排序算法 基于Javascript
Posted 星朝
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了排序算法 基于Javascript相关的知识,希望对你有一定的参考价值。
写在前面
个人感觉:javascript对类似排序查找这样的功能已经有了很好的封装,以致于当我们想对数组排序的时候只需要调用
arr.sort()
方法,而查找数组元素也只需要调用indexOf()
方法或lastIndexOf()
方法,我们忽略了其内部的实现。而今,js能开发的项目越来越庞大,对性能和效率要求也越来越高,虽然众多的库和框架也可以帮我们应付这些问题,但小编觉得框架过眼云烟,把握程序开发的基础,才能在飞速的更新换代中应对自如。因此我们不妨也研究一下这些算法,其中的思路有助于我们自身的提高。
声明:本文章中的部分图片来自百度搜索,如侵删。
冒泡排序
这个是最简单的排序,就像气泡从水里冒出来。
它每执行一次外层循环,就会将最小数(或最大的)放到数组最后,然后再寻找剩余部分的最小数(或最大的)放在这一部分的最后,以此类推。
每一个外层循环的过程可以用一下图来描述:
冒泡排序的时间复杂度为,空间复杂度为,属于 稳定 排序。适用于数据比较少或基本有序的情况。
//冒泡排序
bubbleSort = function(arr){
var len = arr.length;
for (var i = 0; i < len; i++){
for (var j = 0; j < len - i - 1; j++){
if (arr[j] > arr[j + 1])
[arr[j + 1], arr[j]] = [arr[j],arr[j + 1]];
}
}
}
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
选择排序
选择排序也很简单。它每一次从待排序的数据元素中选出最小(或最大)的一个元素,存放在序列的起始位置,直到全部待排序的数据元素排完。下面是完整的选择排序过程:
选择排序的时间复杂度为,空间复杂度为,属于 稳定 排序。适用于数据比较少的情况,综合各种情况来讲还是这个最慢。
//选择排序
selectionSort = function(arr){
var len = arr.length;
var min, min_index;//min每次找到的最小值,min_index最小值在无序序列的位置
for (var i = 0; i < len - 1; i++){
min = arr[i];
for (var j = i + 1; j < len; j++){//找到最小值
if (arr[j] < min){
min = arr[j];//找到的最小值
min_index = j;//找到的最小值索引
}
}
if (min != arr[i])
[arr[min_index], arr[i]] = [arr[i], arr[min_index]];
}
}
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
插入排序
这个要略微复杂一点了。它的思路就是将一个数据插入到已经排好序的有序数据中,依然保持有序。实现过程把数组看作2部分,一部分是有序的,一部分是无序的,每次大循环将无序数组的第一个元素插入到有序的数组中。
插入排序时间复杂度为,空间复杂度为,属于 稳定 排序。算法适用于少量数据的排序。
注:二分插入和直接插入各种情况复杂度一样
//直接插入排序
insertionSort = function (arr){
var len = arr.length;
var temp;//temp每次要执行插入的值
var index;//index插入值在有序序列的位置
for (var i = 1; i < len; i++){
temp = arr[i];
for (var j = 0; j < i; j++){//找到插入位置
index = i;
if (arr[j] > temp){
index = j;//找到的插入点索引
break;
}
}
if (i != index){
for (var j = i; j > index; j--)//插入该值
[arr[j - 1], arr[j]] = [arr[j],arr[j - 1]];
}
arr[index] = temp;
}
}
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
快速排序
这个想必大家都耳熟能详,20世纪十大经典算法之一。主要原因还是它极大的推动了信息技术的发展,可惜它不是稳定算法。
这个算法比较就比较难理解了,它通过一趟排序将要排序的数据分割成独立的两部分,其中一部分的所有数据都比另外一部分的任一数据都要小,然后再按此方法对这两部分数据分别进行快速排序,整个排序过程可以递归进行,以此达到整个数据变成有序序列。这里面包含的分治的思想。
下面一个图表现了函数的一次执行过程:
而这个图表现了整个排序过程:
插入排序时间复杂度为,空间复杂度为,属于 不稳定 排序。
////快速排序(前轴)
function quickSort(arr){
qSort(0, arr.length - 1);
return arr;
function qSort(left, right){
if (left >= right)//两个数相遇则结束该轮排序
return;
var key = arr[left];//取最左边的元素作为标识数
var i = left;
var j = right;
while (i != j){//两个数相遇则结束该轮排序
while (i != j && arr[j] >= key) j--;//j前移
[arr[j], arr[i]] = [arr[i], arr[j]];
while (i != j && arr[i] <= key) i++;//i后移
[arr[j], arr[i]] = [arr[i], arr[j]];
