学习Go语言第二周，本周任务尝试实现七大经典排序算法以及分析算法复杂度、优劣及应用场景等，七大经典算法分别为冒泡排序，插入排序，选择排序，希尔排序，归并排序，快速排序，堆排序。

冒泡排序

• 思路

正如“冒泡”二字，我的理解是重复依次比较相邻的两个数，大的数放在后面，小的数放在前面，一直重复到没有任何一对数字需要交换位置为止。就像冒泡一样，大的数不断浮上来。

• 伪代码

do
  swapped = false
  for i = 1 to indexOfLastUnsortedElement-1
    if leftElement > rightElement
      swap(leftElement, rightElement)
      swapped = true; swapCounter++
while swapped

• Go实现

func Bubble_Sort(arr []int) {
	swapped := true
	len := len(arr)
	for swapped {
		swapped = false
		for i := 0; i < len-1; i++ {
			if arr[i] > arr[i+1] {
				arr[i], arr[i+1] = arr[i+1], arr[i]
				swapped = true
			}
		}
	}
}

选择排序

• 思路

先假设第一个元素为最小值，然后与剩余的 len-1 个元素依次进行比较，标记最小数的位置，如果有更小的数，则在进行下一轮遍历比较之前交换位置。

• 伪代码

repeat (numOfElements - 1) times
  set the first unsorted element as the minimum
  for each of the unsorted elements
    if element < currentMinimum
      set element as new minimum
  swap minimum with first unsorted position

• Go实现

func Selection_Sort(arr []int) {
	len := len(arr)
	for i := 0; i < len-1; i++ {
		min := i
		for j := i+1; j < len; j++ {
			if arr[j] < arr[min] {
				min = j
			}
		}
		arr[min], arr[i] = arr[i], arr[min]
	}
}

插入排序

• 思路 这个排序感觉和选择排序的思路有点相似的。首先1个长度的数组肯定是有序的，假设数组的长度为n，第一位是有序的，然后从第二位开始在已排序序列中从后向前扫描，找到相应位置并插入。

• 伪代码

mark first element as sorted
for each unsorted element X
  'extract' the element X
  for j = lastSortedIndex down to 0
    if current element j > X
      move sorted element to the right by 1
    break loop and insert X here

• Go实现

func Insertion_Sort(arr []int) {
	len := len(arr)
	for i := 0; i < len; i++ {
		selected := arr[i]
		for j := i-1; j >= 0; j-- {
			if arr[j] > selected {
				arr[j], arr[j+1] = arr[j+1], arr[j]
			} else {
				arr[j+1] = selected
				break
			}
		}
	}
}

归并排序

• 思路

归并排序是采用分治法的一个非常典型的应用。归并排序的思想就是先递归分解数组，再合并数组。先考虑合并两个有序数组，基本思路是比较两个数组的最前面的数，谁小就先取谁，取了后相应的指针就往后移一位。然后再比较，直至一个数组为空，最后把另一个数组的剩余部分复制过来即可。再考虑递归分解，基本思路是将数组分解成left和right，如果这两个数组内部数据是有序的，那么就可以用上面合并数组的方法将这两个数组合并排序。如何让这两个数组内部是有序的？可以再二分，直至分解出的小组只含有一个元素时为止，此时认为该小组内部已有序。然后合并排序相邻二个小组即可。（摘抄）

• 伪代码

split each element into partitions of size 1
recursively merge adjancent partitions
  for i = leftPartStartIndex to rightPartLastIndex inclusive
    if leftPartHeadValue <= rightPartHeadValue
      copy leftPartHeadValue
    else: copy rightPartHeadValue; Increase InvIdx
copy elements back to original array

• Go实现

func Merge_Sort(arr []int) []int{
	if len(arr) <= 1 {
		return arr
	}
	var middle int = len(arr)/2
	left := Merge_Sort(arr[:middle])
	right := Merge_Sort(arr[middle:])
	return merge(left, right)
}

func merge(a, b []int) []int {
	alen, blen := len(a), len(b)
	var z []int = make([]int, alen + blen)
	k := 0//数组切片z的下标
	i, j := 0, 0//a、b起始下标均未0
	for i < alen && j < blen  {
		if a[i] < b[j] {
			z[k] = a[i]
			i++
		} else {
			z[k] = b[j]
			j++
		}
		k++
	}
	for i != alen {
		z[k] = a[i]
		k++
		i++
	}
	for j != blen {
		z[k] = b[j]
		k++
		j++
	}
	return z
}

快速排序

• 思路

快速排序可能是当前应用最广泛的排序算法。快速排序（英语：Quicksort），又称划分交换排序（partition-exchange sort），一种排序算法，最早由东尼·霍尔提出。在平均状况下，排序n个项目要Ο(n log n)次比较。在最坏状况下则需要Ο(n2)次比较，但这种状况并不常见。事实上，快速排序通常明显比其他Ο(n log n)算法更快，因为它的内部循环（inner loop）可以在大部分的架构上很有效率地被实现出来。快速排序引人注目的特点包括它是原地排序（只需要一个很小的辅助栈）。 该方法的基本思想是： 1．先从数列中取出一个数作为基准数。 2．分区过程，将比这个数大的数全放到它的右边，小于或等于它的数全放到它的左边。 3．再对左右区间重复第二步，直到各区间只有一个数。

• 伪代码

for each (unsorted) partition
set first element as pivot
  storeIndex = pivotIndex + 1
  for i = pivotIndex + 1 to rightmostIndex
    if element[i] < element[pivot]
      swap(i, storeIndex); storeIndex++
  swap(pivot, storeIndex - 1)

