mirror of
https://github.com/cheetahlou/CategoryResourceRepost.git
synced 2025-09-30 15:16:43 +08:00
286 lines
22 KiB
Markdown
286 lines
22 KiB
Markdown
<audio id="audio" title="11 | 排序（上）：为什么插入排序比冒泡排序更受欢迎？" controls="" preload="none"><source id="mp3" src="https://static001.geekbang.org/resource/audio/9f/06/9fedf83916430e3244c3ba294c075e06.mp3"></audio>
|
||
|
||
排序对于任何一个程序员来说，可能都不会陌生。你学的第一个算法，可能就是排序。大部分编程语言中，也都提供了排序函数。在平常的项目中，我们也经常会用到排序。排序非常重要，所以我会花多一点时间来详细讲一讲经典的排序算法。
|
||
|
||
排序算法太多了，有很多可能你连名字都没听说过，比如猴子排序、睡眠排序、面条排序等。我只讲众多排序算法中的一小撮，也是最经典的、最常用的：冒泡排序、插入排序、选择排序、归并排序、快速排序、计数排序、基数排序、桶排序。我按照时间复杂度把它们分成了三类，分三节课来讲解。
|
||
|
||
<img src="https://static001.geekbang.org/resource/image/fb/cd/fb8394a588b12ff6695cfd664afb17cd.jpg" alt="">
|
||
|
||
带着问题去学习，是最有效的学习方法。所以按照惯例，我还是先给你出一个思考题：**插入排序和冒泡排序的时间复杂度相同，都是O(n<sup>2</sup>)，在实际的软件开发里，为什么我们更倾向于使用插入排序算法而不是冒泡排序算法呢？**
|
||
|
||
你可以先思考一两分钟，带着这个问题，我们开始今天的内容！
|
||
|
||
## 如何分析一个“排序算法”？
|
||
|
||
学习排序算法，我们除了学习它的算法原理、代码实现之外，更重要的是要学会如何评价、分析一个排序算法。那分析一个排序算法，要从哪几个方面入手呢？
|
||
|
||
### 排序算法的执行效率
|
||
|
||
对于排序算法执行效率的分析，我们一般会从这几个方面来衡量：
|
||
|
||
**1.最好情况、最坏情况、平均<strong><strong>情况**</strong>时间复杂度</strong>
|
||
|
||
我们在分析排序算法的时间复杂度时，要分别给出最好情况、最坏情况、平均情况下的时间复杂度。除此之外，你还要说出最好、最坏时间复杂度对应的要排序的原始数据是什么样的。
|
||
|
||
为什么要区分这三种时间复杂度呢？第一，有些排序算法会区分，为了好对比，所以我们最好都做一下区分。第二，对于要排序的数据，有的接近有序，有的完全无序。有序度不同的数据，对于排序的执行时间肯定是有影响的，我们要知道排序算法在不同数据下的性能表现。
|
||
|
||
**2.时间复杂度的系数、常数 、低阶**
|
||
|
||
我们知道，时间复杂度反映的是数据规模n很大的时候的一个增长趋势，所以它表示的时候会忽略系数、常数、低阶。但是实际的软件开发中，我们排序的可能是10个、100个、1000个这样规模很小的数据，所以，在对同一阶时间复杂度的排序算法性能对比的时候，我们就要把系数、常数、低阶也考虑进来。
|
||
|
||
**3.比较次数和交换（或移动）次数**
|
||
|
||
这一节和下一节讲的都是基于比较的排序算法。基于比较的排序算法的执行过程，会涉及两种操作，一种是元素比较大小，另一种是元素交换或移动。所以，如果我们在分析排序算法的执行效率的时候，应该把比较次数和交换（或移动）次数也考虑进去。
|
||
|
||
### 排序算法的内存消耗
|
||
|
||
我们前面讲过，算法的内存消耗可以通过空间复杂度来衡量，排序算法也不例外。不过，针对排序算法的空间复杂度，我们还引入了一个新的概念，**原地排序**（Sorted in place）。原地排序算法，就是特指空间复杂度是O(1)的排序算法。我们今天讲的三种排序算法，都是原地排序算法。
|
||
