8种主要排序算法的C#实现
简介
排序算法是我们编程中遇到的最多的算法。目前主流的算法有8种。
平均时间复杂度从高到低依次是：
冒泡排序（o(n2)），选择排序（o(n2)），插入排序（o(n2)），堆排序（o(nlogn)），
归并排序（o(nlogn)），快速排序（o(nlogn)）， 希尔排序（o(n1.25)），基数排序（o(n)）
这些平均时间复杂度是参照维基百科排序算法罗列的。
是计算的理论平均值，并不意味着你的代码实现能达到这样的程度。
例如希尔排序，时间复杂度是由选择的步长决定的。基数排序时间复杂度最小，
但我实现的基数排序的速度并不是最快的，后面的结果测试图可以看到。
本文代码实现使用的数据源类型为IList<int>，这样可以兼容int[]和List<int>(虽然int[]有ToList()，
List<int>有ToArray()，哈哈！)。
选择排序
选择排序是我觉得最简单暴力的排序方式了。
以前刚接触排序算法的时候，感觉算法太多搞不清，唯独记得选择排序的做法及实现。
原理：找出参与排序的数组最大值，放到末尾（或找到最小值放到开头） 维基入口
实现如下：
public static void SelectSort(IList<int> data)
{
for (int i = ; i < data.Count - ; i++)
{
int min = i;
int temp = data[i];
for (int j = i + ; j < data.Count; j++)
{
if (data[j] < temp)
{
min = j;
temp = data[j];
}
}
if (min != i)
Swap(data, min, i);
}
}
过程解析：将剩余数组的最小数交换到开头。
冒泡排序
冒泡排序是笔试面试经常考的内容，虽然它是这些算法里排序速度最慢的（汗），后面有测试为证。
原理：从头开始，每一个元素和它的下一个元素比较，如果它大，就将它与比较的元素交换，否则不动。
这意味着，大的元素总是在向后慢慢移动直到遇到比它更大的元素。所以每一轮交换完成都能将最大值
冒到最后。 维基入口
实现如下：
public static void BubbleSort(IList<int> data)
{
for (int i = data.Count - ; i > ; i--)
{
for (int j = ; j < i; j++)
{
if (data[j] > data[j + ])
Swap(data, j, j + );
}
}
}
过程解析：中需要注意的是j<i，每轮冒完泡必然会将最大值排到数组末尾，所以需要排序的数应该是在减少的。
很多网上版本每轮冒完泡后依然还是将所有的数进行第二轮冒泡即j<data.Count-1，这样会增加比较次数。
通过标识提升冒泡排序
在维基上看到，可以通过添加标识来分辨剩余的数是否已经有序来减少比较次数。感觉很有意思，可以试试。
实现如下：
public static void BubbleSortImprovedWithFlag(IList<int> data)
{
bool flag;
for (int i = data.Count - ; i > ; i--)
{
flag = true;
for (int j = ; j < i; j++)
{
if (data[j] > data[j + ])
{
Swap(data, j, j + );
flag = false;
}
}
if (flag) break;
}
}
过程解析：发现某轮冒泡没有任何数进行交换（即已经有序），就跳出排序。
我起初也以为这个方法是应该有不错效果的，可是实际测试结果并不如想的那样。和未优化耗费时间一样（对于随机数列）。
由果推因，那么应该是冒泡排序对于随机数列，当剩余数列有序的时候，也没几个数要排列了！？
不过如果已经是有序数列或者部分有序的话，这个冒泡方法将会提升很大速度。
鸡尾酒排序（来回排序）
对冒泡排序进行更大的优化
冒泡排序只是单向冒泡，而鸡尾酒来回反复双向冒泡。
原理：自左向右将大数冒到末尾，然后将剩余数列再自右向左将小数冒到开头，如此循环往复。维基入口
实现如下：
public static void BubbleCocktailSort(IList<int> data)
{
bool flag;
int m = , n = ;
for (int i = data.Count - ; i > ; i--)
{
flag = true;
if (i % == )
{
for (int j = n; j < data.Count - - m; j++)
{
if (data[j] > data[j + ])
{
Swap(data, j, j + );
flag = false;
}
}
if (flag) break;
m++;
}
else
{
for (int k = data.Count - - m; k > n; k--)
{
if (data[k] < data[k - ])
{
Swap(data, k, k - );
flag = false;
}
}
if (flag) break;
n++;
}
}
}
过程解析：分析第i轮冒泡，i是偶数则将剩余数列最大值向右冒泡至末尾，是奇数则将剩余数列最小值
向左冒泡至开头。对于剩余数列，n为始，data.Count-1-m为末。
来回冒泡比单向冒泡：对于随机数列，更容易得到有序的剩余数列。因此这里使用标识将会提升的更加明显。
插入排序
插入排序是一种对于有序数列高效的排序。非常聪明的排序。只是对于随机数列，效率一般，交换的频率高。
原理：通过构建有序数列，将未排序的数从后向前比较，找到合适位置并插入。维基入口
第一个数当作有序数列。
实现如下：
public static void InsertSort(IList<int> data)
{
int temp;
for (int i = ; i < data.Count; i++)
{
temp = data[i];
for (int j = i - ; j >= ; j--)
