我記得上大學的時候，老師一直跟我們強調：“算法才是編程的靈魂”，找工作面試的時候，算法和數據結構也是絕對不可避免的，面試官可能一言不合就讓你手寫一個排序算法。

我把最經典的八大排序算法原理和代碼也都整理出來了，內容如下，希望對大家能有所幫助。

插入排序

?基本思想：每步將一個待排序的紀錄，按其關鍵碼值的大小插入前面已經排序的文件中適當位置上，直到全部插入完為止。?算法適用于少量數據的排序，時間復雜度為O(n^2)。是穩定的排序方法。?代碼：

public static void insertionSort(int[] array){int tmp;for(int i=1;i<array.length;i++){tmp = array[i]; //將當前位置的數給tmpint j = i;for(;j>0&&array[j-1]>tmp;j--){/*往右移，騰出左邊的位置,array[j-1]>tmp:大于號是升序排列，小于號是降序排列*/array[j] = array[j-1];}//將當前位置的數插入到合適的位置array[j] = tmp;}}

冒泡排序

?基本思想：持續比較相鄰的元素。如果第一個比第二個大，就交換他們兩個。直到沒有任何一對數字需要比較。?冒泡排序最好的時間復雜度為O(n)。冒泡排序的最壞時間復雜度為O(n^2)。因此冒泡排序總的平均時間復雜度為O(n^2)。?算法適用于少量數據的排序，是穩定的排序方法。?代碼：

public static void bubbleSort(int[] array){int tmp;boolean flag = false; //設置是否發生交換的標志for(int i = array.length-1;i >= 0;i--){for(int j=0;j<i;j++){ //每一輪都找到一個最大的數放在右邊if(array[j]>array[j+1]){tmp = array[j];array[j] = array[j+1];array[j+1] = tmp;flag = true; //發生了交換}}if(!flag) break; //這一輪循環沒有發生交換，說明排序已經完成，退出循環}}

選擇排序

?基本思想：每一次從待排序的數據元素中選出最小（或最大）的一個元素，存放在序列的起始位置，直到全部待排序的數據元素排完。?選擇排序是不穩定的排序方法。時間復雜度 O(n^2)。?代碼：

public static void selectSort(int[] array){for(int i = 0;i<array.length-1;i++){int min = array[i];int minindex = i;for(int j = i;j<array.length;j++){if(array[j]<min){ //選擇當前最小的數min = array[j];minindex = j;}}if(i != minindex){ //若i不是當前元素最小的，則和找到的那個元素交換array[minindex] = array[i];array[i] = min;}}}

希爾排序

?基本思想：先取一個小于n的整數d1作為第一個增量，把文件的全部記錄分組。所有距離為d1的倍數的記錄放在同一個組中。先在各組內進行直接插入排序；然后，取第二個增量d2<d1重復上述的分組和排序，直至所取的增量dt=1(dt<dt-1…<d2<d1)，即所有記錄放在同一組中進行直接插入排序為止。?在使用增量dk的一趟排序之后，對于每一個i，我們都有a[i]<=a[i+dk],即所有相隔dk的元素都被排序。?如圖：增量序列為5，3，1，每一趟排序之后，相隔對應增量的元素都被排序了。當增量為1時，數組元素全部被排序。

希爾排序算法原理

?希爾排序不穩定，時間復雜度 平均時間 O(nlogn) 最差時間O(n^2)?代碼：

public static void shellSort(int[] array){int j;for(int gap = array.length/2; gap>0; gap /= 2){//定義一個增長序列，即分割數組的增量,d1=N/2 dk=(d(k-1))/2for(int i = gap; i<array.length;i++){int tmp = array[i];for( j =i; j>=gap&&tmp<array[j-gap]; j -= gap){//將相距為Dk的元素進行排序array[j] = array[j-gap];}array[j] = tmp;}}}

堆排序

?預備知識：

二叉堆是完全二元樹（二叉樹）或者是近似完全二元樹（二叉樹）。二叉堆有兩種：最大堆和最小堆。大根堆：父結點的鍵值總是大于或等于任何一個子節點的鍵值；小根堆：父結點的鍵值總是小于或等于任何一個子節點的鍵值。二叉堆一般用數組來表示。例如，根節點在數組中的位置是0，第n個位置的子節點分別在2n+1和 2n+2。因此，第0個位置的子節點在1和2，1的子節點在3和4。以此類推。這種存儲方式便於尋找父節點和子節點。例如初始要排序的數組為：49, 38, 65, 97, 76, 13, 27, 49 構造成大根堆之后的數組為：97 76 65 49 49 13 27 38 實際樹形結構如圖（最大堆）：

