十大优秀排序算法

作者: 前端应用  发布:2019-10-12

十大特出排序算法

2016/09/19 · 基础本领 · 7 评论 · 排序算法, 算法

本文作者: 伯乐在线 - Damonare 。未经小编许可,禁绝转发!
应接到场伯乐在线 专栏作者。

前言

读者自行尝试可以想看源码戳这 ,在github建了个库,读者能够Clone下来本地尝试。此博文合作源码体验更棒哦

  • 那世界上海市总存在着那么某些近乎相似但有完全差异的事物,比方雷锋(Lei Feng)和小雁塔,小平和小大背头,Mary和马Rio,Java和javascript….当年javascript为了抱Java大腿无耻之尤的让本身成为了Java的养子,哦,不是理所应当是跪舔,毕竟都跟了Java的姓了。可今后,javascript来了个逆转,大概要统治web领域,Nodejs,React Native的产出使得javascript在后端和活动端都从头占领了一矢之地。能够那样说,在Web的江湖,JavaScript可谓风头无两,已经坐上了头把交椅。
  • 在守旧的计算机算法和数据结构领域,大非常多正经教材和本本的私下认可语言都以Java大概C/C+ +,O’REILLY家倒是出了一本叫做《数据结构与算法javascript描述》的书,但不得不说,不清楚是我吃了shit依然译者根本就没核对,满书的小错误,那就像是那种无穷点不清的小bug同样,差不离正是让人有种嘴里塞满了shit的痛感,吐亦非咽下去亦非。对于一个前端来说,尤其是笔试面试的时候,算法方面考的实际简单(十大排序算法或是和十大排序算法同等难度的),但固然在此以前没用javascript完毕过只怕没细心看过有关算法的规律,导致写起来浪费广大日子。所以撸一撸袖子决定本人查资料自身计算一篇博客等应用了直接看本人的博客就OK了,正所谓靠天靠地靠大牌不比靠自个儿(ˉ(∞)ˉ)。
  • 算法的从头到尾的经过:9世纪波斯地艺术学家提议的:“al-Khowarizmi”正是下图那货(认为首要数学成分建议者貌似都戴了顶白帽子),开个玩笑,阿拉伯人对于数学史的孝敬照旧值得人毕恭毕敬的。
    图片 1

前言

读者自行尝试能够想看源码戳这,博主在github建了个库,读者能够Clone下来本地尝试。此博文协作源码体验更棒哦

  • 那世界上总存在着那么一些近似相似但有完全不一样的事物,比方雷锋(Lei Feng)和虎丘塔,小平和小卡尺头,Mary和马Rio,Java和javascript….当年javascript为了抱Java大腿下流至极的让协调成为了Java的养子,哦,不是理所应当是跪舔,究竟都跟了Java的姓了。可前段时间,javascript来了个翻盘,差不离要统治web领域,Nodejs,React Native的面世使得javascript在后端和移动端都早先攻下了一隅之地。能够这么说,在Web的下方,JavaScript可谓风头无两,已经坐上了头把交椅。
  • 在观念的Computer算法和数据结构领域,大大多正经教材和书籍的私下认可语言都是Java只怕C/C+ +,O’REILLY家倒是出了一本叫做《数据结构与算法javascript描述》的书,但只可以说,不精晓是小编吃了shit依然译者根本就没核查,满书的小错误,那就像是这种无穷数不尽的小bug一样,大约就是令人有种嘴里塞满了shit的痛感,吐亦不是咽下去亦非。对于贰个前端来讲,越发是笔试面试的时候,算法方面考的其实不难(十大排序算法或是和十大排序算法同等难度的),但不怕此前没用javascript完成过可能没细心看过有关算法的规律,导致写起来浪费广大时刻。所以撸一撸袖子决定本身查资料自身计算一篇博客等应用了第一手看本身的博客就OK了,正所谓靠天靠地靠大牌比不上靠自身(ˉ(∞)ˉ)。
  • 算法的来由:9世纪波斯物教育学家建议的:“al-Khowarizmi”就是下图那货(感到重要数学成分提议者貌似都戴了顶白帽子),开个玩笑,阿拉伯人对于数学史的孝敬依旧值得人钦佩的。
    图片 2

正文

正文

排序算法验证

(1)排序的定义:对一种类对象依据有些关键字张开排序;

输入:n个数:a1,a2,a3,…,an
出口:n个数的排列:a1’,a2’,a3’,…,an’,使得a1’<=a2’<=a3’<=…<=an’。

再讲的影象点正是排排坐,调座位,高的站在背后,矮的站在前边咯。

(3)对于评述算法优劣术语的辨证

稳定 :如若a原来在b前边,而a=b,排序之后a依旧在b的先头;
不稳定 :假如a原来在b的前边,而a=b,排序之后a大概会并发在b的末尾;

内排序 :全部排序操作都在内部存款和储蓄器中产生;
外排序 :由于数量太大,由此把数据放在磁盘中,而排序通过磁盘和内部存款和储蓄器的多少传输工夫开展;

岁月复杂度 : 一个算法实施所费用的年月。
空中复杂度 : 运转完一个前后相继所需内部存款和储蓄器的大大小小。

关于时间空间复杂度的越来越多询问请戳这里 ,或是看书程杰大大编写的《大话数据结构》依旧十分的赞的,简单明了。

(4)排序算法图片总括(图片来源于互联网):

排序相比:

图片 3

图表名词解释:
n: 数据规模
k:“桶”的个数
In-place: 占用常数内部存款和储蓄器,不占用额外内存
Out-place: 占用额外内部存款和储蓄器

排序分类:

图片 4

排序算法验证

(1)排序的定义:对一连串对象依照有些关键字打开排序;

输入:n个数:a1,a2,a3,…,an
输出:n个数的排列:a1’,a2’,a3’,…,an’,使得a1’

再讲的影象点便是排排坐,调座位,高的站在后头,矮的站在前边咯。

(3)对于评述算法优劣术语的辨证

稳定:假如a原来在b后面,而a=b,排序之后a照旧在b的前头;
不稳定:要是a原来在b的眼下,而a=b,排序之后a可能会并发在b的末端;

内排序:全部排序操作都在内存中完结;
外排序:由于数量太大,因而把数据放在磁盘中,而排序通过磁盘和内部存款和储蓄器的多少传输能力实行;

光阴复杂度: 二个算法实行所消耗的时光。
空间复杂度: 运营完贰个顺序所需内部存款和储蓄器的轻重缓急。

关于时间空间复杂度的更加的多询问请戳这里,或是看书程杰大大编写的《大话数据结构》还是相当的赞的,老妪能解。

(4)排序算法图片总括(图片源于网络):

排序相比较:

图片 5

图片名词解释:
n: 数据规模
k:“桶”的个数
In-place: 占用常数内部存款和储蓄器,不占用额外内部存款和储蓄器
Out-place: 占用额外内部存款和储蓄器

排序分类:

图片 6

1.冒泡排序(Bubble Sort)

好的,初叶总括第一个排序算法,冒泡排序。作者想对于它每一种学过C语言的都会询问的吧,这可能是无数人接触的首先个排序算法。

1.冒泡排序(Bubble Sort)

好的,开首总结第叁个排序算法,冒泡排序。笔者想对于它每一个学过C语言的都会询问的啊,这说不定是得寸进尺人接触的首先个排序算法。

(1)算法描述

冒泡排序是一种简易的排序算法。它再次地拜访过要排序的数列,二回比较八个因素,假若它们的各类错误就把它们交流过来。拜谒数列的干活是双重地扩充直到未有再要求交流,也正是说该数列已经排序完毕。这一个算法的名字由来是因为越小的成分会经过交流稳步“浮”到数列的下边。

(1)算法描述

冒泡排序是一种简易的排序算法。它再度地访谈过要排序的数列,贰遍比相当多个要素,尽管它们的一一错误就把它们沟通过来。拜访数列的行事是再一次地扩充直到未有再需求沟通,也正是说该数列已经排序达成。那么些算法的名字由来是因为越小的成分会经过交流稳步“浮”到数列的上边。

(2)算法描述和贯彻

切切实实算法描述如下:

  • <1>.相比较相邻的因素。假设第贰个比第二个大,就调换它们八个;
  • <2>.对每一对左近成分作同样的办事,从初始首先对到最终的结尾巴部分分,那样在终极的成分应该会是最大的数;
  • <3>.针对具有的因素重复以上的步骤,除了最后三个;
  • <4>.重复步骤1~3,直到排序完毕。

JavaScript代码完毕:

function bubbleSort(arr) {

var len = arr.length;

for (var i = 0 ; i < len; i++) {

for (var j = 0 ; j < len - 1 - i; j++) {

if (arr[j] > arr[j+1 ]) {  //相邻成分两两相比

var temp = arr[j+1 ];  //元素交换

arr[j+1 ] = arr[j];

arr[j] = temp;

}

}

}

return arr;

}

var arr=[3 ,44 ,38 ,5 ,47 ,15 ,36 ,26 ,27 ,2 ,46 ,4 ,19 ,50 ,48 ];

console.log(bubbleSort(arr));//[2, 3, 4, 5, 15, 19, 26, 27, 36, 38, 44, 46, 47, 48, 50]

精雕细刻冒泡排序: 设置一标识性别变化量pos,用于记录每一回排序中最终一次实行交流的职位。由于pos地点然后的笔录均已换到完毕,故在打开下一趟排序时一旦扫描到pos地方就能够。

改进后算法如下:

function bubbleSort2(arr) {

console.time('立异后冒泡排序耗费时间');

var i = arr.length-1 ;  //起先时,最终地方保持不改变

while ( i> 0 ) {

var pos= 0 ; //每一回初步时,无记录调换

for (var j= 0 ; j< i; j++)

if (arr[j]> arr[j+1 ]) {

pos= j; //记录调换的职位

var tmp = arr[j]; arr[j]=arr[j+1 ];arr[j+1 ]=tmp;

}

i= pos; //为下一趟排序作盘算

}

console.timeEnd('立异后冒泡排序耗费时间');

return arr;