|
||
### 排序算法的稳定性
|
||
|
||
仅仅用执行效率和内存消耗来衡量排序算法的好坏是不够的。针对排序算法，我们还有一个重要的度量指标，**稳定性**。这个概念是说，如果待排序的序列中存在值相等的元素，经过排序之后，相等元素之间原有的先后顺序不变。
|
||
|
||
我通过一个例子来解释一下。比如我们有一组数据2，9，3，4，8，3，按照大小排序之后就是2，3，3，4，8，9。
|
||
|
||
这组数据里有两个3。经过某种排序算法排序之后，如果两个3的前后顺序没有改变，那我们就把这种排序算法叫作**稳定的排序算法**；如果前后顺序发生变化，那对应的排序算法就叫作**不稳定的排序算法**。
|
||
|
||
你可能要问了，两个3哪个在前，哪个在后有什么关系啊，稳不稳定又有什么关系呢？为什么要考察排序算法的稳定性呢？
|
||
|
||
很多数据结构和算法课程，在讲排序的时候，都是用整数来举例，但在真正软件开发中，我们要排序的往往不是单纯的整数，而是一组对象，我们需要按照对象的某个key来排序。
|
||
|
||
比如说，我们现在要给电商交易系统中的“订单”排序。订单有两个属性，一个是下单时间，另一个是订单金额。如果我们现在有10万条订单数据，我们希望按照金额从小到大对订单数据排序。对于金额相同的订单，我们希望按照下单时间从早到晚有序。对于这样一个排序需求，我们怎么来做呢？
|
||
|
||
最先想到的方法是：我们先按照金额对订单数据进行排序，然后，再遍历排序之后的订单数据，对于每个金额相同的小区间再按照下单时间排序。这种排序思路理解起来不难，但是实现起来会很复杂。
|
||
|
||
借助稳定排序算法，这个问题可以非常简洁地解决。解决思路是这样的：我们先按照下单时间给订单排序，注意是按照下单时间，不是金额。排序完成之后，我们用稳定排序算法，按照订单金额重新排序。两遍排序之后，我们得到的订单数据就是按照金额从小到大排序，金额相同的订单按照下单时间从早到晚排序的。为什么呢？
|
||
|
||
**稳定排序算法可以保持金额相同的两个对象，在排序之后的前后顺序不变**。第一次排序之后，所有的订单按照下单时间从早到晚有序了。在第二次排序中，我们用的是稳定的排序算法，所以经过第二次排序之后，相同金额的订单仍然保持下单时间从早到晚有序。
|
||
|
||
<img src="https://static001.geekbang.org/resource/image/13/59/1381c1f3f7819ae61ab17455ed7f0b59.jpg" alt="">
|
||
|
||
## 冒泡排序（Bubble Sort）
|
||
|
||
我们从冒泡排序开始，学习今天的三种排序算法。
|
||
|
||
冒泡排序只会操作相邻的两个数据。每次冒泡操作都会对相邻的两个元素进行比较，看是否满足大小关系要求。如果不满足就让它俩互换。一次冒泡会让至少一个元素移动到它应该在的位置，重复n次，就完成了n个数据的排序工作。
|
||
|
||
我用一个例子，带你看下冒泡排序的整个过程。我们要对一组数据4，5，6，3，2，1，从小到大进行排序。第一次冒泡操作的详细过程就是这样：
|
||
|
||
<img src="https://static001.geekbang.org/resource/image/40/e9/4038f64f47975ab9f519e4f739e464e9.jpg" alt="">
|
||
|
||
可以看出，经过一次冒泡操作之后，6这个元素已经存储在正确的位置上。要想完成所有数据的排序，我们只要进行6次这样的冒泡操作就行了。
|
||
|
||
<img src="https://static001.geekbang.org/resource/image/92/09/9246f12cca22e5d872cbfce302ef4d09.jpg" alt="">
|
||
|
||
实际上，刚讲的冒泡过程还可以优化。当某次冒泡操作已经没有数据交换时，说明已经达到完全有序，不用再继续执行后续的冒泡操作。我这里还有另外一个例子，这里面给6个元素排序，只需要4次冒泡操作就可以了。
|
||
|
||
<img src="https://static001.geekbang.org/resource/image/a9/e6/a9783a3b13c11a5e064c5306c261e8e6.jpg" alt="">
