php实现的常见排序算法汇总，php排序算法_PHP教程
php实现的常见排序算法汇总，php排序算法
本文汇总了常见的php排序算法，在进行算法设计的时候有不错的借鉴价值。现分享给大家供参考之用。具体如下：
一、插入排序
用文字简单的描述，比如说$arr = array(4,2,4,6,3,6,1,7,9); 这样的一组数字进行顺序排序：
那么，首先，拿数组的第二个元素和第一元素比较，假如第一个元素大于第二元素，那么就让两者位置互换，接下来，拿数组的第三个元素，分别和第二个，第一个元素比较，假如第三个元素小，那么就互换。依次类推。这就是插入排序,它的时间频度是：1+2+...+(n-1)=(n^2)/2。则它的时间复杂度为O(n^2).
php实现代码如下：
=0&&$arr[$j]
二、选择排序
选择排序用语言描述的话，可以这样,如：$arr = array(4,3,5,2,1);
首先,拿第一个和后面所有的比，找出最小的那个数字，然后和第一个数组互换（当然，如果是第一个最小，那么就不用互换了），接着循环，即：拿第二个和后面的比较，找出最小的数字，然后和第二个数字互换，依次类推，也就是说每次都是找出剩余最小的值。 可得到：第一次，时间频度 是n, （第一个和后面的n－1个比较，找到最小的，再看是不是第一个，不是第一个的话进行互换） 在往后，依次是 减一 。 它的时间复杂度，也是O(n^2);
php实现代码如下：
$arr[$j]){
$min = $j; //找到最小的那个元素的下标
}
}
if($min!=$i){//如果下标不是$i 则互换。
$tmp= $arr[$i];
$arr[$i] = $arr[$min];
$arr[$min] = $tmp;
}
}
return $arr;
}
?>
三、冒泡排序
冒泡排序其实上是和选择排序相比，并无明显差别。都是找到最小的，放到最左端。依次循环解决问题。差别在于冒泡排序的交换位置的次数较多，而选择排序则是找到最小的元素的下标，然后直接和最左端的交换位置。
php实现代码如下：
$arr[$j]){
$tmp= $arr[$i];
$arr[$i] = $arr[$i];
$arr[$i] = $tmp;
}
}
}
return $arr;
}
?>
四、快速排序
快速排序，用语言来形容的话，从数组中选择一个值$a，然后和其余元素进行比较，比$a大的放到数组right中，反之，放到数组left中。然后将left right 分别进行递归调用，即：再细分left right ，最后进行数组的合并。
php实现快速排序：
=$arr[$i]){
$left[] = $arr[$i];
}else{
$right[] = $arr[$i];
}
}
$left = mySort($left);
$right = mySort($right);
$result = array_merge($left,$right);
return $result;
}
?>
五、归并排序
其实归并排序是一种拆分，合并的思想。和快速排序思想有共通之处，左边一堆，右边一堆，然后进行合并。通过递归实现排序。 区别之处呢？ 他们的区别也是思想上本质的区别，快速排序的拆分，是选择了特定的值进行大小比较，从而分为left 和 right 。也就是小的一堆放入left，大的一堆放入right。而后，小的left 再细分为left1 right1。。。。通过进行类似的递归完成排序。也就是说，一直细分下去，递归最末尾的left1就是最小值。
而归并排序，是从几何上的左右切分，一直递归切分成2或者1的最小粒度的数组，然后才开始进行比较大小，然后合并。此处的比较大小是：儿子left的元素 和儿子的right元素 进行比较，而后进行排序合并成为父亲left或者right。在此，直到拿到各自排序合并完成最后两个数组：最起初的left 和right，也仅仅直到他们各自的顺序，并不能确认整个数组的顺序，还是需要通过最终的left right 比较后合并才能完成真正意义上的排序。
$right[0] ? array_shift($right) : array_shift($left);
//进行比较，小的移除，并且放入到数组$m中。
}
return arr_merge($m,$left,$right);//进行合并（由于不知道left right 哪个会为空，所以进行统一合并）
}
?>
六、堆排序
本例中fixDown函数实现对某一个节点的向下调整，这里默认的是起始节点为1，方便计算父子节点关系
注:
起始节点为1的父子关系: 父节点k, 子节点为2K、2k+1 子节点j, 父节点为 floor(j/2) floor为向下取整
起始节点为0的父子关系: 父节点k, 子节点为2K+1, 2k+2 子节点j, 父节点为 floor((j-1)/2)
参数$k为调整点位置, $lenth为数组长度，也就是从1起始到最后一个节点的坐标.
