目录
1 归并排序
整体就是一个简单递归,左边排好序、右边排好序、让其整体有序,让其整体有序的过程里用了外排序方法。
将原始数组Arr[0:n-1]中的元素分成两个大小大致相同的子数组:Arr[0:n/2]和Arr[n/2+1:n-1],分别对这两个子数组单独排序,然后将已排序的两个数组归并成一个含有n个元素的有序数组。(不断地进行二分,直至待排序数组中只剩下一个元素为止,然后不断合并两个排好序的数组段)
代码实现如下:
public static void mergeSort(int[] arr) {
if (arr == null || arr.length < 2) {
return;
}
mergeSort(arr, 0, arr.length - 1);
}
public static void process(int[] arr, int l, int r) { // 递归过程
if (l == r) {
return;
}
int mid = l + ((r - l) >> 1);
process(arr, l, mid);
process(arr, mid + 1, r);
merge(arr, l, mid, r);
}
public static void merge(int[] arr, int l, int m, int r) {
int[] help = new int[r - l + 1];
int i = 0;
int p1 = l;
int p2 = m + 1;
while (p1 <= m && p2 <= r) {
help[i++] = arr[p1] < arr[p2] ? arr[p1++] : arr[p2++];
}
while (p1 <= m) {
help[i++] = arr[p1++];
} // 其实下面这两个while 只会中一个
while (p2 <= r) {
help[i++] = arr[p2++];
}
for (i = 0; i < help.length; i++) {
arr[l + i] = help[i]; // 拷贝回原数组
}
}
利用master公式来求解时间复杂度
T(N) = a*T(N/b) + O()
- a = 2
- b = 2
- d = 1
1) < d =>时间复杂度为O(
)
2) > d =>时间复杂度为O(
)
3) = d =>时间复杂度为O(
)
所以归并排序的时间复杂度 = O(NlogN)
额外空间复杂度O(N)
归并排序的实质
简单选择、冒泡、插入排,时间复杂度都是O() ,因为它们都浪费了大量的比较行为,每一
轮的比较都是独立的,每一次遍历只能搞定一个数。
而归并排序就没有浪费比较行为,每一次merge 归并,其实都将有序信息传递下去了。
2 归并排序的扩展
2.1 小和问题
在一个数组中,每一个数左边比当前数小的数累加起来,叫做这个数组的小和。求一个数组的小
和。
例子: [1,3,4,2,5]
- 1左边比1小的数,没有;
- 3左边比3小的数,1;
- 4左边比4小的数,1、3;
- 2左边比2小的数,1;
- 5左边比5小的数,1、3、4、2;
所以小和为1+1+3+1+1+3+4+2=16
思路:遍历数组,每个数右边有多少个数比它大,那就产生对应个数的该数的小和
在merge 过程中,求有多少个数比这个数大的过程, 是分批的,不重不漏的,依次找到
public static int smallSum(int[] arr) {
if (arr == null || arr.length < 2) {
return 0;
}
return mergeSort(arr, 0, arr.length - 1);
}
// arr[L..R]既要排好序,也要求小和
public static int process(int[] arr, int l, int r) {
if (l == r) {
return 0;
}
int mid = l + ((r - l) >> 1);
return process(arr, l, mid) //左侧排好序并且求小和的数量
+ process(arr, mid + 1, r) //右侧排好序,求小和的数量
+ merge(arr, l, mid, r); //左侧排好右侧排好,merge的时候小和的数量
}
public static int merge(int[] arr, int l, int m, int r) {
int[] help = new int[r - l + 1];
int i = 0;
int p1 = l;
int p2 = m + 1;
int res = 0;
while (p1 <= m && p2 <= r) {
res += arr[p1] < arr[p2] ? (r - p2 + 1) * arr[p1] : 0;
help[i++] = arr[p1] < arr[p2] ? arr[p1++] : arr[p2++];
}
while (p1 <= m) {
help[i++] = arr[p1++];
}
while (p2 <= r) {
help[i++] = arr[p2++];
}
for (i = 0; i < help.length; i++) {
arr[l + i] = help[i];
}
return res;
}
归并过程中,两边相等的情况下,一定先拷贝右边,当左边的数严格小于右边的数,才计算
小和。如果先拷贝左边,就不能很快的知道右边多少个数比它大。
这是和我们经典merge 不同的地方,经典merge我们只管合并就行,就没有这个顾虑。
