Skip to content

Navigation Menu

Sign in
Appearance settings

Search code, repositories, users, issues, pull requests...

Provide feedback

We read every piece of feedback, and take your input very seriously.

Saved searches

Use saved searches to filter your results more quickly
Sign up
Appearance settings

Commit 6d87531

Browse files
author
hustcc
committed
init
1 parent d4e2e4a commit 6d87531

20 files changed

+420
-14
lines changed

‎bubbleSort.md renamed to ‎1.bubbleSort.md

Lines changed: 4 additions & 4 deletions
Original file line numberDiff line numberDiff line change
@@ -13,9 +13,9 @@
1313
当输入的数据是反序时(写一个for循环反序输出数据不就行了,干嘛要用你冒泡排序呢,我是闲的吗)。
1414

1515

16-
## 3. 冒泡排序动图演示
16+
## 3. 动图演示
1717

18-
![冒泡排序动图演示](res/bubbleSort.gif)
18+
![动图演示](res/bubbleSort.gif)
1919

2020

2121
## 4. JavaScript 代码实现
@@ -25,8 +25,8 @@ function bubbleSort(arr) {
2525
var len = arr.length;
2626
for (var i = 0; i < len; i++) {
2727
for (var j = 0; j < len - 1 - i; j++) {
28-
if (arr[j] > arr[j+1]) { //相邻元素两两对比
29-
var temp = arr[j+1]; //元素交换
28+
if (arr[j] > arr[j+1]) { //相邻元素两两对比
29+
var temp = arr[j+1]; //元素交换
3030
arr[j+1] = arr[j];
3131
arr[j] = temp;
3232
}

‎10.radixSort.md

Lines changed: 50 additions & 0 deletions
Original file line numberDiff line numberDiff line change
@@ -0,0 +1,50 @@
1+
# 基数排序
2+
3+
作为最简单的排序算法之一,冒泡排序给我的感觉就像 Abandon 在单词书里出现的感觉一样,每次都在第一页第一位,所以最熟悉。冒泡排序还有一种优化算法,就是立一个 flag,当在一趟序列遍历中元素没有发生交换,则证明该序列已经有序。但这种改进对于提升性能来说并没有什么太大作用。
4+
5+
6+
## 1. 基数排序 vs 计数排序 vs 桶排序
7+
8+
基数排序有两种方法:
9+
10+
这三种排序算法都利用了桶的概念,但对桶的使用方法上有明显差异:
11+
12+
- 基数排序:根据键值的每位数字来分配桶;
13+
- 计数排序:每个桶只存储单一键值;
14+
- 桶排序:每个桶存储一定范围的数值;
15+
16+
17+
## 2. LSD基数排序动图演示
18+
19+
![动图演示](res/radixSort.gif)
20+
21+
22+
## 3. JavaScript 代码实现
23+
24+
```js
25+
//LSD Radix Sort
26+
var counter = [];
27+
function radixSort(arr, maxDigit) {
28+
var mod = 10;
29+
var dev = 1;
30+
for (var i = 0; i < maxDigit; i++, dev *= 10, mod *= 10) {
31+
for(var j = 0; j < arr.length; j++) {
32+
var bucket = parseInt((arr[j] % mod) / dev);
33+
if(counter[bucket]==null) {
34+
counter[bucket] = [];
35+
}
36+
counter[bucket].push(arr[j]);
37+
}
38+
var pos = 0;
39+
for(var j = 0; j < counter.length; j++) {
40+
var value = null;
41+
if(counter[j]!=null) {
42+
while ((value = counter[j].shift()) != null) {
43+
arr[pos++] = value;
44+
}
45+
}
46+
}
47+
}
48+
return arr;
49+
}
50+
```

