前言

這世界上總存在著那么一些看似相似但有完全不同的東西，比如雷鋒和雷峰塔，小平和小平頭，瑪麗和馬里奧，Java和javascript….當(dāng)年javascript為了抱Java大腿恬不知恥的讓自己變成了Java的干兒子，哦，不是應(yīng)該是跪舔，畢竟都跟了Java的姓了。可如今，javascript來(lái)了個(gè)咸魚翻身，幾乎要統(tǒng)治web領(lǐng)域，Nodejs，React Native的出現(xiàn)使得javascript在后端和移動(dòng)端都開(kāi)始占有了一席之地。可以這么說(shuō),在Web的江湖，JavaScript可謂風(fēng)頭無(wú)兩，已經(jīng)坐上了頭把交椅。

在傳統(tǒng)的計(jì)算機(jī)算法和數(shù)據(jù)結(jié)構(gòu)領(lǐng)域，大多數(shù)專業(yè)教材和書籍的默認(rèn)語(yǔ)言都是Java或者C/C+ +，O’REILLY家倒是出了一本叫做《數(shù)據(jù)結(jié)構(gòu)與算法javascript描述》的書，但不得不說(shuō)，不知道是作者吃了shit還是譯者根本就沒(méi)校對(duì)，滿書的小錯(cuò)誤，這就像那種無(wú)窮無(wú)盡的小bug一樣,簡(jiǎn)直就是讓人有種嘴里塞滿了shit的感覺(jué)，吐也不是咽下去也不是。對(duì)于一個(gè)前端來(lái)說(shuō)，尤其是筆試面試的時(shí)候，算法方面考的其實(shí)不難(十大排序算法或是和十大排序算法同等難度的)，但就是之前沒(méi)用javascript實(shí)現(xiàn)過(guò)或是沒(méi)仔細(xì)看過(guò)相關(guān)算法的原理，導(dǎo)致寫起來(lái)浪費(fèi)很多時(shí)間。所以擼一擼袖子決定自己查資料自己總結(jié)一篇博客等用到了直接看自己的博客就OK了，正所謂靠天靠地靠大牛不如靠自己(ˉ(∞)ˉ)。

算法的由來(lái)：9世紀(jì)波斯數(shù)學(xué)家提出的：“al-Khowarizmi”就是下圖這貨(感覺(jué)重要數(shù)學(xué)元素提出者貌似都戴了頂白帽子)，開(kāi)個(gè)玩笑，阿拉伯人對(duì)于數(shù)學(xué)史的貢獻(xiàn)還是值得人敬佩的。

正文 排序算法說(shuō)明

(1)排序的定義：對(duì)一序列對(duì)象根據(jù)某個(gè)關(guān)鍵字進(jìn)行排序;

輸入：n個(gè)數(shù)：a1,a2,a3,…,an

輸出：n個(gè)數(shù)的排列:a1’,a2’,a3’,…,an’，使得a1’

再講的形象點(diǎn)就是排排坐，調(diào)座位，高的站在后面，矮的站在前面咯。

(2)對(duì)于評(píng)述算法優(yōu)劣術(shù)語(yǔ)的說(shuō)明

穩(wěn)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;

不穩(wěn)定：如果a原本在b的前面，而a=b，排序之后a可能會(huì)出現(xiàn)在b的后面;

內(nèi)排序：所有排序操作都在內(nèi)存中完成;

外排序：由于數(shù)據(jù)太大，因此把數(shù)據(jù)放在磁盤中，而排序通過(guò)磁盤和內(nèi)存的數(shù)據(jù)傳輸才能進(jìn)行;

時(shí)間復(fù)雜度: 一個(gè)算法執(zhí)行所耗費(fèi)的時(shí)間。

空間復(fù)雜度: 運(yùn)行完一個(gè)程序所需內(nèi)存的大小。

關(guān)于時(shí)間空間復(fù)雜度的更多了解請(qǐng)戳這里(http://blog.csdn.net/booirror/article/details/7707551/)，或是看書程杰大大編寫的《大話數(shù)據(jù)結(jié)構(gòu)》還是很贊的，通俗易懂。

(3)排序算法圖片總結(jié)(圖片來(lái)源于網(wǎng)絡(luò)):

排序?qū)Ρ龋?/p>

圖片名詞解釋：

n: 數(shù)據(jù)規(guī)模

k:“桶”的個(gè)數(shù)

In-place: 占用常數(shù)內(nèi)存，不占用額外內(nèi)存

Out-place: 占用額外內(nèi)存

排序分類：

1.冒泡排序(Bubble Sort)

好的，開(kāi)始總結(jié)第一個(gè)排序算法，冒泡排序。我想對(duì)于它每個(gè)學(xué)過(guò)C語(yǔ)言的都會(huì)了解的吧，這可能是很多人接觸的第一個(gè)排序算法。

