之前学过的都忘了，也没好好做过总结，现在总结一下。
时间复杂度和空间复杂度的概念：
1、空间复杂度:是程序运行所以需要的额外消耗存储空间,一般的递归算法就要有o(n)的空间复杂度了,简单说就是递归集算时通常是反复调用同一个方法，递归n次，就需要n个空间。 2、时间复杂度：一个算法花费的时间与算法中语句的执行次数成正比例，哪个算法中语句执行次数多，它花费时间就多。一个算法中的语句执行次数称为语句频度或时间频度。记为T(n)。一般情况下，算法中基本操作重复执行的次数是问题规模n的某个函数，用T(n)表示，若有某个辅助函数f(n),使得当n趋近于无穷大时，T（n)/f (n)的极限值为不等于零的常数，则称f(n)是T(n)的同数量级函数。记作T(n)=O(f(n)),称O(f(n)) 为算法的渐进时间复杂度，简称时间复杂度。在各种不同算法中，若算法中语句执行次数为一个常数，则时间复杂度为O(1),另外，在时间频度不相同时，时间复杂度有可能相同，如T(n)=n2+3n+4与T(n)=4n2+2n+1它们的频度不同，但时间复杂度相同，都为O(n2)。 按数量级递增排列，常见的时间复杂度有： 常数阶O(1),对数阶O(log2n),线性阶O(n), 线性对数阶O(nlog2n),平方阶O(n2)，立方阶O(n3),...，
目前我已经学过的排序算法包括
1、二次排序：
1、插入排序
2、选择排序
2、递归排序：
1、归并排序
2、快速排序
3、希尔排序
4、冒泡排序
一、冒泡排序
原理： 冒泡排序就是把小的元素往前调或者把大的元素往后调。比较是相邻的两个元素比较，交换也发生在这两个元素之间。
评价：是效率最低的一种排序算法。
时间复杂度：最差和平均均为O(n2)
稳定性：由于相等的元素不需要交换，所以比较稳定
代码：
C实现：
#include<stdio.h>
#include<stdlib.h>
#include<time.h>
int msort(int array[],int n)
{
int exchange = 0;
int i,j;
i=j=0;
for(i=0;i<n;i++)
{
j=n-1;
while(j > i)
{
int temp=0;
//printf("%d",array[j]);
if (array[j]<array[j-1])
{
temp = array[j];
printf("%d",temp);
array[j] = array[j-1];
array[j-1] = temp;
exchange = 1;
}
j=j-1;
}
if (exchange == 0)
break;
}
for(i=0;i<n;i++)
printf("%d\n",array[i]);
}
int main(void)
{
int SIZE=9;
int array[9]={5,2,8,2,7,9,10,20,15};
int i=0;
for(i=0;i<SIZE;i++)
printf("%d\n",array[i]);
msort(array,SIZE);
return 0;
}
Python实现：
import timeit
def msort(array):
exchange=False
for i in xrange(len(array)):
j=len(array)-1
while(j>i):
if array[j]<array[j-1]:
array[j-1],arra[j]=array[j],array[j-1]
exchange=True
j=j-1
if exchange!=True:
break
print array
def main():
array=list(range(0,10000))
msort(array)
if __name__=="__main__":
t=timeit.Timer("main()",‘from __main__ import main‘)
print t.timeit(1)
二、选择排序
原理：简单点说就是从数组第一个位置开始，给每个位置在剩余的元素中都找到最小的值放上去。
评价：由于每次都要寻找最值，所以选择排序效率不高
时间复杂度：最坏，最优和平均时间复杂度都是O(n2).