‎2.selectionSort.md

Lines changed: 30 additions & 0 deletions
Original file line numberDiff line numberDiff line change
@@ -0,0 +1,30 @@
1+
# 选择排序
2+
3+
表现最稳定的排序算法之一,因为无论什么数据进去都是 O(n2) 的时间复杂度。所以用到它的时候,数据规模越小越好。唯一的好处可能就是不占用额外的内存空间了吧。
4+
5+
6+
## 1. 动图演示
7+
8+
![动图演示](res/selectionSort.gif)
9+
10+
11+
## 2. JavaScript 代码实现
12+
13+
```js
14+
function selectionSort(arr) {
15+
var len = arr.length;
16+
var minIndex, temp;
17+
for (var i = 0; i < len - 1; i++) {
18+
minIndex = i;
19+
for (var j = i + 1; j < len; j++) {
20+
if (arr[j] < arr[minIndex]) { // 寻找最小的数
21+
minIndex = j; // 将最小数的索引保存
22+
}
23+
}
24+
temp = arr[i];
25+
arr[i] = arr[minIndex];
26+
arr[minIndex] = temp;
27+
}
28+
return arr;
29+
}
30+
```

‎3.insertionSort.md

Lines changed: 30 additions & 0 deletions
Original file line numberDiff line numberDiff line change
@@ -0,0 +1,30 @@
1+
# 插入排序
2+
3+
插入排序的代码实现虽然没有冒泡排序和选择排序那么简单粗暴,但它的原理应该是最容易理解的了,因为只要打过扑克牌的人都应该能够秒懂。当然,如果你说你打扑克牌摸牌的时候从来不按牌的大小整理牌,那估计这辈子你对插入排序的算法都不会产生任何兴趣了。
4+
5+
插入排序和冒泡排序一样,也有一种优化算法,叫做拆半插入。对于这种算法,得了懒癌的我就套用教科书上的一句经典的话吧:感兴趣的同学可以在课后自行研究。
6+
7+
8+
## 1. 动图演示
9+
10+
![动图演示](res/insertionSort.gif)
11+
12+
13+
## 2. JavaScript 代码实现
14+
15+
```js
16+
function insertionSort(arr) {
17+
var len = arr.length;
18+
var preIndex, current;
19+
for (var i = 1; i < len; i++) {
20+
preIndex = i - 1;
21+
current = arr[i];
22+
while(preIndex >= 0 && arr[preIndex] > current) {
23+
arr[preIndex+1] = arr[preIndex];
24+
preIndex--;
25+
}
26+
arr[preIndex+1] = current;
27+
}
28+
return arr;
29+
}
30+
```

‎4.shellSort.md

Lines changed: 27 additions & 0 deletions
Original file line numberDiff line numberDiff line change
@@ -0,0 +1,27 @@
1+
# 希尔排序
2+
3+
希尔排序是插入排序的一种更高效率的实现。它与插入排序的不同之处在于,它会优先比较距离较远的元素。希尔排序的核心在于间隔序列的设定。既可以提前设定好间隔序列,也可以动态的定义间隔序列。动态定义间隔序列的算法是《算法(第4版》的合著者 Robert Sedgewick 提出的。在这里,我就使用了这种方法。
4+
5+
6+
## 1. JavaScript 代码实现
7+
8+
```js
9+
function shellSort(arr) {
10+
var len = arr.length,
11+
temp,
12+
gap = 1;
13+
while(gap < len/3) { //动态定义间隔序列
14+
gap =gap*3+1;
15+
}
16+
for (gap; gap > 0; gap = Math.floor(gap/3)) {
17+
for (var i = gap; i < len; i++) {
18+
temp = arr[i];
19+
for (var j = i-gap; j >= 0 && arr[j] > temp; j-=gap) {
20+
arr[j+gap] = arr[j];
21+
}
22+
arr[j+gap] = temp;
23+
}
24+
}
25+
return arr;
26+
}
27+
```

