Go语言排序算法之如何实现插入排序与生成随机数

这篇文章主要为大家展示了“Go语言排序算法之如何实现插入排序与生成随机数”，内容简而易懂，条理清晰，希望能够帮助大家解决疑惑，下面让小编带领大家一起研究并学习一下“Go语言排序算法之如何实现插入排序与生成随机数”这篇文章吧。

十年的乌海海南网站建设经验，针对设计、前端、开发、售后、文案、推广等六对一服务，响应快，48小时及时工作处理。全网营销推广的优势是能够根据用户设备显示端的尺寸不同，自动调整乌海海南建站的显示方式，使网站能够适用不同显示终端，在浏览器中调整网站的宽度，无论在任何一种浏览器上浏览网站，都能展现优雅布局与设计，从而大程度地提升浏览体验。创新互联从事“乌海海南网站设计”,“乌海海南网站推广”以来，每个客户项目都认真落实执行。

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 
}
以上是“Go语言排序算法之如何实现插入排序与生成随机数”这篇文章的所有内容，感谢各位的阅读！相信大家都有了一定的了解，希望分享的内容对大家有所帮助，如果还想学习更多知识，欢迎关注创新互联行业资讯频道！
            
            
                        

            本文名称：Go语言排序算法之如何实现插入排序与生成随机数            

            本文来源：http://cqcxhl.cn/article/jdsdio.html