(1)算法描述

冒泡排序是一種簡(jiǎn)單的排序算法。它重復(fù)地走訪過(guò)要排序的數(shù)列，一次比較兩個(gè)元素，如果它們的順序錯(cuò)誤就把它們交換過(guò)來(lái)。走訪數(shù)列的工作是重復(fù)地進(jìn)行直到?jīng)]有再需要交換，也就是說(shuō)該數(shù)列已經(jīng)排序完成。這個(gè)算法的名字由來(lái)是因?yàn)樵叫〉脑貢?huì)經(jīng)由交換慢慢“浮”到數(shù)列的頂端。

(2)算法描述和實(shí)現(xiàn)

具體算法描述如下：

<1>.比較相鄰的元素。如果第一個(gè)比第二個(gè)大，就交換它們兩個(gè); <2>.對(duì)每一對(duì)相鄰元素作同樣的工作，從開(kāi)始第一對(duì)到結(jié)尾的最后一對(duì)，這樣在最后的元素應(yīng)該會(huì)是最大的數(shù); <3>.針對(duì)所有的元素重復(fù)以上的步驟，除了最后一個(gè); <4>.重復(fù)步驟1~3，直到排序完成。

JavaScript代碼實(shí)現(xiàn)：

function bubbleSort(arr) { var len = arr.length; for (var i = 0; i < len; i++) { for (var j = 0; j < len - 1 - i; j++) { if (arr[j] > arr[j+1]) {//相鄰元素兩兩對(duì)比 var temp = arr[j+1];//元素交換 arr[j+1] = arr[j]; arr[j] = temp; } } } return arr; } var arr=[3,44,38,5,47,15,36,26,27,2,46,4,19,50,48]; console.log(bubbleSort(arr));//[2, 3, 4, 5, 15, 19, 26, 27, 36, 38, 44, 46, 47, 48, 50]

改進(jìn)冒泡排序：設(shè)置一標(biāo)志性變量pos,用于記錄每趟排序中最后一次進(jìn)行交換的位置。由于pos位置之后的記錄均已交換到位,故在進(jìn)行下一趟排序時(shí)只要掃描到pos位置即可。

改進(jìn)后算法如下:

function bubbleSort2(arr) { console.time(’改進(jìn)后冒泡排序耗時(shí)’); var i = arr.length-1; //初始時(shí),最后位置保持不變 while ( i> 0) { var pos= 0; //每趟開(kāi)始時(shí),無(wú)記錄交換 for (var j= 0; j< i; j++) if (arr[j]> arr[j+1]) { pos= j; //記錄交換的位置 var tmp = arr[j]; arr[j]=arr[j+1];arr[j+1]=tmp; } i= pos; //為下一趟排序作準(zhǔn)備 } console.timeEnd(’改進(jìn)后冒泡排序耗時(shí)’); return arr; } var arr=[3,44,38,5,47,15,36,26,27,2,46,4,19,50,48]; console.log(bubbleSort2(arr));//[2, 3, 4, 5, 15, 19, 26, 27, 36, 38, 44, 46, 47, 48, 50]

傳統(tǒng)冒泡排序中每一趟排序操作只能找到一個(gè)最大值或最小值,我們考慮利用在每趟排序中進(jìn)行正向和反向兩遍冒泡的方法一次可以得到兩個(gè)最終值(最大者和最小者) , 從而使排序趟數(shù)幾乎減少了一半。

改進(jìn)后的算法實(shí)現(xiàn)為:

function bubbleSort3(arr3) { var low = 0; var high= arr.length-1; //設(shè)置變量的初始值 var tmp,j; console.time(’2.改進(jìn)后冒泡排序耗時(shí)’); while (low < high) { for (j= low; j< high; ++j) //正向冒泡,找到最大者 if (arr[j]> arr[j+1]) { tmp = arr[j]; arr[j]=arr[j+1];arr[j+1]=tmp; } --high; //修改high值, 前移一位 for (j=high; j>low; --j) //反向冒泡,找到最小者 if (arr[j]<arr[j-1]) { tmp = arr[j]; arr[j]=arr[j-1];arr[j-1]=tmp; } ++low; //修改low值,后移一位 } console.timeEnd(’2.改進(jìn)后冒泡排序耗時(shí)’); return arr3; } var arr=[3,44,38,5,47,15,36,26,27,2,46,4,19,50,48]; console.log(bubbleSort3(arr));//[2, 3, 4, 5, 15, 19, 26, 27, 36, 38, 44, 46, 47, 48, 50]

三種方法耗時(shí)對(duì)比：

由圖可以看出改進(jìn)后的冒泡排序明顯的時(shí)間復(fù)雜度更低，耗時(shí)更短了。讀者自行嘗試可以戳這，博主在github建了個(gè)庫(kù)，讀者可以Clone下來(lái)本地嘗試。此博文配合源碼體驗(yàn)更棒哦~~~

冒泡排序動(dòng)圖演示:

(3)算法分析 最佳情況：T(n) = O(n)

當(dāng)輸入的數(shù)據(jù)已經(jīng)是正序時(shí)(都已經(jīng)是正序了，為毛何必還排序呢….)

