七种常见经典排序算法总结（C++实现）

排序算法是非常常见也非常基础的算法，以至于大部分情况下它们都被集成到了语言的辅助库中。排序算法虽然已经可以很方便的使用，但是理解排序算法可以帮助我们找到解题的方向。

1. 冒泡排序 (Bubble Sort)

冒泡排序是最简单粗暴的排序方法之一。它的原理很简单，每次从左到右两两比较，把大的交换到后面，每次可以确保将前M个元素的最大值移动到最右边。

步骤

1. 从左开始比较相邻的两个元素x和y，如果 x > y 就交换两者
2. 执行比较和交换，直到到达数组的最后一个元素
3. 重复执行1和2，直到执行n次，也就是n个最大元素都排到了最后

1 2 3 4 5 6 7 8 9 10 11 12

void (vector<int> &nums) { for (int i = 0; i < nums.size() - 1; i++) { for (int j = 0; j < nums.size() - i - 1; j++) { // position if (nums[j] > nums[j + 1]) { int temp = nums[j]; nums[j] = nums[j + 1]; nums[j + 1] = temp; } } } }

交换的那一步可以不借助temp，方法是

1 2 3

nums[j] += nums[j + 1]; nums[j + 1] = num[j] - nums[j + 1]; nums[j] -= num[j + 1];

复杂度分析

由于我们要重复执行n次冒泡，每次冒泡要执行n次比较（实际是1到n的等差数列，也就是(a1 + an) * n / 2），也就是 O(n^2)。 空间复杂度是O(n)。

2. 插入排序（Insertion Sort）

插入排序的原理是从左到右，把选出的一个数和前面的数进行比较，找到最适合它的位置放入，使前面部分有序。

步骤

1. 从左开始，选出当前位置的数x，和它之前的数y比较，如果x < y则交换两者
2. 对x之前的数都执行1步骤，直到前面的数字都有序
3. 选择有序部分后一个数字，插入到前面有序部分，直到没有数字可选择

1 2 3 4 5 6 7 8 9 10 11 12

void insert_sort(vector<int> &nums) { for (int i = 1; i < nums.size(); i++) { // position for (int j = i; j > 0; j--) { if (nums[j] < nums[j - 1]) { int temp = nums[j]; nums[j] = nums[j - 1]; nums[j - 1] = temp; } } } }

复杂度分析

因为要选择n次，而且插入时最坏要比较n次，所以时间复杂度同样是O(n^2)。空间复杂度是O(n)。

3. 选择排序（Selection Sort）

选择排序的原理是，每次都从乱序数组中找到最大（最小）值，放到当前乱序数组头部，最终使数组有序。

步骤

1. 从左开始，选择后面元素中最小值，和最左元素交换
2. 从当前已交换位置往后执行，直到最后一个元素

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

void selection_sort(vector<int> &nums) { for (int i = 0; i < nums.size(); i++) { // position int min = i; for (int j = i + 1; j < nums.size(); j++) { if (nums[j] < nums[min]) { min = j; } } int temp = nums[i]; nums[i] = nums[min]; nums[min] = temp; } }

复杂度分析

每次要找一遍最小值，最坏情况下找n次，这样的过程要执行n次，所以时间复杂度还是O(n^2)。空间复杂度是O(n)。

4. 希尔排序（Shell Sort）

希尔排序从名字上看不出来特点，因为它是以发明者命名的。它的另一个名字是“递减增量排序算法“。这个算法可以看作是插入排序的优化版，因为插入排序需要一位一位比较，然后放置到正确位置。为了提升比较的跨度，希尔排序将数组按照一定步长分成几个子数组进行排序，通过逐渐减短步长来完成最终排序。

例子

例如 [10, 80, 70, 100, 90, 30, 20]
如果我们按照一次减一半的步长来算， 这个数组第一次排序时以3为步长，子数组是：

10 80 70
90 30 20
100

这里其实按照列划分的4个子数组，排序后结果为

10 30 20
90 80 70
100

也就是 [10, 30 20 90 80 70 100]

然后再以1为步长生成子数组

10
30
20
..

这个时候就是一纵列了，也就是说最后一定是以一个数组来排序的。

步骤

1. 计算当前步长，按步长划分子数组
2. 子数组内插入排序
3. 步长除以2后继续12两步，直到步长最后变成1

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

void shell_sort(vector<int> &nums) { for (int gap = nums.size() >> 1; gap > 0; gap >>= 1) { for (int i = gap; i < nums.size(); i++) { // position int temp = nums[i]; int j = i - gap; for (; j >= 0 && nums[j] > temp; j -= gap) { nums[j + gap] = nums[j]; } nums[j + gap] = temp; } } }

复杂度分析

希尔排序的时间复杂度受步长的影响，具体分析在维基百科。

5. 归并排序（Merge Sort）

归并排序是采用分治法（Divide and Conquer）的一个典型例子。这个排序的特点是把一个数组打散成小数组，然后再把小数组拼凑再排序，直到最终数组有序。

步骤

1. 把当前数组分化成n个单位为1的子数组，然后两两比较合并成单位为2的n/2个子数组
2. 继续进行这个过程，按照2的倍数进行子数组的比较合并，直到最终数组有序

