网站建设制作公司哪家,三拼域名做网站,竞价广告是什么意思,怎么用织梦做自适应网站在数据结构中#xff0c;常见的排序算法有以下几种#xff1a;
冒泡排序#xff08;Bubble Sort#xff09;#xff1a;通过比较相邻元素并交换它们的位置#xff0c;每轮将最大#xff08;或最小#xff09;的元素冒泡到末尾#xff0c;重复执行直到排序完成。
fun…在数据结构中常见的排序算法有以下几种
冒泡排序Bubble Sort通过比较相邻元素并交换它们的位置每轮将最大或最小的元素冒泡到末尾重复执行直到排序完成。
function bubbleSort(arr) {const n arr.length;for (let i 0; i n - 1; i) {for (let j 0; j n - i - 1; j) {if (arr[j] arr[j 1]) {[arr[j], arr[j 1]] [arr[j 1], arr[j]];}}}return arr;
}const arr [64, 34, 25, 12, 22, 11, 90];
console.log(bubbleSort(arr)); // Output: [11, 12, 22, 25, 34, 64, 90]
特点简单易懂但对于大型数据集效率较低。 时间复杂度 最优情况O(n)当数组已经排序好时。 平均情况O(n^2)。 最坏情况O(n^2)。
插入排序Insertion Sort将数组分为已排序和未排序两部分每次从未排序部分选择一个元素插入到已排序部分的正确位置重复执行直到排序完成。
function insertionSort(arr) {const n arr.length;for (let i 1; i n; i) {let key arr[i];let j i - 1;while (j 0 arr[j] key) {arr[j 1] arr[j];j--;}arr[j 1] key;}return arr;
}const arr [64, 34, 25, 12, 22, 11, 90];
console.log(insertionSort(arr)); // Output: [11, 12, 22, 25, 34, 64, 90]
特点适用于小型数据集和部分有序数组。 时间复杂度 最优情况O(n)当数组已经排序好时。 平均情况O(n^2)。 最坏情况O(n^2)。
选择排序Selection Sort每轮从未排序部分选择最小或最大的元素将其与未排序部分的首元素交换重复执行直到排序完成。
function selectionSort(arr) {const n arr.length;for (let i 0; i n - 1; i) {let minIdx i;for (let j i 1; j n; j) {if (arr[j] arr[minIdx]) {minIdx j;}}[arr[i], arr[minIdx]] [arr[minIdx], arr[i]];}return arr;
}const arr [64, 34, 25, 12, 22, 11, 90];
console.log(selectionSort(arr)); // Output: [11, 12, 22, 25, 34, 64, 90]
特点简单易懂但对于大型数据集效率较低。 时间复杂度 最优情况O(n^2)。 平均情况O(n^2)。 最坏情况O(n^2)。
快速排序Quick Sort通过选取一个基准元素将数组分成比基准元素小和大的两部分然后递归地对两部分进行排序。
function quickSort(arr) {if (arr.length 1) return arr;const pivot arr[0];const left [];const right [];for (let i 1; i arr.length; i) {if (arr[i] pivot) {left.push(arr[i]);} else {right.push(arr[i]);}}return [...quickSort(left), pivot, ...quickSort(right)];
}const arr [64, 34, 25, 12, 22, 11, 90];
console.log(quickSort(arr)); // Output: [11, 12, 22, 25, 34, 64, 90]
特点高效且被广泛使用的排序算法。 时间复杂度 最优情况O(n log n)。 平均情况O(n log n)。 最坏情况O(n^2)。
归并排序Merge Sort将数组不断分割成较小的子数组然后再将子数组按顺序合并重复执行直到排序完成。
function mergeSort(arr) {if (arr.length 1) return arr;const mid Math.floor(arr.length / 2);const left mergeSort(arr.slice(0, mid));const right mergeSort(arr.slice(mid));return merge(left, right);
}function merge(left, right) {const mergedArr [];let leftIdx 0;let rightIdx 0;while (leftIdx left.length rightIdx right.length) {if (left[leftIdx] right[rightIdx]) {mergedArr.push(left[leftIdx]);leftIdx;} else {mergedArr.push(right[rightIdx]);rightIdx;}}return [...mergedArr, ...left.slice(leftIdx), ...right.slice(rightIdx)];
}const arr [64, 34, 25, 12, 22, 11, 90];
console.log(mergeSort(arr)); // Output: [11, 12, 22, 25, 34, 64, 90]
特点稳定的排序算法适用于大型数据集。 时间复杂度 最优情况O(n log n)。 平均情况O(n log n)。 最坏情况O(n log n)。
堆排序Heap Sort利用二叉堆最大堆或最小堆的特性进行排序将堆顶元素与最后一个元素交换然后重建堆重复执行直到排序完成。
function heapSort(arr) {const n arr.length;for (let i Math.floor(n / 2) - 1; i 0; i--) {heapify(arr, n, i);}for (let i n - 1; i 0; i--) {[arr[0], arr[i]] [arr[i], arr[0]];heapify(arr, i, 0);}return arr;