最差情況：T(n) = O(n2)

當(dāng)輸入的數(shù)據(jù)是反序時(shí)(臥槽，我直接反序不就完了….)

平均情況：T(n) = O(n2) 2.選擇排序(Selection Sort)

表現(xiàn)最穩(wěn)定的排序算法之一(這個(gè)穩(wěn)定不是指算法層面上的穩(wěn)定哈，相信聰明的你能明白我說(shuō)的意思2333)，因?yàn)闊o(wú)論什么數(shù)據(jù)進(jìn)去都是O(n2)的時(shí)間復(fù)雜度…..所以用到它的時(shí)候，數(shù)據(jù)規(guī)模越小越好。唯一的好處可能就是不占用額外的內(nèi)存空間了吧。理論上講，選擇排序可能也是平時(shí)排序一般人想到的最多的排序方法了吧。

(1)算法簡(jiǎn)介

選擇排序(Selection-sort)是一種簡(jiǎn)單直觀的排序算法。它的工作原理：首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?gòu)氖Ｓ辔磁判蛟刂欣^續(xù)尋找最小(大)元素，然后放到已排序序列的末尾。以此類推，直到所有元素均排序完畢。

(2)算法描述和實(shí)現(xiàn)

n個(gè)記錄的直接選擇排序可經(jīng)過(guò)n-1趟直接選擇排序得到有序結(jié)果。具體算法描述如下：

<1>.初始狀態(tài)：無(wú)序區(qū)為R[1..n]，有序區(qū)為空; <2>.第i趟排序(i=1,2,3…n-1)開(kāi)始時(shí)，當(dāng)前有序區(qū)和無(wú)序區(qū)分別為R[1..i-1]和R(i..n)。該趟排序從當(dāng)前無(wú)序區(qū)中-選出關(guān)鍵字最小的記錄 R[k]，將它與無(wú)序區(qū)的第1個(gè)記錄R交換，使R[1..i]和R[i+1..n)分別變?yōu)橛涗泜€(gè)數(shù)增加1個(gè)的新有序區(qū)和記錄個(gè)數(shù)減少1個(gè)的新無(wú)序區(qū); <3>.n-1趟結(jié)束，數(shù)組有序化了。

Javascript代碼實(shí)現(xiàn):

function selectionSort(arr) { var len = arr.length; var minIndex, temp; console.time(’選擇排序耗時(shí)’); for (var i = 0; i < len - 1; i++) { minIndex = i; for (var j = i + 1; j < len; j++) { if (arr[j] < arr[minIndex]) { //尋找最小的數(shù) minIndex = j; //將最小數(shù)的索引保存 } } temp = arr[i]; arr[i] = arr[minIndex]; arr[minIndex] = temp; } console.timeEnd(’選擇排序耗時(shí)’); return arr; } var arr=[3,44,38,5,47,15,36,26,27,2,46,4,19,50,48]; console.log(selectionSort(arr));//[2, 3, 4, 5, 15, 19, 26, 27, 36, 38, 44, 46, 47, 48, 50]

選擇排序動(dòng)圖演示：

(3)算法分析 最佳情況：T(n) = O(n2) 最差情況：T(n) = O(n2) 平均情況：T(n) = O(n2) 3.插入排序(Insertion Sort)

插入排序的代碼實(shí)現(xiàn)雖然沒(méi)有冒泡排序和選擇排序那么簡(jiǎn)單粗暴，但它的原理應(yīng)該是最容易理解的了，因?yàn)橹灰蜻^(guò)撲克牌的人都應(yīng)該能夠秒懂。當(dāng)然，如果你說(shuō)你打撲克牌摸牌的時(shí)候從來(lái)不按牌的大小整理牌，那估計(jì)這輩子你對(duì)插入排序的算法都不會(huì)產(chǎn)生任何興趣了…..

(1)算法簡(jiǎn)介

插入排序(Insertion-Sort)的算法描述是一種簡(jiǎn)單直觀的排序算法。它的工作原理是通過(guò)構(gòu)建有序序列，對(duì)于未排序數(shù)據(jù)，在已排序序列中從后向前掃描，找到相應(yīng)位置并插入。插入排序在實(shí)現(xiàn)上，通常采用in-place排序(即只需用到O(1)的額外空間的排序)，因而在從后向前掃描過(guò)程中，需要反復(fù)把已排序元素逐步向后挪位，為最新元素提供插入空間。

(2)算法描述和實(shí)現(xiàn)

一般來(lái)說(shuō)，插入排序都采用in-place在數(shù)組上實(shí)現(xiàn)。具體算法描述如下：

<1>.從第一個(gè)元素開(kāi)始，該元素可以認(rèn)為已經(jīng)被排序; <2>.取出下一個(gè)元素，在已經(jīng)排序的元素序列中從后向前掃描; <3>.如果該元素(已排序)大于新元素，將該元素移到下一位置; <4>.重復(fù)步驟3，直到找到已排序的元素小于或者等于新元素的位置; <5>.將新元素插入到該位置后; <6>.重復(fù)步驟2~5。