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

void merge_array(vector<int> &nums, int b, int m, int e, vector<int> &temp) { int lb = b, rb = m, tb = b; while ( 大专栏  七种常见经典排序算法总结（C++实现）lb != m && rb != e) if (nums[lb] < nums[rb]) temp[tb++] = nums[lb++]; else temp[tb++] = nums[rb++]; while (lb < m) temp[tb++] = nums[lb++]; while (rb < e) temp[tb++] = nums[rb++]; for (int i = b;i < e; i++) nums[i] = temp[i]; } void merge_sort(vector<int> &nums, int b, int e, vector<int> &temp) { int m = (b + e) / 2; if (m != b) { merge_sort(nums, b, m, temp); merge_sort(nums, m, e, temp); merge_array(nums, b, m, e, temp); } }

这个实现中加了一个temp，是和原数组一样大的一个空间，用来临时存放排序后的子数组的。

复杂度分析

在merge_array过程中，实际的操作是当前两个子数组的长度，即2m。又因为打散数组是二分的，最终循环执行数是logn。所以这个算法最终时间复杂度是O(nlogn)，空间复杂度是O(n)。

6. 快速排序（Quick Sort）

快速排序也是利用分治法实现的一个排序算法。快速排序和归并排序不同，它不是一半一半的分子数组，而是选择一个基准数，把比这个数小的挪到左边，把比这个数大的移到右边。然后不断对左右两部分也执行相同步骤，直到整个数组有序。

步骤

1. 用一个基准数将数组分成两个子数组
2. 将大于基准数的移到右边，小于的移到左边
3. 递归的对子数组重复执行1，2，直到整个数组有序

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

void quick_sort(vector<int> &nums, int b, int e, vector<int> &temp) { int m = (b + e) / 2; if (m != b) { int lb = b, rb = e - 1; for (int i = b; i < e; i++) { if (i == m) continue; if (nums[i] < nums[m]) temp[lb++] = nums[i]; else temp[rb--] = nums[i]; } temp[lb] = nums[m]; for (int i = b; i < e; i++) nums[i] = temp[i]; quick_sort(nums, b, lb, temp); quick_sort(nums, lb + 1, e, temp); } }

解法2: 不需要辅助空间

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

void quick_sort(vector<int> &nums, int b, int e) { if (b < e - 1) { int lb = b, rb = e - 1; while (lb < rb) { while (nums[rb] >= nums[b] && lb < rb) rb--; while (nums[lb] <= nums[b] && lb < rb) lb++; swap(nums[lb], nums[rb]); } swap(nums[b], nums[lb]); quick_sort(nums, b, lb); quick_sort(nums, lb + 1, e); } }

复杂度分析

快速排序也是一个不稳定排序，时间复杂度看维基百科。空间复杂度是O(n)。

7. 堆排序（Heap Sort）

堆排序经常用于求一个数组中最大k个元素时。因为堆实际上是一个完全二叉树，所以用它可以用一维数组来表示。因为最大堆的第一位总为当前堆中最大值，所以每次将最大值移除后，调整堆即可获得下一个最大值，通过一遍一遍执行这个过程就可以得到前k大元素，或者使堆有序。

在了解算法之前，首先了解在一维数组中节点的下标：

• i节点的父节点 parent(i) = floor((i-1)/2)
• i节点的左子节点 left(i) = 2i + 1
• i节点的右子节点 right(i) = 2i + 2

步骤

1. 构造最大堆（Build Max Heap）：首先将当前元素放入最大堆下一个位置，然后将此元素依次和它的父节点比较，如果大于父节点就和父节点交换，直到比较到根节点。重复执行到最后一个元素。
2. 最大堆调整（Max Heapify）：调整最大堆即将根节点移除后重新整理堆。整理方法为将根节点和最后一个节点交换，然后把堆看做n-1长度，将当前根节点逐步移动到其应该在的位置。
3. 堆排序（HeapSort）：重复执行2，直到所有根节点都已移除。

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

void heap_sort(vector<int> &nums) { int n = nums.size(); for (int i = n / 2 - 1; i >= 0; i--) { // build max heap max_heapify(nums, i, nums.size() - 1); } for (int i = n - 1; i > 0; i--) { // heap sort int temp = nums[i]; num[i] = nums[0]; num[0] = temp; max_heapify(nums, 0, i); } } void max_heapify(vector<int> &nums, int beg, int end) { int curr = beg; int child = curr * 2 + 1; while (child < end) { if (child + 1 < end && nums[child] < nums[child + 1]) { child++; } if (nums[curr] < nums[child]) { int temp = nums[curr]; nums[curr] = nums[child]; num[child] = temp; curr = child; child = 2 * curr + 1; } else { break; } } }

复杂度分析

堆执行一次调整需要O(logn)的时间，在排序过程中需要遍历所有元素执行堆调整，所以最终时间复杂度是O(nlogn)。空间复杂度是O(n)。

0. 参考

• 维基百科
• 经典排序算法总结与实现
• 堆排序C++实现
• 常见排序算法 - 堆排序 (Heap Sort)