数据结构八大算法详解

一、直接插入排序

• 直接插入排序的核心思想就是：将数组中的所有元素依次跟前面已经排好的元素相比较，如果选择的元素比已排序的元素小，则交换，直到全部元素都比较过。
  因此，从上面的描述中我们可以发现，直接插入排序可以用两个循环完成：

• 第一层循环：遍历待比较的所有数组元素
• 第二层循环：将本轮选择的元素(selected)与已经排好序的元素(ordered)相比较。
  如果：selected > ordered，那么将二者交换
• 代码实现

• #直接插入排序
  def insert_sort(L):#遍历数组中的所有元素，其中0号索引元素默认已排序，因此从1开始for x in range(1,len(L)):#将该元素与已排序好的前序数组依次比较，如果该元素小，则交换#range(x-1,-1,-1):从x-1倒序循环到0for i in range(x-1,-1,-1):#判断：如果符合条件则交换if L[i] > L[i+1]:temp = L[i+1]L[i+1] = L[i]L[i] = temp

  二、希尔排序

• 希尔排序的算法思想：将待排序数组按照步长gap进行分组，然后将每组的元素利用直接插入排序的方法进行排序；每次将gap折半减小，循环上述操作；当gap=1时，利用直接插入，完成排序。
  同样的：从上面的描述中我们可以发现：希尔排序的总体实现应该由三个循环完成：

• 第一层循环：将gap依次折半，对序列进行分组，直到gap=1
• 第二、三层循环：也即直接插入排序所需要的两次循环。具体描述见上。
• 代码实现：

• #希尔排序
  def insert_shell(L):#初始化gap值，此处利用序列长度的一般为其赋值gap = (int)(len(L)/2)#第一层循环：依次改变gap值对列表进行分组while (gap >= 1):#下面：利用直接插入排序的思想对分组数据进行排序#range(gap,len(L)):从gap开始for x in range(gap,len(L)):#range(x-gap,-1,-gap):从x-gap开始与选定元素开始倒序比较，每个比较元素之间间隔gapfor i in range(x-gap,-1,-gap):#如果该组当中两个元素满足交换条件，则进行交换if L[i] > L[i+gap]:temp = L[i+gap]L[i+gap] = L[i]L[i] =temp#while循环条件折半gap = (int)(gap/2)

  三、简单选择排序

• 简单选择排序的基本思想：比较+交换。

• 从待排序序列中，找到关键字最小的元素；
• 如果最小元素不是待排序序列的第一个元素，将其和第一个元素互换；
• 从余下的 N - 1 个元素中，找出关键字最小的元素，重复(1)、(2)步，直到排序结束。
  因此我们可以发现，简单选择排序也是通过两层循环实现。
  第一层循环：依次遍历序列当中的每一个元素
  第二层循环：将遍历得到的当前元素依次与余下的元素进行比较，符合最小元素的条件，则交换。
• 代码实现

• # 简单选择排序
  def select_sort(L):
  #依次遍历序列中的每一个元素for x in range(0,len(L)):
  #将当前位置的元素定义此轮循环当中的最小值minimum = L[x]
  #将该元素与剩下的元素依次比较寻找最小元素for i in range(x+1,len(L)):if L[i] < minimum:temp = L[i];L[i] = minimum;minimum = temp
  #将比较后得到的真正的最小值赋值给当前位置L[x] = minimum

  四、堆排序

• 堆的概念
  堆：本质是一种数组对象。特别重要的一点性质：<b>任意的叶子节点小于（或大于）它所有的父节点</b>。对此，又分为大顶堆和小顶堆，大顶堆要求节点的元素都要大于其孩子，小顶堆要求节点元素都小于其左右孩子，两者对左右孩子的大小关系不做任何要求。
  利用堆排序，就是基于大顶堆或者小顶堆的一种排序方法。下面，我们通过大顶堆来实现。

• 基本思想：
  堆排序可以按照以下步骤来完成：首先将序列构建称为大顶堆；（这样满足了大顶堆那条性质：位于根节点的元素一定是当前序列的最大值） 

• 取出当前大顶堆的根节点，将其与序列末尾元素进行交换；
  （此时：序列末尾的元素为已排序的最大值；由于交换了元素，当前位于根节点的堆并不一定满足大顶堆的性质）

