排序算法总结
十大经典排序算法总结
⼗⼤经典排序算法总结最近⼏天在研究算法，将⼏种排序算法整理了⼀下，便于对这些排序算法进⾏⽐较，若有错误的地⽅，还请⼤家指正0、排序算法说明0.1 排序术语稳定：如果a=b,且a原本排在b前⾯，排序之后a仍排在b的前⾯不稳定：如果a=b,且a原本排在b前⾯，排序之后排在b的后⾯时间复杂度：⼀个算法执⾏所耗费的时间空间复杂度：⼀个算法执⾏完所需内存的⼤⼩内排序：所有排序操作都在内存中完成外排序：由于数据太⼤，因此把数据放在磁盘中，⽽排序通过磁盘和内存的数据传输才能进⾏0.2算法时间复杂度、空间复杂度⽐较0.3名词解释n:数据规模k:桶的个数In-place:占⽤常数内存，不占⽤额外内存Out-place:占⽤额外内存0.4算法分类1.冒泡排序冒泡排序是⼀种简单的排序算法。
它重复地⾛访过要排序的数列，⼀次⽐较两个元素，如果它们的顺序错误就把它们交换过来。
⾛访数列的⼯作是重复地进⾏直到没有再需要交换，也就是说该数列已经排序完成。
这个算法的名字由来是因为越⼩的元素会经由交换慢慢“浮”到数列的顶端1.1算法描述⽐较相邻的元素，如果前⼀个⽐后⼀个打，就交换对每⼀对相邻元素做同样的⼯作，从开始第⼀对到结尾最后⼀对，这样在最后的元素应该会是最⼤的数针对所有的元素重复以上的步骤，除了最后⼀个重复步骤1-3，知道排序完成1.2动图演⽰1.3代码实现public static int[] bubbleSort(int[] array) {if (array.length == 0)return array;for (int i = 0; i < array.length; i++)for (int j = 0; j < array.length - 1 - i; j++)if (array[j + 1] < array[j]) {int temp = array[j + 1];array[j + 1] = array[j];array[j] = temp;}return array;}1.4算法分析最佳情况：T(n) = O(n) 最差情况：T(n) = O(n2) 平均情况：T(n) = O(n2)2.选择排序表现简单直观的最稳定的排序算法之⼀，因为⽆论什么数据都是O(n2)的时间复杂度，⾸先在未排序序列中找到最⼩（⼤）元素，与数组中第⼀个元素交换位置，作为排序序列的起始位置，然后再从剩余未排序元素中继续寻找最⼩（⼤）的元素，与数组中的下⼀个元素交换位置，也就是放在已排序序列的末尾2.1算法描述1.初始状态：⽆序区为R[1..n],有序区为空2.第i躺排序开始时，当前有序区和⽆序区R[1..i-1]、R[i..n]3.n-1趟结束，数组有序化2.2动图演⽰2.3代码实现public static int[] selectionSort(int[] array) {if (array.length == 0)return array;for (int i = 0; i < array.length; i++) {int minIndex = i;for (int j = i; j < array.length; j++) {if (array[j] < array[minIndex]) //找到最⼩的数minIndex = j; //将最⼩数的索引保存}int temp = array[minIndex];array[minIndex] = array[i];array[i] = temp;}return array;}2.4算法分析最佳情况：T(n) = O(n2) 最差情况：T(n) = O(n2) 平均情况：T(n) = O(n2)3、插⼊排序是⼀种简单直观的排序算法，通过构建有序序列，对于未排序序列，在已排序序列中从后向前扫描，找到相应位置并插⼊，需要反复把已排序元素逐步向后挪位，为最新元素腾出插⼊空间3.1算法描述1.从第⼀个元素开始，该元素可以认为已经被排序2.取出下⼀个元素（h），在已排序的元素序列中从后往前扫描3.如果当前元素⼤于h，将当前元素移到下⼀位置4.重复步骤3，直到找到已排序的元素⼩于等于h的位置5.将h插⼊到该位置6.重复步骤2-53.2动图演⽰3.3代码实现public static int[] insertionSort(int[] array) {if (array.length == 0)return array;int current;for (int i = 0; i < array.length - 1; i++) {current = array[i + 1];int preIndex = i;while (preIndex >= 0 && current < array[preIndex]) {array[preIndex + 1] = array[preIndex];preIndex--;}array[preIndex + 1] = current;}return array;}3.4算法分析最佳情况：T(n) = O(n) 最坏情况：T(n) = O(n2) 平均情况：T(n) = O(n2)4、希尔排序是简单插⼊排序经过改进之后的⼀个更⾼效的版本，也称为缩⼩增量排序，同时该算法是冲破O(n2）的第⼀批算法之⼀。
10种常用典型算法
10种常用典型算法1. 冒泡排序(Bubble Sort)冒泡排序是一种简单的排序算法。
它通过依次比较相邻的两个元素，如果顺序不对则交换位置。
这样，每一趟排序都会将最大的元素移动到末尾。
通过多次重复这个过程，直到所有元素按照升序排列为止。
2. 选择排序(Selection Sort)选择排序也是一种简单的排序算法。
它通过每次从未排序的部分中选出最小的元素，放到已排序部分的末尾。
通过多次重复这个过程，直到所有元素按照升序排列为止。
3. 插入排序(Insertion Sort)插入排序是一种简单且稳定的排序算法。
它通过将未排序的元素逐个插入到已排序部分的正确位置。
每次插入一个元素，已排序部分都是有序的。
通过多次重复这个过程，直到所有元素按照升序排列为止。
4. 快速排序(Quick Sort)快速排序是一种高效的排序算法。