Javascript代碼實(shí)現(xiàn):

function insertionSort(array) { if (Object.prototype.toString.call(array).slice(8, -1) === ’Array’) { console.time(’插入排序耗時(shí)：’); for (var i = 1; i < array.length; i++) { var key = array[i]; var j = i - 1; while (j >= 0 && array[j] > key) { array[j + 1] = array[j]; j--; } array[j + 1] = key; } console.timeEnd(’插入排序耗時(shí)：’); return array; } else { return ’array is not an Array!’; } }

改進(jìn)插入排序：查找插入位置時(shí)使用二分查找的方式

function binaryInsertionSort(array) { if (Object.prototype.toString.call(array).slice(8, -1) === ’Array’) { console.time(’二分插入排序耗時(shí)：’); for (var i = 1; i < array.length; i++) { var key = array[i], left = 0, right = i - 1; while (left <= right) { var middle = parseInt((left + right) / 2); if (key < array[middle]) { right = middle - 1; } else { left = middle + 1; } } for (var j = i - 1; j >= left; j--) { array[j + 1] = array[j]; } array[left] = key; } console.timeEnd(’二分插入排序耗時(shí)：’); return array; } else { return ’array is not an Array!’; } } var arr=[3,44,38,5,47,15,36,26,27,2,46,4,19,50,48]; console.log(binaryInsertionSort(arr));//[2, 3, 4, 5, 15, 19, 26, 27, 36, 38, 44, 46, 47, 48, 50]

改進(jìn)前后對(duì)比：

插入排序動(dòng)圖演示:

(3)算法分析 最佳情況：輸入數(shù)組按升序排列。T(n) = O(n) 最壞情況：輸入數(shù)組按降序排列。T(n) = O(n2) 平均情況：T(n) = O(n2) 4.希爾排序(Shell Sort)

1959年Shell發(fā)明;

第一個(gè)突破O(n^2)的排序算法;是簡(jiǎn)單插入排序的改進(jìn)版;它與插入排序的不同之處在于，它會(huì)優(yōu)先比較距離較遠(yuǎn)的元素。希爾排序又叫縮小增量排序

(1)算法簡(jiǎn)介

希爾排序的核心在于間隔序列的設(shè)定。既可以提前設(shè)定好間隔序列，也可以動(dòng)態(tài)的定義間隔序列。動(dòng)態(tài)定義間隔序列的算法是《算法(第4版》的合著者Robert Sedgewick提出的。

(2)算法描述和實(shí)現(xiàn)

先將整個(gè)待排序的記錄序列分割成為若干子序列分別進(jìn)行直接插入排序，具體算法描述：

<1>. 選擇一個(gè)增量序列t1，t2，…，tk，其中ti>tj，tk=1; <2>.按增量序列個(gè)數(shù)k，對(duì)序列進(jìn)行k 趟排序; <3>.每趟排序，根據(jù)對(duì)應(yīng)的增量ti，將待排序列分割成若干長(zhǎng)度為m 的子序列，分別對(duì)各子表進(jìn)行直接插入排序。僅增量因子為1 時(shí)，整個(gè)序列作為一個(gè)表來(lái)處理，表長(zhǎng)度即為整個(gè)序列的長(zhǎng)度。

Javascript代碼實(shí)現(xiàn)：

function shellSort(arr) { var len = arr.length, temp, gap = 1; console.time(’希爾排序耗時(shí):’); while(gap < len/5) { //動(dòng)態(tài)定義間隔序列 gap =gap*5+1; } for (gap; gap > 0; gap = Math.floor(gap/5)) { for (var i = gap; i < len; i++) { temp = arr[i]; for (var j = i-gap; j >= 0 && arr[j] > temp; j-=gap) { arr[j+gap] = arr[j]; } arr[j+gap] = temp; } } console.timeEnd(’希爾排序耗時(shí):’); return arr; } var arr=[3,44,38,5,47,15,36,26,27,2,46,4,19,50,48]; console.log(shellSort(arr));//[2, 3, 4, 5, 15, 19, 26, 27, 36, 38, 44, 46, 47, 48, 50]

希爾排序圖示(圖片來(lái)源網(wǎng)絡(luò))：

(3)算法分析 最佳情況：T(n) = O(nlog2 n) 最壞情況：T(n) = O(nlog2 n) 平均情況：T(n) =O(nlog n) 5.歸并排序(Merge Sort)

和選擇排序一樣，歸并排序的性能不受輸入數(shù)據(jù)的影響，但表現(xiàn)比選擇排序好的多，因?yàn)槭冀K都是O(n log n)的時(shí)間復(fù)雜度。代價(jià)是需要額外的內(nèi)存空間。