}
qSort(left, j - 1);//对标识数前面的数继续该方法排序
qSort(j + 1, right);//对标识数后面的数继续该方法排序
}
}
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
这里补充一下:快速排序由于其实轴的选择不同,分为前轴、中轴、后轴快速排序,上面的例子是前轴快速排序,下文比较算法的时候也才用上述代码。不过,这里补充另外2种代码:
//中轴快速排序
function quickSortM(arr){
qSort(0, arr.length - 1);
return arr;
function qSort(left, right){
if (left < right){
var index = Math.floor((left + right) / 2);
var key = arr[index];
var i = left - 1;
var j = right + 1;
while (true){
while (arr[++i] < key); // 向右找大于轴的数
while (arr[--j] > key); // 向左找小于轴的数
if (i >= j)//两索引相同结束排序
break;
[arr[i], arr[j]] = [arr[j],arr[i]];//交换找到的数
}
qSort(left, i - 1); // 继续这样对轴前面的排序
qSort(j + 1, right); // 继续这样对轴后面的排序
}
}
}
//后轴快速排序
function quickSortB(arr){
qSort(0, arr.length - 1);
return arr;
function qSort(left, right){
if (left >= right)//两索引相同结束排序
return;
var key = arr[right];
var i = left - 1;//s是最右边的轴
for (var j = left; j < right; j++){ //将数据分成大于轴和小于轴两部分
if (arr[j] <= key){
i++;
[arr[i], arr[j]] = [arr[j],arr[i]];
}
}
i++;
[arr[right], arr[i]] = [arr[i],arr[right]];//将轴插入到大于轴和小于轴两部分的中间
qSort(left, i - 1);//继续这样对轴前面的排序
qSort(i, right);//继续这样对轴后面的排序
}
}
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
- 37
- 38
- 39
- 40
- 41
- 42
- 43
- 44
- 45
- 46
归并排序
这个排序在小编眼里用的是最广泛的,很多函数封装内部都才用这个排序,包括数据库在内的排序也采用了归并排序或红黑树的形式。这个排序也用到了分治的思想:它将一个序列逐级拆分成小序列,将小序列排序后合并,得到完全有序的序列。若每次将序列分成2个子序列,再依此合并,称为二路归并。
没理解?看图:
插入排序时间复杂度为,空间复杂度为,属于 稳定 排序。
//归并排序
function mergeSort(arr){
var temp = [];
merge(0, arr.length - 1);
return arr;
function merge(left, right){//temp是临时空间,存放排序过程中间结果
var mid;//该部分中间位置
if (left >= right)//分组小于等于1时归并结束
return;
mid = Math.floor((left + right) / 2);
merge(left, mid);//对中间位置之前部分继续该方法排序
merge(mid + 1, right);//对中间位置之后部分继续该方法排序
var i = left, j = mid + 1, k = left;
while (i != mid + 1 && j != right + 1)//比较两部分每个值,把较小的放入temp中,并后移该指针,直到某部分全部遍历
temp[k++] = arr[i] < arr[j] ? arr[i++] : arr[j++];
//将未全部遍历部分数据顺次放入temp中
while (i != mid + 1)
temp[k++] = arr[i++];
while (j != right + 1)
temp[k++] = arr[j++];
//将temp复制会a中
for (i = left; i <= right; i++)
arr[i] = temp[i];
}
}
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
希尔排序
这是惟一一个用人名命名的排序算法。它把数据按下标的一定增量分组,对每组使用直接插入排序算法排序;随着增量逐渐减少,每组包含的关键词越来越多,当增量减至1时,整个文件恰被分成一组,算法便终止。
这个估计最不好理解了,看看图吧:
希尔排序时间复杂度为,空间复杂度为,属于 不稳定 排序。
//希尔排序
shellSort = function(arr){
var len = arr.length;
var index = Math.floor(len / 2);//得到比较步长
var j, temp;
while (index > 0){
for (var i = index; i < len; i++){//遍历起点后移,保证每个数在该步长下参与且只参与1此排序
temp = arr[i];
for (j = i; j >= index && arr[j - index] > temp;){//等步长数列执行插入排序
arr[j] = arr[j - index];
j -= index;
arr[j] = temp;
}
}
index = Math.floor(index / 2);//步长减半
