這篇文章給大家分享的是有關javascript中排序算法的詳細介紹的內容。小編覺得挺實用的，因此分享給大家做個參考，一起跟隨小編過來看看吧。
排序算法是面試中的高頻考察點，我們需要熟練掌握。本文整理了最經典、最常用的排序算法并且搭配了動圖和視頻，希望能夠幫助你更加輕松的拿下它們。
首先，根據排序算法的特性可以分成如下兩類：
比較類排序
非比較類排序
顧名思義，比較類排序是通過元素間的比較進行排序的，非比較類則不涉及元素之間的比較操作。
比較類排序的時間復雜度不能突破 O(nlogn)，也被稱為非線性排序。
非比較類排序的時間復雜度可以突破 O(nlogn)，能夠以線性的時間運行，也被稱為線性排序。
如果你還不了解時間復雜度的話，可以移步我的這篇專欄JavaScript算法時間、空間復雜度分析。
冒泡排序，簡單粗暴，一句話解釋:
冒泡排序在每次冒泡操作時會比較相鄰的兩個元素，看是否滿足大小關系要求，不滿足就將它倆互換。一直迭代到不再需要交換，也就是排序完成。
const bubbleSort = function(arr) {
const len = arr.length
if (len < 2) return arr
for (let i = 0; i < len; i++) {
for (let j = 0; j < len - i - 1; j++) {
if (arr[j] > arr[j + 1]) {
const temp = arr[j]
arr[j] = arr[j + 1]
arr[j + 1] = temp
}
}
}
return arr
}時間復雜度: O(n^2)
空間復雜度: O(1)
穩定
注意：這里的穩定是指，冒泡排序是穩定的排序算法。
什么是穩定的排序算法呢？
僅僅用執行效率和內存消耗來判斷排序算法的優劣是不夠的，針對排序算法，還有一個重要的度量指標，穩定性。
意思是說，如果待排序的序列中存在值相等的元素，經過排序之后，相等元素之間原有的先后順序不變。
舉個：
比如我們有一組數據：1，9，2，5，8，9。按照大小排序之后就是 1，2，5，8，9，9。
這組數據中有兩個 9，經過某種排序算法排序后，如果兩個 9 的前后順序沒有改變，我們就把這種排序算法稱為 穩定的排序算法。
否則，就是不穩定的排序算法。
上面的代碼還可以進行優化，當某次冒泡操作已經沒有數據交換時，說明已經達到完全有序，不需要再繼續執行后續的冒泡操作了。
const bubbleSort = function(arr) {
const len = arr.length
let flag = false
if (len < 2) return arr
for (let i = 0; i < len; i++) {
flag = false // 提前退出冒泡循環的標志
for (let j = 0; j < len - i - 1; j++) {
if (arr[j] > arr[j + 1]) {
const temp = arr[j]
arr[j] = arr[j + 1]
arr[j + 1] = temp
flag = true // 表示有數據交換
}
}
if (!flag) break // 沒有數據交換，提前退出
}
return arr
}
插入排序顧名思義，對于未排序的數據，在已排序的序列中從后往前掃描，找到相應的位置進行插入，保持已排序序列中元素一直有序。
從 i 等于 1 開始遍歷，拿到當前元素 curr，與前面的元素進行比較。
如果前面的元素大于當前元素，就把前面的元素和當前元素進行交換，不斷循環直到未排序序列中元素為空，排序完成。
const insertSort = function(arr) {
const len = arr.length
let curr, prev
for (let i = 1; i < len; i++) {
curr = arr[i]
prev = i - 1
while (prev >= 0 && arr[prev] > curr) {
arr[prev + 1] = arr[prev]
prev--
}
arr[prev + 1] = curr
}
return arr
}時間復雜度: O(n^2)
空間復雜度: O(1)
穩定
選擇排序可視化視頻：
https://www.reddit.com/r/programming/comments/e5md13/selection_sort_visualization/
選擇排序和插入排序有些類似，也分已排序序列和未排序序列。
但是選擇排序是將最小的元素存放在數組起始位置，再從剩下的未排序的序列中尋找最小的元素，然后將其放到已排序的序列后面。以此類推，直到排序完成。
const selectSort = function(arr) {
const len = arr.length
let temp, minIndex
for (let i = 0; i < len - 1; i++) {
minIndex = i
for (let j = i + 1; j < len; j++) {
if (arr[j] <= arr[minIndex]) {
minIndex = j
}
}
temp = arr[i]
arr[i] = arr[minIndex]
arr[minIndex] = temp
}
return arr
}時間復雜度: O(n^2)
空間復雜度: O(1)
不穩定
分治法典型應用，分治算法思想很大程度上是基于遞歸的，也比較適合用遞歸來實現。
處理過程是由下到上的，先處理子問題，然后再合并。
如果感覺自己對遞歸掌握的還不是很透徹的同學，可以移步我的這篇專欄你真的懂遞歸嗎？。
顧名思義，分而治之。一般分為以下三個過程：
分解：將原問題分解成一系列子問題。
解決：遞歸求解各個子問題，若子問題足夠小，則直接求解。
合并：將子問題的結果合并成原問題。
歸并排序就是將待排序數組不斷二分為規模更小的子問題處理，再將處理好的子問題合并起來，這樣整個數組就都有序了。
const mergeSort = function(arr) {
const merge = (right, left) => {
const result = []
let i = 0, j = 0
