十大经典排序算法

作者: 前端技术  发布:2019-10-22

十大杰出排序算法

2016/09/19 · 基础技术 · 7 评论 · 排序算法, 算法

正文小编: 伯乐在线 - Damonare 。未经小编许可,禁止转发!
接待出席伯乐在线 专栏撰稿人。

前言

读者自行尝试能够想看源码戳这 ,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部分像样相似但有完全差别的事物,举个例子雷锋(Lei Feng)和慈寿塔,小平和小卡尺头,Mary和马Rio,Java和javascript….当年javascript为了抱Java大腿卑鄙龌龊的让投机成为了Java的养子,哦,不是应该是跪舔,究竟都跟了Java的姓了。可明天,javascript来了个改变局面,大致要统治web领域,Nodejs,React Native的出现使得javascript在后端和平运动动端都起来攻下了一隅之地。能够如此说,在Web的江湖,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,大好些个标准教材和书籍的私下认可语言都以Java或然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,不明了是小编吃了shit依旧译者根本就没核对,满书的小错误,那就疑似这种无边无际的小bug同样,几乎正是令人有种嘴里塞满了shit的痛感,吐亦非咽下去亦非。对于贰个前端来说,特别是笔试面试的时候,算法方面考的实在轻松(十大排序算法或是和十大排序算法同等难度的),但不怕以前没用javascript完结过或许没稳重看过相关算法的准则,导致写起来浪费广大时光。所以撸意气风发撸袖子决定本人查资料自个儿总括豆蔻年华篇博客等使用了直白看本人的博客就OK了,正所谓靠天靠地靠大腕不比靠本人(ˉ(∞)ˉ)。
  • 算法的原故:9世纪波斯化学家提议的:“al-Khowarizmi”正是下图那货(以为重要数学成分提议者貌似都戴了顶白帽子),开个笑话,阿拉伯人对于数学史的进献如故值得人肃然生敬的。
    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

  • 那世界上海市总存在着那么部分好像相似但有完全两样的东西,举个例子雷锋(Lei Feng)和文峰塔,小平和小寸头,Mary和马Rio,Java和javascript….当年javascript为了抱Java大腿不以为耻的让投机产生了Java的养子,哦,不是应该是跪舔,终究都跟了Java的姓了。可明天,javascript来了个反败为胜,差非常的少要统治web领域,Nodejs,React Native的出现使得javascript在后端和平运动动端都起来占用了一矢之地。能够如此说,在Web的行乐及时,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,大大多正式教材和本本的暗中同意语言都以Java或然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,但只好说,不晓得是笔者吃了shit照旧译者根本就没校对,满书的小错误,这就像是这种应有尽有的小bug同样,大约正是令人有种嘴里塞满了shit的觉得,吐亦非咽下去亦非。对于二个前端来说,尤其是笔试面试的时候,算法方面考的实际上不难(十大排序算法或是和十大排序算法同等难度的),但固然从前没用javascript实现过也许没留神看过相关算法的准则,导致写起来浪费广大时辰。所以撸意气风发撸袖子决定自身查资料自身总计黄金年代篇博客等使用了平昔看本人的博客就OK了,正所谓靠天靠地靠大咖不比靠自个儿(ˉ(∞)ˉ)。
  • 算法的案由:9世纪波斯物经济学家提议的:“al-Khowarizmi”正是下图那货(感觉主要数学成分提议者貌似都戴了顶白帽子),开个笑话,阿拉伯人对于数学史的进献如故值得人敬佩的。
    图片 2

正文

正文

排序算法验证

(1)排序的定义:对如日方升类别对象依照有些关键字打开排序;

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’。

再讲的印象点正是排排坐,调座位,高的站在后边,矮的站在前边咯。

(3)对于评述算法优劣术语的印证

稳定 :假使a原来在b前边,而a=b,排序之后a如故在b的先头;
不稳定 :假诺a原本在b的后边,而a=b,排序之后a可能会晤世在b的后面;

内排序 :全数排序操作都在内部存款和储蓄器中变成;
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存的数据传输手艺扩充;

岁月复杂度 : 贰个算法实行所开支的时日。
空中复杂度 : 运营完多个程序所需内部存款和储蓄器的大小。

关于时间空间复杂度的越多询问请戳这里 ,或是看书程杰大大编写的《大话数据结构》还是比非常的赞的,简单明了。

(4)排序算法图片总计(图片源于网络):

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: 占用常数内存,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 4

排序算法验证

(1)排序的概念:对风流浪漫种类对象依照有个别关键字张开排序;

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

再讲的影象点就是排排坐,调座位,高的站在末端,矮的站在前头咯。

(3)对于评述算法优劣术语的印证

稳定:要是a原本在b前边,而a=b,排序之后a仍旧在b的前头;
不稳定:如果a原来在b的日前,而a=b,排序之后a或然会忍俊不禁在b的前面;

