常见的排序算法 | 直接插入排序 | 希尔排序 | 选择排序 | 堆排序 | 冒泡排序 | 快速排序 | 归并排序 |（详解，附动图，代码）

news2025/11/4 22:12:40

 4fefdd0756be4e57887773f6d6daa386.gif

f584449103c24e30b53a0ccd3b77a6b5.gif

  思维导图：

78e6fc8053494490b52dfea21c9bf732.png

一.插入排序

1.直接插入排序（InsertSort）

①手机通讯录时时刻刻都是有序的，新增一个电话号码时，就是使用插入排序的方法将其插入原有的有序序列。

7debdc43bfed4da2be11c09fc777f061.png

②打扑克

57aba511cf52ff9449127945ccf639e5.jpeg

步骤：

  • ①如果一个序列只有一个数，那么该序列自然是有序的。插入排序首先将第一个数视为有序序列，然后把后面的元素视为要依次插入的序列。
  • ②我们通过外层循环控制要插入的数（下标表示），从下标为1处的元素开始插入，直到最后一个元素，然后用insertVal保存要插入的值。
  • ③内层循环负责交换，升序降序根据需求设计。
  • ④内层循环结束，继续进行外层循环，插入下一个元素，进行排序，直到整个序列有序。

动图演示：

3493efe457dd464f8fb207c70294c729.gif

6a9266555750484b97ef04d6be7db7c0.gif

//插入排序
void InsertSort(int* arr, int n)
{
	int i, j, insertVal;
	for (i = 1; i < n; i++) //控制要插入的数
	{
		insertVal = arr[i];//先保存要插入的值
		//内层控制比较,j 要大于等于 0，同时 arr[j]大于 insertval 时，arr[j]位置元素往后覆盖
        for (j=i-1; j >= 0 && arr[j] > insertVal; j--)
		{
			arr[j + 1] = arr[j];
		}
		arr[j + 1] = insertVal;
        //将insertVal插入两个极端情况
        //1.前面的数字小于insertVal，不进入内层循环，直接原地不动
        //2.前面的数字都大于insertVal，x放在下标为0处

	}
}

效果：

d4e6c7ecf96d46f68381f365a2df68ec.png

结论：

  • 1. 元素集合越接近有序，直接插入排序算法的时间效率越高
  • 2. 时间复杂度：O(N^2)
  • 3. 空间复杂度：O(1)，它是一种稳定的排序算法
  • 4. 稳定性：稳定

 2.希尔排序（Shellsort）

希尔排序(Shell's Sort)是插入排序的一种又称“缩小增量排序”（Diminishing Increment Sort），是直接插入排序算法的一种更高效的改进版本。

步骤：

  • 1.对待排序的序列进行预排，让序列接近有序。
  • 预排也是借助直接插入排序实现，具体实现方法，规定一个增量（gap），间隔为gap的元素为一组，然后分组排序，直到间隔gap的所有分组排序完成，增量(gap)减少，继续间隔为gap的元素进行分组排序 ，当增量减至1时，预排完成。
  • gap越大，大的数可以越快的到后面，小的数可以越快的到前面。
    gap越大，预排完越不接近有序。
    gap越小，越接近有序。
  • 2.gap=1，直接进行直接插入排序。

动图： 0afea2cf02414c4180309422312d0222.gif

c40d07046d9c4f578dcf8246ad033fbd.gif

//希尔排序
void ShellSort(int* arr, int n)
{
	int gap=n;
	int i ,insertVal;
	while (gap> 1)
		{//每次对gap折半操作
			gap = gap / 2;
          //间隔为gap的所有组进行插入排序
	    for (i = 0; i < n-gap; i++)
		{//组员i+gap（下标）最大到n-1，再多就越界访问了，所以i<=n-1-gap，上面是开区间表示
			insertVal = arr[i+gap];
	        for (i; i >= 0 && arr[i] > insertVal; i-=gap)
			{
				arr[i+gap] = arr[i];
			}
			arr[i+gap] = insertVal;
		}
}
}

9cdc32c9b0b346759100c71841d8ef3c.png

希尔排序的特性总结：

  • 1. 希尔排序是对直接插入排序的优化。
  • 2. 当gap > 1时都是预排序，目的是让数组更接近于有序。当gap == 1时，数组已经接近有序的 了，这样就会很快。这样整体而言，可以达到优化的效果。我们实现后可以进行性能测试的 对比。
  • 3. 希尔排序的时间复杂度不好计算，需要进行推导，推导出来平均时间复杂度： O(N^1.3— N^2）
  • 4. 稳定性：不稳定 

