O(n^2)以及O(nlogn)时间复杂度的排序算法
O(n^2)的算法
都是做的升序。
简单选择排序
思路:每次选择还未排序的区间的最小值和未排序区间的第一个值交换。
1 function selectSort(arr){ 2 for(let i = 0; i < arr.length; i++){ 3 let minIdx = i; 4 for(let j = i; j < arr.length; j++){ 5 if(arr[j] < arr[minIdx]){ 6 minIdx = j; 7 } 8 } 9 let tmp = arr[i]; 10 arr[i] = arr[minIdx]; 11 arr[minIdx] = tmp; 12 } 13 return arr; 14 }
插入排序(insertion sort)
思路:当前位置的值与前面排好序的区间从后往前对比,找到适合的插入位置并插入。
适用于:近乎有序的排序,在几乎有序的情况下,它的速度会比n(logn)的算法还要快,可以接近O(n),插入排序要优于选择排序
1 function insertSort(arr){ 2 let tmp; 3 for(let i = 0; i < arr.length; i++){ 4 for(let j = i - 1; j >= 0; j--){ 5 if(j === 0){ 6 if(arr[i] < arr[j]){ 7 // 在顺序表中,应该使用副本复制当前的值,采用赋值去修改数组,而不是删除和插入,因为在顺序表中删除和插入的时间复杂度是n 8 tmp = arr.splice(i,1)[0]; 9 arr.splice(j,0,tmp); 10 } 11 }else if(arr[i] < arr[j] && arr[i] >= arr[j - 1]){ 12 tmp = arr.splice(i,1)[0]; 13 arr.splice(j,0,tmp); 14 } 15 } 16 // 做一个当前函数是否有序的判断 17 if(isSort(arr)){ 18 return arr; 19 } 20 } 21 return arr; 22 }
冒泡排序
O(nlogn)的算法
归并排序
优化:在待排区间的长度小于100时,可以用插入排序
1 // 自下而上的归并算法,自上而下需要用到递归 2 function mergeSort(arr){ 3 let arrSort = [],n = arr.length,count = 0; 4 for(let size = 1; size <= n; size += size){ // size表示当前有序区间的长度 5 for(let i = 0; i < n; i += size*2){ 6 // 将[i...i+size-1]和[i+size...i+size*2-1]的两个区间融合成一个有序的并添加到arrSort后面 7 arrSort = arrSort.concat(orderMerge(arr.slice(i,i+size),arr.slice(i+size,((i+size*2) > n? n : (i+size*2))))); 8 } 9 arr = arrSort.slice(0); 10 arrSort.length = 0; 11 } 12 return {arr,count}; 13 // orderMerger 函数主要是讲有序的两个表融合成一个有序表 14 function orderMerge(arr1,arr2){ 15 let arr = []; 16 let idx1 = 0, idx2 = 0; 17 while(idx1 < arr1.length && idx2 < arr2.length){ 18 if(arr1[idx1] <= arr2[idx2]){ 19 arr.push(arr1[idx1++]); 20 }else{ 21 // 当arr1[index1] > arr2[idx2]的时候就是一个逆序对 22 arr.push(arr2[idx2++]); 23 count++; 24 } 25 } 26 if(idx1 === arr1.length){ 27 arr = arr.concat(arr2.slice(idx2)); 28 }else{ 29 arr = arr.concat(arr1.slice(idx1)); 30 } 31 return arr; 32 } 33 }
快速排序
思想:选择待排序的区间中第一个p数作为参照,大于p的放在p的后面,小于p的放前面。最后将p放在两个区间的中间,递归下去。
缺点:
: 1 在排近乎有序的数组的时候,时间复杂度趋近于O(n^2)
2 再相同数值很多的数组中,时间复杂度趋近于O(n^2)
解决方案
: 优化缺点1:随机选择参照数p或者待排数组中间的数作为参照数
优化缺点2-1 :从待排数组两边进行遍历,从左向右遇到>=p的值停顿,在从右向左遇到<=p的值停顿,将两个数交换并i++,j--,知道i == j为止
优化缺点2-2:三路快速排序,有三个数组,一个数组存放小于p的值,一个存放大于p的值,一个存放等于p的值。
1 function quickSort(arr){ 2 // 终止条件:当数组长度小于等于1是返回该数组 3 if(arr.length <= 1){ 4 return arr; 5 } 6 // 定义leftSort、rightSort存放小于和大于p的数 7 let leftSort = [], rightSort =[], midSort = [], odd = 0; 8 // 遍历arr,将大于p的放在rightSort中,小于p的放在leftSort中 9 //优化缺点1:选择中间的数做参照并把该数从原数组中删除 10 let idx = Math.floor(arr.length/2); 11 let p = arr.splice(idx,1)[0]; 12 for(let i = 0; i < arr.length; i++){ 13 if(arr[i] > p){ 14 rightSort.push(arr[i]); 15 }else if(arr[i] < p){ 16 leftSort.push(arr[i]); 17 }else{ 18 // 优化缺点2 19 if(odd){ 20 leftSort.push(arr[i]); 21 odd = 1; 22 }else{ 23 rightSort.push(arr[i]); 24 odd = 0; 25 } 26 } 27 } 28 // 递归leftSort、rightSort 29 leftSort = quickSort(leftSort); 30 rightSort = quickSort(rightSort); 31 // 将leftSort、midSort、rightSort合并成一个数组并返回。 