排序算法
文章目录
1、 常见的排序算法分类:
- 排序的分类:(排序不是数据结构,排序是算法)
- 内部排序:指将需要处理的所有数据都加载
到内部存储器中进行排序。 - 外部排序:数据量过大,无法全部加载到内
存中,需要借助外部存储进行排序。
2、算法的时间复杂度与空间复杂度
时间复杂度
度量一个程序(算法)执行时间的两种方法
事后统计的方法:这种方法可行,
但是有两个问题:一是要想对设计的算法的运行性能进行评测,需要实际运行该程序;二是所得时间的统计量依赖于计算机的硬件、软件等环境因素,
这种方式,要在同一台计算机的相同状态下运行,才能比较那个算法速度更快。
事前估算的方法:通过分析某个算法的时间复杂度来判断哪个算法更优.
时间频度
时间频度:一个算法花费的时间与算法中语句的执行次数成正比例,哪个算法中语句执行次数多,它花费时间就多。一个算法中的语句执行次数称为语句频度或时间频度,记为T(n)。
举例说明如下:
public class Sort {
//比如计算1-100所有数字之和, 设计如下两种算法:
public static void main(String[] args) {
//方法一:
int total = 0;
int end = 100;
for(int i = 1;i <= end;i++){
total += i;
}
System.out.println("total = " + total);
//T(n)=n+1 执行n+1次
//方法二:
int total2 = 0;
int end2 = 100;
total2 = (1 + end2)*end2/2;
System.out.println("total2 = " + total2);
//T(n)=1 执行1次
}
}
- 举例说明:忽略常数项
结论:
- 2n+20 和 2n 随着n 变大,执行曲线无限接近, 20可以忽略
- 3n+10 和 3n 随着n 变大,执行曲线无限接近, 10可以忽略
- 举例说明-忽略低次项
结论:
- 2n^2+3n+10 和 2n^2 随着n 变大, 执行曲线无限接近, 可以忽略 3n+10
- n^2+5n+20 和 n^2 随着n 变大,执行曲线无限接近, 可以忽略 5n+20
- 举例说明-忽略系数
结论:
- 随着n值变大,5n^2+7n 和 3n^2 + 2n ,执行曲线重合, 说明 这种情况下, 5和3可以忽略。
- 而n^3+5n 和 6n^3+4n ,执行曲线分离,说明多少次方式关键
忽略
- 常数项
- 低次项
- 系数(立方³不能忽略!!!)
重点
一般情况下,算法中的基本操作语句的重复执行次数是问题规模n的某个函数,用T(n)表示,若有某个辅助函数f(n),使得当n趋近于无穷大时,T(n) / f(n) 的极限值为不等于零的常数,则称f(n)是T(n)的同数量级函数。记作 T(n)=O( f(n) ),称O( f(n) )
为算法的渐进时间复杂度,简称时间复杂度。
T(n) 不同,但时间复杂度可能相同。 如:T(n)=n²+7n+6 与 T(n)=3n²+2n+2 它们的T(n)不同,但时间复杂度相同,都为O(n²)。
计算时间复杂度的方法:
用常数1代替运行时间中的所有加法常数 T(n)=n²+7n+6 => T(n)=n²+7n+1
修改后的运行次数函数中,只保留最高阶项 T(n)=n²+7n+1 => T(n) = n²
去除最高阶项的系数 T(n) = n² => T(n) = n² => O(n²)
常见的时间复杂度
-
1)常数阶O(1)
-
2)对数阶O(log2n)
-
3)线性阶O(n)
-
4)线性对数阶O(nlog2n)
-
5)平方阶O(n^2)
-
6)立方阶O(n^3)
-
7)k次方阶O(n^k)
-
8)指数阶O(2^n)
常见的算法时间复杂度由小到大依次为:Ο(1)<Ο(log2n)<Ο(n)<Ο(nlog2n)<Ο(n2)<Ο(n3)< Ο(nk)
<Ο(2n) ,随着问题规模n的不断增大,上述时间复杂度不断增大,算法的执行效率越低。
从图中可见,我们应该尽可能避免使用指数阶的算法。
-常数阶O(1)
无论代码执行了多少行,只要是没有循环等复杂结构,那这个代码的时间复杂度就都是O(1) 。
上述代码在执行的时候,它消耗的时候并不随着某个变量的增长而增长,那么无论这类代码有多长,即使有几万几十万行,都可以用O(1)来表示它的时间复杂度。
- 对数阶O(log2n)
在while循环里面,每次都将 i 乘以 2,乘完之后,i 距离 n 就越来越近了。假设循环x次之后,i 就大于 2 了,此时这个循环就退出了,也就是说 2 的 x 次方等于 n,那么 x = log2n也就是说当循环 log2n
次以后,这个代码就结束了。因此这个代码的时间复杂度为:O(log2n) 。 O(log2n) 的这个2 时间上是根据代码变化的,i = i* 3 ,则是 O(log3n) 。
-
线性阶O(n)
这段代码,for循环里面的代码会执行n遍,因此它消耗的时间是随着n的变化而变化的,因此这类代码都可以用O(n)来表示它的时间复杂度。 -
线性对数阶O(nlogN)
线性对数阶O(nlogN) 其实非常容易理解,将时间复杂度为O(logn)的代码循环N遍的话,那么它的时间复杂度就是 n * O(logN),也就是了O(nlogN)。 -
平方阶O(n²)
平方阶O(n²) 就更容易理解了,如果把 O(n) 的代码再嵌套循环一遍,它的时间复杂度就是 O(n²),这段代码其实就是嵌套了2层n循环,它的时间复杂度就是 O(n * n),即 O(n²) 如果将其中一层循环的n改成m,那它的时间复杂度就变成了 O(m * n)。 -
立方阶O(n³)、K次方阶O(n^k)
参考上面的O(n²) 去理解就好了,O(n³)相当于三层n循环,其它的类似。
2.1 平均时间复杂度和最坏时间复杂度