}function heapify(arr, n, i) {let largest i;const left 2 * i 1;const right 2 * i 2;if (left n arr[left] arr[largest]) {largest left;}if (right n arr[right] arr[largest]) {largest right;}if (largest ! i) {[arr[i], arr[largest]] [arr[largest], arr[i]];heapify(arr, n, largest);}
}const arr [64, 34, 25, 12, 22, 11, 90];
console.log(heapSort(arr)); // Output: [11, 12, 22, 25, 34, 64, 90]
特点高效的原地排序算法。 时间复杂度 最优情况O(n log n)。 平均情况O(n log n)。 最坏情况O(n log n)。
希尔排序Shell Sort是插入排序的一种改进算法通过分组进行插入排序逐渐缩小分组间隔直到分组间隔为1。
function shellSort(arr) {const n arr.length;for (let gap Math.floor(n / 2); gap 0; gap Math.floor(gap / 2)) {for (let i gap; i n; i) {let temp arr[i];let j;for (j i; j gap arr[j - gap] temp; j - gap) {arr[j] arr[j - gap];}arr[j] temp;}}return arr;
}const arr [64, 34, 25, 12, 22, 11, 90];
console.log(shellSort(arr)); // Output: [11, 12, 22, 25, 34, 64, 90]
特点插入排序的改进版本适用于中等大小的数据集。 时间复杂度 最优情况O(n log^2 n)取决于步长序列。 平均情况取决于步长序列。 最坏情况取决于步长序列。
计数排序Counting Sort适用于一定范围内的整数排序通过统计每个元素出现的次数然后计算每个元素的位置重复执行直到排序完成。
function countingSort(arr) {const n arr.length;let max Math.max(...arr);let min Math.min(...arr);const range max - min 1;const count Array(range).fill(0);const output Array(n);for (let i 0; i n; i) {count[arr[i] - min];}for (let i 1; i range; i) {count[i] count[i - 1];}for (let i n - 1; i 0; i--) {output[count[arr[i] - min] - 1] arr[i];count[arr[i] - min]--;}for (let i 0; i n; i) {arr[i] output[i];}return arr;
}const arr [64, 34, 25, 12, 22, 11, 90];
console.log(countingSort(arr)); // Output: [11, 12, 22, 25, 34, 64, 90]
特点适用于小范围整数排序。 时间复杂度O(n k)其中 n 是输入数组元素个数k 是输入范围大小。
桶排序Bucket Sort将元素根据一定规则放入不同的桶中每个桶内部进行排序然后按顺序合并桶内的元素重复执行直到排序完成。
function bucketSort(arr, bucketSize 5) {if (arr.length 0) return arr;const max Math.max(...arr);const min Math.min(...arr);const bucketCount Math.floor((max - min) / bucketSize) 1;const buckets Array(bucketCount).fill().map(() []);for (let i 0; i arr.length; i) {const bucketIndex Math.floor((arr[i] - min) / bucketSize);buckets[bucketIndex].push(arr[i]);}arr.length 0;for (let i 0; i buckets.length; i) {insertionSort(buckets[i]);arr.push(...buckets[i]);}return arr;
}const arr [64, 34, 25, 12, 22, 11, 90];
console.log(bucketSort(arr)); // Output: [11, 12, 22, 25, 34, 64, 90]
特点适用于均匀分布的数据。 时间复杂度O(n k)其中 n 是输入数组元素个数k 是桶的个数。
基数排序Radix Sort按照位数将元素分配到不同的桶中然后按顺序合并桶内的元素重复执行直到所有位数排序完成。
function radixSort(arr) {const max Math.max(...arr);const maxLength String(max).length;let bucket Array.from({ length: 10 }, () []);for (let i 0; i maxLength; i) {for (let j 0; j arr.length; j) {const digit Math.floor(arr[j] / 10 ** i) % 10;bucket[digit].push(arr[j]);}arr.length 0;for (let k 0; k bucket.length; k) {arr.push(...bucket[k]);bucket[k].length 0;}}return arr;
}const arr [64, 34, 25, 12, 22, 11, 90];
console.log(radixSort(arr)); // Output: [11, 12, 22, 25, 34, 64, 90]
特点适用于数字位数相同的整数排序。 时间复杂度O(d * (n k))其中 d 是最大数字的位数n 是输入数组元素个数k 是输入范围大小。
每种排序算法都有不同的时间复杂度和适用场景。在实际应用中根据数据规模和性能要求选择合适的排序算法是很重要的。