{
if (data[j] > temp)
{
data[j + ] = data[j];
if (j == )
{
data[] = temp;
break;
}
}
else
{
data[j + ] = temp;
break;
}
}
}
}
过程解析：将要排序的数（索引为i）存储起来，向前查找合适位置j+1，将i-1到j+1的元素依次向后
移动一位，空出j+1，然后将之前存储的值放在这个位置。
这个方法写的不如维基上的简洁清晰，由于合适位置是j+1所以多出了对j==0的判断，但实际效率影响无差别。
建议比照维基和我写的排序，自行选择。
二分查找法优化插入排序
插入排序主要工作是在有序的数列中对要排序的数查找合适的位置，而查找里面经典的二分查找法正可以适用。
原理：通过二分查找法的方式找到一个位置索引。当要排序的数插入这个位置时，大于前一个数，小于后一个数。
实现如下：
public static void InsertSortImprovedWithBinarySearch(IList<int> data)
{
int temp;
int tempIndex;
for (int i = ; i < data.Count; i++)
{
temp = data[i];
tempIndex = BinarySearchForInsertSort(data, , i, i);
for (int j = i - ; j >= tempIndex; j--)
{
data[j + ] = data[j];
}
data[tempIndex] = temp;
}
} public static int BinarySearchForInsertSort(IList<int> data, int low, int high, int key)
{
if (low >= data.Count - )
return data.Count - ;
if (high <= )
return ;
int mid = (low + high) / ;
if (mid == key) return mid;
if (data[key] > data[mid])
{
if (data[key] < data[mid + ])
return mid + ;
return BinarySearchForInsertSort(data, mid + , high, key);
}
else // data[key] <= data[mid]
{
if (mid - < ) return ;
if (data[key] > data[mid - ])
return mid;
return BinarySearchForInsertSort(data, low, mid - , key);
}
}
过程解析：需要注意的是二分查找方法实现中high-low==1的时候mid==low，所以需要33行
mid-1<0即mid==0的判断，否则下行会索引越界。
快速排序
快速排序是一种有效比较较多的高效排序。它包含了“分而治之”以及“哨兵”的思想。
原理：从数列中挑选一个数作为“哨兵”，使比它小的放在它的左侧，比它大的放在它的右侧。将要排序是数列递归地分割到
最小数列，每次都让分割出的数列符合“哨兵”的规则，自然就将数列变得有序。 维基入口
实现如下：
public static void QuickSortStrict(IList<int> data)
{
QuickSortStrict(data, , data.Count - );
} public static void QuickSortStrict(IList<int> data, int low, int high)
{
if (low >= high) return;
int temp = data[low];
int i = low + , j = high;
while (true)
{
while (data[j] > temp) j--;
while (data[i] < temp && i < j) i++;
if (i >= j) break;
Swap(data, i, j);
i++; j--;
}
if (j != low)
Swap(data, low, j);
QuickSortStrict(data, j + , high);
QuickSortStrict(data, low, j - );
}
过程解析：取的哨兵是数列的第一个值，然后从第二个和末尾同时查找，左侧要显示的是小于哨兵的值，
所以要找到不小于的i，右侧要显示的是大于哨兵的值，所以要找到不大于的j。将找到的i和j的数交换，
这样可以减少交换次数。i>=j时，数列全部查找了一遍，而不符合条件j必然是在小的那一边，而哨兵
是第一个数，位置本应是小于自己的数。所以将哨兵与j交换，使符合“哨兵”的规则。
这个版本的缺点在于如果是有序数列排序的话，递归次数会很可怕的。
另一个版本
这是维基上的一个C#版本，我觉得很有意思。这个版本并没有严格符合“哨兵”的规则。但却将“分而治之”
以及“哨兵”思想融入其中，代码简洁。
实现如下：
public static void QuickSortRelax(IList<int> data)
{
QuickSortRelax(data, , data.Count - );
} public static void QuickSortRelax(IList<int> data, int low, int high)
{
if (low >= high) return;
int temp = data[(low + high) / ];
int i = low - , j = high + ;
while (true)
{
while (data[++i] < temp) ;
while (data[--j] > temp) ;
if (i >= j) break;
Swap(data, i, j);
}
QuickSortRelax(data, j + , high);