1)平均时间复杂度是指所有可能的输入实例均以等概率出现的情况下,该算法的运行时间。
2)最坏情况下的时间复杂度称最坏时间复杂度。一般讨论的时间复杂度均是最坏情况下的时间复杂度。
这样做的原因是:最坏情况下的时间复杂度是算法在任何输入实例上运行时间的界限,这就保证了算法的运行时间不会比最坏情况更长。
3)平均时间复杂度和最坏时间复杂度是否一致,和算法有关(如下表)。
Shell
O(nlogn) O(ns)1<s<2 不稳定 O(1) s是所选分组
快速
O(nlogn) O(n2) 不稳定 O(nlogn) n大时较好
2.2 空间复杂度
基本简介
1)类似于时间复杂度的讨论,一个算法的空间复杂度(Space Complexity)定义为该算法所耗费的存储空间,它也是问题规模n的函数。
2)空间复杂度(Space Complexity)是对一个算法在运行过程中临时占用存储空间大小的量度。有的算法需要占用的临时工作单元数与解决问题的规模n有关,它随着n的增大而增大,当n较大时,将占用较多的存储单元,例如快速排序和归并排序算法就属于这种情况。
3)在做算法分析时,主要讨论的是时间复杂度。从用户使用体验上看,更看重的程序执行的速度。一些缓存产品(redis, memcache)和算法(基数排序)本质就是用空间换时间。
3、冒泡排序
基本介绍
冒泡排序(Bubble Sorting)的基本思想是:通过对待排序序列从前向后(从下标较小的元素开始),依次比较相邻元素的值,若发现逆序则交换,使值较大的元素逐渐从前移向后部,就象水底下的气泡一样逐渐向上冒。
优化:
因为排序的过程中,各元素不断接近自己的位置,如果一趟比较下来没有进行过交换,就说明序列有序,
因此要在排序过程中设置一个标志flag判断元素是否进行过交换。 从而减少不必要的比较。(这里说的优化,可以在冒泡排序写好后,在进行)
图解冒泡排序算法的过程
具体的案例如下来说明冒泡排序。将五个无序的数:3, 9, -1, 10, -2使用冒泡排序法将其排成一个的有序数列。
冒泡排序规则:
(1) 一共进行 数组的大小-1 次 大的循环
(2) 每一趟排序的次数在逐渐的减少
(3) 如果我们发现在某趟排序中,没有发生一次交换,
可以提前结束冒泡排序。这就是算法的优化。
3.1 冒泡排序代码实现:
public class BubbleSort {
public static void main(String[] args) {
int arr[] = {3, 9, -1, 10, -2};
//为了容易理解,把冒泡排序演变的过程展示出来
//第一次排序,将最大的数排在最后
int temp = 0;//临时变量(交换时用)
for (int j = 0; j < arr.length - 1; j++) {
//如果前面的数 > 后面的数,则交换位置
if (arr[j] > arr[j + 1]) {
temp = arr[j];
arr[j] = arr[j + 1];
arr[j + 1] = temp;
}
}
System.out.println("第一次排序后的数组");
System.out.println(Arrays.toString(arr));
//第二次排序,将第二大的数排在倒数第二位。
for (int j = 0; j < arr.length - 2; j++) {
//如果前面的数 > 后面的数,则交换位置
if (arr[j] > arr[j + 1]) {
temp = arr[j];
arr[j] = arr[j + 1];
arr[j + 1] = temp;
}
}
System.out.println("第二次排序后的数组");
System.out.println(Arrays.toString(arr));
for (int j = 0; j < arr.length - 3; j++) {
//如果前面的数 > 后面的数,则交换位置
if (arr[j] > arr[j + 1]) {
temp = arr[j];
arr[j] = arr[j + 1];
arr[j + 1] = temp;
}
}
System.out.println("第三次排序后的数组");
System.out.println(Arrays.toString(arr));
for (int j = 0; j < arr.length - 4; j++) {
//如果前面的数 > 后面的数,则交换位置
if (arr[j] > arr[j + 1]) {
temp = arr[j];
arr[j] = arr[j + 1];
arr[j + 1] = temp;
}
}
System.out.println("第四次排序后的数组");
System.out.println(Arrays.toString(arr));
}
}
代码优化:
public class BubbleSort {
public static void main(String[] args) {
int arr[] = {3, 9, -1, 10, -2};
//为了容易理解,把冒泡排序演变的过程展示出来
//第一次排序,将最大的数排在最后
int temp = 0;//临时变量(交换时用)
for (int i = 0; i <arr.length - 1; i++) {
for (int j = 0; j < arr.length - 1 -i; j++) {
//如果前面的数 > 后面的数,则交换位置
if (arr[j] > arr[j + 1]) {
temp = arr[j];
arr[j] = arr[j + 1];
arr[j + 1] = temp;
}
}
}
System.out.println("排序后的数组");
System.out.println(Arrays.toString(arr));
}
}
进一步优化:
/*
此代码为实验代码,请以下一个代码为准!