(1)算法簡(jiǎn)介

歸并排序是建立在歸并操作上的一種有效的排序算法。該算法是采用分治法(Divide and Conquer)的一個(gè)非常典型的應(yīng)用。歸并排序是一種穩(wěn)定的排序方法。將已有序的子序列合并，得到完全有序的序列;即先使每個(gè)子序列有序，再使子序列段間有序。若將兩個(gè)有序表合并成一個(gè)有序表，稱為2-路歸并。

(2)算法描述和實(shí)現(xiàn)

具體算法描述如下：

<1>.把長(zhǎng)度為n的輸入序列分成兩個(gè)長(zhǎng)度為n/2的子序列; <2>.對(duì)這兩個(gè)子序列分別采用歸并排序; <3>.將兩個(gè)排序好的子序列合并成一個(gè)最終的排序序列。

Javscript代碼實(shí)現(xiàn):

function mergeSort(arr) { //采用自上而下的遞歸方法 var len = arr.length; if(len < 2) { return arr; } var middle = Math.floor(len / 2), left = arr.slice(0, middle), right = arr.slice(middle); return merge(mergeSort(left), mergeSort(right)); } function merge(left, right) { var result = []; console.time(’歸并排序耗時(shí)’); while (left.length && right.length) { if (left[0] <= right[0]) { result.push(left.shift()); } else { result.push(right.shift()); } } while (left.length) result.push(left.shift()); while (right.length) result.push(right.shift()); console.timeEnd(’歸并排序耗時(shí)’); return result; } var arr=[3,44,38,5,47,15,36,26,27,2,46,4,19,50,48]; console.log(mergeSort(arr));

歸并排序動(dòng)圖演示:

(3)算法分析 最佳情況：T(n) = O(n) 最差情況：T(n) = O(nlogn) 平均情況：T(n) = O(nlogn) 6.快速排序(Quick Sort)

快速排序的名字起的是簡(jiǎn)單粗暴，因?yàn)橐宦?tīng)到這個(gè)名字你就知道它存在的意義，就是快，而且效率高! 它是處理大數(shù)據(jù)最快的排序算法之一了。

(1)算法簡(jiǎn)介

快速排序的基本思想：通過(guò)一趟排序?qū)⒋庞涗浄指舫瑟?dú)立的兩部分，其中一部分記錄的關(guān)鍵字均比另一部分的關(guān)鍵字小，則可分別對(duì)這兩部分記錄繼續(xù)進(jìn)行排序，以達(dá)到整個(gè)序列有序。

(2)算法描述和實(shí)現(xiàn)

快速排序使用分治法來(lái)把一個(gè)串(list)分為兩個(gè)子串(sub-lists)。具體算法描述如下：

<1>.從數(shù)列中挑出一個(gè)元素，稱為 “基準(zhǔn)”(pivot); <2>.重新排序數(shù)列，所有元素比基準(zhǔn)值小的擺放在基準(zhǔn)前面，所有元素比基準(zhǔn)值大的擺在基準(zhǔn)的后面(相同的數(shù)可以到任一邊)。在這個(gè)分區(qū)退出之后，該基準(zhǔn)就處于數(shù)列的中間位置。這個(gè)稱為分區(qū)(partition)操作; <3>.遞歸地(recursive)把小于基準(zhǔn)值元素的子數(shù)列和大于基準(zhǔn)值元素的子數(shù)列排序。Javascript代碼實(shí)現(xiàn)：

/*方法說(shuō)明：快速排序@param array 待排序數(shù)組*///方法一function quickSort(array, left, right) { console.time(’1.快速排序耗時(shí)’); if (Object.prototype.toString.call(array).slice(8, -1) === ’Array’ && typeof left === ’number’ && typeof right === ’number’) {if (left < right) { var x = array[right], i = left - 1, temp; for (var j = left; j <= right; j++) {if (array[j] <= x) { i++; temp = array[i]; array[i] = array[j]; array[j] = temp;} } quickSort(array, left, i - 1); quickSort(array, i + 1, right);}console.timeEnd(’1.快速排序耗時(shí)’);return array; } else {return ’array is not an Array or left or right is not a number!’; }}//方法二var quickSort2 = function(arr) { console.time(’2.快速排序耗時(shí)’);if (arr.length <= 1) { return arr; }var pivotIndex = Math.floor(arr.length / 2);var pivot = arr.splice(pivotIndex, 1)[0];var left = [];var right = [];for (var i = 0; i < arr.length; i++){if (arr[i] < pivot) {left.push(arr[i]);} else {right.push(arr[i]);}}console.timeEnd(’2.快速排序耗時(shí)’);return quickSort2(left).concat([pivot], quickSort2(right));};var arr=[3,44,38,5,47,15,36,26,27,2,46,4,19,50,48];console.log(quickSort(arr,0,arr.length-1));//[2, 3, 4, 5, 15, 19, 26, 27, 36, 38, 44, 46, 47, 48, 50]console.log(quickSort2(arr));//[2, 3, 4, 5, 15, 19, 26, 27, 36, 38, 44, 46, 47, 48, 50]