}

var arr=[3 ,44 ,38 ,5 ,47 ,15 ,36 ,26 ,27 ,2 ,46 ,4 ,19 ,50 ,48 ];

console.log(bubbleSort2(arr));//[2, 3, 4, 5, 15, 19, 26, 27, 36, 38, 44, 46, 47, 48, 50]

价值观冒泡排序中每趟排序操作只好找到一个最大值或纤维值,大家考虑采用在每便排序中张开正向和反向五遍冒泡的法子贰遍能够赢得多个最后值(最大者和最小者) , 进而使排序趟数差不离减少了一半。

改进后的算法落成为:

function bubbleSort3(arr3) {

var low = 0 ;

var high= arr.length-1 ; //设置变量的最初值

var tmp,j;

console.time('2. 校订后冒泡排序耗费时间');

while (low < high) {

for (j= low; j< high; ++j) //正向冒泡,找到最大者

if (arr[j]> arr[j+1 ]) {

tmp = arr[j]; arr[j]=arr[j+1 ];arr[j+1 ]=tmp;

}

--high;  //修改high值, 前移一个人

for (j=high; j>low; --j) //反向冒泡,找到最小者

if (arr[j]<arr[j-1 ]) {

tmp = arr[j]; arr[j]=arr[j-1 ];arr[j-1 ]=tmp;

}

++low;  //修改low值,后移一位

}

console.timeEnd('2. 创新后冒泡排序耗费时间');

return arr3;

}

var arr=[3 ,44 ,38 ,5 ,47 ,15 ,36 ,26 ,27 ,2 ,46 ,4 ,19 ,50 ,48 ];

console.log(bubbleSort3(arr));//[2, 3, 4, 5, 15, 19, 26, 27, 36, 38, 44, 46, 47, 48, 50]

二种艺术耗费时间比较:

图片 7

由图能够见到革新后的冒泡排序显明的小时复杂度更低,耗费时间更加短了。读者自行尝试能够戳那,博主在github建了个库,读者能够Clone下来本地尝试。此博文协作源码体验更棒哦~~~

冒泡排序动图演示:

图片 8

(3)算法深入分析

  • 顶级状态:T(n) = O(n)

当输入的数额已然是正序时(都曾经是正序了,为毛何苦还排序呢….)

  • 最差情形:T(n) = O(n2)

当输入的数额是反序时(卧槽,作者平昔反序不就完了….)

  • 平均情形:T(n) = O(n2)

(2)算法描述和兑现

切实算法描述如下:

  • <1>.相比较相邻的成分。若是第一个比第三个大,就调换它们四个;
  • <2>.对每一对左近成分作一样的办事,从上马率先对到最终的结尾巴部分分,那样在最后的要素应该会是最大的数;
  • <3>.针对持有的因素重复以上的手续,除了最后二个;
  • <4>.重复步骤1~3,直到排序实现。

JavaScript代码实现:

JavaScript

function bubbleSort(arr) { var len = arr.length; for (var i = 0; i < len; i++) { for (var j = 0; j < len - 1 - i; j++) { if (arr[j] > arr[j+1]) { //相邻成分两两相比 var temp = arr[j+1]; //成分交流arr[j+1] = arr[j]; arr[j] = temp; } } } return arr; } var arr=[3,44,38,5,47,15,36,26,27,2,46,4,19,50,48]; console.log(bubbleSort(arr));//[2, 3, 4, 5, 15, 19, 26, 27, 36, 38, 44, 46, 47, 48, 50]

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
function bubbleSort(arr) {
    var len = arr.length;
    for (var i = 0; i < len; i++) {
        for (var j = 0; j < len - 1 - i; j++) {
            if (arr[j] > arr[j+1]) {        //相邻元素两两对比
                var temp = arr[j+1];        //元素交换
                arr[j+1] = arr[j];
                arr[j] = temp;
            }
        }
    }
    return arr;
}
var arr=[3,44,38,5,47,15,36,26,27,2,46,4,19,50,48];
console.log(bubbleSort(arr));//[2, 3, 4, 5, 15, 19, 26, 27, 36, 38, 44, 46, 47, 48, 50]

 

精耕细作冒泡排序: 设置一标记性别变化量pos,用于记录每一遍排序中最终一遍实行沟通的职位。由于pos地方然后的笔录均已换来达成,故在打开下一趟排序时一旦扫描到pos地点就能够。

改善后算法如下:

JavaScript

function bubbleSort2(arr) { console.time('创新后冒泡排序耗时'); var i = arr.length-1; //最先时,末了位置保持不改变 while ( i> 0) { var pos= 0; //每一遍初叶时,无记录交流 for (var j= 0; j< i; j++) if (arr[j]> arr[j+1]) { pos= j; //记录调换的职位 var tmp = arr[j]; arr[j]=arr[j+1];arr[j+1]=tmp; } i= pos; //为下一趟排序作筹算 } console.timeEnd('革新后冒泡排序耗费时间'); return arr; } var arr=[3,44,38,5,47,15,36,26,27,2,46,4,19,50,48]; console.log(bubbleSort2(arr));//[2, 3, 4, 5, 15, 19, 26, 27, 36, 38, 44, 46, 47, 48, 50]

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
function bubbleSort2(arr) {
    console.time('改进后冒泡排序耗时');
    var i = arr.length-1;  //初始时,最后位置保持不变
    while ( i> 0) {
        var pos= 0; //每趟开始时,无记录交换
        for (var j= 0; j< i; j++)
            if (arr[j]> arr[j+1]) {
                pos= j; //记录交换的位置
                var tmp = arr[j]; arr[j]=arr[j+1];arr[j+1]=tmp;
            }
        i= pos; //为下一趟排序作准备
     }
     console.timeEnd('改进后冒泡排序耗时');
     return arr;
}
var arr=[3,44,38,5,47,15,36,26,27,2,46,4,19,50,48];
console.log(bubbleSort2(arr));//[2, 3, 4, 5, 15, 19, 26, 27, 36, 38, 44, 46, 47, 48, 50]

 

价值观冒泡排序中每趟排序操作只好找到三个最大值或相当的小值,大家考虑接纳在每次排序中实行正向和反向五遍冒泡的方法贰遍能够获取多少个最后值(最大者和最小者) , 进而使排序趟数大概收缩了四分之二。

改进后的算法完结为:

JavaScript

function bubbleSort3(arr3) { var low = 0; var high= arr.length-1; //设置变量的初步值 var tmp,j; console.time('2.更进一竿后冒泡排序耗费时间'); while (low < high) { for (j= low; j< high; ++j) //正向冒泡,找到最大者 if (arr[j]> arr[j+1]) { tmp = arr[j]; arr[j]=arr[j+1];arr[j+1]=tmp; } --high; //修改high值, 前移一人 for (j=high; j>low; --j) //反向冒泡,找到最小者 if (arr[j]<arr[j-1]) { tmp = arr[j]; arr[j]=arr[j-1];arr[j-1]=tmp; } ++low; //修改low值,后移一个人 } console.timeEnd('2.更进一步后冒泡排序耗费时间'); return arr3; } var arr=[3,44,38,5,47,15,36,26,27,2,46,4,19,50,48]; console.log(bubbleSort3(arr));//[2, 3, 4, 5, 15, 19, 26, 27, 36, 38, 44, 46, 47, 48, 50]

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
function bubbleSort3(arr3) {
    var low = 0;
    var high= arr.length-1; //设置变量的初始值
    var tmp,j;
    console.time('2.改进后冒泡排序耗时');
    while (low < high) {
        for (j= low; j< high; ++j) //正向冒泡,找到最大者
            if (arr[j]> arr[j+1]) {
                tmp = arr[j]; arr[j]=arr[j+1];arr[j+1]=tmp;
            }
        --high;                 //修改high值, 前移一位
        for (j=high; j>low; --j) //反向冒泡,找到最小者
            if (arr[j]<arr[j-1]) {
                tmp = arr[j]; arr[j]=arr[j-1];arr[j-1]=tmp;
            }
        ++low;                  //修改low值,后移一位
    }
    console.timeEnd('2.改进后冒泡排序耗时');
    return arr3;
}
var arr=[3,44,38,5,47,15,36,26,27,2,46,4,19,50,48];
console.log(bubbleSort3(arr));//[2, 3, 4, 5, 15, 19, 26, 27, 36, 38, 44, 46, 47, 48, 50]

三种艺术耗费时间相比较:

图片 9

由图能够看来创新后的冒泡排序分明的岁月复杂度更低,耗费时间越来越短了。读者自行尝试能够戳那,博主在github建了个库,读者能够Clone下来本地尝试。此博文同盟源码体验更棒哦~~~

冒泡排序动图演示:

图片 10

(3)算法深入分析

  • 顶尖状态:T(n) = O(n)

当输入的多少已然是正序时(都已然是正序了,为毛何须还排序呢….)

  • 最差意况:T(n) = O(n2)

当输入的数额是反序时(卧槽,笔者平素反序不就完了….)