• Go实现

func Quick_Sort(arr []int) {
    sort(arr, 0, len(arr)-1)
}
func sort(arr []int, left int, right int) {
    if right <= left {
        return
    }
    p := partition(arr, left, right)//快速排序切分
    sort(arr, left, p-1)
    sort(arr, p+1, right)
}
func partition(arr []int, left int, right int) int {
    pivot := arr[left]
    i, j := left, right+1
    for true {
        for i++; arr[i] < pivot; i++ {
            if i==right {
                break
            }
        }
        for j--; pivot < arr[j]; j-- {
            if j==left {
                break
            }
        }
        if i>=j {
            break
        }
        arr[i], arr[j] = arr[j], arr[i]
    }
    arr[left], arr[j] = arr[j], arr[left]
    return j
}

希尔排序

• 思路

希尔排序(Shell Sort)是插入排序的一种。也称缩小增量排序，是直接插入排序算法的一种更高效的改进版本。希尔排序是非稳定排序算法。该方法因DL．Shell于1959年提出而得名。希尔排序是基于插入排序的以下两点性质而提出改进方法的： 1. 插入排序在对几乎已经排好序的数据操作时，效率高，即可以达到线性排序的效率 2. 但插入排序一般来说是低效的，因为插入排序每次只能将数据移动一位

• Go实现

func Shell_Sort(arr []int) {
    N := len(arr)
    var gap int = N/2    //初始步长
    for gap > 0 {
        for i := gap; i < N; i++ {    //每一列进行插入排序 , 从gap 到 n-1
            temp := arr[i]
            j := i
            for j>=gap && arr[j-gap]>temp {    //插入排序
                arr[j] = arr[j-gap]
                j = j-gap
            }
            arr[j] = temp
        }
        gap = gap/2    //重新设置步长
    }
}

堆排序

堆排序是一种选择排序，其时间复杂度为O(nlogn)

• 堆的定义

n个元素的序列{k1，k2，…,kn}当且仅当满足下列关系之一时，称之为堆。 　　情形1：ki <= k2i 且ki <= k2i+1 （最小化堆或小顶堆） 　　情形2：ki >= k2i 且ki >= k2i+1 （最大化堆或大顶堆） 　　其中i=1,2,…,n/2向下取整; 若将和此序列对应的一维数组（即以一维数组作此序列的存储结构）看成是一个完全二叉树，则堆的含义表明，完全二叉树中所有非终端结点的值均不大于（或不小于）其左、右孩子结点的值。 例如，下列两个序列为堆，对应的完全二叉树如图：

若在输出堆顶的最小值之后，使得剩余n-1个元素的序列重又建成一个堆，则得到n个元素的次小值。如此反复执行，便能得到一个有序序列，这个过程称之为堆排序。堆排序（Heap Sort）只需要一个记录元素大小的辅助空间（供交换用），每个待排序的记录仅占有一个存储空间。

• 堆的存储

一般用数组来表示堆，若根结点存在序号0处， i结点的父结点下标就为(i-1)/2。i结点的左右子结点下标分别为2*i+1和2*i+2。（注：如果根结点是从1开始，则左右孩子结点分别是2i和2i+1。）如第0个结点左右子结点下标分别为1和2。如最大化堆如下：左图为其存储结构，右图为其逻辑结构。

• 堆的排序实现

1. 构造最大堆（Build_Max_Heap）：若数组下标范围为0~n，考虑到单独一个元素是大根堆，则从下标n/2开始的元素均为大根堆。于是只要从n/2-1开始，向前依次构造大根堆，这样就能保证，构造到某个节点时，它的左右子树都已经是大根堆。
2. 堆排序（HeapSort）：由于堆是用数组模拟的。得到一个大根堆后，数组内部并不是有序的。因此需要将堆化数组有序化。思想是移除根节点，并做最大堆调整的递归运算。第一次将heap[0]与heap[n-1]交换，再对heap[0…n-2]做最大堆调整。第二次将heap[0]与heap[n-2]交换，再对heap[0…n-3]做最大堆调整。重复该操作直至heap[0]和heap[1]交换。由于每次都是将最大的数并入到后面的有序区间，故操作完后整个数组就是有序的了。
3. 最大堆调整（Max_Heapify）：该方法是提供给上述两个过程调用的。目的是将堆的末端子节点作调整，使得子节点永远小于父节点 。

• Go实现

func Heap_Sort(arr []int) {
    N := len(arr)
    var first int = N/2    //最后一个非叶子节点
    for start := first; start > -1; start-- {    //构造大根堆
        max_heapify(arr, start, N-1)
    }
    for end := N-1; end > 0; end-- {    //堆排，将大根堆转换成有序数组
        arr[end],arr[0] = arr[0],arr[end]
        max_heapify(arr, 0, end-1)
    }
}
func max_heapify(arr []int, start int, end int) {
    root := start
    for true {
        child := root*2 + 1    //调整节点的子节点
        if child > end {
            break
        }
        if child + 1 <= end && arr[child] < arr[child+1] {
            child = child + 1    //取较大的子节点
        }
        if arr[root] < arr[child] {
            arr[root], arr[child] = arr[child], arr[root]    //较大的子节点成为父节点
            root = child
        } else {
            break
        }
    }
}

七种经典排序算法指标对比

参考资料

可视化排序动态图

经典排序算法总结与实现 (Python实现)

堆排序 Heap Sort

算法(中文版•第4版)