QuickSortRelax(data, low, i - );
}
过程解析：取的哨兵是数列中间的数。将数列分成两波，左侧小于等于哨兵，右侧大于等于哨兵。
也就是说，哨兵不一定处于两波数的中间。虽然哨兵不在中间，但不妨碍“哨兵”的思想的实现。所以
这个实现也可以达到快速排序的效果。但却造成了每次递归完成，要排序的数列数总和没有减少（除非i==j）。
针对这个版本的缺点，我进行了优化
实现如下：
public static void QuickSortRelaxImproved(IList<int> data)
{
QuickSortRelaxImproved(data, , data.Count - );
} public static void QuickSortRelaxImproved(IList<int> data, int low, int high)
{
if (low >= high) return;
int temp = data[(low + high) / ];
int i = low - , j = high + ;
int index = (low + high) / ;
while (true)
{
while (data[++i] < temp) ;
while (data[--j] > temp) ;
if (i >= j) break;
Swap(data, i, j);
if (i == index) index = j;
else if (j == index) index = i;
}
if (j == i)
{
QuickSortRelaxImproved(data, j + , high);
QuickSortRelaxImproved(data, low, i - );
}
else //i-j==1
{
if (index >= i)
{
if (index != i)
Swap(data, index, i);
QuickSortRelaxImproved(data, i + , high);
QuickSortRelaxImproved(data, low, i - );
}
else //index < i
{
if (index != j)
Swap(data, index, j);
QuickSortRelaxImproved(data, j + , high);
QuickSortRelaxImproved(data, low, j - );
}
}
}
过程解析：定义了一个变量Index，来跟踪哨兵的位置。发现哨兵最后在小于自己的那堆，
那就与j交换，否则与i交换。达到每次递归都能减少要排序的数列数总和的目的。
归并排序
归并排序也是采用“分而治之”的方式。刚发现分治法是一种算法范式，我还一直以为是一种需要意会的思想呢。
不好意思了，孤陋寡闻了，哈哈！
原理：将两个有序的数列，通过比较，合并为一个有序数列。 维基入口
为方便理解，此处实现用了List<int>的一些方法，随后有IList<int>版本。
实现如下：
public static List<int> MergeSortOnlyList(List<int> data, int low, int high)
{
if (low == high)
return new List<int> { data[low] };
List<int> mergeData = new List<int>();
int mid = (low + high) / ;
List<int> leftData = MergeSortOnlyList(data, low, mid);
List<int> rightData = MergeSortOnlyList(data, mid + , high);
int i = , j = ;
while (true)
{
if (leftData[i] < rightData[j])
{
mergeData.Add(leftData[i]);
if (++i == leftData.Count)
{
mergeData.AddRange(rightData.GetRange(j, rightData.Count - j));
break;
}
}
else
{
mergeData.Add(rightData[j]);
if (++j == rightData.Count)
{
mergeData.AddRange(leftData.GetRange(i, leftData.Count - i));
break;
}
}
}
return mergeData;
} public static List<int> MergeSortOnlyList(List<int> data)
{
data = MergeSortOnlyList(data, , data.Count - ); //不会改变外部引用 参照C#参数传递 return data;
}
过程解析：将数列分为两部分，分别得到两部分数列的有序版本，然后逐个比较，将比较出的小数逐个放进
新的空数列中。当一个数列放完后，将另一个数列剩余数全部放进去。
IList<int>版本
实现如下：
public static IList<int> MergeSort(IList<int> data)
{
data = MergeSort(data, , data.Count - );
return data;
} public static IList<int> MergeSort(IList<int> data, int low, int high)
{
int length = high - low + ;
IList<int> mergeData = NewInstance(data, length);
if (low == high)
{
mergeData[] = data[low];
return mergeData;
}
int mid = (low + high) / ;
IList<int> leftData = MergeSort(data, low, mid);