它通过选择一个基准元素，将数组分成两部分，一部分元素小于基准，另一部分元素大于基准。
然后对这两部分递归地进行快速排序。
通过多次重复这个过程，直到所有元素按照升序排列为止。
5. 归并排序(Merge Sort)归并排序是一种稳定的排序算法。
它通过将数组递归地分成两半，分别对这两半进行归并排序，然后将排序好的两部分合并起来。
通过多次重复这个过程，直到所有元素按照升序排列为止。
6. 堆排序(Heap Sort)堆排序是一种高效的排序算法。
它利用堆的性质来进行排序，通过构建一个最大堆或最小堆，并不断地取出堆顶元素并调整堆。
通过多次重复这个过程，直到所有元素按照升序排列为止。
7. 计数排序(Counting Sort)计数排序是一种非比较性的整数排序算法。
它通过统计每个元素的个数来排序。
首先统计每个元素出现的次数，然后根据元素的大小顺序将其放入新的数组中。
通过多次重复这个过程，直到所有元素按照升序排列为止。
8. 桶排序(Bucket Sort)桶排序是一种非比较性的排序算法。
它通过将元素划分到不同的桶中，每个桶内再使用其他排序算法进行排序。
排列知识点归纳总结
排列知识点归纳总结一、排列的定义排列是指将n个不同的元素从中选取r个元素进行排列的方式。
其表示形式为P(n, r)，表示n个元素中选取r个元素进行排列的方式的个数。
排列的顺序很重要，不同的排列顺序会产生不同的排列组合。
例如，对于三个元素a、b、c，从中选取两个元素进行排列的方式有6种，分别为ab、ac、ba、bc、ca、cb。
二、排列的性质1. 排列的个数当从n个元素中选取r个元素进行排列时，排列的个数可以表示为：P(n, r) = n! / (n−r)!其中，“!”表示阶乘。
这个公式表示了从n个元素中选取r个元素进行排列的方式的个数。
2. 全排列当不限定选取元素的个数时，可以将所有的元素进行排列，这就是全排列。
全排列的个数为n!，其中n为元素的个数。
三、排列的计算方法在实际计算中，计算排列的个数常常涉及到阶乘的计算。
阶乘的计算可以通过递归或者循环的方法进行。
在计算排列的个数时，可以使用数学公式进行计算，也可以将问题转化为图形的排列方式进行计算。
四、常见问题1. 从n个元素中选取r个元素进行排列的方式的个数。
这是排列问题中最基本的问题之一，计算排列的个数可以通过公式进行计算。
2. 排列的性质排列的性质包括排列的定义、性质、计算方法以及常见问题等内容。
3. 复杂排列问题在实际问题中，涉及到排列的问题往往是复杂的，需要利用排列的性质和计算方法进行解答。
总结排列是一种重要的组合方式，它在数学中有着重要的应用，也是解决实际问题中的重要数学工具。
通过排列的定义、性质、计算方法以及常见问题的总结，我们可以更好地理解排列的概念，提高解决排列问题的能力。
希望本文所总结的内容能够对读者有所帮助。
数学排序知识点总结
数学排序知识点总结一、排序算法的概念及分类1.1 排序算法的概念排序算法是一种用来对一组数据进行排序的算法。
它使得数据按照一定的顺序排列，方便我们进行查找、统计、分析等操作。
在实际应用中，排序算法扮演着非常重要的角色，例如在数据库检索、数据压缩、图像处理等领域都有着广泛的应用。
1.2 排序算法的分类排序算法一般可以分为两大类，即比较排序和非比较排序。
比较排序是指通过比较待排序元素之间的大小关系来进行排序的算法，其时间复杂度一般为O(nlogn)，包括常见的快速排序、归并排序、堆排序等；非比较排序则是通过其他辅助信息来确定元素的顺序，其时间复杂度通常较低，包括计数排序、桶排序、基数排序等。
二、常见的排序算法及其应用2.1 快速排序快速排序是一种常用的比较排序算法，其基本思想是通过一次划分将待排序数组分成两个部分，使得左边的元素均小于右边的元素，然后再对左右部分递归进行排序。
快速排序的时间复杂度为O(nlogn)，空间复杂度为O(logn)。
快速排序可以在很多实际应用中发挥作用，例如在数据库查询、数据压缩、图像处理等领域都有着广泛的应用。
2.2 归并排序归并排序也是一种常用的比较排序算法，其基本思想是将待排序数组分成两个部分，分别进行递归排序，然后再将两个有序的子数组合并成一个有序的数组。
归并排序的时间复杂度为O(nlogn)，空间复杂度为O(n)。
归并排序可以在很多实际应用中发挥作用，例如在文件排序、数据库排序等领域都有着广泛的应用。
2.3 堆排序堆排序是一种利用堆这种数据结构进行排序的算法，其基本思想是通过建立一个大顶堆或小顶堆，然后将堆顶元素与最后一个元素交换，并调整堆，再将堆顶元素与倒数第二个元素交换，以此类推，直到所有元素都有序。
堆排序的时间复杂度为O(nlogn)，空间复杂度为O(1)。
堆排序在优先队列、事件排序等领域有着广泛的应用。
2.4 计数排序计数排序是一种非比较排序算法，其基本思想是通过对待排序数组进行统计，然后根据统计信息将元素放置到正确的位置上。
各种排序方法总结
选择排序、快速排序、希尔排序、堆排序不是稳定的排序算法，冒泡排序、插入排序、归并排序和基数排序是稳定的排序算法。
冒泡法：这是最原始，也是众所周知的最慢的算法了。
他的名字的由来因为它的工作看来象是冒泡：复杂度为O(n*n)。
当数据为正序，将不会有交换。
复杂度为O(0)。
直接插入排序：O(n*n)选择排序：O(n*n)快速排序：平均时间复杂度log2(n)*n，所有内部排序方法中最高好的，大多数情况下总是最好的。
归并排序：l og2(n)*n堆排序：l og2(n)*n希尔排序：算法的复杂度为n的1.2次幂这里我没有给出行为的分析，因为这个很简单，我们直接来分析算法：首先我们考虑最理想的情况1.数组的大小是2的幂，这样分下去始终可以被2整除。
假设为2的k次方，即k=log2(n)。
2.每次我们选择的值刚好是中间值，这样，数组才可以被等分。
第一层递归，循环n次，第二层循环2*(n/2)......所以共有n+2(n/2)+4(n/4)+...+n*(n/n) = n+n+n+...+n=k*n=log2(n)*n所以算法复杂度为O(lo g2(n)*n) 其他的情况只会比这种情况差，最差的情况是每次选择到的midd le都是最小值或最大值，那么他将变成交换法（由于使用了递归，情况更糟）。
