javascript中排序算法的详细介绍(javascript,web开发)

排序算法是面试中的高频考察点，我们需要熟练掌握。本文整理了最经典、最常用的排序算法并且搭配了动图和视频，希望能够帮助你更加轻松的拿下它们。

首先，根据排序算法的特性可以分成如下两类：

• 比较类排序

• 非比较类排序

顾名思义，比较类排序是通过元素间的比较进行排序的，非比较类则不涉及元素之间的比较操作。

比较类排序的时间复杂度不能突破 O(nlogn)，也被称为非线性排序。

非比较类排序的时间复杂度可以突破 O(nlogn)，能够以线性的时间运行，也被称为线性排序。

如果你还不了解时间复杂度的话，可以移步我的这篇专栏JavaScript算法时间、空间复杂度分析。

01 冒泡排序 Bubble Sort

冒泡排序，简单粗暴，一句话解释:

冒泡排序在每次冒泡操作时会比较相邻的两个元素，看是否满足大小关系要求，不满足就将它俩互换。一直迭代到不再需要交换，也就是排序完成。

constbubbleSort=function(arr){constlen=arr.lengthif(len<2)returnarrfor(leti=0;i<len;i++){for(letj=0;j<len-i-1;j++){if(arr[j]>arr[j+1]){consttemp=arr[j]arr[j]=arr[j+1]arr[j+1]=temp}}}returnarr}

• 时间复杂度: O(n^2)

• 空间复杂度: O(1)

• 稳定

注意：这里的稳定是指，冒泡排序是稳定的排序算法。

什么是稳定的排序算法呢？

排序算法的稳定性

仅仅用执行效率和内存消耗来判断排序算法的优劣是不够的，针对排序算法，还有一个重要的度量指标，稳定性。

意思是说，如果待排序的序列中存在值相等的元素，经过排序之后，相等元素之间原有的先后顺序不变。

举个：

比如我们有一组数据：1，9，2，5，8，9。按照大小排序之后就是 1，2，5，8，9，9。

这组数据中有两个 9，经过某种排序算法排序后，如果两个 9 的前后顺序没有改变，我们就把这种排序算法称为 稳定的排序算法。
否则，就是不稳定的排序算法。

冒泡排序优化

上面的代码还可以进行优化，当某次冒泡操作已经没有数据交换时，说明已经达到完全有序，不需要再继续执行后续的冒泡操作了。

constbubbleSort=function(arr){constlen=arr.lengthletflag=falseif(len<2)returnarrfor(leti=0;i<len;i++){flag=false//提前退出冒泡循环的标志for(letj=0;j<len-i-1;j++){if(arr[j]>arr[j+1]){consttemp=arr[j]arr[j]=arr[j+1]arr[j+1]=tempflag=true//表示有数据交换}}if(!flag)break//没有数据交换，提前退出}returnarr}

02 插入排序 Insertion Sort

插入排序顾名思义，对于未排序的数据，在已排序的序列中从后往前扫描，找到相应的位置进行插入，保持已排序序列中元素一直有序。

从 i 等于 1 开始遍历，拿到当前元素 curr，与前面的元素进行比较。

如果前面的元素大于当前元素，就把前面的元素和当前元素进行交换，不断循环直到未排序序列中元素为空，排序完成。

constinsertSort=function(arr){constlen=arr.lengthletcurr,prevfor(leti=1;i<len;i++){curr=arr[i]prev=i-1while(prev>=0&&arr[prev]>curr){arr[prev+1]=arr[prev]prev--}arr[prev+1]=curr}returnarr}

• 时间复杂度: O(n^2)

• 空间复杂度: O(1)

• 稳定

03 选择排序 Selection Sort

选择排序可视化视频：

https://www.reddit.com/r/programming/comments/e5md13/selection_sort_visualization/

选择排序和插入排序有些类似，也分已排序序列和未排序序列。

但是选择排序是将最小的元素存放在数组起始位置，再从剩下的未排序的序列中寻找最小的元素，然后将其放到已排序的序列后面。以此类推，直到排序完成。

constselectSort=function(arr){constlen=arr.lengthlettemp,minIndexfor(leti=0;i<len-1;i++){minIndex=ifor(letj=i+1;j<len;j++){if(arr[j]<=arr[minIndex]){minIndex=j}}temp=arr[i]arr[i]=arr[minIndex]arr[minIndex]=temp}returnarr}

• 时间复杂度: O(n^2)

• 空间复杂度: O(1)