二.选择排序

3.选择排序（SelectSort）

步骤：

遍历一遍，从待排序列中选出一个最小值，然后放在序列的起始位置，再找次小的，直到整个序列排完。

动图演示：

80ef254d56994bf2a276e3631880d1f3.gif

但这种太慢了，实际上，我们可以一趟选出两个值，一个最大值一个最小值，然后将其放在序列开头和末尾，这样可以使选择排序的效率快一倍。

a47a7f8bf44a4feb9182d8390493da59.gif

void Swap(int* p1, int* p2)
{
	int tmp = *p1;
	*p1 = *p2;
	*p2 = tmp;
}
//选择排序
void SelectSort(int* arr, int n)
{
	int begin = 0, end = n - 1;
	while (begin < end)
	{
		int mini = begin, maxi = begin;
		//初始化，让最大值和最小值起初都是自己，作为一个基准
		for (int i = begin; i <= end; i++)
		{
			if (arr[i] < arr[mini])
			{
				mini = i;//不断更新在此次遍历过程中遇到的最小值
			}

			if (arr[i] > arr[maxi])
			{
				maxi = i;//不断更新在此次遍历过程中遇到的最大值
			}
		}

		Swap(&arr[begin], &arr[mini]);//此次遍历最小的放到begin处
		//注意：最小值已经放到了begin处，但如果begin原先存的是此次遍历最大的数
		//那么你一交换，把最大的数给交换到了，mini处，所以我们要修正
		if (begin == maxi)
		{// 如果begin跟maxi重叠，需要修正一下maxi的位置
			maxi = mini;
		}
		Swap(&arr[maxi], &arr[end]);//此次遍历最大的放到end处
		begin++;
		end--;
	}
}

效果： 

3d081262481844e09475ee19b8c9404c.png

直接选择排序的特性总结： 

  • 1. 直接选择排序思考非常好理解，但是效率不是很好。实际中很少使用
  • 2. 时间复杂度：O(N^2)
  • 3. 空间复杂度：O(1)
  • 4. 稳定性：不稳定

4.堆排序（HeapSort）

堆排序即利用堆的思想来进行排序

堆的性质：

• 堆中某个节点的值总是不大于或不小于其父节点的值

• 堆总是一棵完全二叉树

步骤：

  • 升序：建大堆，若父结点的值恒大于等于子结点的值，则该堆称为最大堆（max heap）
  • 降序：建小堆，若父结点的值恒小于等于子结点的值，则该堆称为最小堆（min heap）；

①建堆: 

堆的逻辑结构是一个完全二叉树，存储结构是数组，所以数组也可以看成一个堆，但还不满足堆的性质，而我们要做的就是调整数组，使之建堆成最大堆或最小堆

调整方法使用向下排序算法。

向下调整算法的核心思想：选出左右孩子中小的哪一个，跟父亲交换,如果要建大堆则相反

向下调整算法的前提：建小堆，左右子树都必须是小堆，才能够进行调整，大堆相反。

但数组满足不了这个前提，我们就换一种思想，从倒数第一个非叶子结点（最后一个结点的父亲）开始调整。

②排序

假设我们建的是大堆，父结点的值恒大于等于子结点的值，然后按照堆删的思想将堆顶和堆底的数据交换，但不同的是这里不删除最后一个元素。这样最大元素就在最后一个位置，然后从堆顶向下调整到倒数第二个元素，这样次大的元素就在堆顶，重复上述步骤直到只剩堆顶时停止。

数组确定父子关系：

lchild(左孩子)=parent（父亲）*2+1
rchild(右孩子)=parent（父亲）*2+2

85084a8d49c943cba561daa733c410ec.png

动图演示： 

a5e5324cbce6413d8b07367fec705b26.gif

abe4f4a736b54cb69ac98ed1a97392ac.gif

//建堆
void AdjustDown(int* arr, int n, int root)//向下调整
{
	int parent = root;
	int child = parent * 2 + 1;
	while (child < n)
	{
		if (child + 1 < n && arr[child + 1] > arr[child])
		{
			child++;
		}
		if (arr[child] > arr[parent])
		{
			Swap(&arr[child], &arr[parent]);
			parent = child;
			child = parent * 2 + 1;
		}
		else
		{
			break;
		}
	}
}
//堆排序
void HeapSort(int* arr, int n)
{
	//建堆
	for (int i = (n - 1 - 1) / 2; i >= 0; i--)
	{
		AdjustDown(arr, n, i);
	}
	//交换
	for (int i = n - 1; i > 0; i--)
	{
		Swap(&arr[i], &arr[0]);
		AdjustDown(arr, i, 0);
	}
}

3d081262481844e09475ee19b8c9404c.png

堆排序的特性总结：

  • 1. 堆排序使用堆来选数，效率就高了很多。
  • 2. 时间复杂度：gif.latex?O%28N*%5Clog_%7B2%7DN%29
  • 3. 空间复杂度：O(1)
  • 4. 稳定性：不稳定 