但是你认为这种情况发生的几率有多大？？呵呵，你完全不必担心这个问题。
实践证明，大多数的情况，快速排序总是最好的。
如果你担心这个问题，你可以使用堆排序，这是一种稳定的O(log2(n)*n)算法，但是通常情况下速度要慢于快速排序（因为要重组堆）。
排序题方法总结
排序题方法总结
排序方法可以总结为以下几种：
1. 冒泡排序：重复比较相邻的两个元素，若顺序错误则交换位置，直至整个数组有序。
时间复杂度为O(n^2)。
2. 选择排序：每次从数组中选择最小（或最大）的元素，放到已排序的末尾，直至整个数组有序。
时间复杂度为O(n^2)。
3. 插入排序：将数组分为已排序和未排序两部分，每次从未排序部分中取出一个元素，并插入到已排序部分的适当位置，直至整个数组有序。
时间复杂度为O(n^2)。
4. 归并排序：将数组不断地分割成更小的子数组，然后再将子数组合并，直至整个数组有序。
时间复杂度为O(nlogn)。
5. 快速排序：选择一个基准元素，将数组分为小于和大于基准元素的两部分，再对两部分分别进行快速排序，直至整个数组有序。
时间复杂度为O(nlogn)。
6. 堆排序：将数组构建成大顶堆（或小顶堆），然后不断地将堆顶元素与最后一个元素交换，并重新调整堆，直至整个数组有序。
时间复杂度为O(nlogn)。
7. 计数排序：统计数组中每个元素出现的次数，然后根据计数从小到大将元素重新排列。
时间复杂度为O(n+k)，其中k是值的范围。
8. 基数排序：按照位数从低到高的顺序，将数组分配到桶中，然后重组桶中的元素，直至整个数组有序。
时间复杂度为
O(d*(n+k))，其中d是最大位数，k是每个桶的大小。
以上是常见的排序算法，每种算法都有不同的适用场景和特点，需要根据实际问题选择合适的算法。
大学计算机科学算法知识点归纳总结
大学计算机科学算法知识点归纳总结计算机科学的一个重要分支就是算法，它是解决问题的具体步骤和方法的集合。
通过学习和掌握算法知识，我们可以更加高效地解决各种问题。
本文将对大学计算机科学中常见的算法知识点进行归纳总结。
一、排序算法排序算法是计算机科学中最基本也是最常用的算法之一。
它将一组元素按照特定的规则进行重新排列。
以下是几种常见的排序算法：1. 冒泡排序（Bubble Sort）冒泡排序通过相邻元素的比较和交换来实现排序，每一轮将最大的元素冒泡到末尾。
2. 插入排序（Insertion Sort）插入排序通过将元素逐个插入已经有序的部分来实现排序。
3. 快速排序（Quick Sort）快速排序是一种基于分治法的排序算法，通过选择一个基准元素和其它元素进行比较和交换来实现排序。
4. 归并排序（Merge Sort）归并排序是一种基于分治法的排序算法，将待排序序列分为若干个子序列，分别进行排序后再合并。
二、查找算法查找算法是在给定的数据集合中找到指定元素的算法。
以下是几种常见的查找算法：1. 顺序查找（Sequential Search）顺序查找是一种逐个比较的查找算法，从列表的开头依次比较每个元素，直到找到目标元素或遍历完整个列表。
2. 二分查找（Binary Search）二分查找是一种基于分治法的查找算法，通过将待查找的区间不断缩小，最终找到目标元素。
三、图算法图是由节点和边组成的一种数据结构，图算法是解决图相关问题的一种算法。
以下是几种常见的图算法：1. 深度优先搜索（Depth First Search）深度优先搜索是一种遍历和搜索图的算法，它以深度优先的方式访问节点。
2. 广度优先搜索（Breadth First Search）广度优先搜索是一种遍历和搜索图的算法，它以广度优先的方式访问节点。
3. 最小生成树（Minimum Spanning Tree）最小生成树是一个无环连通子图，它是图中边的一种子集，使得树上所有边的权值之和最小。
排序算法十大经典方法
排序算法十大经典方法
排序算法是计算机科学中的经典问题之一，它们用于将一组元素按照一定规则排序。
以下是十大经典排序算法：
1. 冒泡排序：比较相邻元素并交换，每一轮将最大的元素移动到最后。
2. 选择排序：每一轮选出未排序部分中最小的元素，并将其放在已排序部分的末尾。
3. 插入排序：将未排序部分的第一个元素插入到已排序部分的合适位置。
4. 希尔排序：改进的插入排序，将数据分组排序，最终合并排序。
5. 归并排序：将序列拆分成子序列，分别排序后合并，递归完成。
6. 快速排序：选定一个基准值，将小于基准值的元素放在左边，大于基准值的元素放在右边，递归排序。
7. 堆排序：将序列构建成一个堆，然后一次将堆顶元素取出并调整堆。
8. 计数排序：统计每个元素出现的次数，再按照元素大小输出。
9. 桶排序：将数据分到一个或多个桶中，对每个桶进行排序，最后输出。
10. 基数排序：按照元素的位数从低到高进行排序，每次排序只考虑一位。
以上是十大经典排序算法，每个算法都有其优缺点和适用场景，选择合适的算法可以提高排序效率。
排序算法数学公式
排序算法数学公式排序算法是计算机科学中非常重要的一项技术，用于对一组数据进行排序。
不同的排序算法有不同的实现方式和效率，并且在不同的应用场景下会有不同的选择。
本文将介绍几种常见的排序算法，并通过数学公式的方式进行解释，帮助读者理解和选择适合自己需求的排序算法。
1. 冒泡排序算法冒泡排序算法通过比较相邻的元素大小，依次将较大（或较小）的元素交换到右侧。
该过程类似于气泡从水底冒出来的过程，因此得名冒泡排序。
冒泡排序是一种简单但效率较低的排序算法，其时间复杂度为O(n^2)。
冒泡排序的数学公式为：```for i in range(n):for j in range(0, n-i-1):if arr[j] > arr[j+1]:arr[j], arr[j+1] = arr[j+1], arr[j]```2. 插入排序算法插入排序算法的基本思想是将一个元素插入到已排序好的序列中的适当位置，使得插入后的序列仍然有序。
插入排序的时间复杂度也是O(n^2)，但相比冒泡排序，其效率要高一些。
