三、簡單選擇排序（Selection Sort）

算法思想：

簡單選擇排序的實現思想：比較+交換

從待排序序列中，找到關鍵字最小的元素；

如果最小元素不是待排序序列的第一個元素，將其和第一個元素互換；

從余下的 N - 1 個元素中，找出關鍵字最小的元素，重復(1)、(2)步，直到排序結束。因此我們可以發現，簡單選擇排序也是通過兩層循環實現。第一層循環：依次遍歷序列當中的每一個元素 第二層循環：將遍歷得到的當前元素依次與余下的元素進行比較，符合最小元素的條件，則交換。

算法代碼：

void print(int a[], int n ,int i){ cout<<"第"< a[j]) k = j; } return k;} /** * 選擇排序 * */void selectSort(int a[], int n){ int key, tmp; for(int i = 0; i< n; ++i) { key = SelectMinKey(a, n,i); //選擇最小的元素 if(key != i){ tmp = a[i]; a[i] = a[key]; a[key] = tmp; //最小元素與第i位置元素互換 } print(a, n , i); }}int main(){ int a[8] = {3,1,5,7,2,4,9,6}; cout<<"初始值："; for(int j= 0; j<8; j++){ cout<

四、堆排序（Heap Sort）

算法思想：

堆的概念

堆：本質是一種數組對象。特別重要的一點性質：任意的葉子節點小于（或大于）它所有的父節點。對此，又分為大頂堆和小頂堆：

大頂堆要求節點的元素都要大于其孩子。

小頂堆要求節點元素都小于其左右孩子。

兩者對左右孩子的大小關系不做任何要求。

利用堆排序，就是基于大頂堆或者小頂堆的一種排序方法。下面，我們通過大頂堆來實現。

基本思想：堆排序可以按照以下步驟來完成：

1.首先將序列構建稱為大頂堆；（這樣滿足了大頂堆那條性質：位于根節點的元素一定是當前序列的最大值）

2. 取出當前大頂堆的根節點，將其與序列末尾元素進行交換；（此時：序列末尾的元素為已排序的最大值；由于交換了元素，當前位于根節點的堆并不一定滿足大頂堆的性質）

3. 對交換后的n-1個序列元素進行調整，使其滿足大頂堆的性質；

4. 重復2.3步驟，直至堆中只有1個元素為止

下面是基于大頂堆的堆排序算法代碼：

void print(int a[], int n){ for(int j= 0; j= 0; --i) HeapAdjust(H,i,length);}/** * 堆排序算法 */void HeapSort(int H[],int length){ //初始堆 BuildingHeap(H, length); //從最后一個元素開始對序列進行調整 for (int i = length - 1; i > 0; --i) { //交換堆頂元素H[0]和堆中最后一個元素 int temp = H[i]; H[i] = H[0]; H[0] = temp; //每次交換堆頂元素和堆中最后一個元素之后，都要對堆進行調整 HeapAdjust(H,0,i); }} int main(){ int H[10] = {3,1,5,7,2,4,9,6,10,8}; cout<<"初始值："; print(H,10); HeapSort(H,10); //selectSort(a, 8); cout<<"結果："; print(H,10); }?

五、冒泡排序（Bubble Sort）

算法思想：

冒泡遍歷所有的數據，每次對相鄰元素進行兩兩比較，如果順序和預先規定的順序不一致，則進行位置交換；這樣一次遍歷會將最大或最小的數據上浮到頂端，之后再重復同樣的操作，直到所有的數據有序。這個算法的名字由來是因為越大的元素會經由交換慢慢“浮”到數列的頂端。

算法代碼：

void bubbleSort(int a[], int n){ for(int i =0 ; i< n-1; ++i) { for(int j = 0; j < n-i-1; ++j) { if(a[j] > a[j+1]) { int tmp = a[j] ; a[j] = a[j+1] ; a[j+1] = tmp; } } }}

六、快速排序（Quick Sort）

算法思想：

快速排序是由東尼·霍爾所發展的一種排序算法。在平均狀況下，排序 n 個項目要Ο(n logn)次比較。在最壞狀況下則需要Ο(n2)次比較，但這種狀況并不常見。事實上，快速排序通常明顯比其他Ο(n log n) 算法更快，因為它的內部循環（inner loop）可以在大部分的架構上很有效率地被實現出來

