如何深度理解排序算法(一)

简介: 对于算法的理解、可以看成解决问题的过程和方式、无论算法是好还是坏,它都是一个独立的个体。在众多算法中,排序算法是经常被用到,或者在以往的生活或者面试当中会被提到的,所以理解和学会排序算法是非常重要的。

对于算法的理解、可以看成解决问题的过程和方式、无论算法是好还是坏,它都是一个独立的个体。在众多算法中,排序算法是经常被用到,或者在以往的生活或者面试当中会被提到的,所以理解和学会排序算法是非常重要的。

image.png

还记得上小学的时候,老师会叫我们按照身高高低,进行低的在前高的在后的原则、进行排队放学回家。那么大家思考下,如何排队是最有效的呢?!

image.png

首先,我们第一个想到的是什么呢?从第一个学生开始以此与相邻的学生进行比较,如果右边学生的身高大于左边的,就把右边的学生和左边的学生的位置调换,反之不交换位置。他的思维大概是这样的。

image.png

根据这个gif动画可以看出、它就像一个泡泡一样慢慢的往上升,这种算法就是冒泡排序,为了便于理解和加深记忆,我们以python代码来模拟下这种思路:

# 冒泡排序
def bubbleSort(sort):
    n = len(sort)
    for i in range(n):  # 获取所有的数组元素
        for j in range(0, n - i - 1):  # 最后 i 个元素已经到位
            if sort[j] > sort[j + 1]:
                sort[j], sort[j + 1] = sort[j + 1], sort[j]

    return sort

if __name__ == "__main__":
    sort = [5, 9, 3, 1, 2, 8, 4, 7, 6]
    print(bubbleSort(sort))

根据以上描述可以看出,每次循环就会以相邻的数组进行比较、如果当前数组大于相邻的数组,就把两个的位置进行交换然后返回结果。

那如果老师不喜欢这种方法呢?那我们可不可以这样做呢?重复从人员当前查找身高最小的,然后行交换位置。

image.png

根据这个规律可以看出,每次选择最小值、进行判断然后交换位置,这种算法就是选择排序。

# 选择排序
def selectSort(sort):
    n = len(sort)
    for i in range(n):
        min_num = i
        for j in range(i + 1, n):
            if sort[min_num] > sort[j]:
                min_num = j
        sort[i], sort[min_num] = sort[min_num], sort[i]

    return sort

if __name__ == "__main__":
    sort = [5, 9, 3, 1, 2, 8, 4, 7, 6]
    print(selectSort(sort))

大家可以思考下,可不可以这样做,就像我们玩扑克牌一样,从排好序的牌里去和我们抓的牌进行相比较呢?这样是不是更好呢?这种方式其实就是今天我们所说的插入排序的方法。

image.png

根据这个描述可以看出,每次从选择区去和待选择的区域进行比较、然后交换位置。

# 插入排序
def insertSort(sort):
   """
   插入排序
   :param arr: 待排序List
   :return: 插入排序是就地排序(in-place)
   """
   length = len(sort)
   if length <= 1:
       return
   for i in range(1, length):
       key = sort[i]

       j = i - 1

       while j >= 0 and sort[j] > key:
           sort[j + 1] = sort[j]
           j -= 1
       sort[j + 1] = key

   return sort


if __name__ == "__main__":
   sort = [5, 9, 3, 1, 2, 8, 4, 7, 6]
   print(insertSort(sort))

以上三种算法均是排序算法当中常用到的,或者面试中常问的算法;三个算法的时间复杂度都为O(n2),如果要想使时间更短的话,那么大家就要去考虑下其他的算法或者去了解下堆这个概念和分治思想。

相关文章
|
2天前
|
数据采集 人工智能 安全
|
12天前
|
云安全 监控 安全
|
3天前
|
自然语言处理 API
万相 Wan2.6 全新升级发布!人人都能当导演的时代来了
通义万相2.6全新升级,支持文生图、图生视频、文生视频,打造电影级创作体验。智能分镜、角色扮演、音画同步,让创意一键成片,大众也能轻松制作高质量短视频。
1027 151
|
3天前
|
编解码 人工智能 机器人
通义万相2.6,模型使用指南
智能分镜 | 多镜头叙事 | 支持15秒视频生成 | 高品质声音生成 | 多人稳定对话
|
17天前
|
机器学习/深度学习 人工智能 自然语言处理
Z-Image:冲击体验上限的下一代图像生成模型
通义实验室推出全新文生图模型Z-Image,以6B参数实现“快、稳、轻、准”突破。Turbo版本仅需8步亚秒级生成,支持16GB显存设备,中英双语理解与文字渲染尤为出色,真实感和美学表现媲美国际顶尖模型,被誉为“最值得关注的开源生图模型之一”。
1722 9
|
8天前
|
人工智能 自然语言处理 API
一句话生成拓扑图!AI+Draw.io 封神开源组合,工具让你的效率爆炸
一句话生成拓扑图!next-ai-draw-io 结合 AI 与 Draw.io,通过自然语言秒出架构图,支持私有部署、免费大模型接口,彻底解放生产力,绘图效率直接爆炸。
666 152
|
10天前
|
人工智能 安全 前端开发
AgentScope Java v1.0 发布,让 Java 开发者轻松构建企业级 Agentic 应用
AgentScope 重磅发布 Java 版本,拥抱企业开发主流技术栈。
633 15
|
5天前
|
SQL 自然语言处理 调度
Agent Skills 的一次工程实践
**本文采用 Agent Skills 实现整体智能体**,开发框架采用 AgentScope,模型使用 **qwen3-max**。Agent Skills 是 Anthropic 新推出的一种有别于mcp server的一种开发方式,用于为 AI **引入可共享的专业技能**。经验封装到**可发现、可复用的能力单元**中,每个技能以文件夹形式存在,包含特定任务的指导性说明(SKILL.md 文件)、脚本代码和资源等 。大模型可以根据需要动态加载这些技能,从而扩展自身的功能。目前不少国内外的一些框架也开始支持此种的开发方式,详细介绍如下。
389 4