排序算法
定义
对一序列对象根据某个关键字进行排序
评判标准
- 稳定：如果a原本在b前面，而a=b，排序之后a仍然在b的前面；
- 不稳定：如果a原本在b的前面，而a=b，排序之后a可能会出现在b的后面；
- 内排序：所有排序操作都在内存中完成；
- 外排序：由于数据太大，因此把数据放在磁盘中，而排序通过磁盘和内存的数据传输才能进行；
- 时间复杂度：一个算法执行所耗费的时间；
- 空间复杂度：运行完一个程序所需内存的大小；
各种排序算法对比图
这个图是在网上找的咯
冒泡排序
算法描述
冒泡排序是一种简单的排序算法。它重复地走访过要排序的数列，一次比较两个元素，如果它们的顺序错误就把它们交换过来。走访数列的工作是重复地进行直到没有再需要交换，也就是说该数列已经排序完成。这个算法的名字由来是因为越小的元素会经由交换慢慢“浮”到数列的顶端。
算法步骤
1.比较相邻的元素。如果第一个比第二个大，就交换它们两个；
2.对每一对相邻元素作同样的工作，从开始第一对到结尾的最后一对，这样在最后的元素应该会是最大的数
3.针对所有的元素重复以上的步骤，除了最后一个；
4.重复步骤1~3，直到排序完成。
或者你愿意从后面开始比较也是可以哒。
算法实现
var bubble = function (nums) {
var num = nums.length;
//现在没有元素是确定有序的
var tail = num-;
while(tail>) {
//走一遍所有的无序元素，这里面最大的会排到最后
//有序区就多增加了一个元素
for(var i = ;i < tail; i++){
if (nums[i]>nums[i+]) {
var temp = nums[i];
nums[i] = nums[i+];
nums[i+] = temp;
}
}
tail--;
}
return nums;
};
算法改进
最后进行交换的位置就是有序区的开始，tail变量每次可以使用这个来标记有序区的位置
var bubble = function (nums) {
var num = nums.length;
var tail = num-;
while(tail>) {
//记录交换位置的临时变量
var tempTail = ;
for(var i = ;i < tail; i++){
if (nums[i]>nums[i+]) {
tempTail = i;
var temp = nums[i];
nums[i] = nums[i+];
nums[i+] = temp;
}
}
//下次遍历遍历到这里就可以了
tail = tempTail;
}
return nums;
};
选择排序
由于其时间复杂度永远为o(n2)，所以数据集越小用这个排序方法越好。
算法描述
先在未排序序列中找到最小（大）元素，存放到排序序列的起始位置，然后，再从剩余未排序元素中继续寻找最小（大）元素，然后放到已排序序列的末尾。以此类推，直到所有元素均排序完毕。n个记录的直接选择排序可经过n-1趟直接选择排序得到有序结果。
算法步骤
1.初始状态：无序区为R[1..n]，有序区为空；
2.第i趟排序(i=1,2,3…n-1)开始时，当前有序区和无序区分别为R[1..i-1]和R(i..n）。该趟排序从当前无序区中-选出关键字最小的记录 R[k]，将它与无序区的第1个记录R交换，使R[1..i]和R[i+1..n)分别变为记录个数增加1个的新有序区和记录个数减少1个的新无序区；
3.n-1趟结束，数组有序化了
算法实现
var choose = function (nums) {
var num = nums.length;
//当前无序区第一个数的下标
var tail = ;
var small = ;
var smallIndex = ;
while(tail<(num-)) {
//当前无序区最小的数
smallIndex = tail;
//当前无序区最小的数的下标
small = nums[smallIndex];
//寻找无序区中最小的数
for(var i = tail+;i<num;i++) {
if (nums[i]<small) {
smallIndex = i;
small = nums[i];
}
}
//把最小的数与当前无序区的第一个数交换
nums[smallIndex] = nums[tail];
nums[tail] = small;
tail++;
}
return nums;
};
插入排序
算法描述
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。插入排序在实现上，通常采用in-place排序（即只需用到O(1)的额外空间的排序），因而在从后向前扫描过程中，需要反复把已排序元素逐步向后挪位，为最新元素提供插入空间。
算法步骤
1.从第一个元素开始，该元素可以认为已经被排序；
2.取出下一个元素，在已经排序的元素序列中从后向前扫描；
3.如果该元素（已排序）大于新元素，将该元素移到下一位置；
4.重复步骤3，直到找到已排序的元素小于或者等于新元素的位置；
5.将新元素插入到该位置后；
6.重复步骤2~5。
算法实现
var insert = function(nums) {
var num = nums.length;
for (var i = ; i < num; i++) {
//当前要向有序区插入的元素a
var numNow = nums[i];
//从后往前在有序区中寻找
//如果当前数比要插入的数大就把当前数往后挪
//如果等于或小于，就把要插入的放在当前数后面
//有个特殊情况要注意，就是没有比当前数小的数，那当前数就要插在最前面
for(var j = i - ;j >= && numNow < nums[j];j --) {
nums[j+] = nums[j];
}
nums[j+] = numNow;
}
return nums;
}
希尔排序
1959年Shell发明，第一个突破O(n^2)的排序算法，是简单插入排序的改进版，它与插入排序的不同之处在于，它会优先比较距离较远的元素。希尔排序又叫缩小增量排序。
希尔排序的核心在于间隔序列的设定。既可以提前设定好间隔序列，也可以动态的定义间隔序列。动态定义间隔序列的算法是《算法（第4版》的合著者Robert Sedgewick提出的。