快速排序使用分治法（Divide and conquer）策略來把一個串行（list）分為兩個子串行（sub-lists）。

算法步驟：

從數列中挑出一個元素，稱為 “基準”（pivot）。

重新排序數列，所有元素比基準值小的擺放在基準前面，所有元素比基準值大的擺在基準的后面（相同的數可以到任一邊）。在這個分區退出之后，該基準就處于數列的中間位置。這個稱為分區（partition）操作。

遞歸地（recursive）把小于基準值元素的子數列和大于基準值元素的子數列排序。

遞歸的最底部情形，是數列的大小是零或一，也就是永遠都已經被排序好了。雖然一直遞歸下去，但是這個算法總會退出，因為在每次的迭代（iteration）中，它至少會把一個元素擺到它最后的位置去。

算法代碼：

void print(int a[], int n){ for(int j= 0; j= privotKey) --high; //從high 所指位置向前搜索，至多到low+1 位置。將比基準元素小的交換到低端 swap(&a[low], &a[high]); while(low < high && a[low] <= privotKey ) ++low; swap(&a[low], &a[high]); } print(a,10); return low;} void quickSort(int a[], int low, int high){ if(low < high){ int privotLoc = partition(a, low, high); //將表一分為二 quickSort(a, low, privotLoc -1); //遞歸對低子表遞歸排序 quickSort(a, privotLoc + 1, high); //遞歸對高子表遞歸排序 }} int main(){ int a[10] = {3,1,5,7,2,4,9,6,10,8}; cout<<"初始值："; print(a,10); quickSort(a,0,9); cout<<"結果："; print(a,10); }

七、歸并排序（Merge Sort）

算法思想：

歸并排序（Merge sort）是建立在歸并操作上的一種有效的排序算法。該算法是采用分治法（Divide and Conquer）的一個非常典型的應用。

算法步驟：

申請空間，使其大小為兩個已經排序序列之和，該空間用來存放合并后的序列；

設定兩個指針，最初位置分別為兩個已經排序序列的起始位置；

比較兩個指針所指向的元素，選擇相對小的元素放入到合并空間，并移動指針到下一位置；

重復步驟3直到某一指針達到序列尾；

將另一序列剩下的所有元素直接復制到合并序列尾。

算法代碼：

void print(int a[], int n){ for(int j= 0; j

八、基數排序(Radix Sort)

算法思想：

基數排序：通過序列中各個元素的值，對排序的N個元素進行若干趟的“分配”與“收集”來實現排序。

分配：我們將L[i]中的元素取出，首先確定其個位上的數字，根據該數字分配到與之序號相同的桶中 。

收集：當序列中所有的元素都分配到對應的桶中，再按照順序依次將桶中的元素收集形成新的一個待排序列L[ ] 。

對新形成的序列L[]重復執行分配和收集元素中的十位、百位...直到分配完該序列中的最高位，則排序結束。

算法代碼：

Void RadixSort(Node L[],length,maxradix){ int m,n,k,lsp; k=1;m=1; int temp[10][length-1]; Empty(temp); //清空臨時空間 while(k

四

使用Python實現

一、冒泡排序 冒泡排序算法的運作如下： ●比較相鄰的元素。如果第一個比第二個大，就交換他們兩個。 ●對每一對相鄰元素作同樣的工作，從開始第一對到結尾的最后一對。這步做完后，最后的元素會是最大的數。 ●針對所有的元素重復以上的步驟，除了最后一個。 ●持續每次對越來越少的元素重復上面的步驟，直到沒有任何一對數字需要比較。 以上節選自維基百科 代碼實現：

def bubble_sort(numberlist): length = len(numberlist) for i in range(length): for j in range(1, length - i): if numberlist[j - 1] > numberlist[j]: numberlist[j], numberlist[j - 1] = numberlist[j - 1], numberlist[j] return numberlist二、選擇排序 選擇排序（Selection sort）是一種簡單直觀的排序算法。它的工作原理如下。首先在未排序序列中找到最小（大）元素，存放到排序序列的起始位置，然后，再從剩余未排序元素中繼續尋找最小（大）元素，然后放到已排序序列的末尾。以此類推，直到所有元素均排序完畢。 以上節選自維基百科 代碼實現：

def findSmallest(arr): # 用于查找出數組中最小的元素，返回最小元素的索引。 smallest = arr[0] smallest_index = 0 for i in range(1, len(arr)): if smallest > arr[i]: smallest = arr[i] smallest_index = i return smallest_index def selectSort(arr): newArr = [] while arr: smallest = findSmallest(arr) newArr.append(arr.pop(smallest)) return newArr三、插入排序 步驟如下 ● 從第一個元素開始，該元素可以認為已經被排序
●取出下一個元素，在已經排序的元素序列中從后向前掃描
●如果該元素（已排序）大于新元素，將該元素移到下一位置
●重復步驟3，直到找到已排序的元素小于或者等于新元素的位置
●將新元素插入到該位置后 重復步驟2~5 以上節選自維基百科 代碼實現

