索引总是小于（或者大于）它的父节点。堆排序可以说是一种利用堆的概念来排序的选择排序。分为两种方法：
大顶堆：每个节点的值都大于或等于其子节点的值，在堆排序算法中用于升序排列；
小顶堆：每个节点的值都小于或等于其子节点的值，在堆排序算法中用于降序排列；
堆排序的平均时间复杂度为 Ο(nlogn)。
1.算法步骤
1. 创建一个堆 H[0……n-1]；
2. 把堆首（最大值）和堆尾互换；
3. 把堆的尺寸缩小 1，并调用 shift_down(1)，目的是把新的数组顶端数据调整到相应位置；
4. 重复步骤 2，直到堆的尺寸为 1
///shift_down操作
- (void)shiftDown:(int )k{
while (2 * k <= _count) {
int j = 2 * k;
if (j + 1 <= _count && [self heapCompareWithBarOne:_data[j + 1] andBarTwo:_data[j]] == NSOrderedDescending) j++;//左孩子小于右孩子
if ([self heapCompareWithBarOne:_data[k] andBarTwo:_data[j]] == NSOrderedDescending) break; //父节点大于子节点
self.comparator(nil, nil);
[_data mb_exchangeWithIndexA:k indexB:j];
k = j;
}
}