算法描述
把记录按步长gap分组，对每组记录采用直接插入排序方法进行排序。随着步长逐渐减小，所分成的组包含的记录越来越多，当步长的值减小到 1 时，整个数据合成为一组，构成一组有序记录，则完成排序。
算法的关键是步长gap的选择，Donald Shell 最初建议步长选择为N/2并且对步长取半直到步长达到1。虽然这样取可以比O(N2)类的算法（插入排序）更好，但这样仍然有减少平均时间和最差时间的余地。可能希尔排序最重要的地方在于当用较小步长排序后，以前用的较大步长仍然是有序的。比如，如果一个数列以步长5进行了排序然后再以步长3进行排序，那么该数列不仅是以步长3有序，而且是以步长5有序。如果不是这样，那么算法在迭代过程中会打乱以前的顺序，那就不会以如此短的时间完成排序了。比较在希尔排序中是最主要的操作，而不是交换。
目前有这么几个步长序列：
- n/2i：最坏情况下复杂度O(n2)
- 2k-1：O(n3/2)
- 已知的最好步长序列是由Sedgewick提出的(1, 5, 19, 41, 109,…)
算法实现
这里有两种实现的办法，区别在使用gap将数组分组后如何遍历。
比如我们有这么一个数组：[1,2,3,4,5,6,7,8,9]，gap=3；
数组被分成了这样[1,2,3],[4,5,6],[7,8,9]；
我们可以这样遍历：4,5,6,7,8,9，然后分别和自己该比较的进行比较，比如9就要和6,3进行比较。我们暂且称为按照自然组遍历：
function shellSort(list) {
var gap = parseInt(list.length / );
while ( <= gap) {
//从第2个自然组开始遍历数组
for (var i = gap; i < list.length; i++) {
var j = ;
var temp = list[i];
//向前对距离自己为gap的元素组进行插入排序
for (j = i - gap; j >= && temp < list[j]; j = j - gap) {
list[j + gap] = list[j];
}
list[j + gap] = temp;
}
gap = parseInt(gap / ); // 减小增量
}
return list;
}
分组：[1,2,3],[4,5,6],[7,8,9]；
我们还可以按照排序组遍历：4,7、5,8、6,9，比较还是一样的。
var shellSort = function(nums) {
var num = nums.length;
var gap = parseInt(num/);
while (gap>=) {
//从第1个自然组中，遍历每个排序组的第1个元素
for (var i = gap - ; i >= ; i--) {
//当前排序组的第1个元素的位置记录
var lowBound = i;
//从当前排序组的第2个元素开始进行排序
var index = i + gap;
//遍历排序组，进行插入排序
while (index<num) {
var now = nums[index];
for (var j = index - gap; j >= lowBound && now < nums[j];j -= gap) {
nums[j+gap] = nums[j];
}
nums[j+gap] = now;
index += gap;
}
}
//gap减半
gap = parseInt(gap/);
}
return nums;
}
归并排序
和选择排序一样，归并排序的性能不受输入数据的影响，但表现比选择排序好的多，因为始终都是O(n log n）的时间复杂度。代价是需要额外的内存空间。
算法描述
归并排序是建立在归并操作上的一种有效的排序算法。该算法是采用分治法（Divide and Conquer）的一个非常典型的应用。归并排序是一种稳定的排序方法。将已有序的子序列合并，得到完全有序的序列；即先使每个子序列有序，再使子序列段间有序。若将两个有序表合并成一个有序表，称为2-路归并。
我们可以递归，也可以迭代，核心思想是一样的
算法步骤
1.将数组分为单个元素的块
2.将相邻两个块的元素逐一比较，组成一个新的块，这个块是有序的
3.重复2，直到只剩一个块
算法实现
刚才我们提到有两种实现方式。
迭代：
var margeIteration = function(nums) {
var temp = [];
var num = nums.length;
//每个元素是一个块
var block = ;
var start;
//如果整个数组还不是一个块
while (block<=num) {
//循环取相邻两个块
for (start = ;start<num;start+=*block) {
var low = start;
var mid = Math.min(start + block,num);
var high = Math.min(start + * block,num);
//块1的起始和结束
var start1 = low;
var end1 = mid;
//块2的起始和结束
var start2 = mid;
var end2 = high;
//比较两个块，使得新的块有序
while (start1 < end1 && start2 < end2) {
temp[low++] = nums[start1] < nums[start2] ? nums[start1++] : nums[start2++];
}
//到最后块可能不一样长
while(start1 < end1) {
temp[low++] = nums[start1++];
}
while(start2 < end2) {
temp[low++] = nums[start2++];
}
}
nums = temp;
temp = [];
block*=;
}
return nums;
}
递归：
var mergeRecursive = function(nums){
if (nums.length===)
return nums;