IList<int> rightData = MergeSort(data, mid + , high);
int i = , j = ;
while (true)
{
if (leftData[i] < rightData[j])
{
mergeData[i + j] = leftData[i++]; //不能使用Add,Array Length不可变
if (i == leftData.Count)
{
int rightLeft = rightData.Count - j;
for (int m = ; m < rightLeft; m++)
{
mergeData[i + j] = rightData[j++];
}
break;
}
}
else
{
mergeData[i + j] = rightData[j++];
if (j == rightData.Count)
{
int leftleft = leftData.Count - i;
for (int n = ; n < leftleft; n++)
{
mergeData[i + j] = leftData[i++];
}
break;
}
}
}
return mergeData; }
过程原理与上个一样，此处就不赘述了。
堆排序
堆排序是根据堆这种数据结构设计的一种算法。堆的特性：父节点的值总是小于（或大于）它的子节点。近似二叉树。
原理：将数列构建为最大堆数列（即父节点总是最大值），将最大值（即根节点）交换到数列末尾。这样要排序的数列数总和减少，
同时根节点不再是最大值，调整最大堆数列。如此重复，最后得到有序数列。 维基入口 有趣的演示
实现准备：如何将数列构造为堆——父节点i的左子节点为2i+1，右子节点为2i+2。节点i的父节点为floor((i-1)/2)。
实现如下（这个实现判断和临时变量使用太多，导致效率低，评论中@小城故事提出了更好的实现）：
public static void HeapSort(IList<int> data)
{
BuildMaxHeapify(data);
int j = data.Count;
for (int i = ; i < j; )
{
Swap(data, i, --j);
if (j - < ) //只剩下1个数 j代表余下要排列的数的个数
break;
int k = ;
while (true)
{
if (k > (j - ) / ) break; //即：k > ((j-1)-1)/2 超出最后一个父节点的位置
else
{
int temp = k;
k = ReSortMaxBranch(data, k, * k + , * k + , j - );
if (temp == k) break;
}
}
}
} public static void BuildMaxHeapify(IList<int> data)
{
for (int i = data.Count / - ; i >= ; i--) //(data.Count-1)-1)/2为数列最大父节点索引
{
int temp = i;
temp = ReSortMaxBranch(data, i, * i + , * i + , data.Count - );
if (temp != i)
{
int k = i;
while (k != temp && temp <= data.Count / - )
{
k = temp;
temp = ReSortMaxBranch(data, temp, * temp + , * temp + , data.Count - );
}
}
}
} public static int ReSortMaxBranch(IList<int> data, int maxIndex, int left, int right, int lastIndex)
{
int temp;
if (right > lastIndex) //父节点只有一个子节点
temp = left;
else
{
if (data[left] > data[right])
temp = left;
else temp = right;
} if (data[maxIndex] < data[temp])
Swap(data, maxIndex, temp);
else temp = maxIndex;
return temp;
}
过程解析：BuildMaxHeapify为排序前构建的最大堆数列方法，主要内容为从最后一个父节点开始往前将每个三角组合
（即父节点与它的两个子节点）符合父节点值最大的规则。ReSortMaxBranch为将三角调整为父节点值最大，
并返回该值之前的索引，用来判断是否进行了交换，以及原来的父节点值交换到了什么位置。在HeapSort里首先
构建了最大堆数列，然后将根节点交换到末尾，根节点不是最大值了，在while语句中对最大堆数列进行调整。
插曲：自从看了Martin Fowler大师《重构》第三版，我发现我更不喜欢写注释了。每次都想着尽量让方法的名字更贴切，
即使会造成方法的名字很长很丑。这算不算曲解了大师的意思啊！？上面的代码注释都是写博客的时候现加的（源代码很干净的。汗!）。
希尔排序
希尔排序是插入排序的一种更高效的改进版本。
在前面介绍的插入排序，我们知道1.它对有序数列排序的效率是非常高的 2.要排序的数向前移动是一步步进行的导致插入排序效率低。
希尔排序正是利用第一点，改善第二点，达到更理想的效果。
原理：通过奇妙的步长，插入排序间隔步长的元素，随后逐渐缩短步长至1，实现数列的插入排序。 维基入口
疑问：可以想象到排序间隔步长的数，会逐渐让数列变得有序，提升最后步长为1时标准插入排序的效率。在维基上看到这么
一句话“可能希尔排序最重要的地方在于当用较小步长排序后，以前用的较大步长仍然是有序的”注意用词是‘可能’。我的疑问是
这是个正确的命题吗？如何证明呢？看维基上也是由果推因，说是如果不是这样，就不会排序那么快了。可这我感觉还是太牵强了，
哪位大哥发现相关资料，希望能分享出来，不胜感激。
实现如下：