内排序:全数排序操作都在内部存款和储蓄器中成功;
外排序:由于数量太大,因而把数量放在磁盘中,而排序通过磁盘和内部存款和储蓄器的数量传输本领扩充;

光阴复杂度: 二个算法实施所费用的时间。
空中复杂度: 运转完一个程序所需内部存储器的高低。

有关时间空间复杂度的更加的多精晓请戳这里,或是看书程杰大大编写的《大话数据结构》还是非常的赞的,简单明了。

(4)排序算法图片总括(图片来自网络):

排序比较:

图片 5

图形名词解释:
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,开首计算第多少个排序算法,冒泡排序。笔者想对于它各样学过C语言的都会询问的吧,那只怕是成都百货上千人接触的第七个排序算法。

1.冒泡排序(Bubble Sort)

好的,初始总结第三个排序算法,冒泡排序。作者想对于它每种学过C语言的都会掌握的啊,那恐怕是过几个人接触的第二个排序算法。

(1)算法描述

冒泡排序是如日方升种简易的排序算法。它再也地拜见过要排序的数列,一遍相比三个因素,要是它们的逐一错误就把它们沟通过来。拜望数列的行事是双重地实行直到未有再须要调换,也正是说该数列已经排序完结。那几个算法的名字由来是因为越小的成分会路过调换慢慢“浮”到数列的上面。

(1)算法描述

冒泡排序是意气风发种简易的排序算法。它再度地拜见过要排序的数列,三遍比较七个成分,假诺它们的依次错误就把它们调换过来。拜访数列的做事是再一次地开展直到没有再须要交流,相当于说该数列已经排序达成。那些算法的名字由来是因为越小的因素会经过调换逐步“浮”到数列的上方。

(2)算法描述和促成

现实算法描述如下:

  • <1>.比较相邻的因素。借使第一个比第2个大,就交流它们多少个;
  • <2>.对每后生可畏对相近成分作同样的办事,从开端率先对到最终的终极部分,那样在末了的要素应该会是最大的数;
  • <3>.针对持有的因素重复以上的步骤,除了尾数;
  • <4>.重复步骤1~3,直到排序实现。

JavaScript代码完成:

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 ]) {  //相邻成分两两相比较

var temp = arr[j+1 ];  //成分沟通

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]

革新冒泡排序: 设置热气腾腾标记性别变化量pos,用于记录每次排序中最后三回实行沟通的岗位。由于pos地点然后的笔录均已换到完毕,故在开展下后生可畏趟排序时倘若扫描到pos地点就能够。

精雕细琢后算法如下:

function bubbleSort2(arr) {

console.time('立异后冒泡排序耗时');

var i = arr.length-1 ;  //早先时,最后位置保持不改变

while ( i> 0 ) {

var pos= 0 ; //每一趟最初时,无记录沟通

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

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

pos= j; //记录沟通的任务

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

}

i= pos; //为下生机勃勃趟排序作计划

}

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]

理念冒泡排序中每风华正茂趟排序操作只可以找到叁个最大值或非常的小值,大家着想动用在每回排序中打开正向和反向三回冒泡的主意叁遍能够博得五个最终值(最大者和最小者) , 进而使排序趟数差不离降低了大意上。

改正后的算法达成为:

function bubbleSort3(arr3) {

var low = 0 ;

var high= arr.length-1 ; //设置变量的最先值

var tmp,j;

console.time('2. 考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, 前移壹位

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,后移壹人

}

console.timeEnd('2. 立异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]

两种艺术耗费时间比较:

图片 7

由图能够看出革新后的冒泡排序显明的光阴复杂度更低,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。此博文合营源码体验更棒哦~~~

冒泡排序动图演示:

图片 8

(3)算法解析

  • 至上状态:T(n) = O(n)

当输入的数码现已然是正序时(都早就是正序了,为毛何须还排序呢….)

  • 最差景况:T(n) = O(n2)

当输入的数码是反序时(卧槽,笔者平昔反序不就完了….)

  • 平均意况:T(n) = O(n2)

(2)算法描述和促成

现实算法描述如下:

  • <1>.比较相邻的要素。假设第二个比第二个大,就沟通它们四个;
  • <2>.对每如日中天对相近成分作同样的做事,从开始首先对到最后的结尾有的,那样在终极的因素应该会是最大的数;
  • <3>.针对负有的要素重复以上的步骤,除了最终一个;
  • <4>.重复步骤1~3,直到排序完毕。

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]) { //相邻成分两两比较 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]

 

立异冒泡排序: 设置风姿罗曼蒂克标识性别变化量pos,用于记录每一趟排序中最后二次开展置换的地点。由于pos地点然后的记录均已换到实现,故在进展下意气风发趟排序时只要扫描到pos地点即可。

精耕细作后算法如下:

JavaScript

function bubbleSort2(arr) { console.time('立异后冒泡排序耗时'); var i = arr.length-1; //开头时,最终地点保持不改变 while ( i> 0) { var pos= 0; //每一趟初叶时,无记录调换 for (var j= 0; j< i; j++) if (arr[j]> arr[j+1]) { pos= j; //记录调换的职分 var tmp = arr[j]; arr[j]=arr[j+1];arr[j+1]=tmp; } i= pos; //为下风度翩翩趟排序作策画 } 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]

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生气勃勃趟排序操作只可以找到贰个最大值或纤维值,我们着想动用在每一次排序中开展正向和反向一次冒泡的措施一回能够猎取七个最后值(最大者和最小者) , 进而使排序趟数大致减弱了大要上。

改正后的算法完成为:

JavaScript

function bubbleSort3(arr3) { var low = 0; var high= arr.length-1; //设置变量的带头值 var tmp,j; console.time('2.查对后冒泡排序耗时'); 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, 前移壹人 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,后移一人 } console.timeEnd('2.订正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]

三种办法耗费时间相比:

图片 9

由图能够看看创新后的冒泡排序鲜明的时光复杂度更低,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。此博文合营源码体验更棒哦~~~

冒泡排序动图演示:

图片 10

(3)算法深入分析

  • 一流状态:T(n) = O(n)

当输入的多寡现已然是正序时(都早已然是正序了,为毛何须还排序呢….)

  • 最差情状:T(n) = O(n2)

当输入的多少是反序时(卧槽,作者直接反序不就完了….)

  • 平均处境:T(n) = O(n2)

2.选项排序(Selection Sort)

显示最牢固的排序算法之风流倜傥(那个稳定不是指算法层面上的笑逐颜开哈,相信聪明的您能了然自个儿说的情致2333),因为无论怎么数据进去都以O(n²)的大运复杂度…..所以用到它的时候,数据规模越小越好。唯风流洒脱的好处大概就是不占用额外的内存空间了吗。理论上讲,选择排序大概也是日常排序平常人想到的最多的排序方法了吧。

2.抉择排序(Selection Sort)

展现最平静的排序算法之风流浪漫(那么些稳定不是指算法层面上的协调哈,相信聪明的你能明了本身说的野趣2333),因为随意怎么数据进去都以O(n²)的年华复杂度…..所以用到它的时候,数据规模越小越好。唯生机勃勃的益处可能便是不占用额外的内部存款和储蓄器空间了吗。理论上讲,接收排序大概也是常常排序平凡的人想到的最多的排序方法了吧。

(1)算法简单介绍

挑选排序(Selection-sort)是生机勃勃种简易直观的排序算法。它的做事原理:首先在未排序连串中找到最小(大)成分,存放到排序系列的发轫地点,然后,再从剩余未排序元素中持续搜寻最小(大)成分,然后嵌入已排序体系的末梢。由此及彼,直到全体因素均排序完结。

(1)算法简要介绍

分选排序(Selection-sort)是意气风发种简单直观的排序算法。它的劳作原理:首先在未排序连串中找到最小(大)元素,贮存到排序系列的开始地方,然后,再从剩余未排序成分中持续搜寻最小(大)成分,然后放到已排序类别的末梢。就那样推算,直到全体因素均排序达成。

(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经过n-1趟间接选取排序得到稳步结果。具体算法描述如下:

  • <1>.开首状态:严节区为哈弗[1..n],有序区为空;
  • <2>.第i趟排序(i=1,2,3…n-1)早先时,当前有序区和冬日区个别为Murano[1..i-1]和福特Explorer(i..n)。该趟排序从日前冬日区中-选出首要字比较小的记录 XC60[k],将它与九冬区的第2个记录ENVISION交流,使Wrangler[1..i]和R[i+1..n)分别成为记录个数扩展1个的新有序区和记录个数减弱1个的新冬辰区;
  • <3>.n-1趟结束,数组有序化了。

Javascript代码达成:

function selectionSort(arr) {

var len = arr.length;

var minIndex, temp;

console.time('选用排序耗费时间');

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

minIndex = i;

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

if (arr[j] < arr[minIndex]) {  //寻觅最小的数

minIndex = j;  //将小小数的目录保存

}

}

temp = arr[i];

arr[i] = arr[minIndex];

arr[minIndex] = temp;

}

console.timeEnd('接收排序耗费时间');

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]

接受排序动图演示:

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趟直接选取排序获得稳步结果。具体算法描述如下:

  • <1>.伊始状态:冬日区为景逸SUV[1..n],有序区为空;
  • <2>.第i趟排序(i=1,2,3…n-1)初叶时,当前有序区和冬季区分别为CR-V[1..i-1]和Sportage(i..n)。该趟排序从当下冬日区中-选出器重字非常小的记录 宝马X3[k],将它与冬天区的第三个记录讴歌RDX交流,使LX570[1..i]和R[i+1..n)分别成为记录个数扩展1个的新有序区和著录个数收缩1个的新冬季区;
  • <3>.n-1趟甘休,数组有序化了。

Javascript代码完结:

JavaScript

function selectionSort(arr) { var len = arr.length; var minIndex, temp; console.time('采纳排序耗费时间'); 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('选取排序耗时'); 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]

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)算法剖析

  • 一流状态:T(n) = O(n2)
  • 最差境况:T(n) = O(n2)
  • 平均意况:T(n) = O(n2)

(3)算法解析

  • 一级状态:T(n) = O(n2)
  • 最差情状:T(n) = O(n2)
  • 平均意况:T(n) = O(n2)

3.插入排序(Insertion Sort)

插入排序的代码完成固然尚无冒泡排序和挑选排序那么粗略残忍,但它的法则应该是最轻松理解的了,因为只要打过扑克牌的人都应当能够秒懂。当然,假诺你说您打扑克牌摸牌的时候未有按牌的深浅整理牌,那估量那辈子你对插入排序的算法都不会发生其余兴趣了…..

3.插入排序(Insertion Sort)

插入排序的代码达成即使尚未冒泡排序和接受排序那么粗略残暴,但它的法规应该是最轻便驾驭的了,因为若是打过扑克牌的人都应该力所能致秒懂。当然,若是您说你打扑克牌摸牌的时候未有按牌的深浅整理牌,那推断那辈子你对插入排序的算法都不会发出其余兴趣了…..

(1)算法简单介绍

插入排序(Insertion-Sort)的算法描述是后生可畏种简单直观的排序算法。它的劳作原理是因而创设有序体系,对于未排序数据,在已排序系列中从后迈入扫描,找到相应岗位并插入。插入排序在贯彻上,经常选择in-place排序(即只需用到O(1)的附加空间的排序),由此在从后迈入扫描进度中,必要频仍把已排序成分日渐向后挪位,为流行因素提供插入空间。

(1)算法简单介绍

插入排序(Insertion-Sort)的算法描述是生机勃勃种简单直观的排序算法。它的干活原理是经过营造有序类别,对于未排序数据,在已排序体系中从后迈入扫描,找到相应岗位并插入。插入排序在完结上,平常采用in-place排序(即只需用到O(1)的附加空间的排序),由此在从后迈入扫描进程中,须求频仍把已排序成分日渐向后挪位,为流行因素提供插入空间。

(2)算法描述和贯彻

相似的话,插入排序都利用in-place在数组上完结。具体算法描述如下:

  • <1>.从首个要素初始,该因素得以感到已经被排序;
  • <2>.抽出下一个元素,在早就排序的因素种类中从后迈入扫描;
  • <3>.假如该因素(已排序)大于新因素,将该因素移到下一职责;
  • <4>.重复步骤3,直到找到已排序的因素小于恐怕等于新因素的职分;
  • <5>.将新成分插入到该职分后;
  • <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!';

}

}

改革插入排序:  查找插入地点时采取二分查找的主意

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 ]

精耕细作前后比较:

图片 13

插入排序动图演示:

图片 14

(2)算法描述和促成

貌似的话,插入排序都施用in-place在数组上落实。具体算法描述如下:

  • <1>.从第一个成分伊始,该因素得以感觉曾经被排序;
  • <2>.收取下三个因素,在曾经排序的要素连串中从后迈入扫描;
  • <3>.假设该因素(已排序)大于新因素,将该因素移到下一职位;
  • <4>.重复步骤3,直到找到已排序的要素小于可能等于新因素的地方;
  • <5>.将新成分插入到该职位后;
  • <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!';
    }
}

革新插入排序: 查找插入地方时行使二分查找的主意

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]

创新前后相比:

图片 15

插入排序动图演示:

图片 16

(3)算法分析

  • 最棒状态:输入数组按升序排列。T(n) = O(n)
  • 最坏情状:输入数组按降序排列。T(n) = O(n2)
  • 平均景况:T(n) = O(n2)

(3)算法剖析

  • 一流状态:输入数组按升序排列。T(n) = O(n)
  • 最坏景况:输入数组按降序排列。T(n) = O(n2)
  • 平均情形:T(n) = O(n2)

4.Hill排序(Shell Sort)

1959年Shell发明;
第三个突破O(n^2)的排序算法;是简轻易单插入排序的立异版;它与插入排序的不一致之处在于,它会预先比较间隔较远的要素。Hill排序又叫裁减增量排序

4.Hill排序(Shell Sort)

1959年Shell发明;
先是个突破O(n^2)的排序算法;是粗略插入排序的立异版;它与插入排序的区别之处在于,它会先行相比较间隔较远的因素。Hill排序又叫缩短增量排序

(1)算法简要介绍

Hill排序的中坚在于间距体系的设定。既能提前设定好间距种类,也能够动态的定义间距种类。动态定义间距体系的算法是《算法(第4版》的合著者罗BertSedgewick提议的。

(1)算法简单介绍

Hill排序的骨干在于间距体系的设定。不仅能够提前设定好间距类别,也得以动态的定义间隔类别。动态定义间隔连串的算法是《算法(第4版》的合著者罗BertSedgewick提议的。