while (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++])
}
return result
}
const sort = (arr) => {
if (arr.length === 1) { return arr }
const mid = Math.floor(arr.length / 2)
const left = arr.slice(0, mid)
const right = arr.slice(mid, arr.length)
return merge(mergeSort(left), mergeSort(right))
}
return sort(arr)
}時間復雜度: O(nlogn)
空間復雜度: O(n)
穩定
快速排序可視化視頻：
https://www.reddit.com/r/dataisbeautiful/comments/e9fb2k/oc_quicksort_visualization/
快速排序也是分治法的應用，處理過程是由上到下的，先分區，然后再處理子問題。
快速排序通過遍歷數組，將待排序元素分隔成獨立的兩部分，一部分記錄的元素均比另一部分的元素小，則可以分別對這兩部分記錄的元素繼續進行排序，直到排序完成。
這就需要從數組中挑選出一個元素作為 基準(pivot)，然后重新排序數列，將元素比基準值小的放到基準前面，比基準值大的放到基準后面。
然后將小于基準值的子數組(left)和大于基準值的子數組(right)遞歸地調用 quick 方法，直到排序完成。
const quickSort = function(arr) {
const quick = function(arr) {
if (arr.length <= 1) return arr
const len = arr.length
const index = Math.floor(len >> 1)
const pivot = arr.splice(index, 1)[0]
const left = []
const right = []
for (let i = 0; i < len; i++) {
if (arr[i] > pivot) {
right.push(arr[i])
} else if (arr[i] <= pivot) {
left.push(arr[i])
}
}
return quick(left).concat([pivot], quick(right))
}
const result = quick(arr)
return result
}時間復雜度: O(nlogn)
空間復雜度: O(nlogn)
不穩定
堆排序相比其他幾種排序代碼會有些復雜，不過沒關系，我們先來看一些前置知識，可以幫助我們更好的理解堆排序。
堆排序顧名思義就是要利用堆這種數據結構進行排序。堆是一種特殊的樹，滿足以下兩點就是堆：
堆是一個完全二叉樹
堆中每一個節點的值都必須大于等于(或小于等于)其子樹中的每個節點的值
每個節點的值都大于等于子樹中每個節點值的堆，叫做大頂堆，每個節點的值都小于等于子樹中每個節點值的堆，叫做小頂堆。
也就是說，大頂堆中，根節點是堆中最大的元素。小頂堆中，根節點是堆中最小的元素。
如果你對樹這種數據結構還不是很了解，可以移步我的這篇專欄“樹”業有專攻
堆如果用一個數組表示的話，給定一個節點的下標 i (i從1開始)，那么它的父節點一定為 A[i / 2]，左子節點為 A[2i]，右子節點為 A[2i + 1]。
堆排序包含兩個過程，建堆和排序。首先構建一個大頂堆，也就是將最大值存儲在根節點(i = 1)，每次取大頂堆的根節點與堆的最后一個節點進行交換，此時最大值放入了有效序列的最后一位，并且有效序列減 1，有效堆依然保持完全二叉樹的結構，然后進行堆化成為新的大頂堆。重復此操作，直到有效堆的長度為 0，排序完成。
const heapSort = function(arr) {
buildHeap(arr, arr.length - 1)
let heapSize = arr.length - 1 // 初始化堆的有效序列長度
for (let i = arr.length - 1; i > 1; i--) {
swap(arr, 1, i) // 交換堆頂元素與最后一個有效子元素
heapSize-- // 有效序列長度減 1
heapify(arr, heapSize, 1) // 堆化有效序列
}
return arr
}
// 構建大頂堆
const buildHeap = function(items, heapSize) {
// 從后往前并不是從序列的最后一個元素開始，而是從最后一個非葉子節點開始，這是因為，葉子節點沒有子節點，不需要自上而下式堆化。
// 最后一個子節點的父節點為 n/2 ，所以從 n/2 位置節點開始堆化
for (let i = Math.floor(heapSize / 2); i >= 1; i--) {
heapify(items, heapSize, i)
}
}
// 堆化
const heapify = function(arr, heapSize, i) {
while (true) {
let maxIndex = i
if (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) break
swap(arr, i, maxIndex)
i = maxIndex
}
}
// 交換工具函數
const swap = function(arr, i, j) {
let temp = arr[i]
arr[i] = arr[j]
arr[j] = temp
}時間復雜度: O(nlogn)
空間復雜度: O(1)
不穩定
為了方便你理解和記憶，我將這 6 種排序算法的復雜度和穩定性匯總成表格如下：
感謝各位的閱讀！關于“javascript中排序算法的詳細介紹”這篇文章就分享到這里了，希望以上內容可以對大家有一定的幫助，讓大家可以學到更多知識，如果覺得文章不錯，可以把它分享出去讓更多的人看到吧！
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