public static void ShellSort(IList<int> data)
{
int temp;
for (int gap = data.Count / ; gap > ; gap /= )
{
for (int i = gap; i < data.Count; i += gap)
{
temp = data[i];
for (int j = i - gap; j >= ; j -= gap)
{
if (data[j] > temp)
{
data[j + gap] = data[j];
if (j == )
{
data[j] = temp;
break;
}
}
else
{
data[j + gap] = temp;
break;
}
}
}
}
}
过程解析：采用的步长是N/2，每次取半，直至1。循环内部就是标准的插入排序。
这里实现的貌似是最差的希尔排序。主要源于步长的选择。维基上有各种牛叉的“凌波微步”，极限在哪里，
喜欢挑战的同学可以去学习学习。看维基排序算法里六种排序的测试，希尔最快，比快速排序还快！！我没实现啊！
只是对于神奇的步长更充满了敬畏。
基数排序
基数排序是一种非比较型整数排序。
“非比较型”是什么意思呢？因为它内部使用的是桶排序，而桶排序是非比较型排序。
这里就要说说桶排序了。一个非常有意思的排序。
桶排序
原理：取一定数量（数列中的最大值）的编好序号的桶，将数列每个数放进编号为它的桶里，然后将不是空的桶依次倒出来，
就组成有序数列了。 维基入口
好吧！聪明的人一眼就看出桶排序的破绽了。假设只有两个数1,10000，岂不是要一万个桶！？这确实是个问题啊！我也
没想出解决办法。我起初也以为桶排序就是一个通过牺牲空间来换取时间的排序算法，它不需要比较，所以是非比较型算法。
但看了有趣的演示的桶排序后，发现世界之大，你没有解决，不代表别人没解决，睿智的人总是很多。
1，9999的桶排序实现：new Int[2];总共有两个数，得出最大数9999的位数4，取10的4次幂即10000作为分母，
要排序的数（1或9999）作为分子，并乘以数列总数2，即1*2/10000,9999*2/10000得到各自的位置0,1，完成排序。
如果是1,10000进行排序的话，上面的做法就需要稍微加一些处理——发现最大数是10的n次幂，就将它作为分母，并
放在数列末尾就好了。
如果是9999,10000进行排序的话，那就需要二维数组了，两个都在位置1，位置0没数。这个时候就需要在放
入每个位置时采用其它排序（比如插入排序）办法对这个位置的多个数排序了。
为基数排序做个过渡，我这里实现了一个个位数桶排序
涉及到了当重复的数出现的处理。
实现如下：
public static void BucketSortOnlyUnitDigit(IList<int> data)
{
int[] indexCounter = new int[];
for (int i = ; i < data.Count; i++)
{
indexCounter[data[i]]++;
}
int[] indexBegin = new int[];
for (int i = ; i < ; i++)
{
indexBegin[i] = indexBegin[i-1]+ indexCounter[i-1];
}
IList<int> tempList = NewInstance(data, data.Count);
for (int i = ; i < data.Count; i++)
{
int number = data[i];
tempList[indexBegin[number]++] = data[i];
}
data = tempList;
}
过程解析：indexCounter进行对每个数出现的频率的统计。indexBegin存储每个数的起始索引。
比如 1 1 2，indexCounter统计到0个0,2个1,1个2。indexBegin计算出0,1,2的起始索引分别为
0,0,2。当1个1已取出排序，那索引将+1,变为0,1,2。这样就通过提前给重复的数空出位置，解决了
重复的数出现的问题。当然，你也可以考虑用二维数组来解决重复。
下面继续基数排序。
基数排序原理：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。
取得最大数的位数，从低位开始，每个位上进行桶排序。
实现如下：
public static IList<int> RadixSort(IList<int> data)
{
int max = data[];
for (int i = ; i < data.Count; i++)
{
if (data[i] > max)
max = data[i];
}
int digit = ;
while (max / != )
{
digit++;
max /= ;
}
for (int i = ; i < digit; i++)
{
int[] indexCounter = new int[];
IList<int> tempList = NewInstance(data, data.Count);
for (int j = ; j < data.Count; j++)
{
int number = (data[j] % Convert.ToInt32(Math.Pow(, i + ))) / Convert.ToInt32(Math.Pow(, i)); //得出i+1位上的数
indexCounter[number]++;
}
int[] indexBegin = new int[];
for (int k = ; k < ; k++)
{
indexBegin[k] = indexBegin[k - ] + indexCounter[k - ];
}
for (int k = ; k < data.Count; k++)
{
int number = (data[k] % Convert.ToInt32(Math.Pow(, i + ))) / Convert.ToInt32(Math.Pow(, i));