快速排序動(dòng)圖演示：

(3)算法分析 最佳情況：T(n) = O(nlogn) 最差情況：T(n) = O(n2) 平均情況：T(n) = O(nlogn) 7.堆排序(Heap Sort)

堆排序可以說(shuō)是一種利用堆的概念來(lái)排序的選擇排序。

(1)算法簡(jiǎn)介

堆排序(Heapsort)是指利用堆這種數(shù)據(jù)結(jié)構(gòu)所設(shè)計(jì)的一種排序算法。堆積是一個(gè)近似完全二叉樹的結(jié)構(gòu)，并同時(shí)滿足堆積的性質(zhì)：即子結(jié)點(diǎn)的鍵值或索引總是小于(或者大于)它的父節(jié)點(diǎn)。

(2)算法描述和實(shí)現(xiàn)

具體算法描述如下：

<1>.將初始待排序關(guān)鍵字序列(R1,R2….Rn)構(gòu)建成大頂堆，此堆為初始的無(wú)序區(qū); <2>.將堆頂元素R[1]與最后一個(gè)元素R[n]交換，此時(shí)得到新的無(wú)序區(qū)(R1,R2,……Rn-1)和新的有序區(qū)(Rn),且滿足R[1,2…n-1]<=R[n]; <3>.由于交換后新的堆頂R[1]可能違反堆的性質(zhì)，因此需要對(duì)當(dāng)前無(wú)序區(qū)(R1,R2,……Rn-1)調(diào)整為新堆，然后再次將R[1]與無(wú)序區(qū)最后一個(gè)元素交換，得到新的無(wú)序區(qū)(R1,R2….Rn-2)和新的有序區(qū)(Rn-1,Rn)。不斷重復(fù)此過(guò)程直到有序區(qū)的元素個(gè)數(shù)為n-1，則整個(gè)排序過(guò)程完成。

Javascript代碼實(shí)現(xiàn)：

/*方法說(shuō)明：堆排序@param array 待排序數(shù)組*/function heapSort(array) { console.time(’堆排序耗時(shí)’); if (Object.prototype.toString.call(array).slice(8, -1) === ’Array’) {//建堆var heapSize = array.length, temp;for (var i = Math.floor(heapSize / 2) - 1; i >= 0; i--) { heapify(array, i, heapSize);}//堆排序for (var j = heapSize - 1; j >= 1; j--) { temp = array[0]; array[0] = array[j]; array[j] = temp; heapify(array, 0, --heapSize);}console.timeEnd(’堆排序耗時(shí)’);return array; } else {return ’array is not an Array!’; }}/*方法說(shuō)明：維護(hù)堆的性質(zhì)@param arr 數(shù)組@param x 數(shù)組下標(biāo)@param len 堆大小*/function heapify(arr, x, len) { if (Object.prototype.toString.call(arr).slice(8, -1) === ’Array’ && typeof x === ’number’) {var l = 2 * x + 1, r = 2 * x + 2, largest = x, temp;if (l < len && arr[l] > arr[largest]) { largest = l;}if (r < len && arr[r] > arr[largest]) { largest = r;}if (largest != x) { temp = arr[x]; arr[x] = arr[largest]; arr[largest] = temp; heapify(arr, largest, len);} } else {return ’arr is not an Array or x is not a number!’; }}var arr=[91,60,96,13,35,65,46,65,10,30,20,31,77,81,22];console.log(heapSort(arr));//[10, 13, 20, 22, 30, 31, 35, 46, 60, 65, 65, 77, 81, 91, 96]

堆排序動(dòng)圖演示：

(3)算法分析 最佳情況：T(n) = O(nlogn) 最差情況：T(n) = O(nlogn) 平均情況：T(n) = O(nlogn) 8.計(jì)數(shù)排序(Counting Sort)

計(jì)數(shù)排序的核心在于將輸入的數(shù)據(jù)值轉(zhuǎn)化為鍵存儲(chǔ)在額外開(kāi)辟的數(shù)組空間中。

作為一種線性時(shí)間復(fù)雜度的排序，計(jì)數(shù)排序要求輸入的數(shù)據(jù)必須是有確定范圍的整數(shù)。

(1)算法簡(jiǎn)介

計(jì)數(shù)排序(Counting sort)是一種穩(wěn)定的排序算法。計(jì)數(shù)排序使用一個(gè)額外的數(shù)組C，其中第i個(gè)元素是待排序數(shù)組A中值等于i的元素的個(gè)數(shù)。然后根據(jù)數(shù)組C來(lái)將A中的元素排到正確的位置。它只能對(duì)整數(shù)進(jìn)行排序。

(2)算法描述和實(shí)現(xiàn)