三.交换排序

5.冒泡排序（BubbleSort）

两两相邻元素进行比较，并且可能需要交换，一趟下来该趟的最大（小）值在最右边。

动图演示：

4ef5aca510084394b58bce03cce9088b.gif

5a8d07f5eeb14fa59aebc2e723eefdc2.gif

void Swap(int* p1, int* p2)
{
	int tmp = *p1;
	*p1 = *p2;
	*p2 = tmp;
}
//冒泡排序
void BubbleSort(int* arr, int n)
{
	for (int i = 0; i < n; i++)//控制趟数
	{
		int exchange = 0;//记录交换次数
		for (int j = 0; j < n - 1 - i; j++)
		{//第一趟比较n-1次，然后每走完i趟，就有i个右边的位被占，所以比较次数减i
			if (arr[j] > arr[j + 1])
			{
				Swap(&arr[j], &arr[j + 1]);
				exchange = 1;
			}
		}
		if (exchange == 0)
		{//交换次数为0，排序直接结束
			break;
		}
	}
}

488d2248e8274dd5834899e7980a4129.png

 冒泡排序的特性总结：

  • 1. 冒泡排序是一种非常容易理解的排序
  • 2. 时间复杂度：O(N^2)
  • 3. 空间复杂度：O(1)
  • 4. 稳定性：稳定

6.快速排序（QuickSort）

【递归实现】：

快速排序的核心是分治思想：

假设我们的目标依然是按从小到大的顺序排列，我们找到数组中的一个分割值，把比分割值小的数都放在数组的左边，把比分割值大的数都放在数组的右边，这样分割值的位置就被确定。借助分割值的位置把数组一分为二，前一半数组和后一半数组继续找分割值的位置， 不断地进行递归，最终分割得只剩一个时，整个序列自然就是有序的。

重点在于怎么确定分割值的位置，下面有挖坑法，左右指针法，和前后指针法三种方法。

6.1挖坑法

挖坑法确定分割值的位置

步骤：

  • ①定义一个分割值key，一般是将待排序序列的最左边或最右边的数据取出赋给key，（下面以最左面为例）那么最最左边数据就可以被覆盖，就是所谓的坑。
  • ②left代表待排序序列最左端，right代表待排序序列最右端                                        
  • ③首先坑在最左边，所以我们让right先走，去找比key小的值，放到最左边的坑，然后此时的right变成了坑，所以left在走，找比key大的值，放到此时的right，然后right再走，找比key小的值，放到此时的left，如此进行下去，直到left和right最终相遇，将key放到相遇点这个坑，这时相遇点就是分割值的位置。
  • ④借助分割值的位置把数组一分为二，前一半数组和后一半数组继续采用这种思想， 不断地进行递归，最终分割得只剩一个时，整个序列自然就是有序的。

动图演示：

f085bf8ac37e4adab00b3f17460c25b5.gif

71cac8a618164776b41004292f4af3c1.gif

//挖坑法确定分割值的位置
int PartSort1(int* arr, int left, int right)
{
	int key = arr[left];//取出分割值
	int hole = left;//保存坑的位置
	while (left < right)
	{
		// 右边找小，放到左边
		while (left < right && arr[right] >= key)
		{
			right--;
		}
		// 不满足上边的循环，就说明右边的right有小的要放到左边的left坑里	
		arr[hole] = arr[right];
		hole = right;//更新坑的位置
		// 左边找大
		while (left < right && arr[left] <= key)
		{
			left++;
		}
		// 不满足上边的循环，就说明左边begin有大的放到右边end的坑里
		arr[hole] = arr[left];
		hole = left;
	}
	arr[hole] = key;
	return hole;//本次排序完成，返回分割值key的下标
}
//快速排序
void QuickSort(int* arr, int left, int right)
{
	if (left >= right)
	{//递归停止的条件
		return;
	}
	int keyi = PartSort1(arr, left, right);
	//每一趟排序完成都会返回一个分割值key的下标
	//借助分割值的位置将序列分为左子区间[left,keyi-1]和右子区间[keyi+1,right]
	//再用分治递归使左子区间和右子区间有序
	QuickSort(arr, left, keyi - 1);
	QuickSort(arr, keyi + 1, right);
}

效果：

2291b9011f574fb6bb0f8566f1a19c54.png

6.2左右指针法

左右指针法确定分割值的位置

步骤：

  • ①选定一个分割值key，一般是待排序序列的最左边或最右边。
  • ②left代表待排序序列最左端，right代表待排序序列最右端       
  • ③假设key在最左边，那么right先走遇到比key小的值就停下，不发生交换，然后left开始走，直到left遇到一个大于key的数时，将left和right的内容交换，right再次开始走，如此进行下去，直到left和right最终相遇，此时将相遇点的内容与key的内容交换即可，这时相遇点就是分割值的位置。
  • ④借助分割值的位置把数组一分为二，前一半数组和后一半数组继续采用这种思想， 不断地进行递归，最终分割得只剩一个时，整个序列自然就是有序的。