2.2 逆序对问题
在一个数组中,左边的数如果比右边的数大,则这两个数构成一个逆序对,请打印所有逆序对。
例子:[3,2,4,5,0]
- 对于3来说,有(3,2),(3,0)
- 对于2来说,有(2,0)
- 对于4来说,有(4,0)
- 对于5来说,有(5,0)
就是在merge 归并的过程中,求右边有多少个数比左边的小。
这种由mergeSort 改写的题,每年必出。
3 荷兰国旗问题
3.1 问题一
给定一个数组arr,和一个数num,请把小于等于num的数放在数 组的左边,大于num的数放在数
组的右边。要求额外空间复杂度O(1),时间复杂度O(N)
这里并不要求num两边有序
- [i] <= num,[i] 和 <= 区域的下一个数交换,<= 区域右扩,i++
- [i] > num, i ++
3.2 问题二 (严格分三块)
给定一个数组arr,和一个数num,请把小于num的数放在数组的 左边,等于num的数放 在数组的
中间,大于num的数放在数组的 右边。要求额外空间复杂度O(1),时间复杂度 O(N)
- [i] < num,[i] 和 < 区域下一个交换,< 区域右扩,i++
- [i] = num, i ++
- [i] > num,[i] 和 > 区域的前一个交换,> 区域左扩,i 不变
代码实现如下:
public static int[] partition(int[] arr, int l, int r, int p) {
int less = l - 1;
int more = r + 1;
while (l < more) {
if (arr[l] < p) {
swap(arr, ++less, l++);
} else if (arr[l] > p) {
swap(arr, --more, l);
} else {
l++;
}
}
return new int[] { less + 1, more - 1 };
}
// for test
public static void swap(int[] arr, int i, int j) {
int tmp = arr[i];
arr[i] = arr[j];
arr[j] = tmp;
}
4 快速排序
4.1 快排1.0版本
- 用数组的最后一个数做划分值num,让前面的一截划分成荷兰国旗问题1
- 用num 和> 区域的第一个数做交换
- 然后让左侧和右侧重复这个行为
4.2 快排2.0版本
本质是利用荷兰国旗问题,问题二
- 用数组的最后一个数做划分值num,让前面的一截划分成荷兰国旗问题2
- 用num 和大于区域的第一个数交换
- 然后让小于num 和大于 num 的区域重复递归
一次搞定一批数,比1.0 版本快一些。但是这两个版本最坏情况下时间复杂度都是O( )
分析
1)划分值越靠近两侧,复杂度越高;划分值越靠近中间,复杂度越低
2)可以轻而易举的举出最差的例子,所以不改进的快速排序时间复杂度为O(N^2)
4.3 快排3.0版本
1)在数组范围中,等概率随机选一个数作为划分值,然后把数组通过荷兰国旗问题分成三个部
分:
左侧<划分值、中间==划分值、右侧>划分值
2)对左侧范围和右侧范围,递归执行
3)时间复杂度为O(N*logN)
划分值打到中点,如果打偏,越往两边,就会逐渐 O ()
3.0 版本随机从数组中选出一个数,与数组最后一个数做交换后作为划分值,这样就成了一个概率事件。
概率累加后,求最终的长期期望 → 得到快排3.0 的时间复杂度就是 O(NlogN)
代码实现如下:
public static void quickSort(int[] arr) {
if (arr == null || arr.length < 2) {
return;
}
quickSort(arr, 0, arr.length - 1);
}
public static void quickSort(int[] arr, int l, int r) {
if (l < r) {
swap(arr, l + (int) (Math.random() * (r - l + 1)), r);
int[] p = partition(arr, l, r);//=区域的左右边界
quickSort(arr, l, p[0] - 1); // < 区域
quickSort(arr, p[1] + 1, r); // > 区域
}
}
//默认以arr[r]做划分,arr[r]->p <p ==p >p
//返回等于区域(左边界,右边界),所以返回一个长度为2的数组res,res[0] res[1]
public static int[] partition(int[] arr, int l, int r) {
int less = l - 1;// <区有=右边界
int more = r; // >区左边界
while (l < more) { // L表示当前数的位置
if (arr[l] < arr[r]) { // 当前数 < 划分值
swap(arr, ++less, l++);
} else if (arr[l] > arr[r]) { // 当前数 > 划分值
swap(arr, --more, l);
} else { // 当前数 = 划分值
l++;
}
}
swap(arr, more, r);
return new int[] { less + 1, more };
}
public static void swap(int[] arr, int i, int j) {
int tmp = arr[i];
arr[i] = arr[j];
