冒泡排序:基础入门算法
冒泡排序是一种简单的排序算法,它重复地遍历要排序的列表,比较相邻元素,如果顺序错误就交换它们。这个过程持续到列表完全排序。
算法步骤
从列表的第一个元素开始,比较相邻的两个元素,如果前一个比后一个大,就交换它们。对每一对相邻元素重复这个过程,直到列表末尾。最大的元素会“冒泡”到列表的末尾。重复上述步骤,每次忽略已经排序好的末尾部分,直到整个列表排序完成。
Python实现
以下是冒泡排序的Python代码:
def bubble_sort(arr): n = len(arr) for i in range(n): for j in range(0, n - i - 1): if arr[j] > arr[j + 1]: arr[j], arr[j + 1] = arr[j + 1], arr[j] return arr
性能分析
冒泡排序的时间复杂度为O(n2),其中n是列表的长度。它在最坏和平均情况下都需要O(n2)次比较,而在最好情况下(列表已经排序)需要O(n)次比较。空间复杂度为O(1),因为它是原地排序。
选择排序:简单选择
选择排序通过重复选择未排序部分的最小元素,并将其放到已排序部分的末尾来工作。
算法步骤
首先,找到列表中最小的元素,将其与第一个元素交换。然后,在剩余未排序元素中找到最小元素,与第二个元素交换,依此类推,直到整个列表排序完成。
Python实现
以下是选择排序的Python代码:
def selection_sort(arr): n = len(arr) for i in range(n): min_idx = i for j in range(i + 1, n): if arr[j] < arr[min_idx]: min_idx = j arr[i], arr[min_idx] = arr[min_idx], arr[i] return arr
性能分析
选择排序的时间复杂度为O(n2),因为它需要嵌套循环来遍历列表。空间复杂度为O(1),是原地排序算法。
插入排序:逐步构建有序序列
插入排序通过构建有序序列,对于未排序数据,在已排序序列中从后向前扫描,找到相应位置并插入。
算法步骤
从第一个元素开始,该元素可以认为已经被排序。取出下一个元素,在已经排序的元素序列中从后向前扫描,如果该元素(已排序)大于新元素,将该元素移到下一位置,直到找到已排序元素小于或等于新元素的位置,将新元素插入到该位置后。
Python实现
以下是插入排序的Python代码:
def insertion_sort(arr): for i in range(1, len(arr)): key = arr[i] j = i - 1 while j >= 0 and key < arr[j]: arr[j + 1] = arr[j] j -= 1 arr[j + 1] = key return arr
性能分析
插入排序的时间复杂度在最坏和平均情况下为O(n2),最好情况下为O(n)。空间复杂度为O(1),是稳定的排序算法。
快速排序:分而治之的高效排序
快速排序使用分治策略来排序列表,通过选择一个“基准”元素,将列表分为两部分,一部分小于基准,一部分大于基准,然后递归排序这两部分。
算法步骤
选择列表中的一个元素作为基准。重新排列列表,所有比基准小的元素放在基准前面,所有比基准大的元素放在基准后面。递归地将小于基准的子列表和大于基准的子列表排序。
Python实现
以下是快速排序的Python代码:
def quick_sort(arr): if len(arr) <= 1: return arr pivot = arr[len(arr) // 2] left = [x for x in arr if x < pivot] middle = [x for x in arr if x == pivot] right = [x for x in arr if x > pivot] return quick_sort(left) + middle + quick_sort(right)
性能分析
快速排序的平均时间复杂度为O(n log n),最坏情况下为O(n2),但通过随机选择基准可以避免最坏情况。空间复杂度为O(log n) due to recursion.
总结
从冒泡排序到快速排序,我们看到了排序算法从简单到高效的演进。冒泡、选择和插入排序适合小数据集或教学目的,而快速排序则适用于大数据集,因其平均情况下的高效性能。理解这些算法的工作原理和实现,有助于我们在实际编程中选择合适的排序方法。

1887

被折叠的 条评论
为什么被折叠?