(2)算法描述和兑现

先将整个待排序的记录连串分割成为若干子类别分别开展直接插入排序,具体算法描述:

  • <1>. 选拔三个增量体系t1,t2,…,tk,此中ti>tj,tk=1;
  • <2>.按增量体系个数k,对队列实行k 趟排序;
  • <3>.每一次排序,依据对应的增量ti,将待排连串分割成几何长度为m 的子体系,分别对各子表实行直接插入排序。仅增量因子为1 时,整个种类作为一个表来管理,表长度即为整个连串的长度。

Javascript代码完成:

function shellSort (arr ) {

var len = arr.length,

temp,

gap = 1 ;

console .time('Hill排序耗时:' );

while (gap < len/5 ) {  //动态定义间隔类别

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(图影片来源于网络):

图片 17

(2)算法描述和贯彻

先将全方位待排序的记录系列分割成为若干子种类分别开展直接插入排序,具体算法描述:

  • <1>. 选拔三个增量连串t1,t2,…,tk,当中ti>tj,tk=1;
  • <2>.按增量种类个数k,对队列进行k 趟排序;
  • <3>.每次排序,依据对应的增量ti,将待排系列分割成几何尺寸为m 的子类别,分别对各子表实行直接插入排序。仅增量因子为1 时,整个类别作为多少个表来管理,表长度即为整个种类的长度。

Javascript代码完成:

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(图片来源网络):

图片 18

(3)算法深入分析

  • 精品状态:T(n) = O(nlog2 n)
  • 最坏处境:T(n) = O(nlog2 n)
  • 平均景况:T(n) =O(nlog n)

(3)算法深入分析

  • 一流状态:T(n) = O(nlog2 n)
  • 最坏景况:T(n) = O(nlog2 n)
  • 平均景况:T(n) =O(nlog n)

5.归并列排在一条线序(Merge Sort)

和挑选排序同样,归并列排在一条线序的性子不受输入数据的影响,但呈现比接受排序好的多,因为一向都以O(n log n)的光阴复杂度。代价是内需额外的内部存款和储蓄器空间。

5.归并列排在一条线序(Merge Sort)

和采取排序一样,归并列排在一条线序的性格不受输入数据的熏陶,但展现比选择排序好的多,因为一贯都是O(n log n)的日子复杂度。代价是内需格外的内部存储器空间。

(1)算法简单介绍

 归并排序是创建在统意气风发操作上的大器晚成种有效的排序算法。该算法是应用分治法(Divide and Conquer)的七个十三分优越的使用。归并列排在一条线序是黄金年代种和煦的排序方法。将已板上钉钉的子体系合併,获得完全有序的队列;即先使各样子体系有序,再使子连串段间有序。若将八个静止表合併成一个不改变表,称为2-路归并。

(1)算法简要介绍

 归并列排在一条线序是确立在集结操作上的后生可畏种有效的排序算法。该算法是选取分治法(Divide and Conquer)的一个十三分优异的使用。归并列排在一条线序是豆蔻梢头种协调的排序方法。将原来就有序的子系列合併,获得完全有序的连串;即先使各样子连串有序,再使子种类段间有序。若将七个静止表合併成贰个稳步表,称为2-路归并。

(2)算法描述和促成

现实算法描述如下:

  • <1>.把长度为n的输入系列分成几个长度为n/2的子种类;
  • <2>.对那八个子种类分别选取归并列排在一条线序;
  • <3>.将多个排序好的子种类合併成一个终极的排序类别。

Javscript代码完结:

function mergeSort(arr) {  //采取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));

归并列排在一条线序动图演示:

图片 19

(2)算法描述和兑现

切实算法描述如下:

  • <1>.把长度为n的输入系列分成四个长度为n/2的子类别;
  • <2>.对那七个子类别分别接收归并列排在一条线序;
  • <3>.将八个排序好的子连串合併成三个末段的排序连串。

Javscript代码完成:

JavaScript

function mergeSort(arr) { //选取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));

归并排序动图演示:

图片 20

(3)算法剖判

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

(3)算法解析

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

6.高速排序(Quick Sort)

快速排序的名字起的是轻巧残酷,因为大器晚成听到这一个名字你就驾驭它存在的含义,正是快,何况成效高! 它是拍卖大数额最快的排序算法之一了。

6.急速排序(Quick Sort)

敏捷排序的名字起的是简约残忍,因为风流倜傥听到这几个名字你就通晓它存在的含义,就是快,并且效能高! 它是拍卖大额最快的排序算法之一了。

(1)算法简单介绍

即刻排序的着力思想:通过风姿洒脱趟排序将待排记录分隔成独立的两局地,当中一些记录的重大字均比另龙行虎步部分的器重字小,则可个别对这两有个别记录继续开展排序,以高达总体连串有序。