var mid = parseInt(nums.length/);
var left = mergeRecursive(nums.slice(,mid));
var right = mergeRecursive(nums.slice(mid));
var res = [];
var i = ;
var j = ;
var k = ;
while (i<left.length&&j<right.length)
res[k++] = left[i] < right[j] ? left[i++] : right[j++];
while (i<left.length)
res[k++] = left[i++];
while (j<right.length)
res[k++] = right[j++];
return res;
}
快速排序
快速排序的名字起的是简单粗暴，因为一听到这个名字你就知道它存在的意义，就是快，而且效率高! 它是处理大数据最快的排序算法之一了。
算法描述
快速排序使用分治法来把一个串分为两个子串。其中一部分记录的关键字均比另一部分的关键字小，则可分别对这两部分记录继续进行排序，以达到整个序列有序。
算法步骤
1.从数列中挑出一个元素，称为 “基准”（pivot）；
2.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）。在这个分区退出之后，该基准就处于数列的中间位置。这个称为分区（partition）操作；
3.递归地（recursive）把小于基准值元素的子数列和大于基准值元素的子数列排序。
算法实现
var fastSort = function(nums){
var fast = function (left,right) {
if (left>=right)
return;
//选最左边的元素当基准
var stand = nums[left];
var low = left;
var high = right;
//把比基准小的数都放在基准左边，大的放右边
while (low<high) {
while (low<high&&nums[high]>=stand)
high--;
nums[low] = nums[high];
while (low<high&&nums[low]<=stand)
low++;
nums[high] = nums[low];
}
nums[high]=stand;
//基准不用动了，基准左右重复这个动作
fast(left,low-);
fast(low+,right);
};
fast(,nums.length-);
return nums;
}
堆排序
堆排序可以说是一种利用堆的概念来排序的选择排序。
其中每个结点的关键字都不大于其孩子结点的关键字，这样的堆称为小根堆。
其中每个结点的关键字都不小于其孩子结点的关键字，这样的堆称为大根堆。
用一个数组来表示堆时，第0个元素是堆的根；
对于每一个节点R[i]，左孩子结点是：R[2*i+1]，右孩子结点是：R[2*i+2]， 父结点是：R[(i-1)/2]。
算法描述
根据初始数组去构造初始堆（构建一个完全二叉树，保证所有的父结点都比它的孩子结点数值大）。
然后每次交换第一个和最后一个元素，输出最后一个元素（最大值），然后把剩下元素重新调整为大根堆。
当输出完最后一个元素后，这个数组已经是按照从小到大的顺序排列了。
算法步骤
1.将初始待排序关键字序列(R1,R2….Rn)构建成大顶堆，此堆为初始的无序区；
2.将堆顶元素R[1]与最后一个元素R[n]交换，此时得到新的无序区(R1,R2,……Rn-1)和新的有序区(Rn),且满足R[1,2…n-1]<=R[n]；
3.由于交换后新的堆顶R[1]可能违反堆的性质，因此需要对当前无序区(R1,R2,……Rn-1)调整为新堆，然后再次将R[1]与无序区最后一个元素交换，得到新的无序区(R1,R2….Rn-2)和新的有序区(Rn-1,Rn)。不断重复此过程直到有序区的元素个数为n-1，则整个排序过程完成。
算法实现
function heapSort(list) {
// 循环建立初始堆，从最后一个有孩子的节点开始
for (var i = parseInt((list.length-) / ); i >= ; i--) {
HeapAdjust(list, i, list.length);
}
// 进行n-1次循环，完成排序
for (var i = list.length - ; i > ; i--) {
// 最后一个元素和第一元素进行交换
var temp = list[i];
list[i] = list[];
list[] = temp;
// 筛选 R[0] 结点，得到i-1个结点的堆
HeapAdjust(list, , i);
}
return list;
//这个方法接收一个堆，一个根节点，和堆的长度
//用于在以根节点为根的堆中调整堆，这个堆中应只有根节点不符合要求
function HeapAdjust(array, parent, length) {
var temp = array[parent]; //保存当前父节点
var child = * parent + ; //先获得左孩子
while (child < length) {
// 如果有右孩子结点，并且右孩子结点的值大于左孩子结点，则选取右孩子结点
if (child + < length && array[child] < array[child + ]) child++;
// 如果父结点的值已经大于孩子结点的值，则直接结束
if (temp >= array[child]) break;
// 把孩子结点的值赋给父结点
array[parent] = array[child];
// 选取孩子结点的左孩子结点,继续向下筛选
parent = child;
child = * child + ;
}
array[parent] = temp;
}
}
![241 Different Ways to Add Parentheses（C代码版）[图]](data:image/gif;base64,R0lGODlhAQABAIAAAP///wAAACwAAAAAAQABAAACAkQBADs=)