具體算法描述如下：

<1>. 找出待排序的數(shù)組中最大和最小的元素; <2>. 統(tǒng)計(jì)數(shù)組中每個(gè)值為i的元素出現(xiàn)的次數(shù)，存入數(shù)組C的第i項(xiàng); <3>. 對(duì)所有的計(jì)數(shù)累加(從C中的第一個(gè)元素開(kāi)始，每一項(xiàng)和前一項(xiàng)相加); <4>. 反向填充目標(biāo)數(shù)組：將每個(gè)元素i放在新數(shù)組的第C(i)項(xiàng)，每放一個(gè)元素就將C(i)減去1。

Javascript代碼實(shí)現(xiàn)：

function countingSort(array) { var len = array.length,B = [],C = [],min = max = array[0]; console.time(’計(jì)數(shù)排序耗時(shí)’); for (var i = 0; i < len; i++) {min = min <= array[i] ? min : array[i];max = max >= array[i] ? max : array[i];C[array[i]] = C[array[i]] ? C[array[i]] + 1 : 1; } for (var j = min; j < max; j++) {C[j + 1] = (C[j + 1] || 0) + (C[j] || 0); } for (var k = len - 1; k >= 0; k--) {B[C[array[k]] - 1] = array[k];C[array[k]]--; } console.timeEnd(’計(jì)數(shù)排序耗時(shí)’); return B;}var arr = [2, 2, 3, 8, 7, 1, 2, 2, 2, 7, 3, 9, 8, 2, 1, 4, 2, 4, 6, 9, 2];console.log(countingSort(arr)); //[1, 1, 2, 2, 2, 2, 2, 2, 2, 2, 3, 3, 4, 4, 6, 7, 7, 8, 8, 9, 9]

JavaScript動(dòng)圖演示：

(3)算法分析

當(dāng)輸入的元素是n 個(gè)0到k之間的整數(shù)時(shí)，它的運(yùn)行時(shí)間是 O(n + k)。計(jì)數(shù)排序不是比較排序，排序的速度快于任何比較排序算法。由于用來(lái)計(jì)數(shù)的數(shù)組C的長(zhǎng)度取決于待排序數(shù)組中數(shù)據(jù)的范圍(等于待排序數(shù)組的最大值與最小值的差加上1)，這使得計(jì)數(shù)排序?qū)τ跀?shù)據(jù)范圍很大的數(shù)組，需要大量時(shí)間和內(nèi)存。

最佳情況：T(n) = O(n+k) 最差情況：T(n) = O(n+k) 平均情況：T(n) = O(n+k) 9.桶排序(Bucket Sort)

桶排序是計(jì)數(shù)排序的升級(jí)版。它利用了函數(shù)的映射關(guān)系，高效與否的關(guān)鍵就在于這個(gè)映射函數(shù)的確定。

(1)算法簡(jiǎn)介

桶排序 (Bucket sort)的工作的原理：假設(shè)輸入數(shù)據(jù)服從均勻分布，將數(shù)據(jù)分到有限數(shù)量的桶里，每個(gè)桶再分別排序(有可能再使用別的排序算法或是以遞歸方式繼續(xù)使用桶排序進(jìn)行排

(2)算法描述和實(shí)現(xiàn)

具體算法描述如下：

<1>.設(shè)置一個(gè)定量的數(shù)組當(dāng)作空桶; <2>.遍歷輸入數(shù)據(jù)，并且把數(shù)據(jù)一個(gè)一個(gè)放到對(duì)應(yīng)的桶里去; <3>.對(duì)每個(gè)不是空的桶進(jìn)行排序; <4>.從不是空的桶里把排好序的數(shù)據(jù)拼接起來(lái)。

Javascript代碼實(shí)現(xiàn):

/*方法說(shuō)明：桶排序@param array 數(shù)組@param num 桶的數(shù)量*/function bucketSort(array, num) { if (array.length <= 1) {return array; } var len = array.length, buckets = [], result = [], min = max = array[0], regex = ’/^[1-9]+[0-9]*$/’, space, n = 0; num = num || ((num > 1 && regex.test(num)) ? num : 10); console.time(’桶排序耗時(shí)’); for (var i = 1; i < len; i++) {min = min <= array[i] ? min : array[i];max = max >= array[i] ? max : array[i]; } space = (max - min + 1) / num; for (var j = 0; j < len; j++) {var index = Math.floor((array[j] - min) / space);if (buckets[index]) { // 非空桶，插入排序 var k = buckets[index].length - 1; while (k >= 0 && buckets[index][k] > array[j]) {buckets[index][k + 1] = buckets[index][k];k--; } buckets[index][k + 1] = array[j];} else { //空桶，初始化 buckets[index] = []; buckets[index].push(array[j]);} } while (n < num) {result = result.concat(buckets[n]);n++; } console.timeEnd(’桶排序耗時(shí)’); return result;}var arr=[3,44,38,5,47,15,36,26,27,2,46,4,19,50,48];console.log(bucketSort(arr,4));//[2, 3, 4, 5, 15, 19, 26, 27, 36, 38, 44, 46, 47, 48, 50]