动图演示：

f68a2fcf79d44eca8365f98535961936.gif

1220a19652a64f60b7734a899544c15b.gif

//左右指针法确定key的位置
int PartSort2(int* arr, int left, int right)
{
	
	int key =left;//选定分割值
    while (left < right)
	{
		// 找小
		while (left < right && arr[right] >=arr[key])
		{
			right--;
		}
		// 找大
		while (left < right && arr[left] <=arr[key])
		{
			left++;
		}
			Swap(&arr[left], &arr[right]);
	}                        
	Swap(&arr[left], &arr[key]);
	return left;//本次排序完成，返回分割值key的下标
}
//快速排序
void QuickSort(int* arr, int left, int right)
{
	if (left >= right)
	{//递归停止的条件
		return;
	}
	int keyi = PartSort2(arr, left, right);
    //每一趟排序完成都会返回一个分割值key的下标
    //借助分割值的位置将序列分为左子区间[left,keyi-1]和右子区间[keyi+1,right]
	//再用分治递归使左子区间和右子区间有序
	QuickSort(arr, left, keyi- 1);
	QuickSort(arr, keyi+ 1, right);
}

6.3前后指针法

前后指针版本确定分割值的位置

步骤：

  • ①规定一个分割值key，一般是最左边或是最右边的。
  • ②起始时，prev指针指向序列开头，cur指针指向prev+1。
  • ③cur从左至右遍历，若cur指向的内容小于key，则prev先向后移动一位，然后交换prev和cur指针指向的内容，然后cur指针++；若cur指向的内容大于key，则cur指针直接++。如此进行下去，直到cur到达end位置，此时将key和prev++指针指向的内容交换即可。
  • 4.这样做本质上就是cur指针遍历一遍待排序序列，把所有小于key的数据都放到下标[1，prev]这个区间，然后把key和prev的内容交换。
  • 5.key将待排序序列该分成了两半，左边比他小，右边比他大，然后再让左右序列进行上述操作，直至左右序列分割得只剩一个元素时，整个序列自然就是有序的。

ee80ef4416984f5aabc18093651e13d8.gif

//前后指针版本确定分割值的位置
int PartSort3(int* arr, int left, int right)
{
	
	int key =left;//选定分割值
	int cur=left+1;
	int prev=left;
	while(cur<=right)
	{
    while(arr[cur]<arr[key]&&++prev!=cur)
	{//只要a[cur]<a[key]语句为真，prev必须要进行++，但不一定要发生交换，因为prev++=cur，自己和自己交换没意义。
		Swap(&arr[cur],&arr[prev]);
	}        
	cur++; 
	}       
	Swap(&arr[key], &arr[prev]);
	return prev;//本次排序完成，返回分割值key的下标
}
//快速排序
void QuickSort(int* arr, int left, int right)
{
	if (left >= right)
	{//递归停止的条件
		return;
	}
	int keyi = PartSort3(arr, left, right);
    //每一趟排序完成都会返回一个分割值key的下标
    //借助分割值的位置将序列分为左子区间[left,keyi-1]和右子区间[keyi+1,right]
	//再用分治递归使左子区间和右子区间有序
	QuickSort(arr, left, keyi- 1);
	QuickSort(arr, keyi+ 1, right);
}

6.4快速排序的优化

1.我们在分割值的选择上可以进行优化，假如我要实现升序，原待排序序列接近降序，这就会造成效率太低，递归次数过多，导致栈溢出。所以我们可以选出一个中间值和最左（右）边交换。

方法：三数取中

//三数取中
int MidIndex(int* a, int left, int right)
{
	int mid = (left + right) / 2;
	//防止mid越界
	//int mid = left+(right - left) / 2;
 
	if (a[left] < a[right])
	{
		if (a[mid] < a[left])
		{
			return left;
		}
		else if (a[mid] > a[right])
		{
			return right;
		}
		else
		{
			return mid;
		}
	}
	else
	{
		if (a[mid] > a[left])
		{
			return left;
		}
		else if (a[mid] < a[right])
		{
			return right;
		}
		else
		{
			return mid;
		}
	}
}