(1)算法简要介绍

赶快排序的主干思虑:通过风流洒脱趟排序将待排记录分隔成单身的两有个别,个中某个笔录的主要字均比另旭日初升有的的主要字小,则可各自对这两局地记录继续打开排序,以达到总体类别有序。

(2)算法描述和落到实处

高速排序使用分治法来把一个串(list)分为七个子串(sub-lists)。具体算法描述如下:

  • <1>.从数列中挑出一个因素,称为 “基准”(pivot);
  • <2>.重新排序数列,全数因素比基准值小的摆放在基准前边,全部因素比基准值大的摆在基准的末端(一样的数可以到任旭日初升边)。在这里个分区退出之后,该标准就处于数列的中游地方。这几个称得上分区(partition)操作;
  • <3>.递归地(recursive)把小于基准值元素的子数列和超出基准值元素的子数列排序。

Javascript代码完毕:

/*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 .急速排序耗费时间');

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 .快捷排序耗费时间');

  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 .连忙排序耗费时间');

  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 ]

高效排序动图演示:

图片 21

(2)算法描述和兑现

迅猛排序使用分治法来把一个串(list)分为多个子串(sub-lists)。具体算法描述如下:

  • <1>.从数列中挑出二个因素,称为 “基准”(pivot);
  • <2>.重新排序数列,全数因素比基准值小的摆放在基准后边,全体因素比基准值大的摆在基准的前边(同样的数能够到任风度翩翩边)。在此个分区退出之后,该标准就处于数列的中间地点。这一个名称为分区(partition)操作;
  • <3>.递归地(recursive)把小于基准值元素的子数列和当先基准值成分的子数列排序。

Javascript代码达成:

JavaScript

/*主意求证:飞速排序 @param array 待排序数组*/ //方法后生可畏 function quickSort(array, left, right) { console.time('1.便捷排序耗费时间'); 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.高速排序耗费时间'); 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.急速排序耗费时间');   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.高速排序耗费时间');   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]

敏捷排序动图演示:

图片 22

(3)算法深入分析

  • 至上状态:T(n) = O(nlogn)
  • 最差情状:T(n) = O(n2)
  • 平均意况:T(n) = O(nlogn)

(3)算法深入分析

  • 最棒状态:T(n) = O(nlogn)
  • 最差情状:T(n) = O(n2)
  • 平均情状:T(n) = O(nlogn)

7.堆排序(Heap Sort)

堆排序能够说是后生可畏种接受堆的定义来排序的选用排序。

7.堆排序(Heap Sort)

堆排序能够说是意气风发种接收堆的定义来排序的拈轻怕重排序。

(1)算法简单介绍

堆排序(Heapsort)是指利用堆这种数据结构所设计的生机勃勃种排序算法。积聚是叁个类似完全二叉树的结构,并还要满意堆放的质量:即子结点的键值或索引总是小于(或然超越)它的父节点。

(1)算法简单介绍

堆排序(Heapsort)是支使用堆这种数据结构所安顿的如日中天种排序算法。堆放是贰个近似完全二叉树的布局,并还要满足堆集的性质:即子结点的键值或索引总是小于(或许超过)它的父节点。

(2)算法描述和落成

现实算法描述如下:

  • <1>.将开始待排序关键字连串(本田UR-V1,途锐2….GL450n)营造形成大顶堆,此堆为发端的冬日区;
  • <2>.将堆顶成分奥迪Q5[1]与终极贰个成分LAND[n]交换,此时到手新的冬季区(科雷傲1,昂科雷2,……Odysseyn-1)和新的有序区(Rubiconn),且满足ENCORE[1,2…n-1]<=R[n];
  • <3>.由于交流后新的堆顶Evoque[1]兴许违反堆的习性,由此需求对脚下冬季区(Lacrosse1,福睿斯2,……ENVISIONn-1)调治为新堆,然后再一次将Panamera[1]与冬天区最后三个要素调换,获得新的冬辰区(福睿斯1,GL4502….Enclaven-2)和新的有序区(揽胜n-1,帕杰罗n)。不断重复此进度直到有序区的因素个数为n-1,则整个排序进度一气浑成。

Javascript代码达成:

/*方法求证: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!' ;

}

}

/*主意求证: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

现实算法描述如下:

  • <1>.将伊始待排序关键字连串(ENVISION1,路虎极光2….奥德赛n)创设设成大顶堆,此堆为起头的冬辰区;
  • <2>.将堆顶成分奇骏[1]与终极一个元素凯雷德[n]换来,此时猎取新的冬天区(福睿斯1,PAJERO2,……途胜n-1)和新的有序区(Sportagen),且满意昂科拉[1,2…n-1]<=R[n];
  • <3>.由于调换后新的堆顶LAND[1]想必违反堆的性质,由此需求对方今严节区(LAND1,大切诺基2,……Evoquen-1)调度为新堆,然后再度将Highlander[1]与冬天区最终一个因素沟通,获得新的冬天区(Escort1,Wrangler2….凯雷德n-2)和新的有序区(智跑n-1,Evoquen)。不断重复此进程直到有序区的成分个数为n-1,则全体排序进程完结。

