面试题:冒泡排序,选择排序,插入排序,快速排序,归并排序,堆排序
2015-08-22 00:35
609 查看
面试题之各种排序,现整理如下:
冒泡排序
最常见排序之一,主要算法思想是:最下面数据依次与其相邻数据相比较,如果比相邻数据小,则交换,以此类推,直到最小的数放在最上层,形似冒泡,代码如下:
从冒泡排序的代码中可以看出,对于由n个数的成员来说,他们的比较次数是:(n-1) + (n-2) + (n-3) + ...+ 1 = n*(n-1)/2 = (n^2 - n)/2,因此其平均时间复杂度为O(n^2),最好时间复杂度为O(n).
选择排序,插入排序
将选择排序和插入排序放在一起,因为个人觉得选择排序和插入排序比价类似,但是又有所区别,选择排序是从为排序好的数据中选择出最小的数,假设为a,然后将排在已经排好序的后面;而插入排序是将某一数字,假设为b,从后往前依次与前面已经排好序的数相比较,直到找到比b小的数,将b插到此数的前面。
综上:选择排序是从未排序数据中找出最小数排在已排好序后面,插入排序是将数据插入到已排好序数组中。
插入排序代码如下:
选择排序代码如下:
从上面可以看出,选择排序和插入排序的平均时间复杂度都是O(n^2)
快速排序:
快速排序采用了分治法,即取一个参照数据,假设为a,将小于a的数据放在a的左边,将大于a的数据放在a的右边,然后分别对a左边和右边的数据采用同样的方式,举例:假设待排序数据为 5 3 6 4 9 7 ,选取5为参考数据,则经过一次快速排序后,应该变为4 3 5 6 9 7,此时小于5的数字被排在了左边,大于5的数字被排在了右边,然后分别再对 4 3 5 和 6 9 7 采用同样方法,直到排序完成。
快速排序代码如下:
快速排序的平均时间复杂度是O(n*logn),最坏时间复杂度是O(n^2),空间复杂度是O(logn)
归并排序
归并排序是递归的将数组分成若干个已经排好序的微型数组,然后两两对若干个数组进行比较合并,比如 5 3 6 4 9 7,经过不断递归分为了 (5 3)(6 4)(9 7),进过合并排序后变为(3 5)(4 6)(7 9),然后再经过合并排序变成了(3 4 5 6)(7 9),经过最后一次合并变成了(3 4 5 6 7 9 )
归并排序代码如下:
归并排序的平均最好和最坏时间复杂度是O(nlogn),但是其空间复杂度是O(n).
堆排序
堆排序是将待排序数组化为最大堆(即堆顶为最大值),然后将堆顶(即最大值)与数组最后一个数字互换,然后重新化为最大堆,然后将堆顶与倒数第二个数字互换。。。以此循环,直到全部排序完成。
堆排序代码如下:
冒泡排序
最常见排序之一,主要算法思想是:最下面数据依次与其相邻数据相比较,如果比相邻数据小,则交换,以此类推,直到最小的数放在最上层,形似冒泡,代码如下:
void bubblesort(int a[],int len) { for (int i = 0; i < len; i++) { for (int j = len -1; j > i; j--) //顺序比较相邻两个数,将小者冒上来 { if (a[j] < a[j-1]) { int temp = a[j]; a[j] = a[j-1]; a[j-1] = temp; } } } }
从冒泡排序的代码中可以看出,对于由n个数的成员来说,他们的比较次数是:(n-1) + (n-2) + (n-3) + ...+ 1 = n*(n-1)/2 = (n^2 - n)/2,因此其平均时间复杂度为O(n^2),最好时间复杂度为O(n).
