希尔排序(插入排序的改进)
希尔排序(Shell Sort)是插入排序的一种。也称缩小增量排序,是直接插入排序算法的一种更高效的改进版本。希尔排序是非稳定排序算法。该方法因DL.Shell于1959年提出而得名。希尔排序是把记录按下标的一定增量分组,对每组使用直接插入排序算法排序;随着增量逐渐减少,每组包含的关键词越来越多,当增量减至1时,整个文件恰被分成一组,算法便终止。
希尔排序过程
希尔排序的基本思想是:将数组列在一个表中并对列分别进行插入排序,重复这过程,不过每次用更长的列(步长更长了,列数更少了)来进行。最后整个表就只有一列了。将数组转换至表是为了更好地理解这算法,算法本身还是使用数组进行排序。
例如,假设有这样一组数[13 14 94 33 82 25 59 94 65 23 45 27 73 25 39 10],如果我们以步长为5开始进行排序,我们可以通过将这列表放在有5列的表中来更好地描述算法,这样他们就应该看起来是这样(竖着的元素是步长组成):
13 14 94 33 82
25 59 94 65 23
45 27 73 25 39
10
然后我们对每列进行排序:
10 14 73 25 23
13 27 94 33 39
25 59 94 65 82
45
将上述四行数字,依序接在一起时我们得到:[10 14 73 25 23 13 27 94 33 39 25 59 94 65 82 45]。这时10已经移至正确位置了,然后再以3为步长进行排序。
10 14 73
25 23 13
27 94 43
39 25 59
94 65 82
45
排序之后变为:
10 14 13
25 23 33
27 25 59
39 65 73
45 94 82
94
最后以1步长进行排序(此时就是简单单的插入排序了)
希尔排序的python实现
def shell_sort(alist):
n = len(alist)
gap = n//2
# gap变化到0之前,插入算法执行的次数
while gap > 0:
# 插入算法,与普通的插入算法的区别就是gap步长
for j in range(gap,n):
i = j
while i>0:
if alist[i]<alist[i-gap]:
alist[i],alist[i-gap]=alist[i-gap],alist[i]
else:
break
gap //= 2
时间复杂度
- 最优时间复杂度:根据步长序列的不同而不同
- 最坏时间复杂度:
- 稳定性:不稳定
希尔排序的演示
效果:
快速排序(冒泡排序的改进)
快速排序(英语:Quicksort),又称划分交换排序(partition-exchange sort),通过一趟排序将要排序的数据分割成独立的两部分,其中一部分的所有数据都比另外一部分的所有数据都要小,然后再按此方法对这两部分数据分别进行快速排序,整个排序过程可以递归进行,以此达到整个数据变成有序序列。
步骤为:
-
从数列中挑出一个元素,称为“基准”(pivot)。
-
重新排序数列,所有元素比基准值小的摆放在基准前面,所有元素比基准值大的摆在基准的后面(相同的数可以到任一边)。在这个分区结束之后,该基准就处于数列的中间位置。这个称为分区(partition)操作。
-
递归地(recursive)把小于基准值元素的子数列和大于基准值元素的子数列排序。
递归的最底部情形,是数列的大小是零或一,也就是永远都已经被排序好了。虽然一直递归下去,但是这个算法总会结束,因为在每次的迭代(iteration)中,它至少会把一个元素摆到它最后的位置去。
快速排序的分析
快速排序的python实现
def quick_sort(alist,first,last):
"""用数组实现快速排序
alist: 需要排序的列表
first: 起始索引
last: 末尾索引
"""
if first >=last:
return
mid_value = alist[first]
low = first
high = last
while low<high:
while low < high and alist[high] >= mid_value:
high -= 1
alist[low] = alist[high]
while low < high and alist[low] < mid_value:
low +=1
alist[high]=alist[low]
alist[low] = mid_value
quick_sort(alist,first,low-1)
quick_sort(alist,low+1,last)
时间复杂度
- 最优时间复杂度:
- 最坏时间复杂度:
- 稳定性:不稳定
从一开始快速排序平均需要花费 时间的描述并不明显。但是不难观察到的是分区运算,数组的元素都会在每次循环中走访过一次,使用 的时间。在使用结合(concatenation)的版本中,这项运算也是 。
在最好的情况,每次我们运行一次分区,我们会把一个数列分为两个几近相等的片段。这个意思就是每次递归调用处理一半大小的数列。因此,在到达大小为一的数列前,我们只要作 次嵌套的调用。这个意思就是调用树的深度是 。但是在同一层次结构的两个程序调用中,不会处理到原来数列的相同部分;因此,程序调用的每一层次结构总共全部仅需要 的时间(每个调用有某些共同的额外耗费,但是因为在每一层次结构仅仅只有 个调用,这些被归纳在 系数中)。结果是这个算法仅需使用 时间。
快速排序的演示
效果:
归并排序
归并排序是采用分治法的一个非常典型的应用。归并排序的思想就是先递归分解数组,再合并数组。
将数组分解最小之后,然后合并两个有序数组,基本思路是比较两个数组的最前面的数,谁小就先取谁,取了后相应的指针就往后移一位。然后再比较,直至一个数组为空,最后把另一个数组的剩余部分复制过来即可。
归并排序的python实现
def merge_sort(alist):
n = len(alist)
if n <= 1:
return alist
mid = n // 2
# left 采用归并排序后形成的有序的新的列表
left_li = merge_sort(alist[:mid])
# right 采用归并排序后形成的有序的新的列表
right_li = merge_sort(alist[mid:])
# 将两个有序的子序列合并为一个新的整体
left_pointer,right_pointer = 0,0
result = []
while left_pointer < len(left_li) and right_pointer < len(right_li):
if left_li[left_pointer] <= right_li[right_pointer]:
result.append(left_li[left_pointer])
left_pointer += 1
else:
result.append(right_li[right_pointer])
right_pointer += 1
result += left_li[left_pointer:]
result += right_li[right_pointer:]
return result
时间复杂度
- 最优时间复杂度:O(nlogn)
- 最坏时间复杂度:O(nlogn)
- 稳定性:稳定
归并排序的演示
效果:
常见排序算法效率比较
快速排序的常量比归并排序小,因此如果它们的运行时间都为
,快速排序的速度将更快。实际上,快速排序的速度确实更快,因为相对于遇上最糟情况,它遇上平均情况的可能性要大得多。而且快排它不占用额外的空间,所以面试常考。