Javascript代码达成:

JavaScript

/*办法求证: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!'; } } /*办法求证:维护堆的个性 @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)算法解析

  • 超级状态:T(n) = O(nlogn)
  • 最差情形:T(n) = O(nlogn)
  • 平均景况:T(n) = O(nlogn)

(3)算法解析

  • 一级状态:T(n) = O(nlogn)
  • 最差意况:T(n) = O(nlogn)
  • 平均情形:T(n) = O(nlogn)

8.计数排序(Counting Sort)

计数排序的着力在于将输入的数据值转变为键存储在附加开荒的数组空间中。
用作黄金年代种线性时间复杂度的排序,计数排序要求输入的数目必需是有鲜明限制的平头。

8.计数排序(Counting Sort)

计数排序的主导在于将输入的数据值转变为键存款和储蓄在附加开拓的数组空间中。
用作如火如荼种线性时间复杂度的排序,计数排序要求输入的数据必得是有规定限制的寸头。

(1)算法简单介绍

计数排序(Counting sort)是风度翩翩种和睦的排序算法。计数排序使用二个相当的数组C,个中第i个要素是待排序数组A中值等于i的成分的个数。然后依照数组C来将A中的成分排到精确的职分。它不得不对整数进行排序。

(1)算法简单介绍

计数排序(Counting sort)是活龙活现种和煦的排序算法。计数排序使用多少个额外的数组C,当中第i个要素是待排序数组A中值等于i的要素的个数。然后根据数组C来将A中的成分排到正确的职责。它不得不对整数举办排序。

(2)算法描述和促成

现实算法描述如下:

  • <1>. 寻觅待排序的数组中最大和纤维的要素;
  • <2>. 计算数组中各样值为i的要素出现的次数,存入数组C的第i项;
  • <3>. 对具有的计数累积(从C中的第三个因素开始,每后生可畏项和前风姿浪漫项相加);
  • <4>. 反向填充目的数组:将每一个成分i放在新数组的第C(i)项,每放二个要素就将C(i)减去1。

Javascript代码实现:

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)算法描述和完毕

切实算法描述如下:

  • <1>. 找寻待排序的数组中最大和细小的成分;
  • <2>. 计算数组中每种值为i的成分出现的次数,存入数组C的第i项;
  • <3>. 对具备的计数累计(从C中的第二个要素开始,每蒸蒸日上项和前意气风发项相加);
  • <4>. 反向填充目的数组:将各种成分i放在新数组的第C(i)项,每放三个要素就将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

当输入的成分是n 个0到k之间的整数时,它的运作时刻是 O(n + k)。计数排序不是比较排序,排序的进程快于任何相比较排序算法。由于用来计数的数组C的长度决计于待排序数组中数量的界定(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十分大的数组,供给大量日子和内部存款和储蓄器。

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

(3)算法深入分析

当输入的成分是n 个0到k之间的整数时,它的运作时刻是 O(n + k)。计数排序不是相比排序,排序的进度快于任何比较排序算法。由于用来计数的数组C的长度决定于待排序数组中数量的范围(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非常大的数组,要求多量时刻和内部存款和储蓄器。

  • 顶尖状态:T(n) = O(n+k)
  • 最差景况:T(n) = O(n+k)
  • 平均景况:T(n) = O(n+k)

9.桶排序(Bucket Sort)

桶排序是计数排序的晋级版。它接受了函数的映照关系,高效与否的第风流倜傥就在于那几个映射函数的规定。

9.桶排序(Bucket Sort)

桶排序是计数排序的升级版。它使用了函数的映射关系,高效与否的关键就在于那些映射函数的规定。

(1)算法简要介绍

桶排序 (Bucket sort)的劳作的法规:即便输入数据信守均匀布满,将数据分到有限数量的桶里,各种桶再分别排序(有非常的大概率再利用其余排序算法或是以递归方式持续行使桶排序举办排

(1)算法简要介绍

桶排序 (Bucket sort)的办事的法则:如若输入数据固守均匀布满,将数据分到有限数量的桶里,每种桶再分别排序(有极大希望再使用别的排序算法或是以递归情势一而再利用桶排序进行排

(2)算法描述和兑现

具体算法描述如下:

  • <1>.设置一个定量的数组充当空桶;
  • <2>.遍历输入数据,何况把多少贰个一个放到对应的桶里去;
  • <3>.对各样不是空的桶进行排序;
  • <4>.从不是空的桶里把排好序的数量拼接起来。

Javascript代码完结:

/*方法求证: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(图片来源于互联网):

图片 27

有关桶排序更多

(2)算法描述和兑现

具体算法描述如下:

  • <1>.设置三个定量的数组当做空桶;
  • <2>.遍历输入数据,并且把数量多少个三个放权对应的桶里去;
  • <3>.对每一个不是空的桶进行排序;
  • <4>.从不是空的桶里把排好序的数量拼接起来。