*/
public class BubbleSort {
public static void main(String[] args) {
int arr[] = {3, 9, -1, 10, -2};
bubbleSort(arr);
System.out.println(Arrays.toString(arr));
}
//将冒泡排序算法,封装成一个方法
public static void bubbleSort(int[] arr){
int arrz[] = arr;
// 为了容易理解,把冒泡排序演变的过程展示出来
// 冒泡排序的事件复杂度O(n^2)
// 第一次排序,将最大的数排在最后
int temp = 0;//临时变量(交换时用)
out:
for (int i = 0; i <arr.length - 1; i++) {
for (int j = 0; j < arr.length - 1 -i; j++){
//如果前面的数 > 后面的数,则交换位置
if (arr[j] > arr[j + 1]) {
temp = arr[j];
arr[j] = arr[j + 1];
arr[j + 1] = temp;
}
}
if (Arrays.equals(arr, arrz)){
break out;
}
}
}
}
/*
以此代码为准。
*/
public class BubbleSort {
public static void main(String[] args) {
int arr[] = {3, 9, -1, 10, -2};
bubbleSort(arr);
System.out.println(Arrays.toString(arr));
}
//将冒泡排序算法,封装成一个方法
public static void bubbleSort(int[] arr){
boolean flag = false;
// 为了容易理解,把冒泡排序演变的过程展示出来
// 冒泡排序的事件复杂度O(n^2)
// 第一次排序,将最大的数排在最后
int temp = 0;//临时变量(交换时用)
out:
for (int i = 0; i <arr.length - 1; i++) {
for (int j = 0; j < arr.length - 1 -i; j++) {
//如果前面的数 > 后面的数,则交换位置
if (arr[j] > arr[j + 1]) {
flag = true;
temp = arr[j];
arr[j] = arr[j + 1];
arr[j + 1] = temp;
}
}
if (!flag){
break ;
}else {
flag = false;
}
}
}
}
4、选择排序
基本介绍
选择式排序也属于内部排序法,是从欲排序的数据中,按指定的规则选出某一元素,再依规定交换位置后达到排序的目的。
选择排序思想:
选择排序(select sorting)也是一种简单的排序方法。
它的基本思想是:
第一次从arr[0]~arr[n-1]中选取最小值,与arr[0]交换;
第二次从arr[1]~arr[n-1]中选取最小值,与arr[1]交换;
第三次从arr[2]~arr[n-1]中选取最小值,与arr[2]交换; …
第i次从arr[i-1]~arr[n-1]中选取最小值,与arr[i-1]交换; …
第n-1次从arr[n-2]~arr[n-1]中选取最小值,与arr[n-2]交换, 总共通过n-1次,得到一个按排序码从小到大排列的有序序列。
选择排序的思路图解
说明:
- 选择排序一共有 数组大小 - 1 轮排序
- 每1轮排序,又是一个循环, 循环的规则(见下面代码)
2.1 先假定当前这个数是最小数
2.2 然后和后面的每个数进行比较,如果发现有比当前数更小的数,就重新确定最小数,并得到下标
2.3 当遍历到数组的最后时,就得到本轮最小数和下标
2.4 交换
有一群牛 , 颜值分别是 101, 34, 119, 1 请使用选择排序从低到高进行排序[101, 34, 119, 1]
4.1 代码实现:
public class SelectSort {
public static void main(String[] args) {
int[] arr= {101,34,119,1};
System.out.println("排序前");
System.out.println(Arrays.toString(arr));
selectSort(arr);
}
//选择排序
public static void selectSort(int[] arr){
//使用逐步推导的方式,讲解选择排序
//第一轮
/*
原始的数组: 101,34,119,1
第一轮排序:1,34,119,101
算法: 先简单 --> 做复杂,就是可以把一个复杂的算法,拆分成简单的问题,再逐步解决.
*/
int min = arr[0];
int temp = 0;
for (int i = 1; i < arr.length; i++) {
if (arr[i] < min){//说明假定的最小值,并不是最小的
min = arr[i];//重置最小值
temp = i;
}
}
//将最小值,放在arr[0],即交换
if (temp != 0){
arr[temp] = arr[0];
arr[0] = min;
}
System.out.println("第一轮排序后");
System.out.println(Arrays.toString(arr));
//第二轮
min = arr[1];
temp = 1;
for (int i = 2; i < arr.length; i++) {
if (arr[i] < min){//说明假定的最小值,并不是最小的
min = arr[i];//重置最小值
temp = i;
}
}
//将最小值,放在arr[0],即交换
if (temp != 1){
arr[temp] = arr[1];
arr[1] = min;
}
System.out.println("第二轮排序后");
System.out.println(Arrays.toString(arr));
//第三轮
min = arr[2];
temp = 2;
for (int i = 3; i < arr.length; i++) {
if (arr[i] < min){//说明假定的最小值,并不是最小的
min = arr[i];//重置最小值
temp = i;
}
}
//将最小值,放在arr[0],即交换
if (temp != 2){
arr[temp] = arr[2];
arr[2] = min;
}
System.out.println("第三轮排序后");
System.out.println(Arrays.toString(arr));
}
}
代码优化:
public class SelectSort {
public static void main(String[] args) {
int[] arr= {101,34,119,1,-132,312,-11,98};
System.out.println("排序前");
System.out.println(Arrays.toString(arr));
selectSort(arr);
System.out.println("排序后");
System.out.println(Arrays.toString(arr));
}
//选择排序
public static void selectSort(int[] arr) {
//在推导的过程中,我们发现了规律,因此,可以使用for来解
//选择复杂度时间复杂度O(n^2)
//使用逐步推导的方式,讲解选择排序
/*
原始的数组: 101,34,119,1
第一轮排序:1,34,119,101
算法: 先简单 --> 做复杂,就是可以把一个复杂的算法,拆分成简单的问题,再逐步解决.