def insert_sort(data): for k in range(1, len(data)): cur = data[k] j = k while j > 0 and data[j - 1] > cur: data[j] = data[j - 1] j -= 1 data[j] = cur return data四、希爾排序 希爾排序通過將比較的全部元素分為幾個區域來提升插入排序的性能。這樣可以讓一個元素可以一次性地朝最終位置前進一大步。然后算法再取越來越小的步長進行排序，算法的最后一步就是普通的插入排序，但是到了這步，需排序的數據幾乎是已排好的了（此時插入排序較快）。 以上節選自維基百科 代碼實現：

def shell_sort(numberlist): length = len(numberlist) gap = length // 2 while gap > 0: for i in range(gap, length): temp = numberlist[i] j = i while j >= gap and numberlist[j - gap] > temp: numberlist[j] = numberlist[j - gap] j -= gap numberlist[j] = temp gap = gap // 2 return numberlist五、歸并排序 原理如下（假設序列共有{displaystyle n}個元素）： ●將序列每相鄰兩個數字進行歸并操作，形成{displaystyle ceil(n/2)}個序列，排序后每個序列包含兩/一個元素 ●若此時序列數不是1個則將上述序列再次歸并，形成{displaystyle ceil(n/4)}個序列，每個序列包含四/三個元素 ●重復步驟2，直到所有元素排序完畢，即序列數為1 以上節選自維基百科 代碼如下：

def merge(left, right): result = [] while left and right: if left[0] < right[0]: result.append(left.pop(0)) else: result.append(right.pop(0)) if left: result += left if right: result += right return result def merge_sort(numberlist): if len(numberlist) <= 1: return numberlist mid = len(numberlist) // 2 left = numberlist[:mid] right = numberlist[mid:] left = merge_sort(left) right = merge_sort(right) return merge(left, right)?六、快速排序? 從數列中挑出一個元素，稱為“基準”（pivot），
●重新排序數列，所有比基準值小的元素擺放在基準前面，所有比基準值大的元素擺在基準后面（相同的數可以到任何一邊）。在這個分割結束之后，該基準就處于數列的中間位置。這個稱為分割（partition）操作。 ●遞歸地（recursively）把小于基準值元素的子數列和大于基準值元素的子數列排序。 ●遞歸到最底部時，數列的大小是零或一，也就是已經排序好了。這個算法一定會結束，因為在每次的迭代（iteration）中，它至少會把一個元素擺到它最后的位置去。 以上節選自維基百科 代碼如下：

def quick_sort(array): if len(array) < 2: return array else: pivot = array[0] less = [i for i in array[1:] if i <= pivot] greater = [i for i in array[1:] if i > pivot] return quick_sort(less) + [pivot] + quick_sort(greater)七、堆排序 若以升序排序說明，把數組轉換成最大堆積(Max-Heap Heap)，這是一種滿足最大堆積性質(Max-Heap Property)的二叉樹：對于除了根之外的每個節點i, A[parent(i)] ≥ A[i]。 重復從最大堆積取出數值最大的結點(把根結點和最后一個結點交換，把交換后的最后一個結點移出堆)，并讓殘余的堆積維持最大堆積性質。

def heap_sort(numberlist): length = len(numberlist) def sift_down(start, end): root = start while True: child = 2 * root + 1 if child > end: break if child + 1 <= end and numberlist[child] < numberlist[child + 1]: child += 1 if numberlist[root] < numberlist[child]: numberlist[root], numberlist[child] = numberlist[child], numberlist[root] root = child else: break # 創建最大堆 for start in range((length - 2) // 2, -1, -1): sift_down(start, length - 1) # 堆排序 for end in range(length - 1, 0, -1): numberlist[0], numberlist[end] = numberlist[end], numberlist[0] sift_down(0, end - 1) return numberlist?八、計數排序? 以上節選自維基百科
代碼如下：

def counting_sort(numberlist, maxnumber): # maxnumber為數組中的最大值 length = len(numberlist) # 待排序數組長度 b = [0 for i in range(length)] # 設置輸出序列，初始化為0 c = [0 for i in range(maxnumber+ 1)] # 設置技術序列，初始化為0 for j in numberlist: c[j] = c[j] + 1 for i in range(1, len(c)): c[i] = c[i] + c[i - 1] for j in numberlist: b[c[j] - 1] = j c[j] = c[j] - 1 return b