arr[j] = tmp;
}
快排的空间复杂度
快速排序的空间复杂度是O( log N )。
这是因为快速排序是一种原地排序算法,它不需要额外的空间来存储数据。快速排序通过交换数组
中的元素来进行排序,而不是创建新的数组。 快速排序的 空间复杂度主要来自于递归调用栈所占
用的空间。在最坏情况下,即每次划分都只能将序列分成 一个元素和 n-1 个元素两部分,此时递
归树的深度为 n,空间复杂度为 O(n)。但是在平均情况 下,每次划分能够将序列分成大小相等的
两部分,此时递归树的深度为 O(log n),空间复杂度也就是 O(log n)。
5 堆
堆结构就是用数组实现的完全二叉树结构
数组上从下标0 开始的连续一段对应完全二叉树的关系
- i 的左子树→ 2 * i + 1 (超出就越界)
- i 的右子树 → 2 * i + 2
- i 的根节点 → (i - 1) / 2
5.1 大根堆
完全二叉树中如果每棵子树的最大值都在顶部就是大根堆
5.2 小根堆
完全二叉树中如果每棵子树的最小值都在顶部就是小根堆
5.3 堆结构的heapInsert与heapify操作
堆结构最重要的两个操作
heapInsert
和父位置的数比大小,大于就和父位置上的数做交换,等于或小于就停在原地,这样就能保证始终
是个大根堆。
heapInsert函数代码实现如下:
//某个数现在处在index位置,往上继续移动
public static void heapInsert(int[] arr, int index) {
while (arr[index] > arr[(index - 1) / 2]) {
swap(arr, index, (index - 1) /2);
index = (index - 1)/2 ;
}
}
heapify(堆化)
heapify函数代码实现如下:
//某个数在index位置,能否往下移动
public static void heapify(int[] arr, int index, int size) {
int left = index * 2 + 1; //左子树的下标
while (left < size) {//下方还有子树的时候
//两个子树中,谁的值大,把下标给largest
int largest = left + 1 < size && arr[left + 1] > arr[left] ? left + 1 : left;
//父和较大的子树之间,谁的值大,把下标给largest
largest = arr[largest] > arr[index] ? largest : index;
if (largest == index) {
break;
}
swap(arr, largest, index);
index = largest;
left = index * 2 + 1;
}
}
5.4 堆结构的增大和减少
比如用户让我往现有堆里,加一个数字,O(logN) 的调整代价。
5.5 优先级队列结构,就是堆结构
堆顶就是优先级最大的。
6 堆排序
1)先让整个数组都变成大根堆结构,建立堆的过程
- 从上到下的方法,时间复杂度为O(N*logN)
- 从下到上的方法,时间复杂度为O(N)
2)把堆的最大值和堆末尾的值交换,然后减少堆的大小之后,再去调 整堆,一直周而复始,时间
复杂度为O(N*logN)
3)堆的大小减小成0之后,排序完成
堆排序代码实现如下:
public static void heapSort(int[] arr) {
if (arr == null || arr.length < 2) {
return;
}
// //从上到下的方法,时间复杂度为O(N*logN)
// for (int i = 0; i < arr.length; i++) {//O(N)
// heapInsert(arr, i);//O(logN)
// }
//从下到上的方法,时间复杂度为O(N)
for(int i=arr.length-1;i>0;i--){//O(N)
heapify(arr,i, arr.length);//O(1)
}
int heapSize = arr.length;
swap(arr, 0, --heapSize);
while (heapSize > 0) {//O(N)
heapify(arr, 0, heapSize);//O(logN)
swap(arr, 0, --heapSize);//O(1)
}
}
补充:堆结构比堆排序重要
7 堆排序扩展题目
已知一个几乎有序的数组,几乎有序是指,如果把数组排好顺序的话,每个元素移动的距离可以
不超过k,并且k相对于数组来说比较小。请选择一个合适的排序算法针对这个数据进行排序。
java代码实现如下:
public void sortedArrDistanceLessK(int[] arr, int k) {
// 默认小根堆
PriorityQueue<Integer> heap = new PriorityQueue<>();
int index = 0;
for (; index < Math.min(arr.length, k); index++) {
heap.add(arr[index]);
}
int i = 0;
for (; index < arr.length; i++, index++) {
heap.add(arr[index]);
arr[i] = heap.poll();
}
while (!heap.isEmpty()) {
arr[i++] = heap.poll();
}
}