  • 平均意况:T(n) = O(n2)

2.采摘排序(Selection Sort)

表现最稳定的排序算法之一(那些平静不是指算法层面上的平稳哈,相信聪明的你能领略作者说的意思2333),因为不论什么数据进去都以O(n²)的时刻复杂度…..所以用到它的时候,数据规模越小越好。独一的益处或许正是不占用额外的内部存款和储蓄器空间了呢。理论上讲,选取排序或许也是平时排序一般人想到的最多的排序方法了啊。

2.选项排序(Selection Sort)

显示最安定的排序算法之一(这些稳固不是指算法层面上的安居哈,相信聪明的您能知晓自身说的情致2333),因为不论怎么数据进去都是O(n²)的年月复杂度…..所以用到它的时候,数据规模越小越好。独一的平价大概就是不占用额外的内存空间了吗。理论上讲,选拔排序可能也是常常排序平常人想到的最多的排序方法了吧。

(1)算法简要介绍

选取排序(Selection-sort)是一种简易直观的排序算法。它的劳作规律:首先在未排序类别中找到最小(大)成分,贮存到排序种类的初叶地点,然后,再从剩余未排序元素中三番五次搜寻最小(大)成分,然后嵌入已排序系列的最终。就那样推算,直到全数因素均排序实现。

(1)算法简要介绍

选料排序(Selection-sort)是一种简易直观的排序算法。它的工作规律:首先在未排序体系中找到最小(大)成分,贮存到排序类别的开头地点,然后,再从剩余未排序成分中接二连三寻觅最小(大)元素,然后放到已排序连串的结尾。由此及彼,直到全部因素均排序完毕。

(2)算法描述和贯彻

n个记录的第一手选用排序可透过n-1趟直接采用排序获得稳步结果。具体算法描述如下:

  • <1>.初阶状态:冬辰区为帕杰罗[1..n],有序区为空;
  • <2>.第i趟排序(i=1,2,3…n-1)最早时,当前有序区和严节区独家为奇骏[1..i-1]和Wrangler(i..n)。该趟排序从当前冬辰区中-选出第一字十分的小的笔录 景逸SUV[k],将它与冬日区的首个记录RAV4沟通,使昂Cora[1..i]和R[i+1..n)分别成为记录个数扩展1个的新有序区和笔录个数裁减1个的新冬辰区;
  • <3>.n-1趟甘休,数组有序化了。

Javascript代码完毕:

function selectionSort(arr) {

var len = arr.length;

var minIndex, temp;

console.time('选拔排序耗费时间');

for (var i = 0 ; i < len - 1 ; i++) {

minIndex = i;

for (var j = i + 1 ; j < len; j++) {

if (arr[j] < arr[minIndex]) {  //搜索最小的数

minIndex = j;  //将小小数的目录保存

}

}

temp = arr[i];

arr[i] = arr[minIndex];

arr[minIndex] = temp;

}

console.timeEnd('选拔排序耗时');

return arr;

}

var arr=[3 ,44 ,38 ,5 ,47 ,15 ,36 ,26 ,27 ,2 ,46 ,4 ,19 ,50 ,48 ];

console.log(selectionSort(arr));//[2, 3, 4, 5, 15, 19, 26, 27, 36, 38, 44, 46, 47, 48, 50]

分选排序动图演示:

图片 11

(2)算法描述和兑现

n个记录的一分区直属机关接公投择排序可透过n-1趟直接接纳排序得到稳步结果。具体算法描述如下:

  • <1>.开首状态:冬季区为XC60[1..n],有序区为空;
  • <2>.第i趟排序(i=1,2,3…n-1)先河时,当前有序区和冬辰区分别为PAJERO[1..i-1]和R(i..n)。该趟排序从当下冬日区中-选出重视字比非常的小的记录 Evoque[k],将它与冬天区的第一个记录PRADO调换,使酷路泽[1..i]和R[i+1..n)分别成为记录个数增添1个的新有序区和著录个数收缩1个的新冬季区;
  • <3>.n-1趟结束,数组有序化了。

Javascript代码完毕:

JavaScript

function selectionSort(arr) { var len = arr.length; var minIndex, temp; console.time('接纳排序耗费时间'); for (var i = 0; i < len - 1; i++) { minIndex = i; for (var j = i + 1; j < len; j++) { if (arr[j] < arr[minIndex]) { //搜索最小的数 minIndex = j; //将最小数的目录保存 } } temp = arr[i]; arr[i] = arr[minIndex]; arr[minIndex] = temp; } console.timeEnd('采取排序耗费时间'); return arr; } var arr=[3,44,38,5,47,15,36,26,27,2,46,4,19,50,48]; console.log(selectionSort(arr));//[2, 3, 4, 5, 15, 19, 26, 27, 36, 38, 44, 46, 47, 48, 50]

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
function selectionSort(arr) {
    var len = arr.length;
    var minIndex, temp;
    console.time('选择排序耗时');
    for (var i = 0; i < len - 1; i++) {
        minIndex = i;
        for (var j = i + 1; j < len; j++) {
            if (arr[j] < arr[minIndex]) {     //寻找最小的数
                minIndex = j;                 //将最小数的索引保存
            }
        }
        temp = arr[i];
        arr[i] = arr[minIndex];
        arr[minIndex] = temp;
    }
    console.timeEnd('选择排序耗时');
    return arr;
}
var arr=[3,44,38,5,47,15,36,26,27,2,46,4,19,50,48];
console.log(selectionSort(arr));//[2, 3, 4, 5, 15, 19, 26, 27, 36, 38, 44, 46, 47, 48, 50]

选用排序动图演示:

图片 12

(3)算法深入分析

  • 一流状态:T(n) = O(n2)
  • 最差景况:T(n) = O(n2)
  • 平均情状:T(n) = O(n2)

(3)算法深入分析

  • 至上状态:T(n) = O(n2)
  • 最差情状:T(n) = O(n2)
  • 平均情形:T(n) = O(n2)

3.插入排序(Insertion Sort)

插入排序的代码达成即便没有冒泡排序和甄选排序那么粗略残忍,但它的准则应该是最轻巧精通的了,因为只要打过扑克牌的人都应有力所能致秒懂。当然,倘让你说你打扑克牌摸牌的时候从不按牌的大小整理牌,那猜想那辈子你对插入排序的算法都不会发生任何兴趣了…..

3.插入排序(Insertion Sort)

插入排序的代码落成固然未有冒泡排序和抉择排序那么简单冷酷,但它的规律应该是最轻便掌握的了,因为假使打过扑克牌的人都应有能够秒懂。当然,假设你说您打扑克牌摸牌的时候从不按牌的轻重新整建理牌,那推测那辈子你对插入排序的算法都不会产生任何兴趣了…..

(1)算法简要介绍

插入排序(Insertion-Sort)的算法描述是一种简易直观的排序算法。它的劳作规律是通过创设有序系列,对于未排序数据,在已排序系列中从后迈入扫描,找到呼应地点并插入。插入排序在落实上,日常选取in-place排序(即只需用到O(1)的额外层空间间的排序),由此在从后迈入扫描进程中,需求反复把已排序成分日渐向后挪位,为新型因素提供插入空间。

(1)算法简要介绍

插入排序(Insertion-Sort)的算法描述是一种简易直观的排序算法。它的办事规律是透过构建有序体系,对于未排序数据,在已排序连串中从后迈入扫描,找到呼应地点并插入。插入排序在实现上,平常选择in-place排序(即只需用到O(1)的额外层空间间的排序),因此在从后迈入扫描进程中,供给频频把已排序成分日渐向后挪位,为新型因素提供插入空间。

(2)算法描述和完成

诚如的话,插入排序都选拔in-place在数组上完毕。具体算法描述如下:

  • <1>.从第四个要素初步,该因素得以以为已经被排序;
  • <2>.收取下多个成分,在早已排序的成分种类中从后迈入扫描;
  • <3>.假使该因素(已排序)大于新因素,将该因素移到下一岗位;
  • <4>.重复步骤3,直到找到已排序的因素小于只怕等于新因素的岗位;
  • <5>.将新成分插入到该地方后;
  • <6>.重复步骤2~5。

Javascript代码完毕:

function insertionSort(array ) {

if (Object.prototype.toString.call(array ).slice(8 , -1 ) === 'Array') {

console.time ('插入排序耗费时间:');

for (var i = 1 ; i < array .length ; i++) {

var key = array [i];

var j = i - 1 ;

while (j >= 0 && array [j] > key ) {

array [j + 1 ] = array [j];

j--;

}

array [j + 1 ] = key ;

}

console.timeEnd('插入排序耗费时间:');

return array ;

} else {

return 'array is not an Array!';

}

}

精耕细作插入排序:  查找插入地方时行使二分查找的主意

function binaryInsertionSort(array ) {

if (Object.prototype.toString.call(array ).slice(8 , -1 ) === 'Array') {

console.time ('二分插入排序耗费时间:');

for (var i = 1 ; i < array .length ; i++) {

var key = array [i], left = 0 , right = i - 1 ;

while (left <= right) {

var middle = parseInt((left + right) / 2 );

if (key < array [middle]) {

right = middle - 1 ;

} else {

left = middle + 1 ;

}

}

for (var j = i - 1 ; j >= left; j--) {

array [j + 1 ] = array [j];

}

array [left] = key ;

}

console.timeEnd('二分插入排序耗时:');

return array ;

} else {

return 'array is not an Array!';

}

}

var arr=[3 ,44 ,38 ,5 ,47 ,15 ,36 ,26 ,27 ,2 ,46 ,4 ,19 ,50 ,48 ];

console.log (binaryInsertionSort(arr));//[2 , 3 , 4 , 5 , 15 , 19 , 26 , 27 , 36 , 38 , 44 , 46 , 47 , 48 , 50 ]

革新前后比较:

图片 13

插入排序动图演示:

图片 14

(2)算法描述和促成

相似的话,插入排序都使用in-place在数组上贯彻。具体算法描述如下:

  • <1>.从第一个要素起首,该因素得以感觉曾经被排序;
  • <2>.抽取下贰个成分,在已经排序的因素连串中从后迈入扫描;
  • <3>.假诺该因素(已排序)大于新因素,将该因素移到下一岗位;
  • <4>.重复步骤3,直到找到已排序的因素小于可能等于新因素的职责;
  • <5>.将新成分插入到该岗位后;
  • <6>.重复步骤2~5。

Javascript代码达成:

JavaScript

function insertionSort(array) { if (Object.prototype.toString.call(array).slice(8, -1) === 'Array') { console.time('插入排序耗费时间:'); for (var i = 1; i < array.length; i++) { var key = array[i]; var j = i - 1; while (j >= 0 && array[j] > key) { array[j + 1] = array[j]; j--; } array[j + 1] = key; } console.timeEnd('插入排序耗费时间:'); return array; } else { return 'array is not an Array!'; } }