tempList[indexBegin[number]++] = data[k];
}
data = tempList;
}
return data;
}
过程解析：得出最大数的位数，从低位开始桶排序。我写的这个实现代码并不简洁，但逻辑更清晰。
后面测试的时候我们就会发现，按理来说这个实现也还行吧！ 但并不如想象的那么快！
循环的次数太多？（统计频率n次+9次计算+n次放到新的数组）*位数。
创建的新实例太多？(new int[10]两次+NewInstance is反射判断创建实例+new int[n])*位数
测试比较
添加随机数组，数组有序校验，微软Linq排序
代码如下：
public static int[] RandomSet(int length, int max)
{
int[] result = new int[length];
Random rand = new Random();
for (int i = ; i < result.Length; i++)
{
result[i] = rand.Next(max);
}
return result;
} public static bool IsAscOrdered(IList<int> data)
{
bool flag = true;
for (int i = ; i < data.Count - ; i++)
{
if (data[i] > data[i + ])
flag = false;
}
return flag;
} public static void TestMicrosoft(IList<int> data)
{
Stopwatch stopwatch = new Stopwatch();
stopwatch.Start();
List<int> result = data.OrderBy(a => a).ToList();
stopwatch.Stop();
string methodName = "TestMicrosoft";
int length = methodName.Length;
for (int i = ; i < - length; i++)
{
methodName += " ";
}
Console.WriteLine(methodName +
" IsAscOrdered:" + IsAscOrdered(result) + " Time:" + stopwatch.Elapsed.TotalSeconds); }
测试主体如下：
static void Main(string[] args)
{
int[] aa = RandomSet(, );
//int[] aa = OrderedSet(5000);
Console.WriteLine("Array Length:" + aa.Length);
RunTheMethod((Action<IList<int>>)SelectSort, aa.Clone() as int[]);
RunTheMethod((Action<IList<int>>)BubbleSort, aa.Clone() as int[]);
RunTheMethod((Action<IList<int>>)BubbleSortImprovedWithFlag, aa.Clone() as int[]);
RunTheMethod((Action<IList<int>>)BubbleCocktailSort, aa.Clone() as int[]);
RunTheMethod((Action<IList<int>>)InsertSort, aa.Clone() as int[]);
RunTheMethod((Action<IList<int>>)InsertSortImprovedWithBinarySearch, aa.Clone() as int[]);
RunTheMethod((Action<IList<int>>)QuickSortStrict, aa.Clone() as int[]);
RunTheMethod((Action<IList<int>>)QuickSortRelax, aa.Clone() as int[]);
RunTheMethod((Action<IList<int>>)QuickSortRelaxImproved, aa.Clone() as int[]);
RunTheMethod((Func<IList<int>, IList<int>>)MergeSort, aa.Clone() as int[]);
RunTheMethod((Action<IList<int>>)ShellSort, aa.Clone() as int[]);
RunTheMethod((Func<IList<int>, IList<int>>)RadixSort, aa.Clone() as int[]);
RunTheMethod((Action<IList<int>>)HeapSort, aa.Clone() as int[]);
TestMicrosoft(aa.Clone() as int[]);
Console.Read();
} public static void RunTheMethod(Func<IList<int>, IList<int>> method, IList<int> data)
{
Stopwatch stopwatch = new Stopwatch();
stopwatch.Start();
IList<int> result = method(data);
stopwatch.Stop();
string methodName = method.Method.Name;
int length = methodName.Length;
for (int i = ; i < - length; i++)
{
methodName += " ";
}
Console.WriteLine(methodName +