插入排序的数学公式为：```for i in range(1, n):key = arr[i]j = i-1while j >= 0 and arr[j] > key:arr[j+1] = arr[j]j -= 1arr[j+1] = key```3. 选择排序算法选择排序算法每次从未排序的部分选择最小（或最大）的元素，然后将其放到已排序序列的末尾。
选择排序的时间复杂度也是O(n^2)，但相比冒泡排序和插入排序，其交换次数较少，因此效率更高一些。
选择排序的数学公式为：```for i in range(n):min_idx = ifor j in range(i+1, n):if arr[j] < arr[min_idx]:min_idx = jarr[i], arr[min_idx] = arr[min_idx], arr[i]```4. 快速排序算法快速排序算法是一种分治的排序算法，通过选择一个元素作为基准值，将序列划分为左右两个子序列，并递归地对子序列进行排序。
【十大经典排序算法(动图演示)】 必学十大经典排序算法
【十大经典排序算法（动图演示）】必学十大经典排序算法0.1 算法分类十种常见排序算法可以分为两大类：比较类排序：通过比较来决定元素间的相对次序，由于其时间复杂度不能突破O(nlogn)，因此也称为非线性时间比较类排序。
非比较类排序：不通过比较来决定元素间的相对次序，它可以突破基于比较排序的时间下界，以线性时间运行，因此也称为线性时间非比较类排序。
0.2 算法复杂度0.3 相关概念稳定：如果a原本在b前面，而a=b，排序之后a仍然在b的前面。
不稳定：如果a原本在b的前面，而a=b，排序之后a 可能会出现在b 的后面。
时间复杂度：对排序数据的总的操作次数。
反映当n变化时，操作次数呈现什么规律。
空间复杂度：是指算法在计算机内执行时所需存储空间的度量，它也是数据规模n的函数。
1、冒泡排序（Bubble Sort）冒泡排序是一种简单的排序算法。
它重复地走访过要排序的数列，一次比较两个元素，如果它们的顺序错误就把它们交换过来。
走访数列的工作是重复地进行直到没有再需要交换，也就是说该数列已经排序完成。
这个算法的名字由来是因为越小的元素会经由交换慢慢“浮”到数列的顶端。
1.1 算法描述比较相邻的元素。
如果第一个比第二个大，就交换它们两个；对每一对相邻元素作同样的工作，从开始第一对到结尾的最后一对，这样在最后的元素应该会是最大的数；针对所有的元素重复以上的步骤，除了最后一个；重复步骤1~3，直到排序完成。
1.2 动图演示1.3 代码实现1.unction bubbleSort(arr) {2. varlen = arr.length;3. for(vari = 0; i arr[j+1]) {// 相邻元素两两对比6. vartemp = arr[j+1];// 元素交换7. arr[j+1] = arr[j];8. arr[j] = temp;9. }10. }11. }12. returnarr;13.}2、选择排序（Selection Sort）选择排序(Selection-sort)是一种简单直观的排序算法。
十种排序方法
十种排序方法排序是计算机科学中常见的操作，它将一组数据按照一定的规则进行重新排列，以便更方便地进行查找、比较和分析。
在本文中，我将介绍十种常见的排序方法，并对它们的原理和特点进行详细讲解。
一、冒泡排序冒泡排序是一种简单直观的排序算法，它重复地遍历待排序的元素，比较相邻的两个元素，并按照规定的顺序交换它们，直到整个序列有序为止。
冒泡排序的时间复杂度为O(n^2)，空间复杂度为O(1)。
二、选择排序选择排序是一种简单直观的排序算法，它每次从待排序的元素中选择最小（或最大）的元素，放到已排序序列的末尾，直到整个序列有序为止。
选择排序的时间复杂度为O(n^2)，空间复杂度为O(1)。
三、插入排序插入排序是一种简单直观的排序算法，它将待排序的元素插入到已排序序列的合适位置，使得插入之后的序列仍然有序。
插入排序的时间复杂度为O(n^2)，空间复杂度为O(1)。
四、希尔排序希尔排序是插入排序的一种改进算法，它通过将待排序的元素分组，分组进行插入排序，然后逐步缩小分组的间隔，直到间隔为1，最后进行一次完整的插入排序。
希尔排序的时间复杂度为O(nlogn)，空间复杂度为O(1)。
五、归并排序归并排序是一种分治排序算法，它将待排序的序列分成两个子序列，分别进行排序，然后将已排序的子序列合并成一个有序序列。
归并排序的时间复杂度为O(nlogn)，空间复杂度为O(n)。
六、快速排序快速排序是一种分治排序算法，它通过选择一个基准元素，将待排序的序列分成两个子序列，一边存放比基准元素小的元素，一边存放比基准元素大的元素，然后对两个子序列进行递归排序。
快速排序的时间复杂度为O(nlogn)，空间复杂度为O(logn)。
七、堆排序堆排序是一种选择排序算法，它通过构建一个最大堆（或最小堆），将堆顶元素与堆的最后一个元素交换，并对剩余的元素进行调整，直到整个序列有序为止。
堆排序的时间复杂度为O(nlogn)，空间复杂度为O(1)。
五种常用的排序算法详解
五种常用的排序算法详解排序算法是计算机科学中的一个重要分支，其主要目的是将一组无序的数据按照一定规律排列，以方便后续的处理和搜索。
常用的排序算法有很多种，本文将介绍五种最常用的排序算法，包括冒泡排序、选择排序、插入排序、快速排序和归并排序。
一、冒泡排序冒泡排序是最简单的排序算法之一，其基本思想是反复比较相邻的两个元素，如果顺序不对就交换位置，直至整个序列有序。
由于该算法的操作过程如同水中的气泡不断上浮，因此称之为“冒泡排序”。
冒泡排序的时间复杂度为O(n^2)，属于较慢的排序算法，但由于其实现简单，所以在少量数据排序的场景中仍然有应用。
以下是冒泡排序的Python实现代码：```pythondef bubble_sort(arr):n = len(arr)for i in range(n-1):for j in range(n-i-1):if arr[j] > arr[j+1]:arr[j], arr[j+1] = arr[j+1], arr[j]return arr```二、选择排序选择排序也是一种基本的排序算法，其思想是每次从未排序的序列中选择最小数，然后放到已排序的序列末尾。
