剑指offer 查找和排序的基本操作：查找排序算法大集合

重点

查找算法着重掌握：顺序查找、二分查找、哈希表查找、二叉排序树查找。

排序算法着重掌握：冒泡排序、插入排序、归并排序、快速排序。

顺序查找

算法说明

顺序查找适合于存储结构为顺序存储或链接存储的线性表。

算法思想

顺序查找也称为线形查找，属于无序查找算法。从数据结构线形表的一端开始，顺序扫描，依次将扫描到的结点关键字与给定值k相比较，若相等则表示查找成功；若扫描结束仍没有找到关键字等于k的结点，表示查找失败。

算法实现

int sequenceSearch(int a[], int value, int len)
{
    int i;
    for(i=0; i<len; i++)
        if(a[i]==value)
            return i;
    return -1;
}

算法分析

查找成功时的平均查找长度为：（假设每个数据元素的概率相等） ASL = 1/n(1+2+3+…+n) = (n+1)/2 ;查找不成功时，需要n+1次比较，时间复杂度为O(n)；所以，顺序查找的时间复杂度为O(n)。

---

二分查找

算法说明

元素必须是有序的，如果是无序的则要先进行排序操作。

算法思想

也称为是折半查找，属于有序查找算法。用给定值k先与中间结点的关键字比较，中间结点把线形表分成两个子表，若相等则查找成功；若不相等，再根据k与该中间结点关键字的比较结果确定下一步查找哪个子表，这样递归进行，直到查找到或查找结束发现表中没有这样的结点。注：折半查找的前提条件是需要有序表顺序存储，对于静态查找表，一次排序后不再变化，折半查找能得到不错的效率。但对于需要频繁执行插入或删除操作的数据集来说，维护有序的排序会带来不小的工作量，那就不建议使用。

算法实现

//二分查找，常规版
int binarySearch1(int a[], int value, int len)
{
    int low, high, mid;
    low = 0;
    high = len-1;
    while(low<=high)
    {
        mid = low+(high-low)/2;    //防止溢出
        if(a[mid]==value)
            return mid;
        if(a[mid]>value)
            high = mid-1;
        if(a[mid]<value)
            low = mid+1;
    }
    return -1;
}

//二分查找，递归版
int binarySearch2(int a[], int value, int low, int high)
{
    int mid = low+(high-low)/2;
    if(a[mid]==value)
        return mid;
    if(a[mid]>value)
        return BinarySearch2(a, value, low, mid-1);
    if(a[mid]<value)
        return BinarySearch2(a, value, mid+1, high);
}

算法分析

最坏情况下，关键词比较次数为log2(n+1)，故时间复杂度为O(log2n)；

---

冒泡排序

算法说明

属于交换类排序，稳定排序

算法思想

比较相邻的两个数的大小，将最大的数放在右边，计数器i++；

继续重复操作1，直到a[n-2]和a[n-1]比较结束，数组a中最大的值已在a[n-1]；

将进行排序的数组长度n减1，重复操作1和操作2，直到n为1，排序完毕。

算法实现

void bubbleSort(int* array, int length)
{
    for (int i = 0; i < length - 1; ++i)
    {
        //bool is_Swap=false;
        for (int j = 0; j < length - 1 - i; ++j)
        {
            if (array[j] > array[j + 1])
            {
                //is_Swap=true;
                int temp = array[j];
                array[j] = array[j + 1];
                array[j + 1] = temp;
                /*
                交换还可使用如下方式
                a = a + b;
                b = a - b;
                a = a - b;
                交换还可使用如下方式
                a=a^b;
                b=b^a;
                a=a^b;
                */
            }
        }
        //if(is_Swap==false)
            //return;
    }
}

算法分析

平均时间复杂度：O(n^2)。最好的情况：如果待排序数据序列为正序，则一趟冒泡就可完成排序，排序的比较次数为n-1次，且没有移动，时间复杂度为O(n)。要实现O(n)的复杂度，代码里需要加一个标志位（Bool变量）。最坏的情况：如果待排序数据序列为逆序，则冒泡排序需要n-1次趟，每趟进行n-i次排序的比较和移动，即比较和移动次数均达到最大值：比较次数=n(n−1)/2=O(n^2)，移动次数等于比较次数，因此最坏时间复杂度为O(n^2)。

---

插入排序

算法说明

属于插入类排序，稳定排序。

算法思想

从待排序的数组的第二个元素开始，将其与前面的数进行大小比较，寻找合适的位置并插入，直到全部元素都已插入。

算法实现

void insertSort(int* array,int length)
{
    int i = 0, j = 0, temp = 0;
    for (i = 1; i < length; ++i)
    {
        //如果该元素小于前面的元素，大于该元素的元素全部后移一位，
        //直到找到该元素要插入的位置并插入之。
        if (array[i] < array[i-1])
        {
            temp = array[i];
            for (j = i-1; temp < array[j] && j >= 0 ; --j)
            {
                array[j+1] = array[j];
            }
            array[j + 1] = temp;
        }
    }
}

