排序是一个经典的问题，它以一定的顺序对一个数组或列表中的元素进行重新排序。而排序算法也是各有千秋，每个都有自身的优点和局限性。虽然这些算法平常根本就不用自己去编写，但作为一个有追求的程序员，还是要了解它们从不同角度解决排序问题的思想。

学习算法是枯燥的，那怎么高效的理解它的原理呢？显然，如果以动图的方式，生动形象的把算法排序的过程展示出来，非常有助于学习。visualgo.net 就是一个可视化算法的网站，第一次访问的时候，真的是眼前一亮。本文就对常用的排序进行下总结。

1. 冒泡排序

冒泡排序的基本思想就是：把小的元素往前调或者把大的元素往后调。假设数组有 N 个元素，冒泡排序过程如下：

1. 从当前元素起，向后依次比较每一对相邻元素(a,b)
2. 如果 a>b 则交换这两个数
3. 重复步骤1和2，直到比较最后一对元素（第 N-2 和 N-1 元素）
4. 此时最大的元素已位于数组最后的位置，然后将 N 减 1，并重复步骤1，直到 N=1

冒泡排序的核心代码：

public static void bubbleSort(int[] a, int n) {
  // 排序趟数，最后一个元素不用比较所以是 (n-1) 趟
  for (int i = 0; i < n - 1; i++) {
    // 每趟比较的次数，第 i 趟比较 (n-1-i) 次
    for (int j = 0; j < n - 1 - i; j++) {
      // 比较相邻元素，若逆序则交换
      if (a[j] > a[j+1]) {
        int tmp = a[j];
        a[j] = a[j+1];
        a[j+1] = tmp;
      }
    }
  }
}

难点在于边界的确定，算法分析：

• 平均时间复杂度是 O(n^2)，最佳情况是 O(n)，最差情况是 O(n^2)
• 空间复杂度 O(1)
• 稳定的排序算法（相等元素的前后顺序排序后不变）

2. 选择排序

选择排序的基本思想就是：每次从未排序的列表中找到最小(大)的元素，放到已排序序列的末尾，直到所有元素排序完毕。假设数组有 N 个元素且 L=0，选择排序过程如下：

1. 从 [L...N-1] 范围中找到最小元素的下标 X
2. 交换第 X 与第 L 位置的元素值
3. L 加 1，重复以上步骤，直到 L=N-2

选择排序的核心代码：

public static void selectionSort(int[] a, int n) {
  // 排序趟数，最后一个元素是最大的不用比较所以是 (n-1) 趟
  for (int i = 0; i < n-1; i++) {
    int minIndex = i; // 无序列表中最小元素的下标
    for (int j = i+1; j < n; j++) {
      // 在无序列表中查找最小元素的小标并记录
      if (a[j] < a[minIndex]) {
        minIndex = j;
      }
    }// 将最小元素交换到本次循环的前端
    int tmp = a[minIndex];
    a[minIndex] = a[i];
    a[i] = tmp;
  }
}

算法分析：

• 平均时间复杂度是 O(n^2)，最佳和最差情况也是一样
• 空间复杂度 O(1)
• 不稳定的排序算法（相等元素的前后顺序排序后可能改变）

3. 插入排序

插入排序的基本思想是：每次将待插入的元素，按照大小插入到前面已排序序列的适当位置上。插入排序过程如下：

1. 从第一个元素开始，该元素可认为已排序
2. 取出下一个元素，在已排序的元素序列中从后向前扫描
3. 如果该元素（已排序）大于待插入元素 ，把它移到下一个位置
4. 重复步骤 3，直到找到一个小于或等于待插入元素的位置，将待插入元素插入到下一个位置
5. 重复步骤 2~5，直到取完数组元素

插入排序的核心代码：

public static void insertionSort(int[] a, int n) {
  // a[0] 看做已排序
  for (int i = 1; i < n; i++) {
    int x = a[i]; // 待插入元素
    int j=i-1; // 插入的位置
    while (j >= 0 && a[j] > x) {
      a[j+1] = a[j]; // 为待插入元素腾地
      j--;
    }
    a[j+1] = x; // 插入到下一个位置 j+1
  }
}

算法分析：

• 平均时间复杂度是 O(n^2)，最佳情况是 O(n)，最差情况是 O(n^2)
• 空间复杂度 O(1)
• 稳定的排序算法

4. 希尔排序

希尔排序也称为增量递减排序，是对直接插入算法的改进，基于以下两点性质：

• 插入排序在对几乎已排好序的数据操作时，效率高，可以达到线性排序的效率
• 但插入排序一般来说是低效的，因为插入排序每次只能移动一位数据

希尔排序的改进是，使用一个增量将数组切分不同的分组，然后在组内进行插入排序，递减增量，直到增量为 1，好处就是数据能跨多个元素移动，一次比较就可能消除多个元素的交换。基本过程如下：