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
function insertionSort(array) {
    if (Object.prototype.toString.call(array).slice(8, -1) === 'Array') {
        console.time('插入排序耗时:');
        for (var i = 1; i < array.length; i++) {
            var key = array[i];
            var j = i - 1;
            while (j >= 0 && array[j] > key) {
                array[j + 1] = array[j];
                j--;
            }
            array[j + 1] = key;
        }
        console.timeEnd('插入排序耗时:');
        return array;
    } else {
        return 'array is not an Array!';
    }
}

改正插入排序: 查找插入地方时选取二分查找的点子

JavaScript

function binaryInsertionSort(array) { if (Object.prototype.toString.call(array).slice(8, -1) === 'Array') { console.time('二分插入排序耗费时间:'); for (var i = 1; i < array.length; i++) { var key = array[i], left = 0, right = i - 1; while (left <= right) { var middle = parseInt((left + right) / 2); if (key < array[middle]) { right = middle - 1; } else { left = middle + 1; } } for (var j = i - 1; j >= left; j--) { array[j + 1] = array[j]; } array[left] = key; } console.timeEnd('二分插入排序耗费时间:'); return array; } else { return 'array is not an Array!'; } } var arr=[3,44,38,5,47,15,36,26,27,2,46,4,19,50,48]; console.log(binaryInsertionSort(arr));//[2, 3, 4, 5, 15, 19, 26, 27, 36, 38, 44, 46, 47, 48, 50]

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
function binaryInsertionSort(array) {
    if (Object.prototype.toString.call(array).slice(8, -1) === 'Array') {
        console.time('二分插入排序耗时:');
        for (var i = 1; i < array.length; i++) {
            var key = array[i], left = 0, right = i - 1;
            while (left <= right) {
                var middle = parseInt((left + right) / 2);
                if (key < array[middle]) {
                    right = middle - 1;
                } else {
                    left = middle + 1;
                }
            }
            for (var j = i - 1; j >= left; j--) {
                array[j + 1] = array[j];
            }
            array[left] = key;
        }
        console.timeEnd('二分插入排序耗时:');
        return array;
    } else {
        return 'array is not an Array!';
    }
}
var arr=[3,44,38,5,47,15,36,26,27,2,46,4,19,50,48];
console.log(binaryInsertionSort(arr));//[2, 3, 4, 5, 15, 19, 26, 27, 36, 38, 44, 46, 47, 48, 50]

革新前后相比:

图片 15

插入排序动图演示:

图片 16

(3)算法深入分析

  • 一级状态:输入数组按升序排列。T(n) = O(n)
  • 最坏情形:输入数组按降序排列。T(n) = O(n2)
  • 平均情形:T(n) = O(n2)

(3)算法剖判

  • 最好状态:输入数组按升序排列。T(n) = O(n)
  • 最坏意况:输入数组按降序排列。T(n) = O(n2)
  • 平均情状:T(n) = O(n2)

4.Hill排序(Shell Sort)

1959年Shell发明;
首先个突破O(n^2)的排序算法;是简约插入排序的立异版;它与插入排序的不一样之处在于,它会事先对比间距较远的因素。Hill排序又叫减少增量排序

4.Hill排序(Shell Sort)

1959年Shell发明;
率先个突破O(n^2)的排序算法;是大约插入排序的创新版;它与插入排序的不一样之处在于,它会优先相比间距较远的成分。希尔排序又叫降低增量排序

(1)算法简要介绍

Hill排序的中坚在于间隔体系的设定。不仅能够提前设定好间距连串,也得以动态的定义间隔类别。动态定义间距系列的算法是《算法(第4版》的合著者罗伯特Sedgewick提议的。

(1)算法简单介绍

Hill排序的基本在于间距系列的设定。不只能够提前设定好间隔类别,也足以动态的定义间距种类。动态定义间隔类别的算法是《算法(第4版》的合著者RobertSedgewick建议的。

(2)算法描述和落到实处

先将总体待排序的记录系列分割成为若干子连串分别打开直接插入排序,具体算法描述:

  • <1>. 选取三个增量类别t1,t2,…,tk,此中ti>tj,tk=1;
  • <2>.按增量类别个数k,对队列举行k 趟排序;
  • <3>.每一趟排序,依照对应的增量ti,将待排种类分割成几何尺寸为m 的子系列,分别对各子表打开间接插入排序。仅增量因子为1 时,整个种类作为二个表来管理,表长度即为整个种类的长度。

Javascript代码完毕:

function shellSort (arr ) {

var len = arr.length,

temp,

gap = 1 ;

console .time('Hill排序耗时:' );

while (gap < len/5 ) {  //动态定义间距种类

gap =gap*5 +1 ;

}

for (gap; gap > 0 ; gap = Math .floor(gap/5 )) {

for (var i = gap; i < len; i++) {

temp = arr[i];

for (var j = i-gap; j >= 0 && arr[j] > temp; j-=gap) {

arr[j+gap] = arr[j];

}

arr[j+gap] = temp;

}

}

console .timeEnd('Hill排序耗费时间:' );

return arr;

}

var arr=[3 ,44 ,38 ,5 ,47 ,15 ,36 ,26 ,27 ,2 ,46 ,4 ,19 ,50 ,48 ];

console .log(shellSort(arr));//[2, 3, 4, 5, 15, 19, 26, 27, 36, 38, 44, 46, 47, 48, 50]

Hill排序图示(图片来源于网络):

图片 17

(2)算法描述和得以实现

先将整个待排序的记录体系分割成为若干子种类分别进行直接插入排序,具体算法描述:

  • <1>. 采用一个增量连串t1,t2,…,tk,在那之中ti>tj,tk=1;
  • <2>.按增量系列个数k,对队列实行k 趟排序;
  • <3>.每一遍排序,依照对应的增量ti,将待排类别分割成几何长短为m 的子系列,分别对各子表进行直接插入排序。仅增量因子为1 时,整个种类作为一个表来管理,表长度即为整个类别的长短。

Javascript代码达成:

JavaScript

function shellSort(arr) { var len = arr.length, temp, gap = 1; console.time('Hill排序耗费时间:'); while(gap < len/5) { //动态定义间距体系 gap =gap*5+1; } for (gap; gap > 0; gap = Math.floor(gap/5)) { for (var i = gap; i < len; i++) { temp = arr[i]; for (var j = i-gap; j >= 0 && arr[j] > temp; j-=gap) { arr[j+gap] = arr[j]; } arr[j+gap] = temp; } } console.timeEnd('Hill排序耗费时间:'); return arr; } var arr=[3,44,38,5,47,15,36,26,27,2,46,4,19,50,48]; console.log(shellSort(arr));//[2, 3, 4, 5, 15, 19, 26, 27, 36, 38, 44, 46, 47, 48, 50]

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
function shellSort(arr) {
    var len = arr.length,
        temp,
        gap = 1;
    console.time('希尔排序耗时:');
    while(gap < len/5) {          //动态定义间隔序列
        gap =gap*5+1;
    }
    for (gap; gap > 0; gap = Math.floor(gap/5)) {
        for (var i = gap; i < len; i++) {
            temp = arr[i];
            for (var j = i-gap; j >= 0 && arr[j] > temp; j-=gap) {
                arr[j+gap] = arr[j];
            }
            arr[j+gap] = temp;
        }
    }
    console.timeEnd('希尔排序耗时:');
    return arr;
}
var arr=[3,44,38,5,47,15,36,26,27,2,46,4,19,50,48];
console.log(shellSort(arr));//[2, 3, 4, 5, 15, 19, 26, 27, 36, 38, 44, 46, 47, 48, 50]

Hill排序图示(图片来源于网络):

图片 18

(3)算法深入分析

  • 一级状态:T(n) = O(nlog2 n)
  • 最坏情状:T(n) = O(nlog2 n)
  • 平均情形:T(n) =O(nlog n)

(3)算法剖判

  • 拔尖状态:T(n) = O(nlog2 n)
  • 最坏情形:T(n) = O(nlog2 n)
  • 平均境况:T(n) =O(nlog n)

5.归并列排在一条线序(Merge Sort)

和甄选排序同样,归并列排在一条线序的性质不受输入数据的熏陶,但展现比选用排序好的多,因为一向都以O(n log n)的时日复杂度。代价是急需分外的内部存款和储蓄器空间。

5.归并列排在一条线序(Merge Sort)

和选用排序同样,归并列排在一条线序的性质不受输入数据的熏陶,但显示比选拔排序好的多,因为一贯都以O(n log n)的时刻复杂度。代价是亟需特出的内部存储器空间。

(1)算法简单介绍

 归并列排在一条线序是创设在统一操作上的一种有效的排序算法。该算法是行使分治法(Divide and Conquer)的贰个百般非凡的施用。归并列排在一条线序是一种协和的排序方法。将已有序的子连串合并,获得完全有序的连串;即先使每种子种类有序,再使子体系段间有序。若将三个不变表合併成七个不改变表,称为2-路归并。

(1)算法简单介绍

 归并列排在一条线序是起家在会集操作上的一种有效的排序算法。该算法是选择分治法(Divide and Conquer)的贰个足够杰出的施用。归并列排在一条线序是一种协调的排序方法。将已有序的子连串合併,获得完全有序的种类;即先使各类子连串有序,再使子系列段间有序。若将八个静止表合併成二个稳步表,称为2-路归并。

(2)算法描述和贯彻

切切实实算法描述如下:

  • <1>.把长度为n的输入体系分成多少个长度为n/2的子系列;
  • <2>.对那三个子体系分别采纳归并列排在一条线序;
  • <3>.将三个排序好的子系列合併成三个末尾的排序种类。

Javscript代码完结:

function mergeSort(arr) {  //选用自上而下的递归方法

var len = arr.length;

if (len < 2 ) {

return arr;

}

var middle = Math .floor(len / 2 ),

left = arr.slice(0 , middle),

right = arr.slice(middle);

return merge(mergeSort(left ), mergeSort(right ));

}

function merge(left , right )

{

var result = [];

console.time('归并排序耗时');

while (left .length && right .length) {

if (left [0 ] <= right [0 ]) {

result.push(left .shift());

} else {

result.push(right .shift());