该算法的时间复杂度同样为O(n^2)，但与冒泡排序相比，它不需要像冒泡排序一样每次交换相邻的元素，因此在数据交换次数上略有优势。
以下是选择排序的Python代码：```pythondef selection_sort(arr):n = len(arr)for i in range(n-1):min_idx = ifor j in range(i+1, n):if arr[j] < arr[min_idx]:min_idx = jarr[i], arr[min_idx] = arr[min_idx], arr[i]```三、插入排序插入排序是一种简单直观的排序算法，其基本思想是通过构建有序序列，对于未排序的数据，在已排序序列中从后向前扫描，找到相应位置并插入该元素。
最简单的排序
最简单的排序在日常生活中，我们经常需要将一些事物按照一定的规则进行排序。
排序是一种常见的操作，它可以让事物更加有序，便于管理和查找。
下面将介绍一些最简单的排序方法。
1. 冒泡排序冒泡排序是最简单的排序算法之一。
它的基本思想是通过相邻元素之间的比较和交换，将较大的元素逐渐“冒泡”到数组的末尾。
具体步骤如下：- 从数组的第一个元素开始，依次比较相邻的元素，如果前一个元素大于后一个元素，则交换它们的位置。
- 继续比较下一个相邻的元素，直到最后一个元素。
- 重复上述步骤，直到整个数组排序完成。
2. 选择排序选择排序也是一种简单的排序算法。
它的基本思想是每次从未排序的部分选择最小（或最大）的元素，放到已排序部分的末尾。
具体步骤如下：- 在未排序部分中找到最小（或最大）的元素，将其与未排序部分的第一个元素交换位置。
- 将已排序部分的末尾指针向后移动一位。
- 重复上述步骤，直到整个数组排序完成。
3. 插入排序插入排序是一种简单而有效的排序算法。
它的基本思想是将未排序部分的元素逐个插入到已排序部分的合适位置。
具体步骤如下：- 从第一个元素开始，将其视为已排序部分。
- 从未排序部分选择一个元素，按照大小顺序插入到已排序部分的合适位置。
- 重复上述步骤，直到整个数组排序完成。
通过以上三种最简单的排序方法，我们可以对一组数据进行排序。
这些排序方法虽然简单，但在实际应用中仍然具有一定的效率。
然而，对于较大规模的数据排序，这些简单的排序方法可能会显得效率低下。
在实际应用中，我们常常使用更复杂的排序算法，如快速排序、归并排序等。
排序在日常生活中无处不在，它不仅可以应用于数字的排序，还可以应用于字符串、对象等的排序。
通过排序，我们可以使数据更加有序，便于查找和处理。
在编程中，排序是一个重要的基本操作，掌握了常用的排序方法，可以更好地解决实际问题。
冒泡排序、选择排序和插入排序是最简单的排序方法。
它们的基本思想简单易懂，通过比较和交换或插入操作，可以将一组数据按照一定的规则进行排序。
排序算法口诀
排序算法口诀排序算法是计算机科学中一个重要的概念，用于将一组元素按照特定的顺序排列。
不同的排序算法有不同的实现方式和性能特点。
以下是一些常见的排序算法口诀，帮助理解它们的工作原理和特点。
1. 冒泡排序冒泡排序是一种简单的排序算法，其基本思想是通过多次遍历数组，比较相邻元素的大小并交换。
口诀：前后比较不断扫，大的往后移小的往前。
2. 选择排序选择排序是一种不稳定的排序算法，每次从未排序的部分选择最小（或最大）的元素，与未排序部分的第一个元素交换。
口诀：遍历找最小换，往后缩一位，再继续找。
3. 插入排序插入排序是一种稳定的排序算法，通过构建有序序列，对未排序的数据逐个进行插入。
口诀：前面有序插后面，从后往前找合适的位置。
4. 希尔排序希尔排序是插入排序的改进版本，通过将待排序元素划分为若干个子序列，对子序列进行排序，最终完成整体排序。
口诀：分组插入一小步，不断缩小分组步。
5. 归并排序归并排序是一种分治策略的排序算法，通过将数组分为两半，分别排序，然后合并。
口诀：分成两半递归排，再将两半归并合。
6. 快速排序快速排序是一种分治策略的排序算法，通过选择一个基准元素，将数组划分为两部分，递归排序子数组。
口诀：选基准分左右，递归快速排。
7. 堆排序堆排序是一种选择排序的改进版本，通过建立一个最大堆（或最小堆），实现对堆顶元素的选择。
口诀：建堆选择一，交换再调整。
8. 计数排序计数排序是一种非比较性排序算法，通过统计数组中每个元素的出现次数，然后根据统计结果进行排序。
口诀：统计出现次，顺序输出来。
9. 桶排序桶排序是一种分布式排序算法，通过将待排序元素划分为若干个桶，对每个桶进行排序，最后将所有桶合并。
口诀：分桶排序，桶内再排。
10. 基数排序基数排序是一种非比较性排序算法，通过将数字按位数划分，按每个位数分别排序。
口诀：按位数排序，逐位来。
这些口诀旨在简要概括每种排序算法的核心思想，帮助记忆它们的运作方式。
排序算法总结
排序算法总结【篇一：排序算法总结】1、稳定排序和非稳定排序简单地说就是所有相等的数经过某种排序方法后，仍能保持它们在排序之前的相对次序，我们就说这种排序方法是稳定的。
反之，就是非稳定的。
比如：一组数排序前是a1，a2，a3，a4，a5，其中a2=a4，经过某种排序后为a1，a2，a4，a3，a5，则我们说这种排序是稳定的，因为a2排序前在a4的前面，排序后它还是在a4的前面。
假如变成a1，a4，a2，a3，a5就不是稳定的了。
2、内排序和外排序在排序过程中，所有需要排序的数都在内存，并在内存中调整它们的存储顺序，称为内排序；在排序过程中，只有部分数被调入内存，并借助内存调整数在外存中的存放顺序排序方法称为外排序。
3、算法的时间复杂度和空间复杂度所谓算法的时间复杂度，是指执行算法所需要的计算工作量。
一个算法的空间复杂度，一般是指执行这个算法所需要的内存空间。
功能：选择排序输入：数组名称（也就是数组首地址）、数组中元素个数算法思想简单描述：在要排序的一组数中，选出最小的一个数与第一个位置的数交换；然后在剩下的数当中再找最小的与第二个位置的数交换，如此循环到倒数第二个数和最后一个数比较为止。