选择排序,插入排序
将选择排序和插入排序放在一起,因为个人觉得选择排序和插入排序比价类似,但是又有所区别,选择排序是从为排序好的数据中选择出最小的数,假设为a,然后将排在已经排好序的后面;而插入排序是将某一数字,假设为b,从后往前依次与前面已经排好序的数相比较,直到找到比b小的数,将b插到此数的前面。
综上:选择排序是从未排序数据中找出最小数排在已排好序后面,插入排序是将数据插入到已排好序数组中。
插入排序代码如下:
void insertsort(int a[], int len) { int i ,j; for(i = 0; i < len; i ++) { int temp = a[i]; for(j = i-1; j >= 0; j --) //从已排序数组中最后一个数开始与i比较,找到最后一个比i大的数,将插入在该数前面 { if (a[j] > temp ) { a[j+1] = a[j]; } else break; } a[j+1] = temp; } }
选择排序代码如下:
void selectsort(int a[], int len) { for (int i = 0; i < len; i++) { int k = i; //使用k记录未排序数组中的下标 for (int j = i; j < len; j++) { if (a[j] < a[k]) { k = j; } } if (i != k) { int temp = a[i]; a[i] = a[k]; a[k] = temp; } } }
从上面可以看出,选择排序和插入排序的平均时间复杂度都是O(n^2)
快速排序:
快速排序采用了分治法,即取一个参照数据,假设为a,将小于a的数据放在a的左边,将大于a的数据放在a的右边,然后分别对a左边和右边的数据采用同样的方式,举例:假设待排序数据为 5 3 6 4 9 7 ,选取5为参考数据,则经过一次快速排序后,应该变为4 3 5 6 9 7,此时小于5的数字被排在了左边,大于5的数字被排在了右边,然后分别再对 4 3 5 和 6 9 7 采用同样方法,直到排序完成。
快速排序代码如下:
int partition(int a[],int first, int last) { int low = first; int high = last; int key = a[first]; //取第一个数为参考值 while (low < high) { while (low < high && a[high] >= key) high --; a[low] = a[high]; while(low < high && a[low] <= key) low ++; a[high] = a[low]; } a[low] = key; return low; } void quicksort(int a[],int first, int last) { if (first < last) //递归退出的条件,一定要有 { int ret = partition(a, first, last); quicksort(a, first, ret); quicksort(a, ret+1, last); } }
快速排序的平均时间复杂度是O(n*logn),最坏时间复杂度是O(n^2),空间复杂度是O(logn)
归并排序
归并排序是递归的将数组分成若干个已经排好序的微型数组,然后两两对若干个数组进行比较合并,比如 5 3 6 4 9 7,经过不断递归分为了 (5 3)(6 4)(9 7),进过合并排序后变为(3 5)(4 6)(7 9),然后再经过合并排序变成了(3 4 5 6)(7 9),经过最后一次合并变成了(3 4 5 6 7 9 )
归并排序代码如下:
//合并两个有序数组(其实是一个数组的两部分,以mid为分割),将小的数放进临时数组里 void mergesort_t::merge(int a[], int first, int mid, int last) { int indexL = first; int indexR = mid + 1; int len = last - first + 1; int *temp = new int[len]; int i = 0; while (indexL<=mid && indexR<=last) { if (a[indexL] <= a[indexR]) { temp[i++] = a[indexL++]; } if (a[indexL] > a[indexR]) { temp[i++] = a[indexR++]; } } while(indexL <= mid) { temp[i++] = a[indexL++]; } while (indexR <= last) { temp[i++] = a[indexR++]; } for (int j=0; j<i;j++) { a[first + j] = temp[j]; } delete [] temp; } //先递归拆分数组,然后合并有序数组 void mergesort_t::mergesort(int a[], int first, int last) { if (first < last) { int mid = (first + last)/2; mergesort(a, first, mid); mergesort(a, mid+1, last); merge(a, first, mid, last); } }
归并排序的平均最好和最坏时间复杂度是O(nlogn),但是其空间复杂度是O(n).
堆排序
堆排序是将待排序数组化为最大堆(即堆顶为最大值),然后将堆顶(即最大值)与数组最后一个数字互换,然后重新化为最大堆,然后将堆顶与倒数第二个数字互换。。。以此循环,直到全部排序完成。
堆排序代码如下:
//创建某个父节点的最大堆 void heapsort_t::rootheapsort(int a[], int len, int index) { //获取左右子节点 int left = getleftchildindex(index); int right = getrightchildindex(index); int maxindex = index; //判断左右子节点与父节点的大小 if (left < len && a[maxindex] < a[left]) { maxindex = left; } if (right < len && a[maxindex] < a[right]) { maxindex = right; } //如果当前最大的数不是父节点,则与当前父节点互换,且互换完成后要重新堆排序 if (maxindex != index) { int temp = a[index]; a[index] = a[maxindex]; a[maxindex] = temp; rootheapsort(a, len, index); } } //创建某整个数组的最大堆 void heapsort_t::createMaxHeap(int a[], int len) { int startIndex = getparentindex(len-1); //从第一个父节点开始对所有父节点执行堆化 for (int i = startIndex; i >= 0; i--) { rootheapsort(a, len, i); } }
//堆排序 void heapsort_t::heapsort(int a[], int len) { //将目前的堆顶与最后一个元素互换,然后继续堆化剩余的,然后将再堆化后的堆顶变为倒数第二个元素,以此循环,直到整个数组遍历完。 for (int i=len-1; i>=0; i--) { int temp = a[i]; a[i] = a[0]; a[0] = temp; rootheapsort(a,i,0); } }堆排序的时间复杂度是O(nlogn),空间复杂度是1.
相关文章推荐
- 程序员应有的态度
- 5种类型的程序员
- 程序员的出路在哪里?
- 单链表环问题
- 黑马程序员-JAVA基础之常见API
- 黑马程序员-OC-Foundation框架总结一
- iOS程序员面试要注意的几个问题
- 黑马程序员-JAVA基础之多线程
- 黑马程序员-oc-分类(Q)
- 黑马程序员——OC的内存管理——ARC
- 网易2015面试编程题
- 黑马程序员--Java基础学习(面向对象)第九天
- 黑马程序员----java基础之异常和File文件类
- 黑马程序员--Java基础学习(面向对象)第八天
- iOS 面试问题的解答
- 黑马程序员--Java基础学习(面向对象)第七天
- 黑马程序员--Java基础学习(面向对象)第五天
- 操作系统常见面试题总结
- 链表的一些操作---面试必备
- JAVA程序员成长之路