}

}

while (left .length)

result.push(left .shift());

while (right .length)

result.push(right .shift());

console.timeEnd('归并列排在一条线序耗费时间');

return result;

}

var arr=[3 ,44 ,38 ,5 ,47 ,15 ,36 ,26 ,27 ,2 ,46 ,4 ,19 ,50 ,48 ];

console.log(mergeSort(arr));

归并列排在一条线序动图演示:

图片 19

(2)算法描述和落到实处

实际算法描述如下:

  • <1>.把长度为n的输入类别分成多个长度为n/2的子体系;
  • <2>.对那多个子种类分别选择归并列排在一条线序;
  • <3>.将四个排序好的子类别合併成二个最终的排序连串。

Javscript代码完成:

JavaScript

function mergeSort(arr) { //采纳自上而下的递归方法 var len = arr.length; if(len < 2) { return arr; } var middle = Math.floor(len / 2), left = arr.slice(0, middle), right = arr.slice(middle); return merge(mergeSort(left), mergeSort(right)); } function merge(left, right) { var result = []; console.time('归并列排在一条线序耗费时间'); while (left.length && right.length) { if (left[0] <= right[0]) { result.push(left.shift()); } else { result.push(right.shift()); } } while (left.length) result.push(left.shift()); while (right.length) result.push(right.shift()); console.timeEnd('归并列排在一条线序耗费时间'); return result; } var arr=[3,44,38,5,47,15,36,26,27,2,46,4,19,50,48]; console.log(mergeSort(arr));

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
function mergeSort(arr) {  //采用自上而下的递归方法
    var len = arr.length;
    if(len < 2) {
        return arr;
    }
    var middle = Math.floor(len / 2),
        left = arr.slice(0, middle),
        right = arr.slice(middle);
    return merge(mergeSort(left), mergeSort(right));
}
function merge(left, right)
{
    var result = [];
    console.time('归并排序耗时');
    while (left.length && right.length) {
        if (left[0] <= right[0]) {
            result.push(left.shift());
        } else {
            result.push(right.shift());
        }
    }
    while (left.length)
        result.push(left.shift());
    while (right.length)
        result.push(right.shift());
    console.timeEnd('归并排序耗时');
    return result;
}
var arr=[3,44,38,5,47,15,36,26,27,2,46,4,19,50,48];
console.log(mergeSort(arr));

归并列排在一条线序动图演示:

图片 20

(3)算法深入分析

  • 最棒状态:T(n) = O(n)
  • 最差意况:T(n) = O(nlogn)
  • 平均情状:T(n) = O(nlogn)

(3)算法深入分析

  • 精品状态:T(n) = O(n)
  • 最差景况:T(n) = O(nlogn)
  • 平均意况:T(n) = O(nlogn)

6.极快排序(Quick Sort)

登时排序的名字起的是归纳暴虐,因为一听到那么些名字你就知道它存在的含义,正是快,并且成效高! 它是拍卖大数据最快的排序算法之一了。

6.相当的慢排序(Quick Sort)

高效排序的名字起的是回顾残酷,因为一听到这一个名字你就驾驭它存在的意思,便是快,而且功效高! 它是拍卖大额最快的排序算法之一了。

(1)算法简要介绍

急迅排序的为主思维:通过一趟排序将待排记录分隔成单身的两有的,此中有的笔录的机要字均比另一局地的重大字小,则可分别对这两片段记录继续实行排序,以达成整个系列有序。

(1)算法简要介绍

连忙排序的主干思量:通过一趟排序将待排记录分隔成单身的两片段,当中一些笔录的首要字均比另一部分的显要字小,则可各自对这两有些记录继续举行排序,以实现整个系列有序。

(2)算法描述和兑现

迅猛排序使用分治法来把三个串(list)分为几个子串(sub-lists)。具体算法描述如下:

  • <1>.从数列中挑出贰个因素,称为 “基准”(pivot);
  • <2>.重新排序数列,全体因素比基准值小的摆放在基准后面,全体因素比基准值大的摆在基准的前边(同样的数能够到任一边)。在这里个分区退出之后,该标准就处在数列的中间地点。这些名字为分区(partition)操作;
  • <3>.递归地(recursive)把小于基准值元素的子数列和超乎基准值成分的子数列排序。

Javascript代码达成:

/*主意求证:快捷排序

@param array 待排序数组*/

//方法一

function quickSort(array , left, right) {

console.time ('1 .快捷排序耗费时间');

if (Object.prototype.toString.call(array ).slice(8 , -1 ) === 'Array' && typeof left === 'number' && typeof right === 'number') {

if (left < right) {

var x = array [right], i = left - 1 , temp;

for (var j = left; j <= right; j++) {

if (array [j] <= x) {

i++;

temp = array [i];

array [i] = array [j];

array [j] = temp;

}

}

quickSort(array , left, i - 1 );

quickSort(array , i + 1 , right);

}

console.timeEnd('1 .神速排序耗费时间');

return array ;

} else {

return 'array is not an Array or left or right is not a number!';

}

}

//方法二

var quickSort2 = function(arr) {

console.time ('2 .神速排序耗费时间');

  if (arr.length <= 1 ) { return arr; }

  var pivotIndex = Math.floor (arr.length / 2 );

  var pivot = arr.splice (pivotIndex, 1 )[0 ];

  var left = [];

  var right = [];

  for (var i = 0 ; i < arr.length ; i++){

    if (arr[i] < pivot) {

      left.push (arr[i]);

    } else {

      right.push (arr[i]);

    }

  }

console.timeEnd('2 .快捷排序耗费时间');

  return quickSort2(left).concat ([pivot], quickSort2(right));

};

var arr=[3 ,44 ,38 ,5 ,47 ,15 ,36 ,26 ,27 ,2 ,46 ,4 ,19 ,50 ,48 ];

console.log (quickSort(arr,0 ,arr.length -1 ));//[2 , 3 , 4 , 5 , 15 , 19 , 26 , 27 , 36 , 38 , 44 , 46 , 47 , 48 , 50 ]

console.log (quickSort2(arr));//[2 , 3 , 4 , 5 , 15 , 19 , 26 , 27 , 36 , 38 , 44 , 46 , 47 , 48 , 50 ]

高速排序动图演示:

图片 21

(2)算法描述和落实

快快排序使用分治法来把二个串(list)分为多少个子串(sub-lists)。具体算法描述如下:

  • <1>.从数列中挑出七个要素,称为 “基准”(pivot);
  • <2>.重新排序数列,全体因素比基准值小的摆放在基准前面,全数因素比基准值大的摆在基准的末端(一样的数能够到任一边)。在这里个分区退出之后,该标准就处在数列的高级中学级地方。这一个称得上分区(partition)操作;
  • <3>.递归地(recursive)把小于基准值元素的子数列和超乎基准值成分的子数列排序。

Javascript代码达成:

JavaScript

/*措施求证:火速排序 @param array 待排序数组*/ //方法一 function quickSort(array, left, right) { console.time('1.高效排序耗时'); if (Object.prototype.toString.call(array).slice(8, -1) === 'Array' && typeof left === 'number' && typeof right === 'number') { if (left < right) { var x = array[right], i = left - 1, temp; for (var j = left; j <= right; j++) { if (array[j] <= x) { i++; temp = array[i]; array[i] = array[j]; array[j] = temp; } } quickSort(array, left, i

  • 1); quickSort(array, i + 1, right); } console.timeEnd('1.便捷排序耗费时间'); return array; } else { return 'array is not an Array or left or right is not a number!'; } } //方法二 var quickSort2 = function(arr) { console.time('2.快速排序耗费时间');   if (arr.length <= 1) { return arr; }   var pivotIndex = Math.floor(arr.length / 2);   var pivot = arr.splice(pivotIndex, 1)[0];   var left = [];   var right = [];   for (var i = 0; i < arr.length; i++){     if (arr[i] < pivot) {       left.push(arr[i]);     } else {       right.push(arr[i]);     }   } console.timeEnd('2.便捷排序耗费时间');   return quickSort2(left).concat([pivot], quickSort2(right)); }; var arr=[3,44,38,5,47,15,36,26,27,2,46,4,19,50,48]; console.log(quickSort(arr,0,arr.length-1));//[2, 3, 4, 5, 15, 19, 26, 27, 36, 38, 44, 46, 47, 48, 50] console.log(quickSort2(arr));//[2, 3, 4, 5, 15, 19, 26, 27, 36, 38, 44, 46, 47, 48, 50]
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
/*方法说明:快速排序
@param  array 待排序数组*/
//方法一
function quickSort(array, left, right) {
    console.time('1.快速排序耗时');
    if (Object.prototype.toString.call(array).slice(8, -1) === 'Array' && typeof left === 'number' && typeof right === 'number') {
        if (left < right) {
            var x = array[right], i = left - 1, temp;
            for (var j = left; j <= right; j++) {
                if (array[j] <= x) {
                    i++;
                    temp = array[i];
                    array[i] = array[j];
                    array[j] = temp;
                }
            }
            quickSort(array, left, i - 1);
            quickSort(array, i + 1, right);
        }
        console.timeEnd('1.快速排序耗时');
        return array;
    } else {
        return 'array is not an Array or left or right is not a number!';
    }
}
//方法二
var quickSort2 = function(arr) {
    console.time('2.快速排序耗时');
  if (arr.length <= 1) { return arr; }
  var pivotIndex = Math.floor(arr.length / 2);
  var pivot = arr.splice(pivotIndex, 1)[0];
  var left = [];
  var right = [];
  for (var i = 0; i < arr.length; i++){
    if (arr[i] < pivot) {
      left.push(arr[i]);
    } else {
      right.push(arr[i]);
    }
  }
console.timeEnd('2.快速排序耗时');
  return quickSort2(left).concat([pivot], quickSort2(right));
};
var arr=[3,44,38,5,47,15,36,26,27,2,46,4,19,50,48];
console.log(quickSort(arr,0,arr.length-1));//[2, 3, 4, 5, 15, 19, 26, 27, 36, 38, 44, 46, 47, 48, 50]
console.log(quickSort2(arr));//[2, 3, 4, 5, 15, 19, 26, 27, 36, 38, 44, 46, 47, 48, 50]

