排序演算法入門之「選擇排序」

  • 2020 年 10 月 21 日
  • 筆記

選擇排序

選擇排序也是利用了「擋板法」這個經典思想。

擋板左邊是已排序區間,右邊是未排序區間,那麼每次的「選擇」是去找右邊未排序區間的最小值,找到之後和擋板後面的第一個值換一下,然後再把擋板往右移動一位,保證排好序的這些元素在擋板的左邊。

比如之前的例子:{5, 2, 0, 1}

我們用一個擋板來分隔數組是否排好序,
用指針 j 來尋找未排序區間的最小值;

第一輪 j 最初指向 5,然後遍歷整個未排序區間,最終指向 0,那麼 0 就和擋板後的第一個元素換一下,也就是和 5 交換一下位置,擋板向右移動一位,結束第一輪。

第二輪,j 從擋板後的2開始遍歷,最終指向1,然後1和擋板後的第一個元素 2 換一下,擋板向右移動一位,結束第二輪。

第三輪,j 從2開始遍歷,最終指向2,然後和2自己換一下,擋板向右移動一位,結束第三輪。

還剩一個元素,不用遍歷了,就結束了。

選擇排序與之前的插入排序對比來看,要注意兩點:

  1. 擋板必須從 0 開始,而不能從 1 開始。雖然在這兩種演算法中,擋板的物理意義都是分隔已排序和未排序區間,但是它們的已排序區間里放的元素的意義不同:
  • 選擇排序是只能把當前的最小值放進來,而不能放其他的;
  • 插入排序的第一個元素可以為任意值。

所以選擇排序的擋板左邊最開始不能有任何元素。

  1. 在外層循環時,
  • 選擇排序的最後一輪可以省略,因為只剩下最大的那個元素了;
  • 插入排序的最後一輪不可省略,因為它的位置還沒定呢。
class Solution {
 public void selectionSort(int[] input) {
  if(input == null || input.length <= 1) {
   return;
  } 
  for(int i = 0; i < input.length - 1; i++) {
   int minValueIndex = i;
   for(int j = i + 1; j < input.length; j++) {
    if(input[j] < input[minValueIndex]) {
     minValueIndex = j;
    }
   }
   swap(input, minValueIndex, i);
  }
 }
 private void swap(int[] input, int x, int y) {
  int tmp = input[x];
  input[x] = input[y];
  input[y] = tmp;
 }
}

時間複雜度

最內層的 if 語句每執行一次是 O(1) ,那麼要執行多少次呢?

  • 當 i = 0 時,是 n-1 次;
  • 當 i = 1 時,是 n-2 次;
  • 最後是 1 次;

所以加起來,總共是:
(n-1) + (n-2) + … + 1 = n*(n-1) / 2 = O(n^2)

是這樣算出來的,而不是一拍腦袋說兩層循環就是 O(n^2).

空間複雜度

這個很簡單,最多的情況是 call swap() 的時候,然後 call stack 上每一層就用了幾個有限的變數,所以是 O(1)。

那自然也是原地排序演算法了。

穩定性

這個答案是否定的,選擇排序並沒有穩定性。

因為交換的過程破壞了原有的相對順序,比如: {5, 5, 2, 1, 0} 這個例子,第一次交換是 0 和 第一個 5 交換,於是第一個 5 跑到了數組的最後一位,且再也無翻身之地,所以第一個 5 第二個 5 的相對順序就已經打亂了。

這個問題在石頭哥的那篇Google面經文章里有被考到哦,如果還沒有看過這篇面經文章的,在公眾號里回復「Google」二字,就可以看到了。

優化

選擇排序的其中一步是選出每一輪的最小值,那麼這一步如果使用 heapify() 來優化,就可以從 O(n) 優化到 O(logn),這其實就變成了 heapSort.

如果你喜歡這篇文章,記得給我點贊留言哦~你們的支援和認可,就是我創作的最大動力,我們下篇文章見!

我是小齊,紐約程式媛,終生學習者,每天晚上 9 點,雲自習室里不見不散!

更多乾貨文章見我的 Github: //github.com/xiaoqi6666/NYCSDE