*/
//for循环把三次连起来
for (int i = 0; i < arr.length - 1; i++) {
int temp = i;
int min = arr[i];
for (int j = i + 1; j < arr.length; j++) {
//从小到大->从大到小,改这个符号就可以'>' -< '<'
if (min > arr[j]) {//说明假定的最小值,并不是最小的
min = arr[j];//重置最小值
temp = j;
}
}
//将最小值,放在arr[0],即交换
if (temp != i) {
arr[temp] = arr[i];
arr[i] = min;
}
}
}
}
5、 插入排序
基本介绍
插入式排序属于内部排序法,是对于欲排序的元素以插入的方式找寻该元素的适当位置,以达到排序的目的。
插入排序(Insertion Sorting)的基本思想是:
把n个待排序的元素看成为一个有序表和一个无序表, 开始时有序表中只包含一个元素,无序表中包含有n-1个元素, 排序过程中每次从无序表中取出第一个元素, 把它的排序码依次与有序表元素的排序码进行比较, 将它插入到有序表中的适当位置,使之成为新的有序表。
插入排序应用实例
有一群小牛,考试成绩分别是101,34,119,1请从小到大排序
5.1 代码实现:
public class InsertSort {
public static void main(String[] args) {
int[] arr = {101, 34, 119, 1};
insertSort(arr);
}
//插入排序
public static void insertSort(int[] arr) {
//使用逐步推导的方式来讲解,便于理解
//第一轮{101,34,119,1} =>{34,101,119,1}
//定义待插入的数
int insertValue = arr[1];
int insertIndex = 1 - 1;//即arr[1]的前面这个数的下表
//给insertValue找到插入的位置
//说明
//1. insertIndex >= 0 保证在给insertValue 找插入位置时,不越界
//2. insertValue <arr[insertIndex] 待插入的数,还没找到插入的位置
//3. 将当前arr[insertIndex]后移
while (insertIndex >= 0 && insertValue <arr[insertIndex]){
arr[insertIndex + 1] = arr[insertIndex];// arr[insertIndex] 后移
//{101, 101, 119, 1}
insertIndex--;
}
//当退出while循环时,说明插入的位置找到
arr[insertIndex +1] = insertValue;
//第二轮
//定义待插入的数
insertValue = arr[2];
insertIndex = 2 - 1;
while (insertIndex >= 0 && insertValue <arr[insertIndex]){
arr[insertIndex + 1] = arr[insertIndex];// arr[insertIndex] 后移
//{101, 101, 119, 1}
insertIndex--;
}
//当退出while循环时,说明插入的位置找到
arr[insertIndex +1] = insertValue;
//第三轮
//定义待插入的数
insertValue = arr[3];
insertIndex = 3 - 1;
while (insertIndex >= 0 && insertValue <arr[insertIndex]){
arr[insertIndex + 1] = arr[insertIndex];// arr[insertIndex] 后移
//{101, 101, 119, 1}
insertIndex--;
}
//当退出while循环时,说明插入的位置找到
arr[insertIndex +1] = insertValue;
System.out.println(Arrays.toString(arr));
}
}
优化代码:
public class InsertSort {
public static void main(String[] args) {
int[] arr = {101, 34, 119, 1,-123,1234,321,-99,102};
insertSort(arr);
System.out.println(Arrays.toString(arr));
}
//插入排序
public static void insertSort(int[] arr) {
//使用逐步推导的方式来讲解,便于理解
//第一轮{101,34,119,1} =>{34,101,119,1}
//定义待插入的数
for (int i = 1; i <arr.length; i++) {
int insertValue = arr[i];
int insertIndex = i - 1;//即arr[1]的前面这个数的下表
while (insertIndex >= 0 && insertValue <arr[insertIndex]){
arr[insertIndex + 1] = arr[insertIndex];// arr[insertIndex] 后移
//{101, 101, 119, 1}
insertIndex--;
}
arr[insertIndex +1] = insertValue;
}
}
}
5.2 插入排序算法速度测试代码:
public class InsertSort {
public static void main(String[] args) {
int [] arr = new int[80000];
for (int i = 0; i < 80000; i++) {
arr[i] = (int) (Math.random() * 80000);//会生成一个[0-80000)的随机数
}
long startTime = System.currentTimeMillis();
insertSort(arr);
System.out.println(Arrays.toString(arr));
long endTime = System.currentTimeMillis();
System.out.println("take the time is: " + (endTime - startTime)/1000 + " s");//0.5s
}
//插入排序
public static void insertSort(int[] arr) {
//使用逐步推导的方式来讲解,便于理解
//第一轮{101,34,119,1} =>{34,101,119,1}
//定义待插入的数
for (int i = 1; i <arr.length; i++) {
int insertValue = arr[i];
int insertIndex = i - 1;//即arr[1]的前面这个数的下表
while (insertIndex >= 0 && insertValue <arr[insertIndex]){
arr[insertIndex + 1] = arr[insertIndex];// arr[insertIndex] 后移
//{101, 101, 119, 1}
insertIndex--;
}
arr[insertIndex +1] = insertValue;
//System.out.println("第" + i + "轮插入");
//System.out.println(Arrays.toString(arr));
}
}
}
6、希尔排序
基本介绍
希尔排序是希尔(Donald Shell)于1959年提出的一种排序算法。希尔排序也是一种插入排序,它是简单插入排序经过改进之后的一个更高效的版本,也称为缩小增量排序。
针对于上述简单插入排序,它存在一些问题:
我们看简单的插入排序可能存在的问题.