• 对交换后的n-1个序列元素进行调整，使其满足大顶堆的性质；

• 重复2.3步骤，直至堆中只有1个元素为止

• 代码实现：

• #-------------------------堆排序--------------------------------
  #**********获取左右叶子节点**********
  def LEFT(i):return 2*i + 1
  def RIGHT(i):return 2*i + 2
  #********** 调整大顶堆 **********
  #L:待调整序列 length: 序列长度 i:需要调整的结点
  def adjust_max_heap(L,length,i):
  #定义一个int值保存当前序列最大值的下标largest = i
  #执行循环操作：两个任务：1 寻找最大值的下标；2.最大值与父节点交换while (1):
  #获得序列左右叶子节点的下标left,right = LEFT(i),RIGHT(i)
  #当左叶子节点的下标小于序列长度 并且 左叶子节点的值大于父节点时，将左叶子节点的下标赋值给largestif (left < length) and (L[left] > L[i]):largest = leftprint('左叶子节点')else:largest = i
  #当右叶子节点的下标小于序列长度 并且 右叶子节点的值大于父节点时，将右叶子节点的下标值赋值给largestif (right < length) and (L[right] > L[largest]):largest = rightprint('右叶子节点')
  #如果largest不等于i 说明当前的父节点不是最大值，需要交换值if (largest != i):temp = L[i]L[i] = L[largest]L[largest] = tempi = largestprint(largest)continueelse:break
  #********** 建立大顶堆 **********
  def build_max_heap(L):length = len(L)for x in range((int)((length-1)/2),-1,-1):adjust_max_heap(L,length,x)
  #********** 堆排序 **********
  def heap_sort(L):
  #先建立大顶堆，保证最大值位于根节点；并且父节点的值大于叶子结点build_max_heap(L)
  #i：当前堆中序列的长度.初始化为序列的长度i = len(L)
  #执行循环：1. 每次取出堆顶元素置于序列的最后(len-1,len-2,len-3...)
  #         2. 调整堆，使其继续满足大顶堆的性质，注意实时修改堆中序列的长度while (i > 0):temp = L[i-1]L[i-1] = L[0]L[0] = temp
  #堆中序列长度减1i = i-1
  #调整大顶堆adjust_max_heap(L,i,0)

  五、冒泡排序

• 冒泡排序思路比较简单：

• 将序列当中的左右元素，依次比较，保证右边的元素始终大于左边的元素；
  （ 第一轮结束后，序列最后一个元素一定是当前序列的最大值；）
• 对序列当中剩下的n-1个元素再次执行步骤1。

• #冒泡排序
  def bubble_sort(L):length = len(L)
  #序列长度为length，需要执行length-1轮交换for x in range(1,length):
  #对于每一轮交换，都将序列当中的左右元素进行比较
  #每轮交换当中，由于序列最后的元素一定是最大的，因此每轮循环到序列未排序的位置即可for i in range(0,length-x):if L[i] > L[i+1]:temp = L[i]L[i] = L[i+1]L[i+1] = temp

  六、快速排序

• 本思想：挖坑填数+分治法
• 从序列当中选择一个基准数(pivot)
  在这里我们选择序列当中第一个数最为基准数
• 将序列当中的所有数依次遍历，比基准数大的位于其右侧，比基准数小的位于其左侧
• 重复步骤1.2，直到所有子集当中只有一个元素为止。
  用伪代码描述如下：
  1．i =L; j = R; 将基准数挖出形成第一个坑a[i]。
  2．j--由后向前找比它小的数，找到后挖出此数填前一个坑a[i]中。
  3．i++由前向后找比它大的数，找到后也挖出此数填到前一个坑a[j]中。
  4．再重复执行2，3二步，直到i==j，将基准数填入a[i]中
• 代码实现：

• #快速排序
  #L：待排序的序列；start排序的开始index,end序列末尾的index
  #对于长度为length的序列：start = 0;end = length-1
  def quick_sort(L,start,end):if start < end:i , j , pivot = start , end , L[start]while i < j:
  #从右开始向左寻找第一个小于pivot的值while (i < j) and (L[j] >= pivot):j = j-1
  #将小于pivot的值移到左边if (i < j):L[i] = L[j]i = i+1 
  #从左开始向右寻找第一个大于pivot的值while (i < j) and (L[i] < pivot):i = i+1
  #将大于pivot的值移到右边if (i < j):L[j] = L[i]j = j-1
  #循环结束后，说明 i=j，此时左边的值全都小于pivot,右边的值全都大于pivot
  #pivot的位置移动正确，那么此时只需对左右两侧的序列调用此函数进一步排序即可
  #递归调用函数：依次对左侧序列：从0 ~ i-1//右侧序列：从i+1 ~ endL[i] = pivot
  #左侧序列继续排序quick_sort(L,start,i-1)
  #右侧序列继续排序quick_sort(L,i+1,end)