• 不稳定

04 归并排序 Merge Sort

分治法典型应用，分治算法思想很大程度上是基于递归的，也比较适合用递归来实现。

处理过程是由下到上的，先处理子问题，然后再合并。

如果感觉自己对递归掌握的还不是很透彻的同学，可以移步我的这篇专栏你真的懂递归吗？。

顾名思义，分而治之。一般分为以下三个过程：

• 分解：将原问题分解成一系列子问题。

• 解决：递归求解各个子问题，若子问题足够小，则直接求解。

• 合并：将子问题的结果合并成原问题。

归并排序就是将待排序数组不断二分为规模更小的子问题处理，再将处理好的子问题合并起来，这样整个数组就都有序了。

constmergeSort=function(arr){constmerge=(right,left)=>{constresult=[]leti=0,j=0while(i<left.length&&j<right.length){if(left[i]<right[j]){result.push(left[i++])}else{result.push(right[j++])}}while(i<left.length){result.push(left[i++])}while(j<right.length){result.push(right[j++])}returnresult}constsort=(arr)=>{if(arr.length===1){returnarr}constmid=Math.floor(arr.length/2)constleft=arr.slice(0,mid)constright=arr.slice(mid,arr.length)returnmerge(mergeSort(left),mergeSort(right))}returnsort(arr)}

• 时间复杂度: O(nlogn)

• 空间复杂度: O(n)

• 稳定

05 快速排序 Quick Sort

快速排序可视化视频：

https://www.reddit.com/r/dataisbeautiful/comments/e9fb2k/oc_quicksort_visualization/

快速排序也是分治法的应用，处理过程是由上到下的，先分区，然后再处理子问题。

快速排序通过遍历数组，将待排序元素分隔成独立的两部分，一部分记录的元素均比另一部分的元素小，则可以分别对这两部分记录的元素继续进行排序，直到排序完成。

这就需要从数组中挑选出一个元素作为 基准(pivot)，然后重新排序数列，将元素比基准值小的放到基准前面，比基准值大的放到基准后面。

然后将小于基准值的子数组(left)和大于基准值的子数组(right)递归地调用 quick 方法，直到排序完成。

constquickSort=function(arr){constquick=function(arr){if(arr.length<=1)returnarrconstlen=arr.lengthconstindex=Math.floor(len>>1)constpivot=arr.splice(index,1)[0]constleft=[]constright=[]for(leti=0;i<len;i++){if(arr[i]>pivot){right.push(arr[i])}elseif(arr[i]<=pivot){left.push(arr[i])}}returnquick(left).concat([pivot],quick(right))}constresult=quick(arr)returnresult}

• 时间复杂度: O(nlogn)

• 空间复杂度: O(nlogn)

• 不稳定

06 堆排序 Heap Sort

堆排序相比其他几种排序代码会有些复杂，不过没关系，我们先来看一些前置知识，可以帮助我们更好的理解堆排序。

堆排序顾名思义就是要利用堆这种数据结构进行排序。堆是一种特殊的树，满足以下两点就是堆：

• 堆是一个完全二叉树

• 堆中每一个节点的值都必须大于等于(或小于等于)其子树中的每个节点的值

每个节点的值都大于等于子树中每个节点值的堆，叫做大顶堆，每个节点的值都小于等于子树中每个节点值的堆，叫做小顶堆。

也就是说，大顶堆中，根节点是堆中最大的元素。小顶堆中，根节点是堆中最小的元素。

如果你对树这种数据结构还不是很了解，可以移步我的这篇专栏“树”业有专攻

堆如果用一个数组表示的话，给定一个节点的下标 i (i从1开始)，那么它的父节点一定为 A[i / 2]，左子节点为 A[2i]，右子节点为 A[2i + 1]。

堆排序包含两个过程，建堆和排序。首先构建一个大顶堆，也就是将最大值存储在根节点(i = 1)，每次取大顶堆的根节点与堆的最后一个节点进行交换，此时最大值放入了有效序列的最后一位，并且有效序列减 1，有效堆依然保持完全二叉树的结构，然后进行堆化成为新的大顶堆。重复此操作，直到有效堆的长度为 0，排序完成。

constheapSort=function(arr){buildHeap(arr,arr.length-1)letheapSize=arr.length-1//初始化堆的有效序列长度for(leti=arr.length-1;i>1;i--){swap(arr,1,i)//交换堆顶元素与最后一个有效子元素heapSize--//有效序列长度减1heapify(arr,heapSize,1)//堆化有效序列}returnarr}//构建大顶堆constbuildHeap=function(items,heapSize){//从后往前并不是从序列的最后一个元素开始，而是从最后一个非叶子节点开始，这是因为，叶子节点没有子节点，不需要自上而下式堆化。//最后一个子节点的父节点为n/2，所以从n/2位置节点开始堆化for(leti=Math.floor(heapSize/2);i>=1;i--){heapify(items,heapSize,i)}}//堆化constheapify=function(arr,heapSize,i){while(true){letmaxIndex=iif(2*i<=heapSize&&arr[i]<arr[i*2]){maxIndex=i*2}if(2*i+1<=heapSize&&arr[maxIndex]<arr[i*2+1]){maxIndex=i*2+1}if(maxIndex===i)breakswap(arr,i,maxIndex)i=maxIndex}}//交换工具函数constswap=function(arr,i,j){lettemp=arr[i]arr[i]=arr[j]arr[j]=temp}

• 时间复杂度: O(nlogn)

• 空间复杂度: O(1)

• 不稳定

为了方便你理解和记忆，我将这 6 种排序算法的复杂度和稳定性汇总成表格如下：