快快排序动图演示:

图片 22

(3)算法分析

  • 一流状态:T(n) = O(nlogn)
  • 最差情状:T(n) = O(n2)
  • 平均情形:T(n) = O(nlogn)

(3)算法深入分析

  • 一流状态:T(n) = O(nlogn)
  • 最差情况:T(n) = O(n2)
  • 平均景况:T(n) = O(nlogn)

7.堆排序(Heap Sort)

堆排序可以说是一种选拔堆的定义来排序的抉择排序。

7.堆排序(Heap Sort)

堆排序能够说是一种接纳堆的定义来排序的挑精拣肥排序。

(1)算法简单介绍

堆排序(Heapsort)是指派用堆这种数据结构所设计的一种排序算法。堆集是三个近似完全二叉树的协会,并同不经常候满意堆叠的习性:即子结点的键值或索引总是小于(可能超过)它的父节点。

(1)算法简要介绍

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。聚积是二个类似完全二叉树的构造,并还要满足积聚的习性:即子结点的键值或索引总是小于(或然高于)它的父节点。

(2)算法描述和兑现

切实算法描述如下:

  • <1>.将伊始待排序关键字类别(Escort1,索罗德2….奥迪Q7n)营造设成大顶堆,此堆为初始的冬日区;
  • <2>.将堆顶成分索罗德[1]与最后三个元素帕杰罗[n]换到,此时赢得新的严节区(福睿斯1,Rubicon2,……Rubiconn-1)和新的有序区(Enclaven),且满意Enclave[1,2…n-1]<=R[n];
  • <3>.由于调换后新的堆顶瑞鹰[1]兴许违反堆的本性,因而需求对当下冬季区(R1,瑞虎2,……猎豹CS6n-1)调度为新堆,然后再度将Lacrosse[1]与冬日区最终贰个因素沟通,获得新的严节区(Enclave1,Evoque2….CRUISERn-2)和新的有序区(大切诺基n-1,ENCOREn)。不断重复此进程直到有序区的成分个数为n-1,则全体排序进度完毕。

Javascript代码完毕:

/*艺术求证:堆排序

@param array 待排序数组*/

function heapSort (array) {

console.time('堆排序耗费时间' );

if (Object.prototype.toString.call(array ).slice(8 , -1 ) === 'Array' ) {

//建堆

var heapSize = array .length, temp;

for (var i = Math.floor(heapSize / 2 ) - 1 ; i >= 0 ; i--) {

heapify(array , i, heapSize);

}

//堆排序

for (var j = heapSize - 1 ; j >= 1 ; j--) {

temp = array [0 ];

array [0 ] = array [j];

array [j] = temp;

heapify(array , 0 , --heapSize);

}

console.timeEnd('堆排序耗费时间' );

return array ;

} else {

return 'array is not an Array!' ;

}

}

/*方法求证:维护堆的属性

@param arr 数组

@param x 数组下标

@param len 堆大小*/

function heapify (arr, x, len) {

if (Object.prototype.toString.call(arr).slice(8 , -1 ) === 'Array' && typeof x === 'number' ) {

var l = 2 * x + 1 , r = 2 * x + 2 , largest = x, temp;

if (l < len && arr[l] > arr[largest]) {

largest = l;

}

if (r < len && arr[r] > arr[largest]) {

largest = r;

}

if (largest != x) {

temp = arr[x];

arr[x] = arr[largest];

arr[largest] = temp;

heapify(arr, largest, len);

}

} else {

return 'arr is not an Array or x is not a number!' ;

}

}

var arr=[91 ,60 ,96 ,13 ,35 ,65 ,46 ,65 ,10 ,30 ,20 ,31 ,77 ,81 ,22 ];

console.log(heapSort(arr));//[10, 13, 20, 22, 30, 31, 35, 46, 60, 65, 65, 77, 81, 91, 96]

堆排序动图演示:

图片 23

(2)算法描述和促成

实际算法描述如下:

  • <1>.将伊始待排序关键字系列(奇骏1,Wrangler2….Wranglern)营造造成大顶堆,此堆为起初的冬季区;
  • <2>.将堆顶成分CRUISER[1]与最后多个成分LAND[n]换来,此时赢得新的冬天区(CRUISER1,Odyssey2,……Kugan-1)和新的有序区(奥德赛n),且满意凯雷德[1,2…n-1]<=R[n];
  • <3>.由于调换后新的堆顶R[1]也许违反堆的性质,因而须求对当下冬季区(翼虎1,Odyssey2,……RAV4n-1)调节为新堆,然后再度将汉兰达[1]与严节区最终贰个因素沟通,得到新的严节区(酷路泽1,奥迪Q72….RAV4n-2)和新的有序区(帕杰罗n-1,Sportagen)。不断重复此进度直到有序区的成分个数为n-1,则全体排序进度达成。

Javascript代码达成:

JavaScript

/*艺术求证:堆排序 @param array 待排序数组*/ function heapSort(array) { console.time('堆排序耗费时间'); if (Object.prototype.toString.call(array).slice(8, -1) === 'Array') { //建堆 var heapSize = array.length, temp; for (var i = Math.floor(heapSize / 2) - 1; i >= 0; i--) { heapify(array, i, heapSize); } //堆排序 for (var j = heapSize - 1; j >= 1; j--) { temp = array[0]; array[0] = array[j]; array[j] = temp; heapify(array, 0, --heapSize); } console.timeEnd('堆排序耗时'); return array; } else { return 'array is not an Array!'; } } /*艺术求证:维护堆的习性 @param arr 数组 @param x 数组下标 @param len 堆大小*/ function heapify(arr, x, len) { if (Object.prototype.toString.call(arr).slice(8, -1) === 'Array' && typeof x === 'number') { var l = 2 * x + 1, r = 2 * x + 2, largest = x, temp; if (l < len && arr[l] > arr[largest]) { largest = l; } if (r < len && arr[r] > arr[largest]) { largest = r; } if (largest != x) { temp = arr[x]; arr[x] = arr[largest]; arr[largest] = temp; heapify(arr, largest, len); } } else { return 'arr is not an Array or x is not a number!'; } } var arr=[91,60,96,13,35,65,46,65,10,30,20,31,77,81,22]; console.log(heapSort(arr));//[10, 13, 20, 22, 30, 31, 35, 46, 60, 65, 65, 77, 81, 91, 96]

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
/*方法说明:堆排序
@param  array 待排序数组*/
function heapSort(array) {
    console.time('堆排序耗时');
    if (Object.prototype.toString.call(array).slice(8, -1) === 'Array') {
        //建堆
        var heapSize = array.length, temp;
        for (var i = Math.floor(heapSize / 2) - 1; i >= 0; i--) {
            heapify(array, i, heapSize);
        }
        //堆排序
        for (var j = heapSize - 1; j >= 1; j--) {
            temp = array[0];
            array[0] = array[j];
            array[j] = temp;
            heapify(array, 0, --heapSize);
        }
        console.timeEnd('堆排序耗时');
        return array;
    } else {
        return 'array is not an Array!';
    }
}
/*方法说明:维护堆的性质
@param  arr 数组
@param  x   数组下标
@param  len 堆大小*/
function heapify(arr, x, len) {
    if (Object.prototype.toString.call(arr).slice(8, -1) === 'Array' && typeof x === 'number') {
        var l = 2 * x + 1, r = 2 * x + 2, largest = x, temp;
        if (l < len && arr[l] > arr[largest]) {
            largest = l;
        }
        if (r < len && arr[r] > arr[largest]) {
            largest = r;
        }
        if (largest != x) {
            temp = arr[x];
            arr[x] = arr[largest];
            arr[largest] = temp;
            heapify(arr, largest, len);
        }
    } else {
        return 'arr is not an Array or x is not a number!';
    }
}
var arr=[91,60,96,13,35,65,46,65,10,30,20,31,77,81,22];
console.log(heapSort(arr));//[10, 13, 20, 22, 30, 31, 35, 46, 60, 65, 65, 77, 81, 91, 96]

堆排序动图演示:

图片 24

(3)算法深入分析

  • 至上状态:T(n) = O(nlogn)
  • 最差意况:T(n) = O(nlogn)
  • 平均处境:T(n) = O(nlogn)

(3)算法深入分析

  • 最好状态:T(n) = O(nlogn)
  • 最差情状:T(n) = O(nlogn)
  • 平均情状:T(n) = O(nlogn)

8.计数排序(Counting Sort)

计数排序的宗目的在于于将输入的数据值转化为键存款和储蓄在附加开发的数组空间中。
用作一种线性时间复杂度的排序,计数排序要求输入的数目必须是有规定限制的平头。

8.计数排序(Counting Sort)

计数排序的基本在于将输入的数据值转化为键存款和储蓄在附加开荒的数组空间中。
作为一种线性时间复杂度的排序,计数排序供给输入的多寡必需是有规定限制的整数。

(1)算法简要介绍

计数排序(Counting sort)是一种和睦的排序算法。计数排序使用一个额外的数组C,在那之中第i个元素是待排序数组A中值等于i的因素的个数。然后依据数组C来将A中的成分排到正确的职位。它只好对整数进行排序。

(1)算法简单介绍

计数排序(Counting sort)是一种和睦的排序算法。计数排序使用一个外加的数组C,在那之中第i个要素是待排序数组A中值等于i的元素的个数。然后依据数组C来将A中的元素排到精确的职分。它不得不对整数举行排序。

(2)算法描述和完结

切实算法描述如下:

  • <1>. 寻觅待排序的数组中最大和微小的因素;
  • <2>. 总括数组中各种值为i的要素出现的次数,存入数组C的第i项;
  • <3>. 对具备的计数累计(从C中的第一个因素初始,每一项和前一项相加);
  • <4>. 反向填充目的数组:将种种成分i放在新数组的第C(i)项,每放一个因素就将C(i)减去1。