数组 arr = {2,3,4,5,6,1} 这时需要插入的数 1(最小), 这样的过程是:
{2,3,4,5,6,6}{2,3,4,5,5,6}
{2,3,4,4,5,6}
{2,3,3,4,5,6}
{2,2,3,4,5,6}
{1,2,3,4,5,6}
结论: 当需要插入的数是较小的数时,后移的次数明显增多,对效率有影响. 针对这个问题,引入另一种方法:
- 希尔排序法基本思想
希尔排序是把记录按下标的一定增量分组,
对每组使用直接插入排序算法排序;
随着增量逐渐减少,每组包含的关键词越来越多,
当增量减至1时,整个文件恰被分成一组,算法便终止。
- 希尔排序法的示意图
希尔排序应用实例
有一群小牛, 考试成绩分别是 {8,9,1,7,2,3,5,4,6,0} 请从小到大排序. 请分别使用
1)希尔排序时, 对有序序列在插入时采用交换法, 并测试排序速度.
2)希尔排序时, 对有序序列在插入时采用移动法, 并测试排序速度.
6.1 代码实现:
//希尔排序的第一轮排序
//因为第一轮排序,是将10个数据分成 5组
for (int i = 5; i < arr.length; i++) {
//遍历各组中所有的元素(共有5租,每一租有2个元素),步长5
for (int j = i - 5; j >= 0 ; j-=5) {
//如果当前元素大于 加上步长后的元素
//说明两个元素需要交换
if (arr[j] > arr[i]){
temp = arr[j];
arr[j] = arr[i];
arr[i] = temp;
}
}
}
System.out.println("希尔排序一轮后=" + Arrays.toString(arr));
//希尔排序的第二轮排序
//因为第二轮排序,是将10个数据分成 5/2 = 2组
for (int i = 2; i < arr.length; i++) {
//遍历各组中所有的元素(共有2租,每一租有5个元素),步长2
for (int j = i - 2; j >= 0 ; j-=2) {
//如果当前元素大于 加上步长后的元素
//说明两个元素需要交换
if (arr[j] > arr[j+2]){
temp = arr[j];
arr[j] = arr[j+2];
arr[j+2] = temp;
}
}
}
System.out.println("希尔排序二轮后=" + Arrays.toString(arr));
//希尔排序的第三轮排序
//因为第三轮排序,是将10个数据分成 2/2 = 1组
for (int i = 1; i < arr.length; i++) {
//遍历各组中所有的元素(共有2租,每一租有5个元素),步长2
for (int j = i - 1; j >= 0 ; j-=1) {
//如果当前元素大于 加上步长后的元素
//说明两个元素需要交换
if (arr[j] > arr[j+1]){
temp = arr[j];
arr[j] = arr[j+1];
arr[j+1] = temp;
}
}
}
System.out.println("希尔排序二轮后=" + Arrays.toString(arr));
代码优化后:
public class ShellSort {
public static void main(String[] args) {
int [] arr = new int[8];
for (int i = 0; i < 8; i++) {
arr[i] = (int) (Math.random() * 80000);//会生成一个[0-80000)的随机数
}
long startTime = System.currentTimeMillis();
shellSort(arr);
System.out.println("排序后" + Arrays.toString(arr));
long endTime = System.currentTimeMillis();
System.out.println("take the time is: " + (endTime - startTime)/1000 + " s");
}
//使用逐步推导的方式来编写希尔排序
//希尔排序交换法,发现一个数就交换
//希尔排序时,对有序序列在插入时采用交换法
//思路(算法) ===> 代码
public static void shellSort(int[] arr){
int temp = 0;
int count = 0;
//根据前面的逐步分析,使用循环处理
for (int i = arr.length / 2; i > 0; i /= 2) {//i=10/5=5 i>0 i/2 5,2,1
for (int k = i; k < arr.length; k++) {//k = 5,6,7,8,9,10
//遍历各组中的所有元素(共i组,每组有i/2个元素),步长i
for (int j = k - i; j >= 0; j -= i) {//k-i
if (arr[j] > arr[j + i]) {
temp = arr[j];
arr[j] = arr[j + i];
arr[j + i] = temp;
}
}
}
//System.out.println("希尔排序第" + (++count) + "轮后=" + Arrays.toString(arr));
}
}
}
6.2 希尔排序[移位式]算法代码实现:
//对交换式的希尔排序进行优化 -> 移位法
public static void shellSortZ(int[] arr){
int count = 0;
//增量i,并逐步缩小增量
for (int gap = arr.length / 2; gap > 0; gap /= 2) {//gap为步长5
//从第i个元素,逐个对其所在的组进行直接插入排序
for (int i = gap; i < arr.length; i++) {//i=5,6,7,8,9,10
int j = i;//j=5,6,7,8,9,10
int temp = arr[j];//temp = 5,6,7,8,9,10
if (arr[j] < arr[j - gap]){//5-5,6-5,7-5,8-5,9-5
while (j - gap >= 0 && temp < arr[j-gap]){
//移动
arr[j] = arr[j-gap];
j-=gap;
}
arr[j] = temp;
}
}
System.out.println("希尔排序第" + (++count) + "轮后=" + Arrays.toString(arr));
}
}
7、快速排序(重点)
基本介绍
快速排序(Quicksort)是对冒泡排序的一种改进。
基本思想是:
通过一趟排序将要排序的数据分割成独立的两部分,
其中一部分的所有数据都比另外一部分的所有数据都要小,
然后再按此方法对这两部分数据分别进行快速排序,
整个排序过程可以递归进行,以此达到整个数据变成有序序列.