‎5.mergeSort.md

Lines changed: 59 additions & 0 deletions
Original file line numberDiff line numberDiff line change
@@ -0,0 +1,59 @@
1+
# 归并排序
2+
3+
作为一种典型的分而治之思想的算法应用,归并排序的实现由两种方法:
4+
- 自上而下的递归(所有递归的方法都可以用迭代重写,所以就有了第2种方法);
5+
- 自下而上的迭代;
6+
7+
在《数据结构与算法JavaScript描述》中,作者给出了自下而上的迭代方法。但是对于递归法,作者却认为:
8+
9+
10+
> However, it is not possible to do so in JavaScript, as the recursion goes too deep for the language to handle.
11+
>
12+
> 然而,在 JavaScript 中这种方式不太可行,因为这个算法的递归深度对它来讲太深了。
13+
14+
15+
说实话,我不太理解这句话。意思是 JavaScript 编译器内存太小,递归太深容易造成内存溢出吗?还望有大神能够指教。
16+
17+
和选择排序一样,归并排序的性能不受输入数据的影响,但表现比选择排序好的多,因为始终都是 O(nlogn) 的时间复杂度。代价是需要额外的内存空间。
18+
19+
20+
## 1. 动图演示
21+
22+
![动图演示](res/mergeSort.gif)
23+
24+
25+
## 2. JavaScript 代码实现
26+
27+
```js
28+
function mergeSort(arr) { // 采用自上而下的递归方法
29+
var len = arr.length;
30+
if(len < 2) {
31+
return arr;
32+
}
33+
var middle = Math.floor(len / 2),
34+
left = arr.slice(0, middle),
35+
right = arr.slice(middle);
36+
return merge(mergeSort(left), mergeSort(right));
37+
}
38+
39+
function merge(left, right)
40+
{
41+
var result = [];
42+
43+
while (left.length && right.length) {
44+
if (left[0] <= right[0]) {
45+
result.push(left.shift());
46+
} else {
47+
result.push(right.shift());
48+
}
49+
}
50+
51+
while (left.length)
52+
result.push(left.shift());
53+
54+
while (right.length)
55+
result.push(right.shift());
56+
57+
return result;
58+
}
59+
```

‎6.quickSort.md

Lines changed: 50 additions & 0 deletions
Original file line numberDiff line numberDiff line change
@@ -0,0 +1,50 @@
1+
# 快速排序
2+
3+
快速排序又是一种分而治之思想在排序算法上的典型应用。本质上来看,快速排序应该算是在冒泡排序基础上的递归分治法。
4+
5+
快速排序的名字起的是简单粗暴,因为一听到这个名字你就知道它存在的意义,就是快,而且效率高! 它是处理大数据最快的排序算法之一了。虽然 Worst Case 的时间复杂度达到了 O(n2),但是人家就是优秀,在大多数情况下都比平均时间复杂度为 O(n logn) 的排序算法表现要更好,可是这是为什么呢,我也不知道。好在我的强迫症又犯了,查了N多资料终于在《算法艺术与信息学竞赛》上找到了满意的答案:
6+
7+
> 快速排序的最坏运行情况是O(n2),比如说顺序数列的快排。但它的平摊期望时间是O(n log n) ,且O(n log n)记号中隐含的常数因子很小,比复杂度稳定等于O(n log n)的归并排序要小很多。所以,对绝大多数顺序性较弱的随机数列而言,快速排序总是优于归并排序。
8+
9+
10+
## 1. 动图演示
11+
12+
![动图演示](res/quickSort.gif)
13+
14+
15+
## 2. JavaScript 代码实现
16+
17+
```js
18+
function quickSort(arr, left, right) {
19+
var len = arr.length,
20+
partitionIndex,
21+
left = typeof left != 'number' ? 0 : left,
22+
right = typeof right != 'number' ? len - 1 : right;
23+
24+
if (left < right) {
25+
partitionIndex = partition(arr, left, right);
26+
quickSort(arr, left, partitionIndex-1);
27+
quickSort(arr, partitionIndex+1, right);
28+
}
29+
return arr;
30+
}
31+
32+
function partition(arr, left ,right) { // 分区操作
33+
var pivot = left, // 设定基准值(pivot)
34+
index = pivot + 1;
35+
for (var i = index; i <= right; i++) {
36+
if (arr[i] < arr[pivot]) {
37+
swap(arr, i, index);
38+
index++;
39+
}
40+
}
41+
swap(arr, pivot, index - 1);
42+
return index-1;
43+
}
44+
45+
function swap(arr, i, j) {
46+
var temp = arr[i];
47+
arr[i] = arr[j];
48+
arr[j] = temp;
49+
}
50+
```