}
}
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
堆排序
首先说一下一个名词:大根堆。大根堆的要求是每个节点的值都不大于其父节点的值,即, 属于完全二叉树。
根据大根堆的要求可知,最大的值一定在堆顶,根据其特点,如果要求每个节点的左孩子小于右孩子,得到的就是数据从小到大的排列。反之从大到小排列应该使用小根堆。
如果你对二叉树熟悉的话,可以简单用图理解一下
堆排序时间复杂度为,空间复杂度为,属于 不稳定 排序。
下面利用数组快速定位指定索引的元素模拟堆操作,并没有实际建立二叉树。
//堆排序
heapSort = function(arr){
var len = arr.length;
for (var i = len / 2 - 1; i >= 0; i--)//反向遍历数组,将数组调整为大根堆
heapAdjust(arr, i, len);
for (var i = len - 1; i > 0; i--){
[arr[0], arr[i]] = [arr[i], arr[0]];//将无需部分最大数放在最后,即构成有序部分
heapAdjust(arr, 0, i);//将剩余无需部分调整为大根堆,直到该部分只有一个元素为止
}
return arr;
function heapAdjust(arr, i, len){//二叉堆调整函数,负责将堆调整成大根堆(因为是增序排列)
var child;//根孩子的索引
var temp;
//以等倍数间隔,调整堆为大根堆
for (; 2 * i + 1 < len; i = child){
child = 2 * i + 1; //定位其左孩子
if (child < len - 1 && arr[child + 1] > arr[child])//从其左右孩子中选择最大的孩子
child++;
if (arr[i] < arr[child])//如果自己比最大的孩子小,和该孩子交换
[arr[child], arr[i]] = [arr[i], arr[child]];
else
break;
}
}
}
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
基数排序(桶排序)
这个排序是对费空间的,不过这个思想有点像哈希表的意思。顾名思义,它是透过键值的部份资讯,比如每个数的最高位(如果位数不同在前方补零),将要排序的元素分配至某些“桶”中,依次从低位到高位执行,然后再把每个桶的数据顺序综合起来,以达到排序的作用。就像下图这样,可以理解桶的意思:
下图是整个排序过程示意图:
基数排序时间复杂度为,空间复杂度为,属于 稳定 排序。(其中r为基数,n为数据总数,d为桶数;也有书得到其平均时间复杂度为)
//基数排序(桶排序)
radixSort = function(arr){
var len = arr.length;
var bullet= [];
var k=1, temp;//k是处理数字的权重,k=1表示处理个位数,k=10表示处理十位数,以此类推
for (var i = 0; i < 10; i++)//为每个桶分配内存空间
bullet[i] = [];
while (true){
var num = [ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0 ];//num用来统计0~9每个桶里面现有数字个数
for (var i = 0; i < len; i++){//统计分配每个数字到桶里面,并统计每个桶数字个数
temp = Math.floor(arr[i] / k) % 10;
bullet[temp][num[temp]++] = arr[i];
}
if (num[0] == len) break;//当全部数字都在编号为0的桶中,排序结束
//将桶里的数依次放回a数组中
for (var i = 0; i < len; i++){
for (var j = 0; j < 10; j++){
for (var r = 0; r < num[j]; r++)
arr[i++] = bullet[j][r];
}
}
k *= 10;//k增加10倍,从右至左处理下一位数字
}
return arr;
}
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
排序对比
以上是常见的8种排序算法,小编也把结果写出来把。下面是10个随机数的排序效果:
当然还有算法速度,小编用了2万个均匀分布在0到10000的随机数,得到如下结果:
不过实际使用中,并不是越快越好,而且即便是追求快也和数据本身的质量有关系。就像下面这个表中的:
算法 | 时间复杂度(最好) | 时间复杂度(最好) | 时间复杂度(最坏) | 空间复杂度 | 稳定性 |
---|---|---|---|---|---|
插入排序 | 稳定 | ||||
希尔排序 | 不稳定 | ||||
选择排序 | 不稳定 | ||||
堆排序 | 不稳定 | ||||
冒泡排序 | 稳定 | ||||
快速排序 | 不稳定 | ||||
归并排序 | 稳定 | ||||
基数排序 | 稳定 |
注:
1. 基数排序的复杂度中, 代表关键字基数, 代表长度, 代表关键字个数
2. 排序算法的稳定性指在原序列中,,且 在 之前,而在排序后的序列中, 仍在 之前,则称这种排序算法是稳定的;否则称为不稳定的。
开发的时候应该综合排序原始数据状态,需求,稳定性,系统资源等诸多因素来确定使用哪种排序方式,也可一将几种排序组合使用以提高性能,比如小编就发现在快速排序中,当每个部分数据数量小于8时,对每个部分用插入排序就比一直使用快速排序更快。小编在找到一个动图,十分生动形象的表现了不同算法的速度上的差异。
本章js源码可以 点此去下载
排序算法就写这么多,有什么不足还请指点。
以上是关于排序算法 基于Javascript的主要内容,如果未能解决你的问题,请参考以下文章