快速排序法示意图:
快速排序法思路分析图:
快速排序应用实例
对 [-9,78,0,23,-567,70] 进行从小到大的排序,要求使用快速排序法。【测试8w和800w】
说明[验证分析]:
如果取消左右递归,结果是 -9 -567 0 23 78 70
如果取消右递归,结果是 -567 -9 0 23 78 70
如果取消左递归,结果是 -9 -567 0 23 70 78
7.1 代码实现:
public class QuickSort {
public static void main(String[] args) {
int[] arr = {-9,0,78,0,88,99,-11,22,0,0,0,23,77,-66,33,-22,0,-567,0,70};
quickSort(arr, 0, arr.length -1);
System.out.println("arr=" + Arrays.toString(arr));
}
//快速排序
public static void quickSort(int[] arr,int left,int right){
int l = left;//左下表
int r = right;//右下表
//pivot 中轴值
int pivot = arr[(left + right) / 2];
int temp = 0;//临时变量,作为交换时使用
//while循环的目的是让比pivot小的值,放到pivot的左边
//比pivot大的值,放到右边->这是从小到大排
while (l < r){
//在pivot左边一直找,直到找到大于等于pivot的值
while (arr[l] < pivot){
l += 1;
}
//在pivot左边一直找,直到找到小于等于pivot的值
while (arr[r] > pivot){
r -= 1;
}
//如果l>=r成立,说明pivot的左右两边的值,已经按照
//左边全部是<=pivot值,右边全部是>=pivot值
if (l >= r) {
break;
}
//交换
temp = arr[l];
arr[l] = arr[r];
arr[r] = temp;
//如果交换完后,发现arr[l] == pivot值 相等r--,前移
if (arr[l] == pivot) {
r -= 1;
}
//如果交换完后,发现arr[r] == pivot值 相等l++,前移
if (arr[r] == pivot) {
l += 1;
}
}
//如果l == r,必须l++,r--,否则出现栈溢出
if (l == r) {
l += 1;
r -= 1;
}
//向左递归
if (left < r){
quickSort(arr, left, r);
}
//向右递归
if (right > l){
quickSort(arr, l, right);
}
}
}
7.2 快排速度测试
public class QuickSort {
public static void main(String[] args) {
int[] arr = new int[80000];
for (int i = 0; i < 80000; i++) {
arr[i] = (int) (Math.random() * 80000);//会生成一个[0-80000)的随机数
}
long start = System.currentTimeMillis();
quickSort(arr, 0, arr.length - 1);
long end = System.currentTimeMillis();
System.out.println("arr=" + Arrays.toString(arr));
System.out.println("take the time is" + (end - start) / 1000 + "s"); //46ns,800w数据1.8秒
}
//快速排序
public static void quickSort(int[] arr, int left, int right) {
int l = left;//左下表
int r = right;//右下表
//pivot 中轴值
int pivot = arr[(left + right) / 2];
int temp = 0;//临时变量,作为交换时使用
//while循环的目的是让比pivot小的值,放到pivot的左边
//比pivot大的值,放到右边->这是从小到大排
while (l < r){
//在pivot左边一直找,直到找到大于等于pivot的值
while (arr[l] < pivot){
l += 1;
}
//在pivot左边一直找,直到找到小于等于pivot的值
while (arr[r] > pivot){
r -= 1;
}
//如果l>=r成立,说明pivot的左右两边的值,已经按照
//左边全部是<=pivot值,右边全部是>=pivot值
if (l >= r) {
break;
}
//交换
temp = arr[l];
arr[l] = arr[r];
arr[r] = temp;
//如果交换完后,发现arr[l] == pivot值 相等r--,前移
if (arr[l] == pivot) {
r -= 1;
}
//如果交换完后,发现arr[r] == pivot值 相等l++,前移
if (arr[r] == pivot) {
l += 1;
}
}
//如果l == r,必须l++,r--,否则出现栈溢出
if (l == r) {
l += 1;
r -= 1;
}
//向左递归
if (left < r){
quickSort(arr, left, r);
}
//向右递归
if (right > l){
quickSort(arr, l, right);
}
}
}
8、归并排序
归并排序(MERGE-SORT)是利用归并的思想实现的排序方法,该算法采用经典的分治(divide-and-conquer)策略(分治法将问题分(divide)成一些小的问题然后递归求解,而治(conquer)的阶段则将分的阶段得到的各答案"修补"在一起,即分而治之)。
归并排序思想示意图1-基本思想:
说明:
可以看到这种结构很像一棵完全二叉树,本文的归并排序我们采用递归去实现(也可采用迭代的方式去实现)。分阶段可以理解为就是递归拆分子序列的过程。
归并排序思想示意图2-合并相邻有序子序列:
再来看看治阶段,我们需要将两个已经有序的子序列合并成一个有序序列,比如上图中的最后一次合并,要将[4,5,7,8]和[1,2,3,6]两个已经有序的子序列,合并为最终序列[1,2,3,4,5,6,7,8]
来看下实现步骤:
8.1 归并排序算法代码实现:
public class MergeSort {
public static void main(String[] args) {
int arr[] = {8, 4, 5, 7, 1, 3, 6, 2};
int temp[] = new int[arr.length];//归并排序需要一个额外的空间
mergeSort(arr, 0, arr.length-1, temp);
System.out.println("归并排序后=" + Arrays.toString(arr));