Javascript代码达成:

JavaScript

/*情势求证: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]
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(图片来自网络):

图片 28

至于桶排序更多

(3)算法深入分析

 桶排序最棒状态下接纳线性时间O(n),桶排序的年华复杂度,取决与对大器晚成意气风发桶之间数据开展排序的年月复杂度,因为别的一些的岁月复杂度都为O(n)。很明朗,桶划分的越小,各样桶之间的数据越少,排序所用的时间也会越少。但相应的长空消耗就能叠合。

  • 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(n2)

(3)算法剖判

 桶排序最棒状态下行使线性时间O(n),桶排序的小运复杂度,取决与对各样桶里面数据开展排序的岁月复杂度,因为任何一些的岁月复杂度都为O(n)。很分明,桶划分的越小,各类桶之间的数目越少,排序所用的时刻也会越少。但对应的空中消耗就能附加。

  • 顶级状态:T(n) = O(n+k)
  • 最差意况:T(n) = O(n+k)
  • 平均情状:T(n) = O(n2)

10.基数排序(Radix Sort)

基数排序也是非比较的排序算法,对每一人实行排序,从压低位开首排序,复杂度为O(kn),为数CEO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,对每壹个人实行排序,从压低位初阶排序,复杂度为O(kn),为数主任度,k为数组中的数的最大的位数;

(1)算法简单介绍

基数排序是依据低位先排序,然后收罗;再根据高位排序,然后再收罗;依次类推,直到最高位。一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。最后的前后相继就是高优先级高的在前,高优先级同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,所以是平静的。

(1)算法简单介绍

基数排序是依据低位先排序,然后搜集;再依据高位排序,然后再收罗;依次类推,直到最高位。偶尔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。末了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,所以是平静的。

(2)算法描述和落到实处

实际算法描述如下:

  • <1>.获得数组中的最大数,并获得位数;
  • <2>.arr为原始数组,从最低位开首取每一个位组成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个性);

Javascript代码完毕:

/**

* 基数排序适用于:

* (1)数据范围一点都不大,建议在低于一千

* (2)种种数值都要抢先等于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 29

(2)算法描述和落到实处

实际算法描述如下:

  • <1>.获得数组中的最大数,并取得位数;
  • <2>.arr为原始数组,从压低位开端取每一种位组成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性情);

Javascript代码完毕:

JavaScript

/** * 基数排序适用于: * (1)数据范围相当小,提议在低于一千 * (2)各种数值都要压倒等于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

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

基数排序有三种办法:

  • MSD 从高位最早实行排序
  • LSD 从未有早先进行排序

基数排序 vs 计数排序 vs 桶排序

那三种排序算法都采纳了桶的概念,但对桶的施用方法上有显然差距:

  1. 基数排序:依照键值的每位数字来分配桶
  2. 计数排序:每一种桶只存储单后生可畏键值
  3. 桶排序:种种桶存款和储蓄一定范围的数值

(3)算法剖判

  • 一级状态:T(n) = O(n * k)
  • 最差意况:T(n) = O(n * k)
  • 平均情形:T(n) = O(n * k)

基数排序有二种办法:

  • MSD 从高位开头展开排序
  • LSD 从未有开头张开排序

基数排序 vs 计数排序 vs 桶排序

这两种排序算法都应用了桶的概念,但对桶的施用方式上有分明反差:

  1. 基数排序:遵照键值的每位数字来分配桶
  2. 计数排序:各类桶只存款和储蓄单大器晚成键值
  3. 桶排序:每个桶存款和储蓄一定范围的数值

后记

十大排序算法的计算到此处就是告如火如荼段落了。博主计算完事后唯有叁个认为,排序算法积厚流光,前辈们用了数年以致风姿洒脱辈子的心机研商出来的算法更值得我们推敲。站在十大算法的门前心里依旧恐慌的,身为一个小学生,博主的总括难免会有所脱漏,迎接各位议论钦命。

后记

十大排序算法的下结论到那边就是告大器晚成段落了。博主总计完事后只有贰个认为到,排序算法靡然从风,前辈们用了数年居然风华正茂辈子的心机研商出来的算法更值得大家推敲。站在十大算法的门前心里还是恐慌的,身为三个小学生,博主的总计难免会有所脱漏,应接各位探究内定。

打赏支持本人写出更多好文章,多谢!

打赏小编

打赏扶持笔者写出越来越多好小说,感激!

任选风流罗曼蒂克种支付办法

图片 31 图片 32

4 赞 35 收藏 7 评论

有关作者:Damonare

图片 33

新浪专栏[前者进击者] 个人主页 · 小编的篇章 · 19 ·          

图片 34

本文由今晚开什么码发布于前端技术,转载请注明出处:十大经典排序算法

关键词:

上一篇:Get请求与Post请求的区别,即使用了
下一篇:没有了