算法分析

 平均时间复杂度：O(n^2)。最好的情况：当待排序记录已经有序，这时需要比较的次数为n-1=O(n)。最坏的情况：如果待排序记录为逆序，则最多的比较次数为n*(n-1)/2=O(n^2)

---

归并排序

算法说明

应用较广，稳定排序。

算法思想

归并排序是分治法的一个典型的应用，先使每个子序列有序，再使每个子序列间有序。将两个有序子序列合并成一个有序表，称为二路归并。 步骤：首先将有序数列一分二，二分四……直到每个区都只有一个数据，此时每个子序列都可看做有序序列。然后进行合并，每次合并都是有序序列在合并，

算法实现

void MergeArray(int* array, int first, int mid, int last, int* temp)
{
    //将a[first...mid]和a[mid+1...last]合并
    int i = first, j = mid + 1, k = 0;
    int lengthA = mid+1, lengthB = last+1;
    while (i < lengthA&&j < lengthB)
    {
        if (array[i] < array[j])
            temp[k++] = array[i++];
        else
            temp[k++] = array[j++];
    }
    while (i < lengthA)
    {
        temp[k++] = array[i++];
    }
    while (j < lengthB)
    {
        temp[k++] = array[j++];
    }
    for (i = 0; i < k; ++i)
    {
        array[first + i] = temp[i];
    }
}

void MergeSort(int* array, int first, int last, int* temp)
{
    if (first >= last)
        return;
    int mid = (first + last) / 2;
    MergeSort(array, first, mid, temp);//左边有序
    MergeSort(array, mid + 1, last, temp);//右边有序
    MergeArray(array, first, mid, last, temp);//合并两个有序的子序列
}

算法分析

平均、最好、最坏的时间复杂度都为：O(n*log n)

可以这样理解：合并需要O(log n)步操作，每步将排好序的子序列合并需要O(n)的操作。那时间复杂度肯定是O(n*log n)。

---

快速排序

算法说明

在交换类排序算法中，快排是速度最快的。采用分治的思想，不稳定排序。

算法思想

从n个元素中选择一个元素作为分区的标准，一般选第一个元素；

把小于该元素的放在左边，把大于等于该元素的放在右边，中间就放该元素；

再分别对左右子序列重复操作1和2，直到每个子序列里只有一个元素，排序完毕。

算法实现

//版本1
void QuickSort(int* array,int low,int high)
{
    if (low >= high)
        return;
    int left = low;
    int right = high;
    int key = array[left];//选择第一个元素作为区分元素，当然也可以选最后一个元素。
    while (left != right)
    {
        while (left != right&&array[right] >= key)//从右往左，把小于key的元素放到key的左边
            --right;
        array[left] = array[right];
        while (left != right&&array[left] <= key)//从左往右，把大于key的元素放到key的右边
            ++left;
        array[right] = array[left];
    }
    array[left] = key;//此时left等于right

    //一分为二，分治思想，递归调用。
    QuickSort(array, low, left - 1);
    QuickSort(array, left + 1, high);
}

众所周知，Partition函数不管是在快速排序中，还是在找第K大这类问题中，都有很重要的地位，故而分开写，就有了版本2。

int Partition(int* array,int left,int right)
{
    int key = array[left];
    while (left != right)
    {
        while (left != right&&array[right] >= key)//从右往左，把小于key的元素放到key的左边
            --right;
        array[left] = array[right];
        while (left != right&&array[left] <= key)//从左往右，把大于key的元素放到key的右边
            ++left;
        array[right] = array[left];
    }
    array[left] = key;
    return left;//返回区分函数
}

//快排主函数
void quicksort(int* arr, int left, int right)
{
    if(left< right)
    {
        int middle = mypartition(arr, left, right);
        quicksort(arr, left, middle-1);
        quicksort(arr, middle+1, right);
    }
}

算法分析

平均时间复杂度：O(n*log n)。原因：快排是将数组一分为二到底，所以需要O(log n)次此操作，每次操作需要排序n次，所以，大多数情况下，时间复杂度都是O(n*log n)。最好的情况：是每趟排序结束后，每次划分使两个子文件的长度大致相等，时间复杂度为O（n*log n）。最坏的情况：是待排序元素已经排好序。第一趟经过n-1次比较后第一个元素保持位置不变，并得到一个n-1个元素的子序列；第二趟经过n-2次比较，将第二个元素定位在原来的位置上，并得到一个包括n-2个元素的子序列，依次类推，这样总的比较次数是：n(n-1)/2=O(n^2)。

---