|
||
|
||
冒泡排序算法的原理比较容易理解，具体的代码我贴到下面，你可以结合着代码来看我前面讲的原理。
|
||
|
||
```
|
||
// 冒泡排序，a表示数组，n表示数组大小
|
||
public void bubbleSort(int[] a, int n) {
|
||
if (n <= 1) return;
|
||
|
||
for (int i = 0; i < n; ++i) {
|
||
// 提前退出冒泡循环的标志位
|
||
boolean flag = false;
|
||
for (int j = 0; j < n - i - 1; ++j) {
|
||
if (a[j] > a[j+1]) { // 交换
|
||
int tmp = a[j];
|
||
a[j] = a[j+1];
|
||
a[j+1] = tmp;
|
||
flag = true; // 表示有数据交换
|
||
}
|
||
}
|
||
if (!flag) break; // 没有数据交换，提前退出
|
||
}
|
||
}
|
||
|
||
```
|
||
|
||
现在，结合刚才我分析排序算法的三个方面，我有三个问题要问你。
|
||
|
||
**第一，冒泡排序是原地排序算法吗？**
|
||
|
||
冒泡的过程只涉及相邻数据的交换操作，只需要常量级的临时空间，所以它的空间复杂度为O(1)，是一个原地排序算法。
|
||
|
||
**第二，冒泡排序是稳定的排序算法吗？**
|
||
|
||
在冒泡排序中，只有交换才可以改变两个元素的前后顺序。为了保证冒泡排序算法的稳定性，当有相邻的两个元素大小相等的时候，我们不做交换，相同大小的数据在排序前后不会改变顺序，所以冒泡排序是稳定的排序算法。
|
||
|
||
**第三，冒泡排序<strong><strong>的时间复杂度**</strong>是多少？</strong>
|
||
|
||
最好情况下，要排序的数据已经是有序的了，我们只需要进行一次冒泡操作，就可以结束了，所以最好情况时间复杂度是O(n)。而最坏的情况是，要排序的数据刚好是倒序排列的，我们需要进行n次冒泡操作，所以最坏情况时间复杂度为O(n<sup>2</sup>)。
|
||
|
||
<img src="https://static001.geekbang.org/resource/image/fe/0f/fe107c06da8b290fb78fcce4f6774c0f.jpg" alt="">
|
||
|
||
最好、最坏情况下的时间复杂度很容易分析，那平均情况下的时间复杂是多少呢？我们前面讲过，平均时间复杂度就是加权平均期望时间复杂度，分析的时候要结合概率论的知识。
|
||
|
||
对于包含n个数据的数组，这n个数据就有n!种排列方式。不同的排列方式，冒泡排序执行的时间肯定是不同的。比如我们前面举的那两个例子，其中一个要进行6次冒泡，而另一个只需要4次。如果用概率论方法定量分析平均时间复杂度，涉及的数学推理和计算就会很复杂。我这里还有一种思路，通过“**有序度**”和“**逆序度**”这两个概念来进行分析。
|
||
|
||
**有序度**是数组中具有有序关系的元素对的个数。有序元素对用数学表达式表示就是这样：
|
||
|
||
```
|
||
有序元素对：a[i] <= a[j], 如果i < j。
|
||
|
||
```
|
||
|
||
<img src="https://static001.geekbang.org/resource/image/a1/20/a1ef4cc1999d6bd0af08d8417ee55220.jpg" alt="">
|
||
|
||
同理，对于一个倒序排列的数组，比如6，5，4，3，2，1，有序度是0；对于一个完全有序的数组，比如1，2，3，4，5，6，有序度就是**n*(n-1)/2**，也就是15。我们把这种完全有序的数组的有序度叫作**满有序度**。
|
||
|
||
逆序度的定义正好跟有序度相反（默认从小到大为有序），我想你应该已经想到了。关于逆序度，我就不举例子讲了。你可以对照我讲的有序度的例子自己看下。
|
||
|
||
```
|
||
逆序元素对：a[i] > a[j], 如果i < j。
|
||
|
||
```
|