选择排序是不稳定的。
【篇二：排序算法总结】在计算机科学所使用的排序算法通常被分类为：计算的复杂度（最差、平均、和最好性能），依据列表（list）的大小（n）。
一般而言，好的性能是O（nlogn），且坏的性能是O（n2）。
对于一个排序理想的性能是O（n）。
仅使用一个抽象关键比较运算的排序算法总平均上总是至少需要O（nlogn）。
内存使用量（以及其他电脑资源的使用）稳定度：稳定排序算法会依照相等的关键（换言之就是值）维持纪录的相对次序。
也就是一个排序算法是稳定的，就是当有两个有相等关键的纪录R和S，且在原本的列表中R出现在S之前，在排序过的列表中R也将会是在S之前。
一般的方法：插入、交换、选择、合并等等。
交换排序包含冒泡排序和快速排序。
八大排序详解
八大排序详解八大排序算法包括插入排序、希尔排序、选择排序、冒泡排序、归并排序、快速排序、堆排序和基数排序。
1. 插入排序：这是一种简单直观的排序算法，其工作原理是通过构建有序序列，对于未排序数据，在已排序序列中从后向前扫描，找到相应位置并插入。
在插入过程中，如果待插入的元素与有序序列中的某个元素相等，则将待插入元素插入到相等元素的后面，因此插入排序是稳定的。
2. 希尔排序：也称递减增量排序算法，是插入排序的一种更高效的改进版本。
3. 选择排序：它的工作原理是首先在未排序序列中找到最小（或最大）元素，存放到排序序列的起始位置，然后再从剩余未排序元素中继续寻找最小（或最大）元素，然后放到已排序序列的末尾。
以此类推，直到所有元素均排序完毕。
4. 冒泡排序：这种排序算法会重复地遍历待排序的数列，一次比较两个元素，如果他们的顺序错误就把他们交换过来。
5. 归并排序：归并排序是一种采用分治法的排序算法。
它将待排序的序列分成若干个子序列，每个子序列单独进行排序，然后将已排序的子序列进行合并，得到最终的排序结果。
6. 快速排序：快速排序采用分治法进行排序。
在每一步中，它选择一个“基准”元素，并将数组分为两部分，其中一部分的所有元素都比基准元素小，另一部分的所有元素都比基准元素大。
然后，对这两部分独立地进行快速排序。
7. 堆排序：堆排序是一种树形选择排序，是对直接选择排序的有效改进。
堆是一种特殊的树形数据结构，它的每个父节点都大于或等于（小于或等于）其子节点（通常称为大顶堆或小顶堆）。
8. 基数排序：基数排序是一种非比较整数排序算法，其原理是将整数按位数切割成不同的数字，然后按每个位数分别比较。
以上就是八大排序算法的详解，这些算法各有特点和使用场景，可以根据实际情况选择合适的算法。
15种排序算法
15种排序算法
1. 冒泡排序 - 依次比较相邻元素的大小，将较大的数向后移动，直到没有交换
2. 选择排序 - 选择最小的元素，放到数组的起始位置，再从剩余元
素中选择最小的，以此类推
3. 插入排序 - 将一个元素插入已经排好序的序列中，从后向前比较
并移动元素
4. 希尔排序 - 将数组拆分成若干个子序列进行插入排序，缩小增量，直到增量为1
5. 归并排序 - 将数组分成两部分，分别排序，然后合并两个有序数
组
6. 快速排序 - 选取一个基准元素，将小于基准元素的放在左边，大
于基准元素的放在右边，然后分别对左右两边再递归快速排序
7. 堆排序 - 将数组建立一个最大/小堆，然后依次取出堆顶元素，再
将剩余元素重建堆
8. 计数排序 - 计算每个元素的出现次数，然后计算出每个元素应该
在排序后的序列中的位置
9. 桶排序 - 将元素分配到各个桶中，然后对每个桶进行排序，再依
次将各个桶中的元素输出到序列中
10. 基数排序 - 从低位到高位依次将元素排序，相同位上的元素按照
相同方式进行排序
11. 合并排序 - 将多个有序数组合并成一个有序数组，采用分治的思
想
12. 鸡尾酒排序 - 进行双向冒泡排序，先将最大的元素放到最后，再
将最小的元素放到前面，如此交替进行
13. 地精排序 - 选取一个随机数作为划分元素，将小于该随机数的元
素放在左边，大于该随机数的元素放在右边，然后对左右两边递归排
序
14. 跳跃表排序 - 利用跳跃表结构，快速查找元素并插入有序序列中
15. 非递归归并排序 - 利用非递归的方式实现归并排序，将序列分解成多个子序列，依次合并子序列。
排序的几种算法
排序的几种算法
一、冒泡排序
冒泡排序就是重复“从序列右边开始比较相邻两个数字的大小，再根据结果交换两个数字的位置”这一操作的算法。
在这个过程中，数字会像泡泡一样，慢慢从右往左“浮”到序列的顶端，所以这个算法才被称为“冒泡排序”。
二、选择排序
选择排序就是重复“从待排序的数据中寻找最小值，将其与序列最左边的数字进行交换”这一操作的算法。
在序列中寻找最小值时使用的是线性查找。
三、插入排序
插入排序是一种从序列左端开始依次对数据进行排序的算法。
在排序过程中，左侧的数据陆续归位，而右侧留下的就是还未被排序的数据。
插入排序的思路就是从右侧的未排序区域内取出一个数据，然后将它插入到已排序区域内合适的位置上。
四、堆排序
堆排序的特点是利用了数据结构中的堆。
五、归并排序
归并排序算法会把序列分成长度相同的两个子序列，当无法继续往下分时（也就是每个子序列中只有一个数据时），就对子序列进行归并。
归并指的是把两个排好序的子序列合并成一个有序序列。
该操作会一直重复执行，直到所有子序列都归并为一个整体为止。
总的运行时间为O，这与前面讲到的堆排序相同。
六年级排序知识点
六年级排序知识点排序是数学中的一个重要概念，也是我们日常生活中经常会遇到的问题。
六年级是学习排序知识的关键时期，下面将介绍六年级学生需要掌握的排序知识点。
一、升序和降序排序升序排序是指将一组数或一组事物按照从小到大的顺序排列。
例如，我们可以将数字1、2、3、4、5按照升序排序为1、2、3、4、5。
降序排序则是将一组数或一组事物按照从大到小的顺序排列。
以同样的数字为例，降序排序就是将1、2、3、4、5按照从大到小的顺序排列为5、4、3、2、1。
二、数字排序1. 一位数的升序和降序排序对于一位数来说，升序和降序排序非常简单。