" IsAscOrdered:" + IsAscOrdered(result) + " Time:" + stopwatch.Elapsed.TotalSeconds);
} public static void RunTheMethod(Action<IList<int>> method, IList<int> data)
{
Stopwatch stopwatch = new Stopwatch();
stopwatch.Start();
method(data);
stopwatch.Stop();
string methodName = method.Method.Name;
int length = methodName.Length;
for (int i = ; i < - length; i++)
{
methodName += " ";
}
Console.WriteLine(methodName +
" IsAscOrdered:" + IsAscOrdered(data) + " Time:" + stopwatch.Elapsed.TotalSeconds);
}
剩余代码折叠在此处
public static void Swap(IList<int> data, int a, int b)
{
int temp = data[a];
data[a] = data[b];
data[b] = temp;
} public static int[] OrderedSet(int length)
{
int[] result = new int[length];
for (int i = ; i < length; i++)
{
result[i] = i;
}
return result;
} public static IList<int> NewInstance(IList<int> data, int length)
{
IList<int> instance;
if (data is Array)
{
instance = new int[length];
}
else
{
instance = new List<int>(length);
for (int n = ; n < length; n++)
{
instance.Add(); // 初始添加
}
}
return instance;
}
测试设备：win8(64位)，i7-3630QM,8G内存，vs2012
测试结果：
100000,50000,10000,5000,1000,100依次是：
结果分析：可以看出在大数组的时候，微软自带排序更接近快速排序。而当数组变小时，速度却没有明显提升，甚至变得更慢，
比如1000和100。可以推断出在数组足够小的时候，比较已经不是影响这个方法主要因素。而根据它对大数组的表现。我们可以
推断出它应该用的是快速排序。反编译验证下：
在System.Linq.EnumerableSorter下。有兴趣的同学可以去看下详细实现。
维基上也有个测试。硬件没我的好。时间是我测试结果时间的几百倍。有兴趣的同学可以比较下。
在上面的测试中，我们可以看到快速最快，归并其次，冒泡最慢（维基上是希尔最快，估计使用的是某种神奇的步长）。
在我这里，希尔还不如二分查找优化版的快。可见希尔排序是一种神奇又有潜力的算法。步长不好会很挫！
而基数排序却是比平均时间复杂度为o(nlogn)的堆排序，归并排序，快速排序还要慢的，虽然它的平均时间复杂度为o(n)。
冒泡标识优化版对随机数列结果优化不明显，鸡尾酒版优化可以看到，但也不是很厉害。
插入排序二分查找优化版优化比较明显。我优化的快速排序QuickSortRelaxImproved优化也不明显。
以上是随机数列的测试结果，最大值为99999。
而对于有序数列，这些方法表现又会如何呢？
我这里就不演示了。本文末尾会附上demo，大家可以自行测试。
有意思的是:
我在测试有序数列的时候，QuickSortStrict方法栈溢出了（stack overflow exception）。这个异常
是让我去stackoverflow搜寻答案吗？哈哈！我确信我的方法不是无限循环。跳过一堆链接。。。我是
在测试10000个数排序的时候发生的错误。我跟踪后发现大约在9400多次递归的时候，栈溢出。找啊找
终于找见了一个类似的问题。上面说如果一个递归9000多次而没有返回值，也会报栈溢出的。而这个方法
对于10000个有序数列，确实每次减少一个数地递归，次数会超过限制。
我的算法理论不怎么好，对于时间复杂度和空间复杂度，还有稳定度，搞得也不怎么清楚，只知道个大致的
意思。各位要笔试面试的朋友可以去维基百科这个表来了解学习。
总结
我觉得使用IList<int>更贴近数列，更能展现基本的操作。所以我的实现中都没有将它强制转化为List<int>
或者int[]来调用微软封装的方法。这样说来，题目说C#实现倒快有点名不副实了。不过这样却也方便了其它语言
朋友。比如将我这篇博文里的实现随便改改，就可以说是另一个语言版本的8种排序算法了。哈哈！在这里，
我想说下这次学习排序对我的意义：老久不怎么动脑了，突然动起来，磨磨唧唧地得出结果，最后倒也有点成就感！
在学习过程中，经常会脑子转不过弯，想不通的，只是走在路上或者睡觉前突然灵感一现，有点小惊喜的感觉！
这大概就是进步的特征吧！哈哈！这次写demo+写博客花费了不少时间，倒也收获颇多，尤其在我将8种
排序都实现之前，没进行过一次测试，全部实现完成后，测试时各种索引越界+无限循环+各种问题，没几个
能跑通的，到后来的几乎都没有问题，也算是锻炼了思维，找出错原因的能力。本篇是自我学习的一个总结，
要学习及锻炼的园友，还望一定自己实现一下，可以和我的比较一下，解除疑惑或者提出改进。
主要参考：维基百科，有趣的演示
8种主要排序算法的C#实现的更多相关文章
- JavaScript版几种常见排序算法
今天发现一篇文章讲“JavaScript版几种常见排序算法”,看着不错,推荐一下原文:http://www.w3cfuns.com/blog-5456021-5404137.html 算法描述: * ...