||
|
||
关于这三个概念，我们还可以得到一个公式：**逆序度=满有序度-有序度**。我们排序的过程就是一种增加有序度，减少逆序度的过程，最后达到满有序度，就说明排序完成了。
|
||
|
||
我还是拿前面举的那个冒泡排序的例子来说明。要排序的数组的初始状态是4，5，6，3，2，1 ，其中，有序元素对有(4，5) (4，6)(5，6)，所以有序度是3。n=6，所以排序完成之后终态的满有序度为n*(n-1)/2=15。
|
||
|
||
<img src="https://static001.geekbang.org/resource/image/88/34/8890cbf63ea80455ce82490a23361134.jpg" alt="">
|
||
|
||
冒泡排序包含两个操作原子，**比较**和**交换**。每交换一次，有序度就加1。不管算法怎么改进，交换次数总是确定的，即为**逆序度，<strong>也就是**n*(n-1)/2–初始有序度</strong>。此例中就是15–3=12，要进行12次交换操作。
|
||
|
||
对于包含n个数据的数组进行冒泡排序，平均交换次数是多少呢？最坏情况下，初始状态的有序度是0，所以要进行n*(n-1)/2次交换。最好情况下，初始状态的有序度是n*(n-1)/2，就不需要进行交换。我们可以取个中间值n*(n-1)/4，来表示初始有序度既不是很高也不是很低的平均情况。
|
||
|
||
换句话说，平均情况下，需要n*(n-1)/4次交换操作，比较操作肯定要比交换操作多，而复杂度的上限是O(n<sup>2</sup>)，所以平均情况下的时间复杂度就是O(n<sup>2</sup>)。
|
||
|
||
这个平均时间复杂度推导过程其实并不严格，但是很多时候很实用，毕竟概率论的定量分析太复杂，不太好用。等我们讲到快排的时候，我还会再次用这种“不严格”的方法来分析平均时间复杂度。
|
||
|
||
## 插入排序（Insertion Sort）
|
||
|
||
我们先来看一个问题。一个有序的数组，我们往里面添加一个新的数据后，如何继续保持数据有序呢？很简单，我们只要遍历数组，找到数据应该插入的位置将其插入即可。
|
||
|
||
<img src="https://static001.geekbang.org/resource/image/7b/a6/7b257e179787c633d2bd171a764171a6.jpg" alt="">
|
||
|
||
这是一个动态排序的过程，即动态地往有序集合中添加数据，我们可以通过这种方法保持集合中的数据一直有序。而对于一组静态数据，我们也可以借鉴上面讲的插入方法，来进行排序，于是就有了插入排序算法。
|
||
|
||
那**插入排序具体是如何借助上面的思想来实现排序的呢**？
|
||
|
||
首先，我们将数组中的数据分为两个区间，**已排序区间**和**未排序区间**。初始已排序区间只有一个元素，就是数组的第一个元素。插入算法的核心思想是取未排序区间中的元素，在已排序区间中找到合适的插入位置将其插入，并保证已排序区间数据一直有序。重复这个过程，直到未排序区间中元素为空，算法结束。
|
||
|
||
如图所示，要排序的数据是4，5，6，1，3，2，其中左侧为已排序区间，右侧是未排序区间。
|
||
|
||
<img src="https://static001.geekbang.org/resource/image/b6/e1/b60f61ec487358ac037bf2b6974d2de1.jpg" alt="">
|
||
|
||
插入排序也包含两种操作，一种是**元素的比较**，一种是**元素<strong><strong>的**</strong>移动</strong>。当我们需要将一个数据a插入到已排序区间时，需要拿a与已排序区间的元素依次比较大小，找到合适的插入位置。找到插入点之后，我们还需要将插入点之后的元素顺序往后移动一位，这样才能腾出位置给元素a插入。
|
||
|
||
对于不同的查找插入点方法（从头到尾、从尾到头），元素的比较次数是有区别的。但对于一个给定的初始序列，移动操作的次数总是固定的，就等于逆序度。
|
||
|
||
为什么说移动次数就等于逆序度呢？我拿刚才的例子画了一个图表，你一看就明白了。满有序度是n*(n-1)/2=15，初始序列的有序度是5，所以逆序度是10。插入排序中，数据移动的个数总和也等于10=3+3+4。