32 arr = leftSort.concat(p,rightSort) 33 return arr; 34 } 35 36 //优化缺点2-2 37 function quickSort(arr){ 38 if(arr.length <= 1){ 39 return arr; 40 } 41 let leftSort = [], rightSort =[], midSort = []; 42 let idx = Math.floor(arr.length/2); 43 let p = arr[idx]; // 可以不用删除了 44 for(let i = 0; i < arr.length; i++){ 45 if(arr[i] > p){ 46 rightSort.push(arr[i]); 47 }else if(arr[i] < p){ 48 leftSort.push(arr[i]); 49 }else{ 50 midSort.push(arr[i]); 51 } 52 } 53 arr = quickSort(leftSort).concat(midSort,quickSort(rightSort)) 54 return arr; 55 }
扩展
Merge Sort的思路求逆序对的个数
mergeSort第21行
Qiuck Sort求数组中第n大的数
1 function theNumberN(arr,n){ 2 3 let p,idx, 4 leftSort = [], 5 midSort = [], 6 rightSort = []; 7 while(arr.length > 1){ 8 idx = Math.floor(arr.length/2); 9 p = arr[idx]; 10 for(let i = 0; i < arr.length; i++){ 11 if(arr[i] < p){ 12 leftSort.push(arr[i]); 13 }else if(arr[i] > p){ 14 rightSort.push(arr[i]); 15 }else{ 16 midSort.push(arr[i]); 17 } 18 } 19 if(leftSort.length >= n){ 20 arr = leftSort.slice(0); 21 } 22 23 else if(leftSort.length+midSort.length >= n){ 24 25 return midSort[0]; 26 } 27 28 else{ 29 30 arr = rightSort.slice(0); 31 n = n - leftSort.length - midSort.length; 32 } 33 leftSort.length = midSort.length = rightSort.length = 0; 34 35 } 36 return arr[0]; 37 38 }
或者使用递归
1 function theNumberN(arr,n){ 2 if(arr.length <= 1){ 3 return arr[0]; 4 } 5 // 选一个基点p 6 let p, 7 leftSort = [], 8 midSort = [], 9 rightSort = []; 10 // 小于p放leftSort,等于p放midSort,大于放rightSort 11 p = arr[Math.floor(arr.length/2)]; 12 for(let i = 0; i < arr.length; i++){ 13 if(arr[i] < p){ 14 leftSort.push(arr[i]); 15 }else if(arr[i] > p){ 16 rightSort.push(arr[i]); 17 }else{ 18 midSort.push(arr[i]); 19 } 20 } 21 // 如果leftSort.length>n则抛弃midSort和rightSort再找leftSort中第n大的数 22 if(leftSort.length >= n){ 23 return theNumberN(leftSort,n); 24 } 25 // 否则判断leftSort.length+midSort.length>n则抛弃leftSort和rightSort,在midSort中找第n-leftSort.length大的数 26 else if(leftSort.length+midSort.length >= n){ 27 // theNumberN(midSort,n - leftSort.length); 28 return midSort[0]; 29 } 30 // 否则抛弃leftSort和midSort,在rightSort中找第n-leftSort.length-midSort.length大的数 31 else{ 32 return theNumberN(rightSort,n - leftSort.length - midSort.length); 33 } 34 }
转载于:https://www.cnblogs.com/171220-barney/p/8972250.html
O(n^2)以及O(nlogn)时间复杂度的排序算法相关推荐
- 堆排序重建堆的时间复杂度_排序算法之 堆排序 及其时间复杂度和空间复杂度-Go语言中文社区...
堆排序是由1991年的计算机先驱奖获得者.斯坦福大学计算机科学系教授罗伯特.弗洛伊德(Robert W.Floyd)和威廉姆斯(J.Williams)在1964年共同发明了的一种排序算法( Heap ...
- 冒泡和快速排序的时间复杂度_排序算法学习分享(二)交换排序---冒泡排序与快速排序...