‎7.heapSort.md

Lines changed: 61 additions & 0 deletions
Original file line numberDiff line numberDiff line change
@@ -0,0 +1,61 @@
1+
# 堆排序
2+
3+
堆排序可以说是一种利用堆的概念来排序的选择排序。分为两种方法:
4+
5+
1. 大顶堆:每个节点的值都大于或等于其子节点的值,在堆排序算法中用于升序排列;
6+
2. 小顶堆:每个节点的值都小于或等于其子节点的值,在堆排序算法中用于降序排列;
7+
8+
9+
## 1. 动图演示
10+
11+
![动图演示](res/heapSort.gif)
12+
13+
14+
## 2. JavaScript 代码实现
15+
16+
```js
17+
var len; // 因为声明的多个函数都需要数据长度,所以把len设置成为全局变量
18+
19+
function buildMaxHeap(arr) { // 建立大顶堆
20+
len = arr.length;
21+
for (var i = Math.floor(len/2); i >= 0; i--) {
22+
heapify(arr, i);
23+
}
24+
}
25+
26+
function heapify(arr, i) { // 堆调整
27+
var left = 2 * i + 1,
28+
right = 2 * i + 2,
29+
largest = i;
30+
31+
if (left < len && arr[left] > arr[largest]) {
32+
largest = left;
33+
}
34+
35+
if (right < len && arr[right] > arr[largest]) {
36+
largest = right;
37+
}
38+
39+
if (largest != i) {
40+
swap(arr, i, largest);
41+
heapify(arr, largest);
42+
}
43+
}
44+
45+
function swap(arr, i, j) {
46+
var temp = arr[i];
47+
arr[i] = arr[j];
48+
arr[j] = temp;
49+
}
50+
51+
function heapSort(arr) {
52+
buildMaxHeap(arr);
53+
54+
for (var i = arr.length-1; i > 0; i--) {
55+
swap(arr, 0, i);
56+
len--;
57+
heapify(arr, 0);
58+
}
59+
return arr;
60+
}
61+
```

‎8.countingSort.md

Lines changed: 35 additions & 0 deletions
Original file line numberDiff line numberDiff line change
@@ -0,0 +1,35 @@
1+
# 计数排序
2+
3+
计数排序的核心在于将输入的数据值转化为键存储在额外开辟的数组空间中。作为一种线性时间复杂度的排序,计数排序要求输入的数据必须是有确定范围的整数。
4+
5+
## 1. 动图演示
6+
7+
![动图演示](res/countingSort.gif)
8+
9+
10+
## 2. JavaScript 代码实现
11+
12+
```js
13+
function countingSort(arr, maxValue) {
14+
var bucket = new Array(maxValue+1),
15+
sortedIndex = 0;
16+
arrLen = arr.length,
17+
bucketLen = maxValue + 1;
18+
19+
for (var i = 0; i < arrLen; i++) {
20+
if (!bucket[arr[i]]) {
21+
bucket[arr[i]] = 0;
22+
}
23+
bucket[arr[i]]++;
24+
}
25+
26+
for (var j = 0; j < bucketLen; j++) {
27+
while(bucket[j] > 0) {
28+
arr[sortedIndex++] = j;
29+
bucket[j]--;
30+
}
31+
}
32+
33+
return arr;
34+
}
35+
```

0 commit comments

Comments
(0)

AltStyle によって変換されたページ (->オリジナル) /