|
||
|
||
<img src="https://static001.geekbang.org/resource/image/fd/01/fd6582d5e5927173ee35d7cc74d9c401.jpg" alt="">
|
||
|
||
插入排序的原理也很简单吧？我也将代码实现贴在这里，你可以结合着代码再看下。
|
||
|
||
```
|
||
// 插入排序，a表示数组，n表示数组大小
|
||
public void insertionSort(int[] a, int n) {
|
||
if (n <= 1) return;
|
||
|
||
for (int i = 1; i < n; ++i) {
|
||
int value = a[i];
|
||
int j = i - 1;
|
||
// 查找插入的位置
|
||
for (; j >= 0; --j) {
|
||
if (a[j] > value) {
|
||
a[j+1] = a[j]; // 数据移动
|
||
} else {
|
||
break;
|
||
}
|
||
}
|
||
a[j+1] = value; // 插入数据
|
||
}
|
||
}
|
||
|
||
```
|
||
|
||
现在，我们来看点稍微复杂的东西。我这里还是有三个问题要问你。
|
||
|
||
**第一，插入排序是原地排序算法吗？**
|
||
|
||
从实现过程可以很明显地看出，插入排序算法的运行并不需要额外的存储空间，所以空间复杂度是O(1)，也就是说，这是一个原地排序算法。
|
||
|
||
**第二，插入排序是<strong><strong>稳定**</strong>的排序算法吗？</strong>
|
||
|
||
在插入排序中，对于值相同的元素，我们可以选择将后面出现的元素，插入到前面出现元素的后面，这样就可以保持原有的前后顺序不变，所以插入排序是稳定的排序算法。
|
||
|
||
**第三，插入排序<strong><strong>的时间复杂度**</strong>是多少？</strong>
|
||
|
||
如果要排序的数据已经是有序的，我们并不需要搬移任何数据。如果我们从尾到头在有序数据组里面查找插入位置，每次只需要比较一个数据就能确定插入的位置。所以这种情况下，最好是时间复杂度为O(n)。注意，这里是**从尾到头遍历已经有序的数据**。
|
||
|
||
如果数组是倒序的，每次插入都相当于在数组的第一个位置插入新的数据，所以需要移动大量的数据，所以最坏情况时间复杂度为O(n<sup>2</sup>)。
|
||
|
||
还记得我们在数组中插入一个数据的平均时间复杂度是多少吗？没错，是O(n)。所以，对于插入排序来说，每次插入操作都相当于在数组中插入一个数据，循环执行n次插入操作，所以平均时间复杂度为O(n<sup>2</sup>)。
|
||
|
||
## 选择排序（Selection Sort）
|
||
|
||
选择排序算法的实现思路有点类似插入排序，也分已排序区间和未排序区间。但是选择排序每次会从未排序区间中找到最小的元素，将其放到已排序区间的末尾。
|
||
|
||
<img src="https://static001.geekbang.org/resource/image/32/1d/32371475a0b08f0db9861d102474181d.jpg" alt="">
|
||
|
||
照例，也有三个问题需要你思考，不过前面两种排序算法我已经分析得很详细了，这里就直接公布答案了。
|
||
|
||
首先，选择排序空间复杂度为O(1)，是一种原地排序算法。选择排序的最好情况时间复杂度、最坏情况和平均情况时间复杂度都为O(n<sup>2</sup>)。你可以自己来分析看看。
|
||
|
||
那选择排序是稳定的排序算法吗？这个问题我着重来说一下。
|
||
|
||
答案是否定的，选择排序是一种不稳定的排序算法。从我前面画的那张图中，你可以看出来，选择排序每次都要找剩余未排序元素中的最小值，并和前面的元素交换位置，这样破坏了稳定性。
|
||
|
||
比如5，8，5，2，9这样一组数据，使用选择排序算法来排序的话，第一次找到最小元素2，与第一个5交换位置，那第一个5和中间的5顺序就变了，所以就不稳定了。正是因此，相对于冒泡排序和插入排序，选择排序就稍微逊色了。