将数字按照从小到大的顺序排列，就是升序排序；反之，按照从大到小的顺序排列，就是降序排序。
例如，对于数字4、2、9、6、8进行升序排序，结果为2、4、6、8、9；进行降序排序，结果为9、8、6、4、2。
2. 两位数的升序和降序排序对于两位数，我们需要比较十位数和个位数的大小来确定大小关系。
例如，对于数字63、27、49、88、12进行升序排序，首先比较十位数，然后再比较个位数，结果为12、27、49、63、88；进行降序排序，结果为88、63、49、27、12。
三、字母排序字母的排序和数字类似，我们按照字母的顺序来进行排序。
字母排序时，一般按照字母表的先后顺序来排序。
例如，对于字母C、D、A、B、E进行升序排序，结果为A、B、C、D、E；进行降序排序，结果为E、D、C、B、A。
四、单词排序单词的排序是按照字母的先后顺序进行的，与字母排序类似。
不同之处在于，需要比较单词的第一个字母，若相同，则再比较第二个字母，依次类推。
例如，对于单词apple、ball、cat、dog、elephant进行升序排序，结果为apple、ball、cat、dog、elephant；进行降序排序，结果为elephant、dog、cat、ball、apple。
五、总结排序是一种重要的数学概念，也是我们日常生活中常用的方法。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
花了很长时间终于把排序的基础学了一下，这段时间学了很多东西，总结一下：学的排序算法有：插入排序，合并排序，冒泡排序，选择排序，希尔排序，堆排序，快速排序，计数排序，基数排序，桶排序（没有实现）。
比较一下学习后的心得。
我不是很清楚他们的时间复杂度，也真的不知道他们到底谁快谁慢，因为书上的推导我确实只是小小了解，并没有消化。
也没有完全理解他们的精髓，所以又什么错误的还需要高手指点。
呵呵。
1.普及一下排序稳定，所谓排序稳定就是指：如果两个数相同，对他们进行的排序结果为他们的相对顺序不变。
例如A={1,2,1,2,1}这里排序之后是A = {1,1,1,2,2} 稳定就是排序后第一个1就是排序前的第一个1，第二个1就是排序前第二个1，第三个1就是排序前的第三个1。
同理2也是一样。
这里用颜色标明了。
不稳定呢就是他们的顺序不应和开始顺序一致。
也就是可能会是A={1,1,1,2,2}这样的结果。
2.普及一下原地排序：原地排序就是指不申请多余的空间来进行的排序，就是在原来的排序数据中比较和交换的排序。
例如快速排序，堆排序等都是原地排序，合并排序，计数排序等不是原地排序。
3.感觉谁最好，在我的印象中快速排序是最好的，时间复杂度：n*log(n)，不稳定排序。
原地排序。
他的名字很棒，快速嘛。
当然快了。
我觉得他的思想很不错，分治，而且还是原地排序，省去和很多的空间浪费。
速度也是很快的，n*log(n)。
但是有一个软肋就是如果已经是排好的情况下时间复杂度就是n*n,不过在加入随机的情况下这种情况也得以好转，而且他可以做任意的比较，只要你能给出两个元素的大小关系就可以了。
适用范围广，速度快。
4.插入排序：n*n的时间复杂度，稳定排序，原地排序。
插入排序是我学的第一个排序，速度还是很快的，特别是在数组已排好了之后，用它的思想来插入一个数据，效率是很高的。
因为不用全部排。
他的数据交换也很少，只是数据后移，然后放入要插入的数据。
（这里不是指调用插入排序，而是用它的思想）。
我觉得，在数据大部分都排好了，用插入排序会给你带来很大的方便。
数据的移动和交换都很少。
5.冒泡排序，n*n的时间复杂度，稳定排序，原地排序。
冒泡排序的思想很不错，一个一个比较，把小的上移，依次确定当前最小元素。
因为他简单，稳定排序，而且好实现，所以用处也是比较多的。
还有一点就是加上哨兵之后他可以提前退出。
6.选择排序，n*n的时间复杂度，稳定排序，原地排序。
选择排序就是冒泡的基本思想，从小的定位，一个一个选择，直到选择结束。
他和插入排序是一个相反的过程，插入是确定一个元素的位置，而选择是确定这个位置的元素。
他的好处就是每次只选择确定的元素，不会对很多数据进行交换。
所以在数据交换量上应该比冒泡小。
7.插入排序，选择排序，冒泡排序的比较，他们的时间复杂度都是n*n。
我觉得他们的效率也是差不多的，我个人喜欢冒泡一些，因为要用它的时候数据多半不多，而且可以提前的返回已经排序好的数组。
而其他两个排序就算已经排好了，他也要做全部的扫描。
在数据的交换上，冒泡的确比他们都多。
呵呵。
举例说明插入一个数据在末尾后排序，冒泡只要一次就能搞定，而选择和插入都必须要n*n的复杂度才能搞定。
就看你怎么看待咯。
8.合并排序：n*log(n)的时间复杂度，稳定排序，非原地排序。
他的思想是分治，先分成小的部分，排好部分之后合并，因为我们另外申请的空间，在合并的时候效率是0(n)的。
速度很快。
貌似他的上限是n*log(n)，所以如果说是比较的次数的话，他比快速排序要少一些。
对任意的数组都能有效地在n*log(n)排好序。
但是因为他是非原地排序，所以虽然他很快，但是貌似他的人气没有快速排序高。
9.堆排序：n*log(n)的时间复杂度，非稳定排序，原地排序。
他的思想是利用的堆这种数据结构，堆可以看成一个完全二叉树，所以在排序中比较的次数可以做到很少。
加上他也是原地排序，不需要申请额外的空间，效率也不错。
可是他的思想感觉比快速难掌握一些。
还有就是在已经排好序的基础上添加一个数据再排序，他的交换次数和比较次数一点都不会减少。
虽然堆排序在使用的中没有快速排序广泛，但是他的数据结构和思想真的很不错，而且用它来实现优先队列，效率没得说。
堆，还是要好好学习掌握的。
10.希尔排序：n*log(n)的时间复杂度(这里是错误的，应该是n^lamda(1 < lamda < 2), lamda和每次步长选择有关。
)，非稳定排序，原地排序。
主要思想是分治，不过他的分治和合并排序的分治不一样，他是按步长来分组的，而不是想合并那样左一半右一半。
开始步长为整个的长度的一半。
