1、认识时间复杂度和简单的排序算法

最新推荐文章于 2024-05-23 21:23:36 发布

吃蜡笔的小新

最新推荐文章于 2024-05-23 21:23:36 发布

阅读量345

点赞数

分类专栏：左程云算法笔记文章标签：排序算法算法数据结构

本文链接：https://blog.csdn.net/Ningmengyouzhi/article/details/128038876

版权

左程云算法笔记专栏收录该内容

1 篇文章 0 订阅

订阅专栏

时间复杂度

如果一个操作时间和数据量没有关系，则是常数时间的操作
- 比如一个数组arr[n]这就是算一个偏移量，然后找到这个位置的值，这就是常数时间，和数组长度没有关系。
- 而对于链表list.get(n)，这就需要进行遍历直到找到n，这就和数据量有关系了。

这里举个选择排序的例子说明一下时间复杂度
在这里插入图片描述

第一次循环确定最小值
遍历n次，对比n-1次，交换1次

第二次循环确定最小值
遍历n-1次，对比n-2次，交换1次

第三次循环确定最小值
遍历n-2次，对比n-3次，交换1次

······

第N次循环确定最小值
遍历1次，对比0次，交换0次

把所有操作次数相加(n+n-1+n-2·····)+(n-1+n-2+····)+(1+1+1····)
算出来结果(系数就不细算了)：an²+bn+1
取最高次项n²，所以时间复杂度为O(n²)

说明：还有最优时间复杂度和平均时间复杂度，但我们日常提及的都是最坏时间复杂度

选择排序

时间复杂度O(n²)；空间复杂度O(1)；

在这里插入图片描述

public class SelectionSort implements IArraySort {

    @Override
    public int[] sort(int[] sourceArray) throws Exception {
        int[] arr = Arrays.copyOf(sourceArray, sourceArray.length);

        // 总共要经过 N-1 轮比较
        for (int i = 0; i < arr.length - 1; i++) {
            int min = i;

            // 每轮需要比较的次数 N-i
            for (int j = i + 1; j < arr.length; j++) {
                if (arr[j] < arr[min]) {
                    // 记录目前能找到的最小值元素的下标
                    min = j;
                }
            }

            // 将找到的最小值和i位置所在的值进行交换
            if (i != min) {
                int tmp = arr[i];
                arr[i] = arr[min];
                arr[min] = tmp;
            }

        }
        return arr;
    }
}

冒泡排序

时间复杂度O(n²)；空间复杂度O(1)；

在这里插入图片描述

public class BubbleSort implements IArraySort {

    @Override
    public int[] sort(int[] sourceArray) throws Exception {
        // 对 arr 进行拷贝，不改变参数内容
        int[] arr = Arrays.copyOf(sourceArray, sourceArray.length);

        for (int i = 1; i < arr.length; i++) {
            // 设定一个标记，若为true，则表示此次循环没有进行交换，也就是待排序列已经有序，排序已经完成。
            boolean flag = true;

            for (int j = 0; j < arr.length - i; j++) {
                if (arr[j] > arr[j + 1]) {
                    int tmp = arr[j];
                    arr[j] = arr[j + 1];
                    arr[j + 1] = tmp;

                    flag = false;
                }
            }

            if (flag) {
                break;
            }
        }
        return arr;
    }
}

异或交换

解释

1^1=0; 0^0=0; 1^0=1，满足交换律结合律
所以自己和自己异或就为0；有点像消消乐，出现两次就消除。
这里有两个变量a,b(所占内存不相交)，如何利用异或进行交换
a = a^b;
b = a^b;
a = a^b;

即可实现交换，但前提是这两个变量所占内存不相交，也就是相互不影响。

案例

一个数组，里面只有一种数字出现奇数次，其余数字皆出现偶数次，求出这个出现基数次的数字

分析出现偶数次，那异或就全都消失了。所以每一项进行异或，偶数次都会消失，剩下的就是出现奇数次的数字了。

一个数组，里面只有两种数字(不同)出现奇数次，其余数字皆出现偶数次，求出这个出现基数次的数字

每一项进行异或，偶数次都会消失，剩下的就是两个奇数次的数字相异或的结果了记为c。既然这两个数字不同，那异或就一定不为0，那我们找到这两个数字不同的地方，比如得到的结果0100，所以说明第三位这两个数字不同，那我们找做一个循环，重新遍历一下数组，第三位为1的(0的)进行异或，得到的结果就是其中一个数字记为a，剩下的数字，只需要a^c即可得到。

这里遍历的时候怎么判断某一位为1或者0呢？
我们选择最低位的不同数字，取反加一与：c&(~c+1)
比如c=10011010，则~c+1=01100110；两个相与得到的就是00000010
然后遍历看谁00000010相与不为0，或为0，则为两种情况

综上

异或可以得到群体中落单的那数字

插入排序

时间复杂度：O(n²)，空间复杂度：O(1)

在这里插入图片描述

public class InsertSort implements IArraySort {

    @Override
    public int[] sort(int[] sourceArray) throws Exception {
        // 对 arr 进行拷贝，不改变参数内容
        int[] arr = Arrays.copyOf(sourceArray, sourceArray.length);

        // 从下标为1的元素开始选择合适的位置插入，因为下标为0的只有一个元素，默认是有序的
        for (int i = 1; i < arr.length; i++) {

            // 记录要插入的数据
            int tmp = arr[i];

            // 从已经排序的序列最右边的开始比较，找到比其小的数
            int j = i;
            while (j > 0 && tmp < arr[j - 1]) {
                arr[j] = arr[j - 1];
                j--;
            }

            // 存在比其小的数，插入
            if (j != i) {
                arr[j] = tmp;
            }

        }
        return arr;
    }
}

如果数据排序较好时，时间复杂度就降到O(n)级别，但我们算时间复杂度都是按最差情况来看的

二分查找


public class RecursionDemo {
    public static void main(String[] args) {
        //二分查找 折半查找
        int[] arr = {1,2,3,4,5,6,7,8,9,10,11,12,13,14,15};
        int index = binarySearch(arr,0, arr.length - 1, 13);
        System.out.println(index);
    }
    //在数组arr中 L~R区间内进行二分搜索查找key的角标
    private static int binarySearch(int[] arr, int L, int R, int key) {
        if (L > R) {    //元素key不存在
            return -1;
        }
        int M = (L + R) / 2;
        if (arr[M] == key) {
            return M;
        }
        if (arr[M] < key) {
            return binarySearch(arr,M + 1, R, key);
        } else {
            return binarySearch(arr,L, M - 1, key);
        }
    }
}