2.减少递归次数，方法：小区间优化

bf7ffaaf19a9433da0a796d591082598.png

 以左右指针法举例

// 三数取中
int GetMidIndex(int* a, int left, int right)
{
	int mid = (left + right)/2;
	if (a[left] < a[mid])
	{
		if (a[mid] < a[right])
		{
			return mid;
		}
		else if (a[left] > a[right])
		{
			return left;
		}
		else
		{
			return right;
		}
	}
	else // a[left] > a[mid]
	{
		if (a[mid] > a[right])
		{
			return mid;
		}
		else if (a[left] < a[right])
		{
			return left;
		}
		else
		{
			return right;
		}
	}
}
//左右指针法确定key的位置
int PartSort2(int* arr, int left, int right)
{
	int mid = GetMidIndex(arr, left, right);
	//将分割值调整至最左边
	Swap(&arr[mid], &arr[left]);
	int key =left;//选定分割值
    while (left < right)
	{
		// 找小
		while (left < right && arr[right] >=arr[key])
		{
			right--;
		}
		// 找大
		while (left < right && arr[left] <=arr[key])
		{
			left++;
		}
			Swap(&arr[left], &arr[right]);
	}                        
	Swap(&arr[left], &arr[key]);
	return left;//本次排序完成，返回分割值key的下标
}
//快速排序
void QuickSort(int* arr, int left, int right)
{
	if (left >= right)
	{
		return;
	}
	//小区间优化，，减少递归次数
		if (right - left + 1 < 10)
		{
			InsertSort(arr + left, right -left + 1);
		}
		else
		{
			int keyi = PartSort2(arr, left, right);
		//每一趟排序完成都会返回一个分割值key的下标
		 //借助分割值的位置将序列分为左子区间[left,keyi-1]和右子区间[keyi+1,right]
		//再用分治递归使左子区间和右子区间有序
			QuickSort(arr, left, keyi - 1);
			QuickSort(arr, keyi + 1, right);
		}
}

【非递归版本】

我们可以借助栈的思想，递归是一直递到限制条件，然后开始回归，最后一次调用先完，然后倒数第二次……，和栈的先进后出思想很像所以我们可以借助栈来实现。

6.5栈实现

typedef int  STDataType;
typedef struct Stack
{
	STDataType* a;
	int top;
	int capacity;
}ST;
void StackInit(ST* ps)
{
	assert(ps);
	ps->a = (STDataType*)malloc(sizeof(STDataType)* 4);
	if (ps->a == NULL)
	{
		printf("malloc fail\n");
		exit(-1);
	}
	ps->capacity = 4;
	ps->top = 0;
}

void StackDestory(ST* ps)
{
	assert(ps);
	free(ps->a);
	ps->a = NULL;
	ps->top = ps->capacity = 0;
}
// 入栈
void StackPush(ST* ps, STDataType x)
{
	assert(ps);
	// 满了-》增容
	if (ps->top == ps->capacity)
	{
		STDataType* tmp = (STDataType*)realloc(ps->a, ps->capacity * 2 * sizeof(STDataType));
		if (tmp == NULL)
		{
			printf("realloc fail\n");
			exit(-1);
		}
		else
		{
			ps->a = tmp;
			ps->capacity *= 2;
		}
	}
	ps->a[ps->top] = x;
	ps->top++;
}

// 出栈
void StackPop(ST* ps)
{
	assert(ps);
	// 栈空了，调用Pop，直接中止程序报错
	assert(ps->top > 0);
	//ps->a[ps->top - 1] = 0;
	ps->top--;
}

STDataType StackTop(ST* ps)
{
	assert(ps);
	// 栈空了，调用Top，直接中止程序报错
	assert(ps->top > 0);
	return ps->a[ps->top - 1];
}

int StackSize(ST* ps)
{
	assert(ps);
	return ps->top;
}

bool StackEmpty(ST* ps)
{
	assert(ps);
	return ps->top == 0;
}
//前后指针版本确定分割值的位置
int PartSort1(int* arr, int left, int right)
{
	int key = arr[left];//取出分割值
	int hole = left;//保存坑的位置
	while (left < right)
	{
		// 右边找小，放到左边
		while (left < right && arr[right] >= key)
		{
			right--;
		}
		// 不满足上边的循环，就说明右边的right有小的要放到左边的left坑里	
		arr[hole] = arr[right];
		hole = right;//更新坑的位置
		// 左边找大
		while (left < right && arr[left] <= key)
		{
			left++;
		}
		// 不满足上边的循环，就说明左边begin有大的放到右边end的坑里
		arr[hole] = arr[left];
		hole = left;
	}
	arr[hole] = key;
	return hole;//本次排序完成，返回分割值key的下标
}
// 快速排序 非递归实现
void QuickSortNonR(int* a, int left, int right)
{
	//创建栈
	Stack st;
	StackInit(&st);
	//原始数组区间入栈
	StackPush(&st, right);
	StackPush(&st, left);
	//将栈中区间排序
	while (!StackEmpty(&st))
	{
		//注意：如果right先入栈，栈顶为left
		left = StackTop(&st);
		StackPop(&st);
		right = StackTop(&st);
		StackPop(&st);
		//得到分割值的下标
		int keyi = PartSort1(a, left, right);
		// 以分割值下标分割点，形成左右两部分
        //分别入栈
		if (right > keyi + 1)
		{
			StackPush(&st, right);
			StackPush(&st, keyi + 1);
		}
		if (left < keyi - 1)
		{
			StackPush(&st, keyi - 1);
			StackPush(&st, left);
		}
	}
	StackDestory(&st);
}