分成nLen/2个组，然后每组排序。
接个步长减为原来的一半在分组排序，直到步长为1，排序之后希尔排序就完成了。
这个思路很好，据说是插入排序的升级版，所以在实现每组排序的时候我故意用了插入排序。
我觉得他是一个特别好的排序方法了。
他的缺点就是两个数可能比较多次，因为两个数据会多次分不过他们不会出现数据的交换。
效率也是很高的。
11.快速排序，堆排序，合并排序，希尔排序的比较，他们的时间复杂的都是n*log(n)，我认为在使用上快速排序最广泛，他原地排序，虽然不稳定，可是很多情况下排序根本就不在意他是否稳定。
他的比较次数是比较小的，因为他把数据分成了大和小的两部分。
每次都确定了一个数的位置，所以理论上说不会出现两个数比较两次的情况，也是在最后在交换数据，说以数据交换上也很少。
合并排序和堆排序也有这些优点，但是合并排序要申请额外的空间。
堆排序堆已经排好的数据交换上比快速多。
所以目前快速排序用的要广泛的多。
还有他很容易掌握和实现。
12.计数排序：n的时间复杂度，稳定排序，非原地排序。
他的思想比较新颖，就是先约定数据的范围不是很大，而且数据都是整数(或能定位到整数)的情况，然后直接申请一个空间。
把要排序的数组A的元素值与申请空间B的下标对应，然后B中存放该下标元素值的个数，从而直接定位A中每个元素的位置。
这样效率只为n。
因为比较很特殊，虽然很快，但是用的地方并不多。
13.基数排序：n的时间复杂度，稳定排序，非原地排序。
他的思想是数据比较集中在一个范围，例如都是4位数，都是5位数，或数据有多个关键字，我们先从各位开始排，然后排十位，依次排到最高位，因为我们可以用一个n的方法排一位，所以总的方法为d*n的复杂度。
关键字也一样，我们先排第3个关键字，在排第3个关键字，最后排第一个关键字。
只有能保证每个关键字在n的时间复杂度完成，那么整个排序就是一个d*n的时间复杂度。
所以总的速度是很快的。
不过有一点就是要确保关键字能在n的时间复杂度完成。
14.桶排序：n的时间复杂度，稳定排序，非原地排序。
主要思路和基数排序一样，也是假设都在一个范围例如概率都在0-1，而且分布还挺均匀，那么我们也是和基数排序一样对一个数把他划分在他指定的区域。
然后在连接这些区域就可以了。
书上对每个区域使用链表的存储，我认为在寸小区域的时候也会有时间在里面。
所以只是理论上的n时间复杂度。
这种思路是不错的。
呵呵。
15.计数排序，基数排序，桶排序的比较，我觉得他们都很有思想，不过都是在特定情况下才能发挥最大的效果。
虽然效率很高，但是用的不会很广泛。
他们之间我更喜欢计数排序，来个映射的方式就直接找到了自己的位置，很高明。
和基数排序和同排序只是理论上的n时间复杂度，基数排序要确定一个关键字的排序是n复杂度的，桶排序要确定每个区域的排序是n复杂度的。
16.排序算法的最后感悟：黑格尔说过：存在即合理。
所以这些排序的算法都是很好的，他确实给了我们思想上的帮助。
感谢前人把精华留给了我们。
我得到的收获很大，总结一下各自排序的收获：冒泡：好实现，速度不慢，使用于轻量级的数据排序。
插入排序：也使用于小数据的排序，但是我从他的思想中学到怎么插入一个数据。
呵呵，这样就知道在排好的数据里面，不用再排序了，而是直接调用一下插入就可以了。
选择排序：我学会了怎么去获得最大值，最小值等方法。
只要选择一下，不就可以了。
合并排序：我学会分而治之的方法，而且在合并两个数组的时候很适用。
堆排序：可以用它来实现优先队列，而且他的思想应该给我加了很多内力。
快速排序：本来就用的最多的排序，对我的帮助大的都不知道怎么说好。
希尔排序：也是分治，让我看到了分治的不同，原来还有这种思想的存在。
计数排序，基数排序，桶排序：特殊情况特殊处理。
附上我学习这里排序的连接快速排序学习：今天我学习了快速排序，顾名思义，快速排序的速度是很快的，平均复杂度是nlogn，我也不知道是怎么算出来的，反正T(n) = 2T(n/2) + o(n) 这样怎么怎么推到就成了nLogn了，呵呵，有空去学习一下。
希望会的人可以教我，我数学太烂了。
废话少说，记录一下快速排序的思路：1.分治的思想，把数组分成两份，两份分成4分，这样分到足够小，就能很好排序咯，然后把他们合起来，排序完成。
2.该分治思想和合并排序思想一样，但是处理上更搞一筹，他是把小的和大的分成两份，这样在最后合并的时候，就不会像合并排序那样还要检查，因为本来就是左边比右边小，所以可以做到原地排序（就是不用申请多余的空间）。
3.如何做好把小和大的分开时关键，我们做的就是以一个数位基准，然后找到这个数的位置。
把比他小的放在他的左边，比他大的放在他的右边，这样不就分开了嘛。
4.具体怎么分时一个最关键的地方，本来想用图说明一下，但是自己不会画：作罢，试着语言整理一下，呵呵：例如，开始把最后一个作为标准，用一个循环j = nBegin j < nEnd一一比较，这样就能判断到底谁比他大，谁比他小咯。
注意：为了能清楚知道区域，所以要用一个变量i来保存它的标志，i的左边是比他小的，i的右边是比他大的。
有了这个标志我们就好处理了。
比较就好处理咯。
遇到小的，要把他方在i的左边，所以我们把他和i+1的元素交换，因为i+1得元素是大于x 的，交换之后i+1就小于x了，这样我们把i也加1，不就有保证了i的左边都比x小，右边都比x大了嘛。
呵呵。
遇到大的，不用管他。
I也不用变。
比较完了，这时情况就是i的左边都比x小，i的右边都比x大,x在最后面。
怎么处理呢？还不简单，有重复一下i + 1与 x交换，这样处理之后,i + 1就是保存的x值，i + 1的右边都比x 大，i+1的左边都比x小，哈哈，i+1就是分割点咯。
搞定。
找出分割点后还不分而治之。
分而治之的时候发现分割点是排好的，只需排序nBegin - 分割点-1，分割点+1 - nEnd 就可以咯。
最后还是截张《算法导论》书中的图：呵呵，我就是学的这本书。
还不错啦。
附上下载地址分享一下：/source/1199909奉上自己的源代码：#include <stdio.h>#include <stdlib.h>//化分区间,找到最后元素的排序位置。