当前位置:  开发笔记 > 编程语言 > 正文

Go语言排序算法之插入排序与生成随机数详解

从这篇文章开始将带领大家学习Go语言的经典排序算法,比如插入排序、选择排序、冒泡排序、希尔排序、归并排序、堆排序和快排,二分搜索,外部排序和MapReduce等,本文将先详细介绍插入排序,并给大家分享了go语言生成随机数的方法,下面来一起看看吧。

前言

排序,对于每种编程语言都是要面对的。这里跟大家一起分享golang实现一些排序算法,并且说明如何生成随机数。下面话不多说了,来一起看看详细的介绍吧。

经典排序算法

算法的学习非常重要,是检验一个程序员水平的重要标准。学习算法不能死记硬背,需要理解其中的思想,这样才能灵活应用到实际的开发中。

七大经典排序算法

  • 插入排序
  • 选择排序
  • 冒泡排序
  • 希尔排序
  • 归并排序
  • 堆排序
  • 快速排序

插入排序

先考虑一个问题:对于长度为n的数组,前n-1位都是递增有序的,如何排序?

     1.从第1位至第n-1位遍历数组,发现第n位数字应该放在第k位

     2.把第k位至第n-1位的数字依次向后挪一位

     3.这样长度为n的数组就是递增有序的了

具体实现方法:

package main
import "fmt" 

func insertionSort(arr []int) {
  for i := 1; i < len(arr); i++ {
   value := arr[i]

   for j := i - 1; j >= 0; j-- {
    if value < arr[j] {
     arr[j+1], arr[j] = arr[j], value
    } else {
     break
    }

   }
  }

}

func main() {
 arr := []int{6, 5, 4, 3, 2, 1, 0}
 insertionSort(arr)

 fmt.Println("Sorted arr: ", arr)
}

复杂度:

时间复杂度:O(n*n)

空间复杂度:额外空间O(1)

O表达式(Big O notation)通常用来在计算机科学中表示算法的复杂度,包括:

时间复杂度:衡量算法的运行时间

空间复杂度:衡量算法运行所占的空间,比如内存或硬盘等

一般情况下,O表达式代表的是最坏情况下的复杂度。

算法分析也是如此,在n个随即数中查找某个数字,最好的情况是第一个数字就是,此时时间复杂度为O(1),若最后一个数字才是我们要找的,那么时间复杂度是O(n),这是最坏的情况。而平均运行时间是从概率的角度看,若数字在每一个位置都可能出现,则平均查找次数为n/2次。

平均运行时间是所有情况中最有意义的,因为它是期望的运行时间。可现实中,平均运行时间很难通过分析得到,一般都是通过运行一定数量的实验数据后估算而来的。而最坏运行时间是一种保证,那就是运行时间不会再坏了。在应用中,这是最重要的需求,通常,除非特别指定,我们提到的运行时间都是最坏情况下的运行时间。即,时间复杂度是最坏情况下的时间复杂度。

常见的算法时间复杂度由小到大依次为:

O(1)

这里的O就是一般表示复杂度的一个标志,类似计算复杂度的函数名称一样。

两种复杂度都是一种估算,

估算的方式就是根据代码的逻辑,分析出对于复杂度的公式。

在时间复杂度上,主要记录的是带有变量的循环。

比如for (i = 0; i < n; i ++) {...}可理解为O(n)

而 x = n + 1; y = x + 1; z = x + y;虽然是三条语句,但是没有循环操作,所以理解为O(1)

在空间复杂度上,主要记录的是带有变量的空间申请。

比如int[n] x;可以理解为O(n)

而 int x; int y; int z;虽然是三个变量,但是没有变化的申请操作,所以理解为O(1)

大O符号是用于描述函数渐近行为的数学符号。既可以表示无穷大渐近也可以表示

无穷小渐近。看你是用在算法还是描述数学函数估计中的误差项

再来看看我们的插入排序:

  • 当数组是逆序的时候,时间复杂度是O(n*n)
  • 当数组几乎是有序的时候,时间复杂度是O(n)

另外插入排序的overhead特别小,可以理解为常数等于1

在实际应用中,常数也是一个很重要的因素。有的算法复杂度低,但是常数较高;再加上数据的特点,有时候反而比不上复杂度更高但是常数低的算法。

在理解插入排序算法的过程中,应该要明白一个算法思想:

  • 把问题分解为子问题
  • 找到问题的初始状态
  • 从问题的初始状态,通过子问题,一步步得到最终的解

实际应用中,要灵活的选择算法,有几个重点要考虑的:

  • 复杂度:包括时间复杂度,空间复杂度,常数等
  • 实现复杂度:算法实现起来很难,不易于测试和维护的话,也是很大的问题
  • 适用性:在特定的业务场景下,是否有更合适的算法?

总的来说,要具体情况具体分析,在满足业务的同时要简洁的解决问题。

go 生成区间随机数

// 函 数:生成随机数 
// 概 要: 
// 参 数: 
//  min: 最小值 
//  max: 最大值 
// 返回值: 
//  int64: 生成的随机数 
func RandInt64(min, max int64) int64 { 
 if min >= max || min == 0 || max == 0 { 
  return max 
 } 
 return rand.Int63n(max-min) + min 
} 

参考文章: 【BAT后台入门】第二课:数组与排序

总结

以上就是这篇文章的全部内容了,希望本文的内容对大家的学习或者工作具有一定的参考学习价值,如果有疑问大家可以留言交流,谢谢大家对的支持。

推荐阅读
wangtao
这个屌丝很懒,什么也没留下!
DevBox开发工具箱 | 专业的在线开发工具网站    京公网安备 11010802040832号  |  京ICP备19059560号-6
Copyright © 1998 - 2020 DevBox.CN. All Rights Reserved devBox.cn 开发工具箱 版权所有