}
//分+合的方法
public static void mergeSort(int[] arr,int left,int right,int[] temp){
if (left < right){
int mid = (left + right) / 2;//中间索引
//向左递归进行分解
mergeSort(arr, left, mid, temp);
//向右递归分解
mergeSort(arr, mid+1, right, temp);
//到合并的时候
merge(arr, left, mid, right, temp);
}
}
//合并的方法
/**
* @param arr 需要排序的原始数组
* @param left 左边有序序列的初始索引
* @param mid 中间索引
* @param right 右边索引
* @param temp 做中转数组
*/
public static void merge(int[] arr, int left, int mid, int right, int[] temp) {
System.out.println("😊");
int i = left;//初始化i,左边有序序列的初始索引
int j = mid + 1;//初始化j,右边有序序列的初始索引
int t = 0;//指向temp数组的当前索引
//(一)
//先把左右两边(有序)的数据 按规则 填充到temp数组
//直到左右两边的有序序列,有一边处理完毕为止
while (i <= mid && j <= right) {//继续
if (arr[i] <= arr[j]) {//如果左边的当前元素,小于等于右边的当前元素
//即将左边的当前元素,拷贝到temp数组
//然后将t、i后移
temp[t] = arr[i];
i += 1;
t += 1;
} else {//反之,将右边的当前元素,填充到temp
temp[t] = arr[j];
j += 1;
t += 1;
}
}
//(二)
//将有剩余数据的一边数据,依次全部填充到temp数组
while (i <= mid) {//说明左边序列有剩余元素,全部填充到temp
temp[t] = arr[i];
t += 1;
i += 1;
}
while (j <= right) {//说明右边序列有剩余元素,全部填充到temp
temp[t] = arr[j];
t += 1;
j += 1;
}
//(三)
//将temp数组的元素重新拷贝到arr
//注意,不是每次都拷贝所有元素
t = 0;
int tempLeft = left;//
while (tempLeft <= right){//第一次合并 tempLeft = 0,right = 1.
//第二次合并 tempLeft = 2,right = 3.
//最后一次 tL = 0,right = 7.
//tL = 0 right = 3;
arr[tempLeft] = temp[t];
t += 1;
tempLeft += 1;
}
}
}
8.2 归并排序速度测试:
public class MergeSort {
public static void main(String[] args) {
//int arr[] = {8, 4, 5, 7, 1, 3, 6, 2};//8 -> merge7| 80000 -> 80000-1,冒泡 80000 * O(n²)
int arr[] = new int[80000];
for (int i = 0; i < 80000; i++) {
arr[i] = (int) (Math.random() * 80000);//生成一个[0,80000)的随机数
}
int temp[] = new int[arr.length];//归并排序需要一个额外的空间
long start = System.currentTimeMillis();
mergeSort(arr, 0, arr.length - 1, temp);
long end = System.currentTimeMillis();
System.out.println("take the time is " + (end - start) / 1000 + "s");//8w数据 0.01s
System.out.println("归并排序后=" + Arrays.toString(arr));
}
//分+合的方法
public static void mergeSort(int[] arr, int left, int right, int[] temp) {
if (left < right) {
int mid = (left + right) / 2;//中间索引
//向左递归进行分解
mergeSort(arr, left, mid, temp);
//向右递归分解
mergeSort(arr, mid + 1, right, temp);
//到合并的时候
merge(arr, left, mid, right, temp);
}
}
//合并的方法
/**
* @param arr 需要排序的原始数组
* @param left 左边有序序列的初始索引
* @param mid 中间索引
* @param right 右边索引
* @param temp 做中转数组
*/
public static void merge(int[] arr, int left, int mid, int right, int[] temp) {
//System.out.println("😊");
int i = left;//初始化i,左边有序序列的初始索引
int j = mid + 1;//初始化j,右边有序序列的初始索引
int t = 0;//指向temp数组的当前索引
//(一)
//先把左右两边(有序)的数据 按规则 填充到temp数组
//直到左右两边的有序序列,有一边处理完毕为止
while (i <= mid && j <= right) {//继续
if (arr[i] <= arr[j]) {//如果左边的当前元素,小于等于右边的当前元素
//即将左边的当前元素,拷贝到temp数组
//然后将t、i后移
temp[t] = arr[i];
i += 1;
t += 1;
} else {//反之,将右边的当前元素,填充到temp
temp[t] = arr[j];
j += 1;
t += 1;
}
}
//(二)
//将有剩余数据的一边数据,依次全部填充到temp数组
while (i <= mid) {//说明左边序列有剩余元素,全部填充到temp
temp[t] = arr[i];
t += 1;
i += 1;
}
while (j <= right) {//说明右边序列有剩余元素,全部填充到temp
temp[t] = arr[j];
t += 1;
j += 1;
}
//(三)
//将temp数组的元素重新拷贝到arr
//注意,不是每次都拷贝所有元素
t = 0;
int tempLeft = left;//
while (tempLeft <= right) {//第一次合并 tempLeft = 0,right = 1.