Javascript代码达成:

function countingSort(array ) {

var len = array .length ,

B = [],

C = [],

min = max = array [0 ];

console.time ('计数排序耗费时间');

for (var i = 0 ; i < len; i++) {

min = min <= array [i] ? min : array [i];

max = max >= array [i] ? max : array [i];

C[array [i]] = C[array [i]] ? C[array [i]] + 1 : 1 ;

}

for (var j = min ; j < max ; j++) {

C[j + 1 ] = (C[j + 1 ] || 0 ) + (C[j] || 0 );

}

for (var k = len - 1 ; k >= 0 ; k--) {

B[C[array [k]] - 1 ] = array [k];

C[array [k]]--;

}

console.timeEnd('计数排序耗费时间');

return B;

}

var arr = [2 , 2 , 3 , 8 , 7 , 1 , 2 , 2 , 2 , 7 , 3 , 9 , 8 , 2 , 1 , 4 , 2 , 4 , 6 , 9 , 2 ];

console.log (countingSort(arr)); //[1 , 1 , 2 , 2 , 2 , 2 , 2 , 2 , 2 , 2 , 3 , 3 , 4 , 4 , 6 , 7 , 7 , 8 , 8 , 9 , 9 ]

JavaScript动图演示:

图片 25

(2)算法描述和兑现

切实算法描述如下:

  • <1>. 寻找待排序的数组中最大和纤维的要素;
  • <2>. 总结数组中各样值为i的要素出现的次数,存入数组C的第i项;
  • <3>. 对负有的计数累计(从C中的第一个因素初阶,各样和前一项相加);
  • <4>. 反向填充指标数组:将各类成分i放在新数组的第C(i)项,每放贰个因素就将C(i)减去1。

Javascript代码达成:

JavaScript

function countingSort(array) { var len = array.length, B = [], C = [], min = max = array[0]; console.time('计数排序耗费时间'); for (var i = 0; i < len; i++) { min = min <= array[i] ? min : array[i]; max = max >= array[i] ? max : array[i]; C[array[i]] = C[array[i]] ? C[array[i]] + 1 : 1; } for (var j = min; j < max; j++) { C[j + 1] = (C[j + 1] || 0) + (C[j] || 0); } for (var k = len - 1; k >= 0; k--) { B[C[array[k]] - 1] = array[k]; C[array[k]]--; } console.timeEnd('计数排序耗费时间'); return B; } var arr = [2, 2, 3, 8, 7, 1, 2, 2, 2, 7, 3, 9, 8, 2, 1, 4, 2, 4, 6, 9, 2]; console.log(countingSort(arr)); //[1, 1, 2, 2, 2, 2, 2, 2, 2, 2, 3, 3, 4, 4, 6, 7, 7, 8, 8, 9, 9]

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
function countingSort(array) {
    var len = array.length,
        B = [],
        C = [],
        min = max = array[0];
    console.time('计数排序耗时');
    for (var i = 0; i < len; i++) {
        min = min <= array[i] ? min : array[i];
        max = max >= array[i] ? max : array[i];
        C[array[i]] = C[array[i]] ? C[array[i]] + 1 : 1;
    }
    for (var j = min; j < max; j++) {
        C[j + 1] = (C[j + 1] || 0) + (C[j] || 0);
    }
    for (var k = len - 1; k >= 0; k--) {
        B[C[array[k]] - 1] = array[k];
        C[array[k]]--;
    }
    console.timeEnd('计数排序耗时');
    return B;
}
var arr = [2, 2, 3, 8, 7, 1, 2, 2, 2, 7, 3, 9, 8, 2, 1, 4, 2, 4, 6, 9, 2];
console.log(countingSort(arr)); //[1, 1, 2, 2, 2, 2, 2, 2, 2, 2, 3, 3, 4, 4, 6, 7, 7, 8, 8, 9, 9]

JavaScript动图演示:

图片 26

(3)算法深入分析

当输入的因素是n 个0到k之间的偏分头时,它的运营时刻是 O(n + k)。计数排序不是相比排序,排序的进程快于任何比较排序算法。由于用来计数的数组C的长度决计于待排序数组中多少的限定(等于待排序数组的最大值与最小值的差加上1),那使得计数排序对于数据范围一点都不小的数组,需求多量日子和内部存储器。

  • 一流状态:T(n) = O(n+k)
  • 最差情状:T(n) = O(n+k)
  • 平均情形:T(n) = O(n+k)

(3)算法剖判

当输入的因素是n 个0到k之间的寸头时,它的运行时刻是 O(n + k)。计数排序不是相比排序,排序的进程快于任何相比排序算法。由于用来计数的数组C的长度决定于待排序数组中多少的限量(等于待排序数组的最大值与最小值的差加上1),这使得计数排序对于数据范围十分的大的数组,要求大批量时刻和内部存款和储蓄器。

  • 至上状态:T(n) = O(n+k)
  • 最差处境:T(n) = O(n+k)
  • 平均情状:T(n) = O(n+k)

9.桶排序(Bucket Sort)

桶排序是计数排序的进级版。它利用了函数的炫人眼目关系,高效与否的关键就在于这几个映射函数的规定。

9.桶排序(Bucket Sort)

桶排序是计数排序的晋级版。它利用了函数的照耀关系,高效与否的基本点就在于那个映射函数的规定。

(1)算法简单介绍

桶排序 (Bucket sort)的专门的工作的规律:假使输入数据听从均匀分布,将数据分到有限数量的桶里,每一个桶再分别排序(有非常大希望再使用其他排序算法或是以递归情势接二连三接纳桶排序进行排

(1)算法简介

桶排序 (Bucket sort)的干活的原理:假设输入数据遵守均匀布满,将数据分到有限数量的桶里,每一个桶再各自动排档序(有异常的大恐怕再利用别的排序算法或是以递归情势持续利用桶排序举行排

(2)算法描述和落实

切切实实算法描述如下:

  • <1>.设置二个定量的数组充当空桶;
  • <2>.遍历输入数据,并且把多少一个一个放权对应的桶里去;
  • <3>.对各类不是空的桶举办排序;
  • <4>.从不是空的桶里把排好序的数量拼接起来。

Javascript代码实现:

/*方法求证:桶排序

@param array 数组

@param num 桶的多寡*/

function bucketSort(array , num ) {

if (array .length <= 1 ) {

return array ;

}

var len = array .length , buckets = [], result = [], min = max = array [0 ], regex = '/^[1 -9 ]+[0 -9 ]*$/', space , n = 0 ;

num = num || ((num > 1 && regex.test(num )) ? num : 10 );

console.time ('桶排序耗费时间');

for (var i = 1 ; i < len; i++) {

min = min <= array [i] ? min : array [i];

max = max >= array [i] ? max : array [i];

}

space = (max - min + 1 ) / num ;

for (var j = 0 ; j < len; j++) {

var index = Math.floor ((array [j] - min ) / space );

if (buckets[index]) { // 非空桶,插入排序

var k = buckets[index].length - 1 ;

while (k >= 0 && buckets[index][k] > array [j]) {

buckets[index][k + 1 ] = buckets[index][k];

k--;

}

buckets[index][k + 1 ] = array [j];

} else { //空桶,初始化

buckets[index] = [];

buckets[index].push (array [j]);

}

}

while (n < num ) {

result = result.concat (buckets[n]);

n++;

}

console.timeEnd('桶排序耗费时间');

return result;

}

var arr=[3 ,44 ,38 ,5 ,47 ,15 ,36 ,26 ,27 ,2 ,46 ,4 ,19 ,50 ,48 ];

console.log (bucketSort(arr,4 ));//[2 , 3 , 4 , 5 , 15 , 19 , 26 , 27 , 36 , 38 , 44 , 46 , 47 , 48 , 50 ]

桶排序图示(图片来自网络):

图片 27

关于桶排序更多

(2)算法描述和完毕

切实算法描述如下:

  • <1>.设置四个定量的数组充任空桶;
  • <2>.遍历输入数据,并且把多少一个四个平放对应的桶里去;
  • <3>.对各种不是空的桶举办排序;
  • <4>.从不是空的桶里把排好序的多寡拼接起来。

Javascript代码实现:

JavaScript

/*艺术求证:桶排序 @param array 数组 @param num 桶的数码*/ function bucketSort(array, num) { if (array.length <= 1) { return array; } var len = array.length, buckets = [], result = [], min = max = array[0], regex = '/^[1-9]+[0-9]*$/', space, n = 0; num = num || ((num > 1 && regex.test(num)) ? num : 10); console.time('桶排序耗费时间'); for (var i = 1; i < len; i++) { min = min <= array[i] ? min : array[i]; max = max >= array[i] ? max : array[i]; } space = (max - min + 1) / num; for (var j = 0; j < len; j++) { var index = Math.floor((array[j] - min) / space); if (buckets[index]) { // 非空桶,插入排序 var k = buckets[index].length

  • 1; while (k >= 0 && buckets[index][k] > array[j]) { buckets[index][k + 1] = buckets[index][k]; k--; } buckets[index][k + 1] = array[j]; } else { //空桶,初始化 buckets[index] = []; buckets[index].push(array[j]); } } while (n < num) { result = result.concat(buckets[n]); n++; } console.timeEnd('桶排序耗费时间'); return result; } var arr=[3,44,38,5,47,15,36,26,27,2,46,4,19,50,48]; console.log(bucketSort(arr,4));//[2, 3, 4, 5, 15, 19, 26, 27, 36, 38, 44, 46, 47, 48, 50]
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
/*方法说明:桶排序
@param  array 数组
@param  num   桶的数量*/
function bucketSort(array, num) {
    if (array.length <= 1) {
        return array;
    }
    var len = array.length, buckets = [], result = [], min = max = array[0], regex = '/^[1-9]+[0-9]*$/', space, n = 0;
    num = num || ((num > 1 && regex.test(num)) ? num : 10);
    console.time('桶排序耗时');
    for (var i = 1; i < len; i++) {
        min = min <= array[i] ? min : array[i];
        max = max >= array[i] ? max : array[i];
    }
    space = (max - min + 1) / num;
    for (var j = 0; j < len; j++) {
        var index = Math.floor((array[j] - min) / space);
        if (buckets[index]) {   //  非空桶,插入排序
            var k = buckets[index].length - 1;
            while (k >= 0 && buckets[index][k] > array[j]) {
                buckets[index][k + 1] = buckets[index][k];
                k--;
            }
            buckets[index][k + 1] = array[j];
        } else {    //空桶,初始化
            buckets[index] = [];
            buckets[index].push(array[j]);
        }
    }
    while (n < num) {
        result = result.concat(buckets[n]);
        n++;
    }
    console.timeEnd('桶排序耗时');
    return result;
}
var arr=[3,44,38,5,47,15,36,26,27,2,46,4,19,50,48];
console.log(bucketSort(arr,4));//[2, 3, 4, 5, 15, 19, 26, 27, 36, 38, 44, 46, 47, 48, 50]