- php四种基础排序算法的运行时间比较
/** * php四种基础排序算法的运行时间比较 * @authors Jesse (jesse152@163.com) * @date 2016-08-11 07:12:14 */ //冒泡排序法 ...
- 7种基本排序算法的Java实现
7种基本排序算法的Java实现 转自我的Github 以下为7种基本排序算法的Java实现,以及复杂度和稳定性的相关信息. 以下为代码片段,完整的代码见Sort.java 插入排序 /** * 直接插 ...
- PHP四种基本排序算法
PHP的四种基本排序算法为:冒泡排序.插入排序.选择排序和快速排序. 下面是我整理出来的算法代码: 1. 冒泡排序: 思路:对数组进行多轮冒泡,每一轮对数组中的元素两两比较,调整位置,冒出一个最大的数 ...
- 七种经典排序算法及Java实现
排序算法稳定性表示两个值相同的元素在排序前后是否有位置变化.如果前后位置变化,则排序算法是不稳定的,否则是稳定的.稳定性的定义符合常理,两个值相同的元素无需再次交换位置,交换位置是做了一次无用功. 下 ...
- php四种基础排序算法的运行时间比较！
/** * php四种基础排序算法的运行时间比较 * @authors Jesse (jesse152@163.com) * @date 2016-08-11 07:12:14 */ //冒泡排序法 ...
- 基于python的七种经典排序算法
参考书目:<大话数据结构> 一.排序的基本概念和分类 所谓排序,就是使一串记录,按照其中的某个或某些关键字的大小,递增或递减的排列起来的操作.排序算法,就是如何使得记录按照要求排列的方法. ...
- 几种经典排序算法的R语言描述
1.数据准备 # 测试数组 vector = c(,,,,,,,,,,,,,,) vector ## [] 2.R语言内置排序函数 在R中和排序相关的函数主要有三个:sort(),rank(),ord ...
- Java中几种常见排序算法
日常操作中常见的排序方法有:冒泡排序.快速排序.选择排序.插入排序.希尔排序等. 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,如果他们的顺序错误就把他们交换过来.走访数 ...
随机推荐
- The new day of my blog
今天开始了我的博客建造之旅,作为一个ACMer(虽说是弱校的),我也想象其他人一样把自己的题解和心得记录下来,一来可以和大家分享一下,二来也可以留给将来的自己作回顾,希望众大神能够给以指导指导,让我这 ...
- 移动端 meta
摘自http://www.cnblogs.com/shxydx/articles/2856882.html 控制显示区域各种属性: <meta content="width=dev ...
- Android入门：绑定本地服务
一.绑定服务介绍 前面文章中讲过一般的通过startService开启的服务,当访问者关闭时,服务仍然存在: 但是如果存在这样一种情况:访问者需要与服务进行通信,则我们需要将访问者与服务进行绑定: ...
- Win7/8下提示OpenSCManager failed 拒绝访问
在我们日常使用命令行安装一些工具的时候经常提示如下错误提示,这是上市Win7或者Win8操作系统权限的原因 工具/原料 Win7,Win8操作系统 方法/步骤 1 以Win8为例,按WIN+Q ...
- SAP SD你要知道的透明表
一.客户主数据 基本数据放在KNA1里: 公司代码放在KNB1里: 销售视图放在KNVV里: 合作伙伴放在KNVP里: 二.信用主数据 KNKK里有信贷限额.应收总额.特别往来: S066里是未清订单 ...
- Python 练习 21
#!/usr/bin/python # -*- coding: UTF-8 -*- h = 0 leap = 1 from math import sqrt from sys import stdou ...
- js,jquery判断某一节点是否存在
前两天工作时遇到一问题,就是模块A显示时,B是一种样式,模块A删除,B是另一种样式.记录下判断节点存在的方法. 先写下html <!doctype html> <html> & ...
- C# winform程序怎么打包成安装项目(图解)
1:新建安装部署项目 打开VS,点击新建项目,选择:其他项目类型->安装与部署->安装向导(安装项目也一样),然后点击确定.(详细见下图) 此主题相关图片如下: 2:安装向导 关闭后打开安 ...
- (11)lambda表达式用法
* lambda 简述 lambda只是一个表达式,函数体比def简单很多 lambda的主体是一个表达式,而不是一个代码块.仅仅能在lambda表达式中封装有限的逻辑进去. lam ...
- VMware Workstation 无法连接到虚拟机
"This PC(我的电脑)":右键"manage(管理)": "Service and Applications(服务和应用)":&quo ...