|
||
|
||
## 解答开篇
|
||
|
||
基本的知识都讲完了，我们来看开篇的问题：冒泡排序和插入排序的时间复杂度都是O(n<sup>2</sup>)，都是原地排序算法，为什么插入排序要比冒泡排序更受欢迎呢？
|
||
|
||
我们前面分析冒泡排序和插入排序的时候讲到，冒泡排序不管怎么优化，元素交换的次数是一个固定值，是原始数据的逆序度。插入排序是同样的，不管怎么优化，元素移动的次数也等于原始数据的逆序度。
|
||
|
||
但是，从代码实现上来看，冒泡排序的数据交换要比插入排序的数据移动要复杂，冒泡排序需要3个赋值操作，而插入排序只需要1个。我们来看这段操作：
|
||
|
||
```
|
||
冒泡排序中数据的交换操作：
|
||
if (a[j] > a[j+1]) { // 交换
|
||
int tmp = a[j];
|
||
a[j] = a[j+1];
|
||
a[j+1] = tmp;
|
||
flag = true;
|
||
}
|
||
|
||
插入排序中数据的移动操作：
|
||
if (a[j] > value) {
|
||
a[j+1] = a[j]; // 数据移动
|
||
} else {
|
||
break;
|
||
}
|
||
|
||
```
|
||
|
||
我们把执行一个赋值语句的时间粗略地计为单位时间（unit_time），然后分别用冒泡排序和插入排序对同一个逆序度是K的数组进行排序。用冒泡排序，需要K次交换操作，每次需要3个赋值语句，所以交换操作总耗时就是3*K单位时间。而插入排序中数据移动操作只需要K个单位时间。
|
||
|
||
这个只是我们非常理论的分析，为了实验，针对上面的冒泡排序和插入排序的Java代码，我写了一个性能对比测试程序，随机生成10000个数组，每个数组中包含200个数据，然后在我的机器上分别用冒泡和插入排序算法来排序，冒泡排序算法大约700ms才能执行完成，而插入排序只需要100ms左右就能搞定！
|
||
|
||
所以，虽然冒泡排序和插入排序在时间复杂度上是一样的，都是O(n<sup>2</sup>)，但是如果我们希望把性能优化做到极致，那肯定首选插入排序。插入排序的算法思路也有很大的优化空间，我们只是讲了最基础的一种。如果你对插入排序的优化感兴趣，可以自行学习一下[希尔排序](https://zh.wikipedia.org/wiki/%E5%B8%8C%E5%B0%94%E6%8E%92%E5%BA%8F)。
|
||
|
||
## 内容小结
|
||
|
||
要想分析、评价一个排序算法，需要从执行效率、内存消耗和稳定性三个方面来看。因此，这一节，我带你分析了三种时间复杂度是O(n<sup>2</sup>)的排序算法，冒泡排序、插入排序、选择排序。你需要重点掌握的是它们的分析方法。
|
||
|
||
<img src="https://static001.geekbang.org/resource/image/34/50/348604caaf0a1b1d7fee0512822f0e50.jpg" alt="">
|
||
|
||
这三种时间复杂度为O(n<sup>2</sup>)的排序算法中，冒泡排序、选择排序，可能就纯粹停留在理论的层面了，学习的目的也只是为了开拓思维，实际开发中应用并不多，但是插入排序还是挺有用的。后面讲排序优化的时候，我会讲到，有些编程语言中的排序函数的实现原理会用到插入排序算法。
|
||
|
||
今天讲的这三种排序算法，实现代码都非常简单，对于小规模数据的排序，用起来非常高效。但是在大规模数据排序的时候，这个时间复杂度还是稍微有点高，所以我们更倾向于用下一节要讲的时间复杂度为O(nlogn)的排序算法。
|
||
|
||
## 课后思考
|
||
|
||
我们讲过，特定算法是依赖特定的数据结构的。我们今天讲的几种排序算法，都是基于数组实现的。如果数据存储在链表中，这三种排序算法还能工作吗？如果能，那相应的时间、空间复杂度又是多少呢？
|
||
|
||
欢迎留言和我分享，我会第一时间给你反馈。
|
||
|
||
我已将本节内容相关的详细代码更新到GitHub，[戳此](https://github.com/wangzheng0822/algo)即可查看。
|