1. 选取一个递增序列，一般使用x/2或者x/3+1
2. 使用序列中最大的增量，对数组分组，在组内插入排序，递减增量，直到为 1

核心代码：

public static void shellSort(int[] a, int n) {
  // 计算递增序列，3x+1 :  1, 4, 13, 40, 121, 364, 1093, ... 
  int h = 1;
  while (h < n/3) h = 3*h + 1; 
  while (h >= 1) {// 直到间隔为 1
    // 按间隔 h 切分数组
    for (int i = h; i < n; i++) {
      // 对 a[i], a[i-h], a[i-2*h], a[i-3*h]...使用插入排序
      int x = a[i]; // 待插入元素
      int j=i;
      while (j >=h && x < a[j-h]) {
        a[j] = a[j-h];// 为待插入元素腾地
        j -= h;
      }
      a[j] = x; // 插入 x
    }
    // 递减增量
    h /= 3;
  }
}

希尔排序数组拆分插入图解，上面的动图可以辅助理解，与下图数据不一致：

算法分析：

• 时间复杂度与选择的增量序列有关，平均时间复杂度O(nlg2n)，最好 O(nlogn)，最差是 O(n^2)
• 空间复杂度 O(1)
• 不稳定的排序算法

5. 归并排序（递归&非递归）

归并排序是分而治之的排序算法，基本思想是：将待排序序列拆分多个子序列，先使每个子序列有序，再使子序列间有序，最终得到完整的有序序列。归并排序本质就是不断合并两个有序数组的过程，实现时主要分为两个过程：

1. 拆分 - 递归的将当前数组二分（如果N是偶数，两边个数平等，如果是奇数，则一边多一个元素），直到只剩 0 或 1 个元素
2. 归并 - 分别将左右半边数组排序，然后归并在一起形成一个大的有序数组

二路归并递归实现，核心代码：

public static void mergeSort(int[] a, int low, int high) {
  // 要排序的数组 a[low..high]
  if (low < high) {// 是否还能再二分 low >= high (0 或 1 个元素)
    int mid = low + (high - low) / 2; // 取中间值，避免 int 溢出
    mergeSort(a, low, mid); // 将左半边排序
    mergeSort(a, mid + 1, high); // 将右半边排序
    merge(a, low, mid, high); // 归并左右两边
  }
}
public static void merge(int[] a, int low, int mid, int high) {
  int n = high - low + 1; // 合并后元素总数
  int[] b = new int[n]; // 临时合并数组
  int left = low, // 左边有序序列起始下标
    right = mid + 1, // 右边有序序列起始下标
    bIdx = 0;
  // 按升序归并到新数组  b 中
  while (left <= mid && right <= high) {
    b[bIdx++] = (a[left] <= a[right]) ? a[left++] : a[right++];
  }
  // 右边序列已拷贝完毕，左边还有剩余，将其依次拷贝到合并数组中
  while (left <= mid) {
    b[bIdx++] = a[left++];
  }
  // 左边序列已拷贝完毕，右边还有剩余，将其依次拷贝到合并数组中
  while (right <= high) {
    b[bIdx++] = a[right++];
  }
  // 将归并后的数组元素拷贝到原数组适当位置
  for (int k = 0; k < n; k++) {
    a[low + k] = b[k];
  }
}

数组拆分和方法调用的动态情况如下图(右键查看大图)：

递归的本质就是压栈，对于 Java 来说，调用层次太深有可能造成栈溢出。一般的，递归都能转为迭代实现，有时迭代也是对算法的优化。

归并排序中的递归主要是拆分数组，所以，非递归的重点就是把这部分改成迭代，它们的终止条件不同：

• 递归是在遇到基本情况时终止，比如遇到了两个各包含1个元素的数组，从大数组到小数组，自顶向下
• 迭代则相反，自底向上，它首先按 1 切分保证数组中的每2个元素有序，然后按 2 切分，保证数组中的每4个元素有序，以此类推，直到整个数组有序

核心代码：

public static void unRecursiveMergeSort(int[] a, int n) {
  int low = 0, high = 0, mid = 0;
  // 待归并数组长度，1 2 4 8 ...
  int len = 1; // 从最小分割单位 1 开始 
  while(len <= n) {
    // 按分割单位遍历数组并合并
    for (int i = 0; i + len <= n; i += len * 2) {
      low = i;
      // mid 变量主要是在合并时找到右半边数组的起始下标
      mid = i + len - 1;
      high = i + 2 * len - 1;
      // 防止超过数组长度
      if (high > n - 1) {
        high = n - 1;
      }
      // 归并两个有序的子数组
      merge(a, low, mid, high);
    }
    len *= 2; // 增加切分单位
  }
}