 快速排序的特性总结：

  • 1. 快速排序整体的综合性能和使用场景都是比较好的，所以才敢叫快速排序
  • 2. 时间复杂度：gif.latex?O%28N*%5Clog_%7B2%7DN%29
  • 3. 空间复杂度：gif.latex?O%28N*%5Clog_%7B2%7DN%29
  • 4. 稳定性：不稳定

四.归并排序

7.归并排序（MergeSort）

归并排序（MERGE-SORT）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。 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，称为二路归并。 

步骤：

使用归并的前提是所有子序列都有序，所以我们对待排序序列进行分割，一分二，二分四…………直至子序列只有一个数字，一个数字总该认为他有序吧。 将已有序的子序列合并，得到完全有序的序列；注意：（两个子序列合并成一个子序列，序列要进行排序，确保该子序列有序，以便后续合并），若将两个有序表合并成一个有序表，称为二路归并。 

bd369e3f46474d39a3c5624f4acf9f34.png

动图演示：

60df75589d7c4d798303aeb306116e35.gif

9052fbdf0c13435b83af37b58de9c82a.gif

void _MergeSort(int* arr, int left, int right, int* tmp)
{
	if (left >= right)
		{//子序列分割只剩一个元素，停止，跳到上一级归并
			return;
		}
	int mid = (left + right) >> 1;
	//分割，一分二……
	_MergeSort(arr, left, mid, tmp);//划分左区间[left, mid]
	_MergeSort(arr, mid+1, right, tmp);//划分右区间[mid+1, right]
	//分割完成开始归并
	int begin1 = left, end1 = mid;//左区间
	int begin2 = mid + 1, end2 = right;//右区间
	int index = left;
	while (begin1 <= end1 && begin2 <= end2)
	{//注意结束条件为一个序列为空时就停止
     //合并的序列可能不一样长
		if (arr[begin1] < arr[begin2])
		{//为了实现合并后的子序列有序，我们要对要合并的两个序列的元素进行一一比较，比较结果放到        
    //临时数组，然后再把临时数组赋给原序列。
			tmp[index++] = arr[begin1++];
			//一定是后置++，复制完确保指向下一个元素
		}
		else
		{
			tmp[index++] = arr[begin2++];
		}
	}
	 //两序列不可能同时为空，可能有瘸腿的情况，将剩余元素合并
	while (begin1 <= end1)
	{
		tmp[index++] = arr[begin1++];
	}
	while (begin2 <= end2)
	{
		tmp[index++] = arr[begin2++];
	}
	//将合并后的序列拷贝到原数组中
	//在这里拷贝的原因是保证返回到上一层递归后两个子序列中的元素是有序的
	for (int i = left; i <= right; ++i)
	{
		arr[i] = tmp[i];
	}
}
//归并排序
void MergeSort(int* arr, int n)
{
	int* tmp = (int*)malloc(sizeof(int)*n);
	//临时数组，左右区间归并时排序要借助临时数组
	//防止覆盖待排序序列，造成错误
	if (tmp == NULL)
		{
			perror("malloc");
			exit(-1);
		}	
	_MergeSort(arr, 0, n - 1, tmp);//分割归并
	free(tmp);
	tmp=NULL;
}

归并排序的特性总结：

  • 1. 归并的缺点在于需要O(N)的空间复杂度，归并排序的思考更多的是解决在磁盘中的外排序问 题。
  • 2. 时间复杂度：gif.latex?O%28N*%5Clog_%7B2%7DN%29
  • 3. 空间复杂度：O(N)
  • 4. 稳定性：稳定

排序算法复杂度及稳定性分析：

watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAc2tlZXQgIGZvbGxvd2Vy,size_20,color_FFFFFF,t_70,g_se,x_16

 博主水平有限，如有错误还请多多包涵。

16c406176fa843fb9cf241a2bae977fd.gif

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/365676.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