桶排序圖示(圖片來(lái)源網(wǎng)絡(luò))：

(3)算法分析

桶排序最好情況下使用線性時(shí)間O(n)，桶排序的時(shí)間復(fù)雜度，取決與對(duì)各個(gè)桶之間數(shù)據(jù)進(jìn)行排序的時(shí)間復(fù)雜度，因?yàn)槠渌糠值臅r(shí)間復(fù)雜度都為O(n)。很顯然，桶劃分的越小，各個(gè)桶之間的數(shù)據(jù)越少，排序所用的時(shí)間也會(huì)越少。但相應(yīng)的空間消耗就會(huì)增大。

最佳情況：T(n) = O(n+k) 最差情況：T(n) = O(n+k) 平均情況：T(n) = O(n2) 10.基數(shù)排序(Radix Sort)

基數(shù)排序也是非比較的排序算法，對(duì)每一位進(jìn)行排序，從最低位開(kāi)始排序，復(fù)雜度為O(kn),為數(shù)組長(zhǎng)度，k為數(shù)組中的數(shù)的最大的位數(shù);

(1)算法簡(jiǎn)介

基數(shù)排序是按照低位先排序，然后收集;再按照高位排序，然后再收集;依次類推，直到最高位。有時(shí)候有些屬性是有優(yōu)先級(jí)順序的，先按低優(yōu)先級(jí)排序，再按高優(yōu)先級(jí)排序。最后的次序就是高優(yōu)先級(jí)高的在前，高優(yōu)先級(jí)相同的低優(yōu)先級(jí)高的在前。基數(shù)排序基于分別排序，分別收集，所以是穩(wěn)定的。

(2)算法描述和實(shí)現(xiàn)

具體算法描述如下：

<1>.取得數(shù)組中的最大數(shù)，并取得位數(shù); <2>.arr為原始數(shù)組，從最低位開(kāi)始取每個(gè)位組成radix數(shù)組; <3>.對(duì)radix進(jìn)行計(jì)數(shù)排序(利用計(jì)數(shù)排序適用于小范圍數(shù)的特點(diǎn));

Javascript代碼實(shí)現(xiàn)：

/** * 基數(shù)排序適用于： * (1)數(shù)據(jù)范圍較小，建議在小于1000 * (2)每個(gè)數(shù)值都要大于等于0 * @author xiazdong * @param arr 待排序數(shù)組 * @param maxDigit 最大位數(shù) *///LSD Radix Sortfunction radixSort(arr, maxDigit) { var mod = 10; var dev = 1; var counter = []; console.time(’基數(shù)排序耗時(shí)’); for (var i = 0; i < maxDigit; i++, dev *= 10, mod *= 10) {for(var j = 0; j < arr.length; j++) { var bucket = parseInt((arr[j] % mod) / dev); if(counter[bucket]== null) {counter[bucket] = []; } counter[bucket].push(arr[j]);}var pos = 0;for(var j = 0; j < counter.length; j++) { var value = null; if(counter[j]!=null) {while ((value = counter[j].shift()) != null) { arr[pos++] = value;} }} } console.timeEnd(’基數(shù)排序耗時(shí)’); return arr;}var arr = [3, 44, 38, 5, 47, 15, 36, 26, 27, 2, 46, 4, 19, 50, 48];console.log(radixSort(arr,2)); //[2, 3, 4, 5, 15, 19, 26, 27, 36, 38, 44, 46, 47, 48, 50]

基數(shù)排序LSD動(dòng)圖演示：

(3)算法分析 最佳情況：T(n) = O(n * k) 最差情況：T(n) = O(n * k) 平均情況：T(n) = O(n * k)

基數(shù)排序有兩種方法：

MSD 從高位開(kāi)始進(jìn)行排序 LSD 從低位開(kāi)始進(jìn)行排序

基數(shù)排序 vs 計(jì)數(shù)排序 vs 桶排序

這三種排序算法都利用了桶的概念，但對(duì)桶的使用方法上有明顯差異：

基數(shù)排序：根據(jù)鍵值的每位數(shù)字來(lái)分配桶 計(jì)數(shù)排序：每個(gè)桶只存儲(chǔ)單一鍵值 桶排序：每個(gè)桶存儲(chǔ)一定范圍的數(shù)值 后記

十大排序算法的總結(jié)到這里就算告一段落了。博主總結(jié)完之后只有一個(gè)感覺(jué)，排序算法博大精深，前輩們用了數(shù)年甚至一輩子的心血研究出來(lái)的算法更值得我們推敲。站在十大算法的門前心里還是誠(chéng)惶誠(chéng)恐的，身為一個(gè)小學(xué)生，博主的總結(jié)難免會(huì)有所疏漏，歡迎各位批評(píng)指正。

項(xiàng)目主頁(yè)：http://www.open-open.com/lib/view/home/1500369363693