桶排序图示(图片来源于网络):

图片 28

至于桶排序更多

(3)算法深入分析

 桶排序最佳状态下利用线性时间O(n),桶排序的时光复杂度,取决与对一一桶里面数据开展排序的年华复杂度,因为别的一些的大运复杂度都为O(n)。很显明,桶划分的越小,各个桶之间的数码越少,排序所用的岁月也会越少。但对应的半空中消耗就能够附加。

  • 最好状态:T(n) = O(n+k)
  • 最差意况:T(n) = O(n+k)
  • 平均情形:T(n) = O(n2)

(3)算法剖析

 桶排序最佳状态下选拔线性时间O(n),桶排序的时光复杂度,取决与对一一桶之间数据开展排序的年华复杂度,因为别的一些的小运复杂度都为O(n)。很明朗,桶划分的越小,各样桶之间的数码越少,排序所用的岁月也会越少。但相应的空间消耗就能叠合。

  • 超级状态:T(n) = O(n+k)
  • 最差情况:T(n) = O(n+k)
  • 平均情状:T(n) = O(n2)

10.基数排序(Radix Sort)

基数排序也是非相比的排序算法,对每一人展开排序,从压低位起初排序,复杂度为O(kn),为数高管度,k为数组中的数的最大的位数;

10.基数排序(Radix Sort)

基数排序也是非比较的排序算法,对每一人进行排序,从压低位开始排序,复杂度为O(kn),为数总裁度,k为数组中的数的最大的位数;

(1)算法简要介绍

基数排序是依据低位先排序,然后收罗;再依照高位排序,然后再收罗;依次类推,直到最高位。不时候有个别属性是有优先级依次的,先按低优先级排序,再按高优先级排序。最终的次第正是高优先级高的在前,高优先级一样的低优先级高的在前。基数排序基于各自动排档序,分别收载,所以是协和的。

(1)算法简单介绍

基数排序是依据低位先排序,然后采摘;再遵照高位排序,然后再采摘;依次类推,直到最高位。有时候有些属性是有优先级依次的,先按低优先级排序,再按高优先级排序。最终的前后相继就是高优先级高的在前,高优先级一样的低优先级高的在前。基数排序基于各自动排档序,分别访谈,所以是安静的。

(2)算法描述和促成

实际算法描述如下:

  • <1>.猎取数组中的最大数,并赢得位数;
  • <2>.arr为原始数组,从压低位伊始取每种位组成radix数组;
  • <3>.对radix实行计数排序(利用计数排序适用于小范围数的性状);

Javascript代码实现:

/**

* 基数排序适用于:

* (1)数据范围相当的小,提出在低于一千

* (2)各类数值都要压倒等于0

* @author xiazdong

* @param arr 待排序数组

* @param maxDigit 最大位数

*/

//LSD Radix Sort

function radixSort (arr, maxDigit ) {

var mod = 10 ;

var dev = 1 ;

var counter = [];

console .time('基数排序耗时' );

for (var i = 0 ; i < maxDigit; i++, dev *= 10 , mod *= 10 ) {

for (var j = 0 ; j < arr.length; j++) {

var bucket = parseInt ((arr[j] % mod) / dev);

if (counter[bucket]== null ) {

counter[bucket] = [];

}

counter[bucket].push(arr[j]);

}

var pos = 0 ;

for (var j = 0 ; j < counter.length; j++) {

var value = null ;

if (counter[j]!=null ) {

while ((value = counter[j].shift()) != null ) {

arr[pos++] = value;

}

}

}

}

console .timeEnd('基数排序耗费时间' );

return arr;

}

var arr = [3 , 44 , 38 , 5 , 47 , 15 , 36 , 26 , 27 , 2 , 46 , 4 , 19 , 50 , 48 ];

console .log(radixSort(arr,2 )); //[2, 3, 4, 5, 15, 19, 26, 27, 36, 38, 44, 46, 47, 48, 50]

基数排序LSD动图演示:

图片 29

(2)算法描述和促成

实际算法描述如下:

  • <1>.获得数组中的最大数,并赢得位数;
  • <2>.arr为原始数组,从最低位起初取每种位组成radix数组;
  • <3>.对radix进行计数排序(利用计数排序适用于小范围数的风味);

Javascript代码实现:

JavaScript

/** * 基数排序适用于: * (1)数据范围相当的小,提议在低于一千 * (2)每一个数值都要当先等于0 * @author xiazdong * @param arr 待排序数组 * @param maxDigit 最大位数 */ //LSD Radix Sort function radixSort(arr, maxDigit) { var mod = 10; var dev = 1; var counter = []; console.time('基数排序耗费时间'); for (var i = 0; i < maxDigit; i++, dev *= 10, mod *= 10) { for(var j = 0; j < arr.length; j++) { var bucket = parseInt((arr[j] % mod) / dev); if(counter[bucket]== null) { counter[bucket] = []; } counter[bucket].push(arr[j]); } var pos = 0; for(var j = 0; j < counter.length; j++) { var value = null; if(counter[j]!=null) { while ((value = counter[j].shift()) != null) { arr[pos++] = value; } } } } console.timeEnd('基数排序耗费时间'); return arr; } var arr = [3, 44, 38, 5, 47, 15, 36, 26, 27, 2, 46, 4, 19, 50, 48]; console.log(radixSort(arr,2)); //[2, 3, 4, 5, 15, 19, 26, 27, 36, 38, 44, 46, 47, 48, 50]

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
/**
* 基数排序适用于:
*  (1)数据范围较小,建议在小于1000
*  (2)每个数值都要大于等于0
* @author xiazdong
* @param  arr 待排序数组
* @param  maxDigit 最大位数
*/
//LSD Radix Sort
function radixSort(arr, maxDigit) {
    var mod = 10;
    var dev = 1;
    var counter = [];
    console.time('基数排序耗时');
    for (var i = 0; i < maxDigit; i++, dev *= 10, mod *= 10) {
        for(var j = 0; j < arr.length; j++) {
            var bucket = parseInt((arr[j] % mod) / dev);
            if(counter[bucket]== null) {
                counter[bucket] = [];
            }
            counter[bucket].push(arr[j]);
        }
        var pos = 0;
        for(var j = 0; j < counter.length; j++) {
            var value = null;
            if(counter[j]!=null) {
                while ((value = counter[j].shift()) != null) {
                      arr[pos++] = value;
                }
          }
        }
    }
    console.timeEnd('基数排序耗时');
    return arr;
}
var arr = [3, 44, 38, 5, 47, 15, 36, 26, 27, 2, 46, 4, 19, 50, 48];
console.log(radixSort(arr,2)); //[2, 3, 4, 5, 15, 19, 26, 27, 36, 38, 44, 46, 47, 48, 50]

基数排序LSD动图演示:

图片 30

(3)算法深入分析

  • 精品状态:T(n) = O(n * k)
  • 最差情形:T(n) = O(n * k)
  • 平均景况:T(n) = O(n * k)

基数排序有三种艺术:

  • MSD 从高位最初进行排序
  • LSD 从未有开首次展览开排序

基数排序 vs 计数排序 vs 桶排序

那三种排序算法都施用了桶的定义,但对桶的使用情势上有分明反差:

  1. 基数排序:依照键值的每位数字来分配桶
  2. 计数排序:每种桶只存款和储蓄单一键值
  3. 桶排序:各类桶存款和储蓄一定范围的数值

(3)算法解析

  • 精品状态:T(n) = O(n * k)
  • 最差情状:T(n) = O(n * k)
  • 平均情况:T(n) = O(n * k)

基数排序有三种办法:

  • MSD 从高位伊始举办排序
  • LSD 从未有发轫展开排序

基数排序 vs 计数排序 vs 桶排序

那二种排序算法都施用了桶的定义,但对桶的选择格局上有显然反差:

  1. 基数排序:依照键值的每位数字来分配桶
  2. 计数排序:每种桶只存款和储蓄单一键值
  3. 桶排序:每个桶存款和储蓄一定范围的数值

后记

十大排序算法的下结论到那边便是告一段落了。博主总括完事后唯有叁个以为到,排序算法源源不绝,前辈们用了数年居然一辈子的头脑切磋出来的算法更值得大家推敲。站在十大算法的门前心里照旧恐慌的,身为一个小学生,博主的计算难免会有所疏漏,应接各位研商内定。

后记

十大排序算法的总计到此地正是告一段落了。博主计算完今后独有三个感到,排序算法源源不断,前辈们用了数年以至一辈子的头脑钻探出来的算法更值得大家推敲。站在十大算法的门前心里照旧恐慌的,身为一个小学生,博主的计算难免会有所错误疏失,招待各位商量钦命。

打赏扶持我写出更加多好文章,多谢!

打赏小编

打赏帮忙自个儿写出越多好文章,谢谢!

任选一种支付格局

图片 31 图片 32

4 赞 35 收藏 7 评论

有关小编:Damonare

图片 33

和讯专栏[前面三个进击者] 个人主页 · 笔者的篇章 · 19 ·          

图片 34

本文由今晚买四不像发布于前端应用,转载请注明出处:十大优秀排序算法

关键词:

上一篇:API制作web文告的课程
下一篇:没有了