五

總結

各種排序的穩定性，時間復雜度和空間復雜度總結： 我們比較時間復雜度函數的情況：

時間復雜度函數O(n)的增長情況 所以對n較大的排序記錄。一般的選擇都是時間復雜度為O(nlog2n)的排序方法。 時間復雜度來說： (1)平方階(O(n2))排序 各類簡單排序:直接插入、直接選擇和冒泡排序； (2)線性對數階(O(nlog2n))排序 快速排序、堆排序和歸并排序； (3)O(n1+§))排序,§是介于0和1之間的常數。 希爾排序 (4)線性階(O(n))排序
基數排序，此外還有桶、箱排序。 說明： 當原表有序或基本有序時，直接插入排序和冒泡排序將大大減少比較次數和移動記錄的次數，時間復雜度可降至O（n）； 而快速排序則相反，當原表基本有序時，將蛻化為冒泡排序，時間復雜度提高為O（n2）； 原表是否有序，對簡單選擇排序、堆排序、歸并排序和基數排序的時間復雜度影響不大。 穩定性： 排序算法的穩定性:若待排序的序列中，存在多個具有相同關鍵字的記錄，經過排序， 這些記錄的相對次序保持不變，則稱該算法是穩定的；若經排序后，記錄的相對 次序發生了改變，則稱該算法是不穩定的。

穩定性的好處：排序算法如果是穩定的，那么從一個鍵上排序，然后再從另一個鍵上排序，第一個鍵排序的結果可以為第二個鍵排序所用。基數排序就是這樣，先按低位排序，逐次按高位排序，低位相同的元素其順序再高位也相同時是不會改變的。另外，如果排序算法穩定，可以避免多余的比較； 穩定的排序算法：冒泡排序、插入排序、歸并排序和基數排序 不是穩定的排序算法：選擇排序、快速排序、希爾排序、堆排序 選擇排序算法準則： 每種排序算法都各有優缺點。因此，在實用時需根據不同情況適當選用，甚至可以將多種方法結合起來使用。 選擇排序算法的依據 影響排序的因素有很多，平均時間復雜度低的算法并不一定就是最優的。相反，有時平均時間復雜度高的算法可能更適合某些特殊情況。同時，選擇算法時還得考慮它的可讀性，以利于軟件的維護。一般而言，需要考慮的因素有以下四點：

1．待排序的記錄數目n的大小； 2．記錄本身數據量的大小，也就是記錄中除關鍵字外的其他信息量的大小； 3．關鍵字的結構及其分布情況； 4．對排序穩定性的要求。 設待排序元素的個數為n. 1）當n較大，則應采用時間復雜度為O(nlog2n)的排序方法：快速排序、堆排序或歸并排序序。 快速排序：是目前基于比較的內部排序中被認為是最好的方法，當待排序的關鍵字是隨機分布時，快速排序的平均時間最短；

堆排序 ： 如果內存空間允許且要求穩定性的， 歸并排序：它有一定數量的數據移動，所以我們可能過與插入排序組合，先獲得一定長度的序列，然后再合并，在效率上將有所提高。 2） 當n較大，內存空間允許，且要求穩定性 =》歸并排序 3）當n較小，可采用直接插入或直接選擇排序。 直接插入排序：當元素分布有序，直接插入排序將大大減少比較次數和移動記錄的次數。 直接選擇排序 ：元素分布有序，如果不要求穩定性，選擇直接選擇排序 4）一般不使用或不直接使用傳統的冒泡排序。 5）基數排序 它是一種穩定的排序算法，但有一定的局限性： 1、關鍵字可分解。 2、記錄的關鍵字位數較少，如果密集更好 3、如果是數字時，最好是無符號的，否則將增加相應的映射復雜度，可先將其正負分開排序。 總結 以上所述是小編給大家介紹的必須知道的C語言 八大排序算法(收藏)，希望對大家有所幫助，如果大家有任何疑問請給我留言，小編會及時回復大家的。在此也非常感謝大家對腳本之家網站的支持！

責任編輯：xj

原文標題：硬核！C語言八大排序算法，附動圖和詳細代碼解釋！

文章出處：【微信公眾號：玩轉單片機】歡迎添加關注！文章轉載請注明出處。