實際樹形結構（最大堆）

?堆排序基本思想：在排序過程中，將R[l..n]看成是一棵完全二叉樹的順序存儲結構，利用完全二叉樹中雙親結點和孩子結點之間的內在關系【參見二叉樹的順序存儲結構】，在當前無序區中選擇關鍵字最大(或最小)的記錄。堆排序利用了大根堆(或小根堆)堆頂記錄的關鍵字最大(或最小)這一特征，使得在當前無序區中選取最大(或最小)關鍵字的記錄變得簡單。?堆排序是一種選擇排序,其時間復雜度為O(nlogn)。堆排序是不穩定的?代碼：

``` /** 堆排序* 調整最大堆，交換根元素和最后一個元素。* 參數說明：* a -- 待排序的數組*/public static void heapSort(int[] a) {int n = a.length;int i,tmp;// 從(n/2-1) --> 0逐次遍歷。遍歷之后，得到的數組實際上是一個(最大)二叉堆。for (i = n / 2 - 1; i >= 0; i--)maxHeapDown(a, i, n-1);// 從最后一個元素開始對序列進行調整，不斷的縮小調整的范圍直到第一個元素for (i = n - 1; i > 0; i--) {// 交換a[0]和a[i]。交換后，a[i]是a[0...i]中最大的。tmp = a[0];a[0] = a[i];a[i] = tmp;// 調整a[0...i-1]，使得a[0...i-1]仍然是一個最大堆。// 即，保證a[i-1]是a[0...i-1]中的最大值。maxHeapDown(a, 0, i-1);}}/** 注：數組實現的堆中，第N個節點的左孩子的索引值是(2N+1)，右孩子的索引是(2N+2)。* 其中，N為數組下標索引值，如數組中第1個數對應的N為0。** 參數說明：* a -- 待排序的數組* start -- 被下調節點的起始位置(一般為0，表示從第1個開始)* end -- 截至范圍(一般為數組中最后一個元素的索引)*/public static void maxHeapDown(int[] a, int start, int end) {int c = start; // 當前(current)節點的位置int l = 2*c + 1; // 左(left)孩子的位置int tmp = a[c]; // 當前(current)節點的大小for (; l <= end; c=l,l=2*l+1) {// "l"是左孩子，"l+1"是右孩子if ( l < end && a[l] < a[l+1])l++; // 左右兩孩子中選擇較大者，即m_heap[l+1] if (tmp >= a[l])break; // 調整結束else { // 交換值a[c] = a[l];a[l]= tmp;}}} ```

歸并排序

?歸并排序的原理?將待排序的數組分成前后兩個部分，再遞歸的將前半部分數據和后半部分的數據各自歸并排序，得到的兩部分數據，然后使用merge合并算法（算法見代碼）將兩部分算法合并到一起。例如：如果N=1；那么只有一個數據要排序，N=2，只需要調用merge函數將前后合并，N=4，........... 也就是將一個很多數據的數組分成前后兩部分，然后不斷遞歸歸并排序，再合并，最后返回有序的數組。?歸并排序的時間復雜度?歸并排序的最好、最壞和平均時間復雜度都是O(nlogn)，而空間復雜度是O(n)，比較次數介于(nlogn)/2和(nlogn)-n+1，賦值操作的次數是(2nlogn)。因此可以看出，歸并排序算法比較占用內存，但卻是效率高且穩定的排序算法。?代碼：

public class MergeSort {private static void mergeSort(int[] array,int[] tmp,int left,int right){if(left<right){int center = ( left + right ) / 2;//取數組的中點mergeSort(array,tmp,left,center);//歸并排序數組的前半部分mergeSort(array,tmp,center+1,right);//歸并排序數組的后半部分merge(array,tmp,left,center+1,right);//將數組的前后半部分合并}}/** 超簡單的合并函數*/private static void merge(int[] array, int[] tmp, int leftPos, int rightPos, int rightEnd) {// TODO Auto-generated method stubint leftEnd = rightPos - 1;int tmpPos = leftPos;int numElements = rightEnd - leftPos + 1;while(leftPos <= leftEnd && rightPos <= rightEnd){if(array[leftPos]<=array[rightPos]){tmp[tmpPos++] = array[leftPos++];}else{tmp[tmpPos++] = array[rightPos++];}}while(leftPos <= leftEnd){tmp[tmpPos++] = array[leftPos++];}while(rightPos <= rightEnd){tmp[tmpPos++] = array[rightPos++];}for(int i=0;i<numElements;i++,rightEnd--){array[rightEnd] = tmp[rightEnd];}}public static void mergeSort(int[] array){int[] tmp = new int[array.length];//聲明一個用來合并的數組mergeSort(array,tmp,0,array.length-1);//調用排序函數，傳入數字的起點和終點}}

快速排序