排序,也称为排序算法,可以说是我们学习算法的过程中遇到的第一个门槛,也是实际应用中使用得较为频繁的算法,我将自己对所学的排序算法进行一个归纳总结与分享,如有错误,欢迎指正! 排序算法学习分享(一)选择 ...
- 常见的时间复杂度和排序算法
1.常见的时间复杂度 (1)O(1):常量阶,运行时间为常量 (2)O(logn):对数阶,如二分搜索算法 (3)O(n):线性阶,如n个数内找最大值 (4)O(nlogn):对数阶,如快速排序算法 ...
- js排序的时间复杂度_JavaScript排序算法及性能比较
JavaScript排序算法及性能比较 类别: 技术·JS 时间:2017-03-13 19:15:30 字数:7651 版权所有,未经允许,请勿转载,谢谢合作~ #### 前言 对很多同学来说,启蒙 ...
- 传说中线性时间复杂度的排序算法
本文用我自己的理解来介绍3个"超快"的排序算法:计数排序,基数排序,桶排序. 谈到排序该怎么算,直觉上应该都要元素之间进行比较才能排出顺序,比较是不可或缺的,但偏偏有的排序算法可以 ...
- 冒泡和快速排序的时间复杂度_排序算法整合(冒泡,快速,希尔,拓扑,归并)
本文链接:https://blog.csdn.net/onceing/article/details/99838520 冒泡排序介绍 冒泡排序(Bubble Sort),又被称为气泡排序或泡沫排序. ...
- 6.排序算法最优的时间复杂度
排序算法最优的时间复杂度:线性对数阶O(nlogn) 对应的排序算法有:堆排序.归并排序.快速排序(最好平均)
- 各种排序算法的时间复杂度对比
各种排序算法的时间复杂度对比 排序算法 最坏时间复杂度 平均时间复杂度 最优时间复杂度 空间复杂度 稳定性 冒泡排序 O(n^2) O(n^2) O(n) O(1) 稳定 插入排序 O(n^2) O( ...
- 常见排序算法的最好、最坏、平均时间复杂度以及空间复杂度
文章目录 思考 前言 如何分析一个排序算法? 排序算法的执行效率 排序算法的内存消耗 排序算法的稳定性 如何选择合适的排序算法? 如何优化快速排序? 解答思考题 参考链接 思考 为什么插入排序比冒泡排 ...
- 排序算法的时间复杂度_算法的时间复杂度
一. 算法的时间复杂度 1.如何评估算法的性能 数据结构和算法,本质上是解决现实存在的问题,即如何让解决指定问题的代码运行得更快?一个算法如果能在所要求的资源限制(resource constrain ...
最新文章
- 【Android 高性能音频】Oboe 函数库简介 ( Oboe 简介 | Oboe 特点 | Oboe 编译工具 | Oboe 相关文档 | Oboe 测试工具 )
- Java Ajax jsonp 跨域请求
- BZOJ5358: [Lydsy1805月赛]口算训练
- python复制代码会被发现吗,我发现了一个记忆代码片段,我想知道它在复制。复制...
- 元宇宙时代,技术长什么样
- Atitit 编程范式之道 attilax著 艾龙 著 1. 编程范式与编程语言的关系是什么?	1 2. LOP 面向语言编程(LOP, Language Oriented Programming
- GPU硬件加速原理 /转
- C++练习 简易翻译器
- 计算机cad运行缓慢怎样处理,win7系统提高CAD运行速度的方法
- 微信支付和支付宝支付整合(异步回调篇)
- html里怎么旋转视频文件,如何旋转视频文件(方法三)
- Word文件不能编辑是什么原因?
- python怎么输出坐标_使用Python实现图像标记点的坐标输出功能
- 如何登陆亚马逊EC2
- Ubuntu20.04安装nVidia显卡遇到的各种坑
- 7-53 生化危机——dfs
- 意能通:一名博士CEO的人工智能创业之旅
- 矩阵按键及独立按键工作原理
- LocalDate计算两个日期间距离
- KMPlayer 3.9 播放器不能播放 AC3 音频 解决方法
热门文章
- 转:ElasticSearch 插件安装
- 【VS2010学习笔记】【异常处理】一(无法启动此程序,因为计算机中丢失libiconv-2.dll)
- 【python简洁之道】-----1. 注释规则
- 《剑指offer》面试题4——替换空格 C++编程
- linux设置服务开机自启动
- 设计自己的ImageLoader图片加载框架
- Python基础语法-04-生成器,迭代器
- mysql job 存储过程_mysql 记录下工作中自己写的存储过程
- 字典生成_数据字典文档自成工具,一键生成,效率倍增
- Flink 在 B 站的多元化探索与实践