=1;$i--) {
fixDown($arr, $i, $len);
}
while($len>1) {
exch($arr[1], $arr[$len]);
fixDown($arr, 1, --$len);
}
array_shift($arr);
}
$arr = array(4,6,4,9,2,3);
headSort($arr);
?>
希望本文所述排序算法实例对大家的php程序设计有所帮助。
用Java语言实现的各种排序，包括插入排序、冒泡排序、选择排序、Shell排序、快速排序、归并排序、堆排序、SortUtil等。
插入排序：package org.rut.util.algorithm.support;
import org.rut.util.algorithm.SortUtil;/*** @author treeroot
* @since 2006-2-2
* @version 1.0*/public class InsertSort implements SortUtil.Sort{
/* (non-Javadoc)
* @see org.rut.util.algorithm.SortUtil.Sort#sort(int[])*/public void sort(int[] data) {int temp;for(int i=1;i
import org.rut.util.algorithm.SortUtil;/*** @author treeroot
* @since 2006-2-2
* @version 1.0*/public class BubbleSort implements SortUtil.Sort{
/* (non-Javadoc)
* @see org.rut.util.algorithm.SortUtil.Sort#sort(int[])*/public void sort(int[] data) {int temp;for(int i=0;i
排序算法 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。
分类
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、和最好表现），依据串列（list）的大小（n）。一般而言，好的表现是O。(n log n)，且坏的行为是Ω(n2)。对於一个排序理想的表现是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Ω(n log n)。
记忆体使用量（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，且在原本的串列中R出现在S之前，在排序过的串列中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（bubble sort）和快速排序（quicksort）。选择排序包含shaker排序和堆排序（heapsort）。
当相等的元素是无法分辨的，比如像是整数，稳定度并不是一个问题。然而，假设以下的数对将要以他们的第一个数字来排序。
(4, 1) (3, 1) (3, 7) (5, 6)
在这个状况下，有可能产生两种不同的结果，一个是依照相等的键值维持相对的次序，而另外一个则没有：
(3, 1) (3, 7) (4, 1) (5, 6) (维持次序)
(3, 7) (3, 1) (4, 1) (5, 6) (次序被改变)
不稳定排序算法可能会在相等的键值中改变纪录的相对次序，但是稳定排序算法从来不会如此。不稳定排序算法可以被特别地时作为稳定。作这件事情的一个方式是人工扩充键值的比较，如此在其他方面相同键值的两个物件间之比较，就会被决定使用在原先资料次序中的条目，当作一个同分决赛。然而，要记住这种次序通常牵涉到额外的空间负担。
排列算法列表
在这个表格中，n是要被排序的纪录数量以及k是不同键值的数量。
稳定的
冒泡排序（bubble sort） — O(n2)
鸡尾酒排序 (Cocktail sort, 双向的冒泡排序) — O(n2)
插入排序 （insertion sort）— O(n2)
桶排序 （bucket sort）— O(n); 需要 O(k) 额外 记忆体
计数排序 (counting sort) — O(n+k); 需要 O(n+k) 额外 记忆体
归并排序 （merge sort）— O(n log n); 需要 O(n) 额外记忆体
原地归并排序 — O(n2)
二叉树排序 （Binary tree sort） — O(n log n); 需要 O(n) 额外记忆体
鸽巢排序 (Pigeonhole sort) — O(n+k); 需要 O(k) 额外记忆体
基数排序 （radix sort）— O(n·k); 需要 O(n) 额外记忆体
Gnome sort — O(n2)
Library sort — O(n log n) with high probability, 需要 (1+ε)n 额外记忆体
不稳定
选择排序 （selection sort）— O(n2)
希尔排序 （shell sort）— O(n log n) 如果使用最佳的现在版本
Comb sort — O(n log n)
堆排序 （heapsort）— O(n log n)
......余下全文>>