  七、归并排序

• 归并排序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的一个典型的应用。它的基本操作是：将已有的子序列合并，达到完全有序的序列；即先使每个子序列有序，再使子序列段间有序。
• 归并排序其实要做两件事：
• 分解----将序列每次折半拆分
• 合并----将划分后的序列段两两排序合并
  因此，归并排序实际上就是两个操作，拆分+合并
• 如何合并？
  L[first...mid]为第一段，L[mid+1...last]为第二段，并且两端已经有序，现在我们要将两端合成达到L[first...last]并且也有序。
• 首先依次从第一段与第二段中取出元素比较，将较小的元素赋值给temp[]
• 重复执行上一步，当某一段赋值结束，则将另一段剩下的元素赋值给temp[]
• 此时将temp[]中的元素复制给L[]，则得到的L[first...last]有序
• 如何分解？
  在这里，我们采用递归的方法，首先将待排序列分成A,B两组；然后重复对A、B序列
  分组；直到分组后组内只有一个元素，此时我们认为组内所有元素有序，则分组结束。

• 代码实现

• # 归并排序
  #这是合并的函数
  # 将序列L[first...mid]与序列L[mid+1...last]进行合并
  def mergearray(L,first,mid,last,temp):
  #对i,j,k分别进行赋值i,j,k = first,mid+1,0
  #当左右两边都有数时进行比较，取较小的数while (i <= mid) and (j <= last):if L[i] <= L[j]:temp[k] = L[i]i = i+1k = k+1else:temp[k] = L[j]j = j+1k = k+1
  #如果左边序列还有数while (i <= mid):temp[k] = L[i]i = i+1k = k+1
  #如果右边序列还有数while (j <= last):temp[k] = L[j]j = j+1k = k+1
  #将temp当中该段有序元素赋值给L待排序列使之部分有序for x in range(0,k):L[first+x] = temp[x]
  # 这是分组的函数
  def merge_sort(L,first,last,temp):if first < last:mid = (int)((first + last) / 2)
  #使左边序列有序merge_sort(L,first,mid,temp)
  #使右边序列有序merge_sort(L,mid+1,last,temp)
  #将两个有序序列合并mergearray(L,first,mid,last,temp)
  # 归并排序的函数
  def merge_sort_array(L):
  #声明一个长度为len(L)的空列表temp = len(L)*[None]
  #调用归并排序merge_sort(L,0,len(L)-1,temp)

  八、基数排序

• 基数排序：通过序列中各个元素的值，对排序的N个元素进行若干趟的“分配”与“收集”来实现排序。
  分配：我们将L[i]中的元素取出，首先确定其个位上的数字，根据该数字分配到与之序号相同的桶中
  收集：当序列中所有的元素都分配到对应的桶中，再按照顺序依次将桶中的元素收集形成新的一个待排序列L[ ]
  对新形成的序列L[]重复执行分配和收集元素中的十位、百位...直到分配完该序列中的最高位，则排序结束
• 根据上述“基数排序”的展示，我们可以清楚的看到整个实现的过程
• 代码实现

• #************************基数排序****************************
  #确定排序的次数
  #排序的顺序跟序列中最大数的位数相关
  def radix_sort_nums(L):maxNum = L[0]
  #寻找序列中的最大数for x in L:if maxNum < x:maxNum = x
  #确定序列中的最大元素的位数times = 0while (maxNum > 0):maxNum = (int)(maxNum/10)times = times+1return times
  #找到num从低到高第pos位的数据
  def get_num_pos(num,pos):return ((int)(num/(10**(pos-1))))%10
  #基数排序
  def radix_sort(L):count = 10*[None]       #存放各个桶的数据统计个数bucket = len(L)*[None]  #暂时存放排序结果
  #从低位到高位依次执行循环for pos in range(1,radix_sort_nums(L)+1):#置空各个桶的数据统计for x in range(0,10):count[x] = 0#统计当前该位(个位，十位，百位....)的元素数目for x in range(0,len(L)):#统计各个桶将要装进去的元素个数j = get_num_pos(int(L[x]),pos)count[j] = count[j]+1#count[i]表示第i个桶的右边界索引for x in range(1,10):count[x] = count[x] + count[x-1]#将数据依次装入桶中for x in range(len(L)-1,-1,-1):#求出元素第K位的数字j = get_num_pos(L[x],pos)#放入对应的桶中，count[j]-1是第j个桶的右边界索引bucket[count[j]-1] = L[x]#对应桶的装入数据索引-1count[j] = count[j]-1# 将已分配好的桶中数据再倒出来，此时已是对应当前位数有序的表for x in range(0,len(L)):L[x] = bucket[x]

  原文：https://www.cnblogs.com/hokky/p/8529042.html