【Android视频号③ Xposed插件编写】

【Android视频号③ Xposed插件编写】

这节 就是将frida代码翻译为Xposed 然后利用Sekiro服务进行接口调用 Xposed环境 我的测试环境是 LSPosed 它是完全兼容XP模块的 &#xff08;免重启调试起来方便一点&#xff09;下载后用Magisk安装即可. 模块编写可以参考这篇文章 XPosed模块编写教程 翻译代码 首先需要拦…
阅读更多...
Java数据结构与算法第十一课---反射、枚举以及lambda表达式

Java数据结构与算法第十一课---反射、枚举以及lambda表达式

一 : 反射 1.定义 Java的反射&#xff08;reflection&#xff09;机制是在运行状态中&#xff0c;对于任意一个类&#xff0c;都能够知道这个类的所有属性和方法&#xff1b;对于任意一个对象&#xff0c;都能够调用它的任意方法和属性&#xff0c;既然能拿到&#xff0c;那么…
阅读更多...
k8s1.23.0+ubuntu20.04+docker23+hyperv

k8s1.23.0+ubuntu20.04+docker23+hyperv

问题 k8s node节点加入到集群时卡住 “[preflight] Running pre-flight checks” # master节点重新生成加入命令 kubeadm token create --ttl 0 --print-join-command参考 注意 k8s1.24使用containerd而不再使用docker&#xff0c;因此使用k8s1.23版本 环境 k8s: 1.23.0 u…
阅读更多...
【Python入门第十五天】Python字典

【Python入门第十五天】Python字典

字典&#xff08;Dictionary&#xff09; 字典是一个无序、可变和有索引的集合。在 Python 中&#xff0c;字典用花括号编写&#xff0c;拥有键和值。 实例 创建并打印字典&#xff1a; thisdict {"brand": "Porsche","model": "911&q…
阅读更多...
2023年湖北施工员怎么报考？甘建二告诉你

2023年湖北施工员怎么报考？甘建二告诉你

湖北施工员怎么报考&#xff1f;考施工员需要了解哪些知识呢&#xff1f;跟甘建二一起来看下 一、湖北施工员报名条件&#xff1a; 甘建二告诉你&#xff0c;施工员报名条件基本没有限制&#xff0c;年满18岁即可。个人名义都可以报考&#xff0c;限制不多&#xff0c;不是跟安…
阅读更多...
20230223-EF6用原生的命令执行SQL命令

20230223-EF6用原生的命令执行SQL命令

目录:一、环境说明二、背景三、示例代码四、思考总结一、环境说明本机环境&#xff1a;windows10 操作系统 使用工具&#xff1a;Visual Studio 2022 Net版本&#xff1a;Net6.0二、背景在使用winform EF 开发过程中&#xff0c;需要用到类似 QueryList QueryScalar 等功能的时…
阅读更多...
MySQL中MVCC如何解决不可重复读以及幻读？

MySQL中MVCC如何解决不可重复读以及幻读？

了解MVCC之前&#xff0c;我们首先需要了解以下两个概念&#xff1a;一致性非锁定读和锁定读&#xff0c;了解这两个概念之后我们在逐步分析MVCC。 一致性非锁定读和锁定读 一致性非锁定读(快照读) 对于 一致性非锁定读的实现&#xff0c;通常做法是加一个版本号或者时间戳字…
阅读更多...
【12-JVM面试专题-垃圾回收器好坏评价的标准？吞吐量和响应时间？生产环境中，如何选择合适的垃圾收集器？如何判断是否使用G1垃圾收集器？】

【12-JVM面试专题-垃圾回收器好坏评价的标准？吞吐量和响应时间？生产环境中，如何选择合适的垃圾收集器？如何判断是否使用G1垃圾收集器？】

垃圾回收器好坏评价的标准&#xff1f;吞吐量和响应时间&#xff1f;生产环境中&#xff0c;如何选择合适的垃圾收集器&#xff1f;如何判断是否使用G1垃圾收集器&#xff1f; 垃圾回收器好坏评价的标准&#xff1f;吞吐量和响应时间&#xff1f;生产环境中&#xff0c;如何选择…
阅读更多...
python基于vue戒烟网站

python基于vue戒烟网站

可定制框架:ssm/Springboot/vue/python/PHP/小程序/安卓均可开发目录 开发语言&#xff1a;Python python框架&#xff1a;django/flask 软件版本&#xff1a;python 数据库&#xff1a;mysql 数据库工具&#xff1a;Navicat11 开发软件&#xff1a;PyCharmscode 项目介…
阅读更多...
Java常用算法

Java常用算法

关于时间复杂度&#xff1a; 平方阶 (O(n2)) 排序 各类简单排序&#xff1a;直接插入、直接选择和冒泡排序。线性对数阶 (O(nlog2n)) 排序 快速排序、堆排序和归并排序。O(n1)) 排序&#xff0c; 是介于 0 和 1 之间的常数。希尔排序。线性阶 (O(n)) 排序 基数排序&#xff0c…
阅读更多...
技能提升：Python技术应用工程师职业技能提升