算法分析：

• 平均时间复杂度，最佳和最差情况都是 O(nlgn)
• 空间复杂度 O(n)，需要一个大小为 n 的临时数组
• 归并排序也是一个稳定的排序算法

6. 快速排序

快排可以说是应用最广泛的算法了，它的特点是使用很小的辅助栈原地排序。它也是一个分而治之的排序算法，基本思想是：选取一个关键值，将数组分成两部分，一部分小于关键值，一部分大于关键值，然后递归的对左右两部分排序。过程如下：

1. 选取 a[low] 作为关键值-切分元素 p
2. 使用两个指针遍历数组（既可一前一后，也可同方向移动），将比 p 小的元素前移，最后交换切分元素
3. 递归的对左右部分进行排序

递归实现快排核心代码：

public static void quickSort(int[] a, int low, int high) {
  if (low < high) {
    int m = partition(a, low, high); // 切分
    quickSort(a, low, m-1);  // 将左半部分排序 
    quickSort(a, m+1, high); // 将右半部分排序 
  }
}
public static int partition(int[] a, int low, int high) {
  // 将数组切分为 a[low..i-1], a[i], a[i+1..high]
  int p = a[low]; // 切分元素
  int i = low; // 下一个小于切分元素可插入的位置
  // 从切分元素下一个位置开始，遍历整个数组，进行分区
  for (int j = low + 1; j <= high; j++) {
    // 往前移动比切分元素小的元素
    if (a[j] < p && (i++ != j)) {
      int tmp = a[j];
      a[j] = a[i];
      a[i] = tmp;
    }
  }
  // 交换中枢(切分)元素
  int tmp = a[low];
  a[low] = a[i];
  a[i] = tmp;
  return i;
}

算法分析：

• 平均时间复杂度 O(nlgn)，最佳情况 O(nlgn)，最差情况是 O(n^2)
• 空间复杂度 O(lgn)，因为递归，占用调用栈空间
• 快排是一个不稳定的排序算法

7. 堆排序

堆排序是利用堆这种数据结构设计的算法。堆可看作一个完全二叉树，它按层级在数组中存储，数组下标为 k 的节点的父子节点位置分别如下：

• k 位置的父节点位置在 (k-1)/2 向下取整
• k 位置的左子节点位置在 2k+1
• k 位置的右子节点位置在 2k+2

堆的表示如下：

堆有序的定义是每个节点都大于等于它的两个子节点，所以根节点是有序二叉堆中值最大的节点。堆排序就是一个不断移除根节点，使用数组剩余元素重新构建堆的过程，和选择排序有点类似（只不过按降序取元素），构建堆有序数组基本步骤如下：

1. 首先使用 (N-1)/2 之前的元素构建堆，完成后，整个堆最大元素位于数组的 0 下标位置
2. 把数组首尾数据交换，此时数组最大值以找到
3. 把堆的尺寸缩小 1，重复步骤 1 和 2，直到堆的尺寸为 1

核心代码：

public static void heapSort(int[] a) {
  int n = a.length - 1;
  // 构建堆，一开始可将数组看作无序的堆
  // 将从下标为 n/2 开始到 0 的元素下沉到合适的位置
  // 因为 n/2 后面的元素都是叶子结点，无需下沉
  for (int k = n/2; k >= 0; k--)
    sink(a, k, n);
  
  // 下沉排序
  // 堆的根结点永远是最大值，所以只需将最大值和最后一位的元素交换即可
  // 然后再维护一个除原最大结点以外的 n-1 的堆，再将新堆的根节点放在倒数第二的位置，如此反复
  while (n > 0) {
    // 将 a[1] 与最大的元素 a[n] 交换，并修复堆
    int tmp = a[0];
    a[0] = a[n];
    a[n] = tmp;
    // 堆大小减1
    n--;
    // 下沉排序，重新构建
    sink(a, 0, n);
  }
}
/** 递归的构造大根堆 */
private static void sink(int[] a, int k, int n) {
  // 是否存在左孩子节点
  while ((2*k+1) <= n) {
    // 左孩子下标
    int left = 2*k+1;
    
    // left < n 说明存在右孩子，判断将根节点下沉到左还是右
    // 如果左孩子小于右孩子，那么下沉为右子树的根，并且下次从右子树开始判断是否还要下沉
    if (left < n && a[left] < a[left + 1])
      left = left + 1;
    
    // 如果根节点不小于它的子节点，表示这个子树根节点最大
    if (a[k] >= a[left])
      break; // 不用下沉，跳出
    
    // 否则将根节点下沉为它的左子树或右子树的根，也就是将较大的值上调
    int tmp = a[k];
    a[k] = a[left];
    a[left] = tmp;
    
    // 继续从左子树或右子树开始，判断根节点是否还要下沉
    k = left;
  }
}

算法分析：

• 平均时间复杂度、最佳和最坏均是 O(nlgn)
• 空间复杂度 O(1)，原地排序
• 不稳定的排序算法

8. 小结

每次看了，过段时间就忘，这次总结起来，方便查看，也分享给大家，有问题欢迎交流。首发于公众号「顿悟源码」，搜索获取更多源码分析和造的轮子。