?快速排序原理：1.如果數組S中元素是0或者1，則返回；2.區數組S中任一元素v，稱之為樞紐元；3.將S-{v}（S中剩余的元素）劃分成連個不相交的集合：S1={S-{v}|x<=v}和S2={S-{v}|x>=v};4.返回{quicksort(s1)}后跟v，繼而返回{quicksort(S2)}。?選取樞紐元（三數中值分割法）?一般的做法是使用左端、右端和中心位置上的三個元素的中值作為基元。分割策略：在分割階段吧所有小元素移到數組的左邊，大元素移到數組右邊。，大小是相對于樞紐元素而言的。當i在j的左邊時，將i右移，移過哪些小于樞紐元的元素，并將j左移，已過那些大于樞紐元的元素，當i和j停止時，i指向一個大元素，而j指向一個小元素，如果i在j的左邊，那么將這兩個元素交換，其效果是把一個大元素推向右邊，而把小元素推向左邊。效果如圖：

分割策略

?快速排序平均時間復雜度為O(nlogn)，最壞情況為O(n^2)，n越大，速度越快。不是穩定的排序算法。?代碼：

/** 快速排序* 兩個方向，左邊的i下標一直往右走，當a[i] <= a[center_index]，* 其中center_index是中樞元素的數組下標，而右邊的j下標一直往左走，當a[j] > a[center_index]* 如果i和j都走不動了，i <= j, 交換a[i]和a[j],重復上面的過程，直到i>j* 交換a[j]和a[center_index]，完成一趟快速排序* 樞軸采用三數中值分割法可以優化*///遞歸快速排序public static void quickSort(int a[]){qSort(a, 0, a.length - 1);}//遞歸排序，利用兩路劃分public static void qSort(int a[],int low,int high){int pivot = 0;if(low < high){//將數組一分為二pivot = partition(a,low,high);//對第一部分進行遞歸排序qSort(a,low,pivot);//對第二部分進行遞歸排序qSort(a,pivot + 1,high);}}//partition函數，實現三數中值分割法public static int partition(int a[],int low,int high){int pivotkey = a[low]; //選取第一個元素為樞軸記錄while(low < high){//將比樞軸記錄小的交換到低端while(low < high && a[high] >= pivotkey){high--;}//采用替換而不是交換的方式操作a[low] = a[high];//將比樞軸記錄大的交換到高端while(low < high && a[low] <= pivotkey){low++;}a[high] = a[low];}//樞紐所在位置賦值a[low] = pivotkey;//返回樞紐所在的位置return low;}

桶式排序

?桶式排序不再是一種基于比較的排序方法，它是一種比較巧妙的排序方式，但這種排序方式需要待排序的序列滿足以下兩個特征：待排序列所有的值處于一個可枚舉的范圍之類；待排序列所在的這個可枚舉的范圍不應該太大，否則排序開銷太大。?排序的具體步驟如下：(1)對于這個可枚舉范圍構建一個buckets數組，用于記錄“落入”每個桶中元素的個數；(2)將（1）中得到的buckets數組重新進行計算，按如下公式重新計算：

buckets[i] = buckets[i] +buckets[i-1] (其中1<=i<buckets.length);

?桶式排序是一種非常優秀的排序算法，時間效率極高，它只要通過2輪遍歷：第1輪遍歷待排數據，統計每個待排數據“落入”各桶中的個數，第2輪遍歷buckets用于重新計算buckets中元素的值，2輪遍歷后就可以得到每個待排數據在有序序列中的位置，然后將各個數據項依次放入指定位置即可。?桶式排序的空間開銷較大，它需要兩個數組，第1個buckets數組用于記錄“落入”各桶中元素的個數，進而保存各元素在有序序列中的位置，第2個數組用于緩存待排數據.?桶式排序是穩定的。如果待排序數據的范圍在0~k之間，那么它的時間復雜度是O(k+n)的.?但是它的限制多，比如它只能排整形數組。而且當k較大，而數組長度n較小，即k>>n時，輔助數組C[k+1]的空間消耗較大。當數組為整形，且k和n接近時, 可以用此方法排序。?代碼實現：

//min的值為0，max的值為待排序數組中最大值+1 public static void bucketSort(int[] data, int min, int max) { // 緩存數組 int[] tmp = new int[data.length]; // buckets用于記錄待排序元素的信息 // buckets數組定義了max-min個桶 int[] buckets = new int[max - min]; // 計算每個元素在序列出現的次數 for (int i = 0; i < data.length; i++) { buckets[data[i] - min]++; } // 計算“落入”各桶內的元素在有序序列中的位置 for (int i = 1; i < max - min; i++) { buckets[i] = buckets[i] + buckets[i - 1]; } // 將data中的元素完全復制到tmp數組中 System.arraycopy(data, 0, tmp, 0, data.length); // 根據buckets數組中的信息將待排序列的各元素放入相應位置 for (int k = data.length - 1; k >= 0; k--) { data[--buckets[tmp[k] - min]] = tmp[k]; } }

總結

?下面是一個總的表格，大致總結了我們常見的所有的排序算法的特點。

?性能測試

100000個隨機數測試

以上只是整理了8個經典排序算法的內容，想要跟深入學習算法和數據結構，推薦大家去看《圖解算法》這本書，內容通俗易懂，看完絕對對你的算法有很大的幫助。

往期精彩回顧適合初學者入門人工智能的路線及資料下載機器學習及深度學習筆記等資料打印機器學習在線手冊深度學習筆記專輯《統計學習方法》的代碼復現專輯 AI基礎下載機器學習的數學基礎專輯 獲取本站知識星球優惠券，復制鏈接直接打開： https://t.zsxq.com/qFiUFMV 本站qq群704220115。加入微信群請掃碼：

總結

以上是生活随笔為你收集整理的【算法】八大经典排序算法详解的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。