技能提升：Python技术应用工程师职业技能提升

职业技术培训-Python技术应用工程师分为高级培训班、中级培训班及初级培训班。 Python是一种跨平台的计算机程序设计语言&#xff0c;是一个高层次的结合了解释性、编译性、互动性和面向对象的语言。最初被设计用于编写自动化脚本Shell&#xff08;适用于Linux操作系统&#xf…
阅读更多...
2-并发篇

2-并发篇

线程有哪些状态 java的线程状态有6种&#xff1a; 操作系统中有5状态的说明 注意java的runnable对应了就绪、运行、阻塞I/O 线程池的核心参数 主要是说线程池的一个实习类 threadPoolExecutor.class 1.corePoolSize 核心线程数据&#xff08;可以为0&#xff09; 最多保…
阅读更多...
第一章：网络参考模型

第一章：网络参考模型

一、专业术语 ISO---&#xff08;International Organization for Standardization&#xff09;国际标准化组织 OSI---&#xff08;Open System Interconnection Reference Model&#xff09;开放式系统互联通信参考模型 IEEE---(Institute of Electrical and Electronics Engi…
阅读更多...
数字经济赋能乡村建设，助力乡村全面振兴

数字经济赋能乡村建设，助力乡村全面振兴

我国农村正朝着全面振兴的方向迈步发展&#xff0c;与此同时&#xff0c;我国高速发展的数字经济正在成为驱动经济社会全方位高质量发展的重要引擎&#xff0c;数字经济赋能乡村建设是乡村振兴的重要战略方向。数字经济通过将数据要素纳入农业生产、将数字产品和服务融入农民生…
阅读更多...
3年经验，3轮技术面+1轮HR面，拿下字节30k*16薪offer，这些自动化测试面试题值得大家借鉴

3年经验，3轮技术面+1轮HR面，拿下字节30k*16薪offer，这些自动化测试面试题值得大家借鉴

面试一般分为技术面和hr面&#xff0c;形式的话很少有群面&#xff0c;少部分企业可能会有一个交叉面&#xff0c;不过总的来说&#xff0c;技术面基本就是考察你的专业技术水平的&#xff0c;hr面的话主要是看这个人的综合素质以及家庭情况符不符合公司要求&#xff0c;一般来…
阅读更多...
K8s调度器Scheduler

K8s调度器Scheduler

当创建k8s pod的时候调度器会决定pod在哪个node上被创建且运行&#xff0c;调度器给apiserver发出了一个创建pod的api请求&#xff0c;apiserver首先将pod的基本信息保存在etcd&#xff0c;apiserver又会把这些信息给到每个node上的kubelet进程&#xff0c;kubelet一直在监听这…
阅读更多...
Arduino UNO驱动土壤湿度传感器检测

Arduino UNO驱动土壤湿度传感器检测

Arduino UNO驱动土壤湿度传感器检测简介运行要求Arduino UNO与传感器接线程序展示实践效果总结简介 本次使用到是这个新款土壤湿度传感器&#xff01; 这款电容式土壤湿度传感器区别于市面上绝大部分的电阻式传感器&#xff0c;采用电容感应原理来检测土壤湿度。避免了电阻式传…
阅读更多...
电子技术——系统性分析反馈电压放大器

电子技术——系统性分析反馈电压放大器

电子技术——系统性分析反馈电压放大器 在本节我们提供一个系统性的分析反馈电压放大器的方法。首先我们考虑反馈网络没有负载效应理想情况&#xff0c;其次我们考虑反馈网络有限阻抗下的非理想情况。总之&#xff0c;这种方法的思路在于&#xff0c;将非理想情况转换为理想情况…
阅读更多...
CVE-2022-22947 SpringCloud GateWay SPEL RCE 漏洞分析

CVE-2022-22947 SpringCloud GateWay SPEL RCE 漏洞分析

漏洞概要 Spring Cloud Gateway 是Spring Cloud 生态中的API网关&#xff0c;包含限流、过滤等API治理功能。 Spring官方在2022年3月1日发布新版本修复了Spring Cloud Gateway中的一处代码注入漏洞。当actuator端点开启或暴露时&#xff0c;可以通过http请求修改路由&#xff…
阅读更多...
Linux 平台 RTSP server项目开发总结

Linux 平台 RTSP server项目开发总结

先看下效果 Demo版本限制了只支持两个通道 每个通道只能连接一个客户端 FULL版本 没有这个限制 需要全功能版本 请联系博主 so库和测试demo可以点击这里下载 功能说明如下&#xff1a; 视频支持H264/H265音频支持AAC只支持LIVE 不支持文件点播支持TCP/UDP不支持RTCP支持多用…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023