稳定性：由于交换，可能导致相等元素的前后顺序发生变化，所以不稳定。比如举个例子，序列5 8 5 2 9， 我们知道第一遍选择第1个元素5会和2交换，那么原序列中2个5的相对前后顺序就被破坏了
代码：
C实现：
#include<stdio.h>
#include<stdlib.h>
void ssort(int array[],int n)
{
int i,j;
int small;
for(i=0;i<n;i++)
{
small=i;
for(j=i+1;j<n;j++)
{
if (array[j]<array[small])
small=j;
}
int temp=0;
if (small!=i)
{
temp=array[i];
array[i]=array[small];
array[small]=temp;
}
}
for(i=0;i<n;i++)
printf("%d ",array[i]);
}
int main(void)
{
int array[7]={7,3,1,6,4,2,8};
ssort(array,7);
}
Python实现：
def ssort(array):
for i in xrange(0,len(array)):
j=i+1
small=i
while j<len(array):
if array[j]<array[small]:
small=j;
j+=1
if i!=small:
array[small],array[i] = array[i],array[small]
return array
array=[2,62,7,3,8,1,1]
print ‘any‘,all(array)
print ssort(array)
三、插入排序：
原理：为当前有序序列插入元素，插入到正确的位置。当然，刚开始这个有序的小序列只有1个元素，就是第一个元素。比较是从有序序列的末尾开 始，也就是想要插入的元素和已经有序的最大者开始比起，如果比它大则直接插入在其后面，否则一直往前找直到找到它该插入的位置。
评价：对于比较有序的数组列表来说，效率是线性的，相当快。
稳定度：如果碰见一个和插入元素相 等的，那么插入元素把想插入的元素放在相等元素的后面。所以，相等元素的前后顺序没有改变，从原无序序列出去的顺序就是排好序后的顺序，所以插入排序是稳 定的。
时间复杂度：最差的情况是逆序的，需要O(n2)，平均也是O（n2),最优的是线性的。
C实现
#include<stdio.h>
#include<stdlib.h>
int isort(int array[],int n)
{
int i=0;
int j;
for(i=1;i<n;i++)
{
int temp=array[i];
for(j=i;j>0&&array[j-1]>temp;j--)
{
array[j]=array[j-1];
}
array[j]=temp;
}
for(i=0;i<7;i++)
{
printf("%d ",array[i]);
}
}
int main(void)
{
int array[7]={8,2,7,1,9,3,0};
int result[7];
isort(array,7);
}
Python实现：
def isort(array):
for i in xrange(1,len(array)):
temp=array[i]
j=i
while j>0 and array[j-1]>temp:
array[j]=array[j-1]
j=j-1
array[j]=temp
return array
print isort([6,3,2,1,8,4])
四、归并排序
原理：采用分治法，将数组分成两部分元素，如此下去，知道只剩下一个元素，采用递归调用。两部分数组比较，需要一个临时数组，存储有序值。
评价：算法很快，但是需要分配临时数组，耗费内存。
稳定度：由于在比较时，两个相等值可以保证位置不变，所以是稳定的。
时间复杂度：最优，最差和平均都是O(nlogn)
代码：
Python：
def merge(L1,L2):
sorted_array=[]
while L1 and L2:
if L1[0] <= L2[0]:
sorted_array.append(L1.pop(0))
else:
sorted_array.append(L2.pop(0))
if L1:
sorted_array.extend(L1)
if L2:
sorted_array.extend(L2)
return sorted_array
def mersort(array):
if len(array)<=1:
return array
center=int(len(array)/2)
return merge(mersort(array[:center]),mersort(array[center:]))
if __name__=="__main__":
array=[8,20,15,4,6,3,7,2,1,9]
print mersort(array)
五、快速排序
原理：和归并排序的思想是相同的，都采用分治法，但是不同的是需要选择一个基准数，根据基准数把数组分为两段，比基准数小的在左边，比基准数大的在右边。左右两边再分别采用这种方法，如此递归调用下去，知道只剩下一个元素。
评价：关键是找到基准数，基准数一般是随机选择三个值，选择中间值，或者选择数组第一个元素，但是如果第一个元素是最小的或最大的就糟糕了。
稳定性：不稳定。比如序列为 5 3 3 4 3 8 9 10 11， 现在基准元素5和3(第5个元素，下标从1开始计)交换就会把元素3的稳定性打乱，所以快速排序是一个不稳定的排序算法
时间复杂度：最坏的情况是O(n2）,最好喝平均都是O（nlogn)
python实现：
import random
def partition(array,left,right):
if right-left==1:
if array[left]>array[right]:
array[left],array[right]=array[right],array[left]
return None
base=array[left]
big_index,small_index = left+1,right
while big_index < small_index:
while array[big_index] <= base and big_index < right:
big_index += 1
while array[small_index] >= base and small_index > left:
small_index -=1
if big_index < small_index:
array[big_index],array[small_index] = array[small_index],array[big_index]
array[left],array[small_index] = array[small_index],base
return small_index
def qsort(array,left,right):
if right > left:
mid=partition(array,left,right)
if mid is not None:
qsort(array,left,mid)
qsort(array,mid+1,right)
if __name__=="__main__":
array=[]
for i in xrange(0,50):
array.append(random.randint(0,30))
qsort(array,0,(len(array)-1))
print array
其实快速排对大数组很有效率，但如果小数组，插入排序比较好，经验表明，元素数目小于15时，可以改为插入排序
Python：
import random
from insert.isort import import isort
def partition(array,left,right):
if right-left==1:
if array[left]>array[right]:
array[left],array[right]=array[right],array[left]
return None
base=array[left]
big_index,small_index = left+1,right
while big_index < small_index:
while array[big_index] <= base and big_index < right:
big_index += 1
while array[small_index] >= base and small_index > left:
small_index -=1
if big_index < small_index:
array[big_index],array[small_index] = array[small_index],array[big_index]
array[left],array[small_index] = array[small_index],base
return small_index
def qsort(array,left,right):
if right-left>15:
mid=partition(array,left,right)
if mid is not None:
qsort(array,left,mid)
qsort(array,mid+1,right)
else:
isort(array)
if __name__=="__main__":
array=[]
for i in xrange(0,50):
array.append(random.randint(0,30))
qsort(array,0,(len(array)-1))
print array
六、希尔排序
原理：采用不同的步长，分别进行插入排序，直到步长为1.原理解释最直观的如下：
例如，假设有这样一组数[ 13 14 94 33 82 25 59 94 65 23 45 27 73 25 39 10 ]，如果我们以步长为5开始进行排序，我们可以通过将这列表放在有5列的表中来更好地描述算法，这样他们就应该看起来是这样：
13 14 94 33 82
25 59 94 65 23
45 27 73 25 39
10
然后我们对每列进行排序：
10 14 73 25 23
13 27 94 33 39
25 59 94 65 82
45
将上述四行数字，依序接在一起时我们得到：[ 10 14 73 25 23 13 27 94 33 39 25 59 94 65 82 45 ].这时10已经移至正确位置了，然后再以3为步长进行排序：
10 14 73
25 23 13
27 94 33
39 25 59
94 65 82
45
排序之后变为：
10 14 13
25 23 33
27 25 59
39 65 73
45 94 82
94
最后以1步长进行排序（此时就是简单的插入排序了）。
评价：选择步长是关键，选择好了，比较快，一般步长初始选择数组长度除以2，一直除以2，一直到步长为1.
稳定度：不稳定，不同部分数组排序，很有可能打破相等元素的顺序。
时间复杂度：（摘抄）：
需要大量的辅助空间，和归并排序一样容易实现。希尔排序是基于插入排序的一种算法， 在此算法基础之上增加了一个新的特性，提高了效率。希尔排序的时间复杂度与增量序列的选取有关，例如希尔增量时间复杂度为O(n²)，而Hibbard增量的希尔排序的时间复杂度为O(
)，但是现今仍然没有人能找出希尔排序的精确下界。希尔排序没有快速排序算法快 O(n(logn))，因此中等大小规模表现良好，对规模非常大的数据排序不是最优选择。但是比O(
)复杂度的算法快得多。并且希尔排序非常容易实现，算法代码短而简单。 此外，希尔算法在最坏的情况下和平均情况下执行效率相差不是很多，与此同时快速排序在最坏的情况下执行的效率会非常差。专家们提倡，几乎任何排序工作在开始时都可以用希尔排序，若在实际使用中证明它不够快，再改成快速排序这样更高级的排序算法. 本质上讲，希尔排序算法是直接插入排序算法的一种改进，减少了其复制的次数，速度要快很多。 原因是，当n值很大时数据项每一趟排序需要的个数很少，但数据项的距离很长。当n值减小时每一趟需要和动的数据增多，此时已经接近于它们排序后的最终位置。 正是这两种情况的结合才使希尔排序效率比插入排序高很多。
Python实现：
def shsort(array):
interval = len(array)/2
while interval >= 1:
i = interval
while i < len(array):
if array[i] < array[i-interval]:
j=i-interval
temp=array[i]
while j >=0 and array[j] >temp:
array[j+interval]=array[j]
j-=interval
array[j+interval]=temp
i+=1
interval/=2
return array
if __name__=="__main__":
array=[3,6,9,5,7,4,8,2,1]
print shsort(array)
还有堆排序，基数排序，继续研究。
几种排序算法的学习，利用Python和C实现