//第二次合并 tempLeft = 2,right = 3.
//最后一次 tL = 0,right = 7.
//tL = 0 right = 3;
arr[tempLeft] = temp[t];
t += 1;
tempLeft += 1;
}
}
}
9、基数排序
基数排序(radix sort)属于“分配式排序”(distribution sort),又称“桶子法”(bucket sort)或bin sort,顾名思义,它是通过键值的各个位的值,将要排序的元素分配至某些“桶”中,达到排序的作用。
基数排序法是属于稳定性的排序,基数排序法的是效率高的稳定性排序法
基数排序(Radix Sort)是桶排序的扩展
基数排序是1887年赫尔曼·何乐礼发明的。它是这样实现的:将整数按位数切割成不同的数字,然后按每个位数分别比较。
基数排序基本思想:
将所有待比较数值统一为同样的数位长度,数位较短的数前面补零。然后,从最低位开始,依次进行一次排序。这样从最低位排序一直到最高位排序完成以后,
数列就变成一个有序序列。
这样说明,比较难理解,下面我们看一个图文解释,理解基数排序的步骤。
将数组 {53, 3, 542, 748, 14, 214} 使用基数排序, 进行升序排序。
基数排序应用实例
9.1 代码实现:
public class RadixSort {
public static void main(String[] args) {
int arr[] = {53,3,542,748,14,214};
radixSort(arr);
}
//基数排序方法
public static void radixSort(int[] arr){
//根据前面的推导过程,我们可以得到最终的基数排序代码
int[][] bucket = new int[10][arr.length];
//为了记录每个桶中,实际存放了多少个数据,我们定义一个一维数组来记录,每个桶放入的数据个数
//可以这样理解 第一个桶
//EG:bucketCounts[0],记录的就是 bucket[0] 的桶放入数据的个数
int[] bucketCounts = new int[10];
//第一轮排序(针对每个元素的个位进行排序处理)
//定义一个二维数组,表示10个桶,每个桶就是一个一唯数组
//说明
//1.二维数组包含10个一维数组
//2.为了防止在放入数的时候,数据溢出,则每个一维数组(桶),大小定位arr.length
//3.基数排序是使用空间换时间的经典算法(空间->时间)
// 10个桶 每个桶能存放的数据
for (int j = 0; j < arr.length; j++) {
//取出每个元素的个位的值
int digitOfElement = arr[j] / 1 % 10;
//放入到对应的桶中
bucket[digitOfElement][bucketCounts[digitOfElement]] = arr[j];
bucketCounts[digitOfElement]++;
}
//按照桶的顺序(一维数组的下标依次取出数据,放入原来数组)
int index = 0;
//遍历每一个桶,并将桶中的数据取出来,放入到原数组
//如果桶中有数据,我们才放入到元素中,如果桶中没有数据
for (int i = 0; i <bucketCounts.length; i++)
if (bucketCounts[i] != 0) {
//循环该桶,即第i个桶(第i个一维数组),放入数据即可
for (int j = 0; j < bucketCounts[i]; j++) {
//取出元素,放入到arr中
arr[index] = bucket[i][j];
index++;
}
//第一轮处理后,需要将每个bucketCounts[k] = 0;!!!
bucketCounts[i] = 0;
}
System.out.println("第一轮后的排序处理:" + Arrays.toString(arr));
//第二轮(针对每个元素的十位进行排序处理)
index = 0;
for (int j = 0; j < arr.length; j++) {
//取出每个元素的个位的值
int digitOfElement = arr[j] / 10 % 10;
//放入到对应的桶中
bucket[digitOfElement][bucketCounts[digitOfElement]] = arr[j];
bucketCounts[digitOfElement]++;
}
//按照桶的顺序(一维数组的下标依次取出数据,放入原来数组)
//遍历每一个桶,并将桶中的数据取出来,放入到原数组
//如果桶中有数据,我们才放入到元素中,如果桶中没有数据
for (int i = 0; i <bucketCounts.length; i++)
if (bucketCounts[i] != 0) {
//循环该桶,即第i个桶(第i个一维数组),放入数据即可
for (int j = 0; j < bucketCounts[i]; j++) {
//取出元素,放入到arr中
arr[index] = bucket[i][j];
index++;
}
bucketCounts[i] = 0;
}
System.out.println("第二轮后的排序处理:" + Arrays.toString(arr));
//第三轮(针对每个元素的百位进行排序处理)
index = 0;
for (int j = 0; j < arr.length; j++) {
//取出每个元素的个位的值
int digitOfElement = arr[j] / 100 % 10;
//放入到对应的桶中
bucket[digitOfElement][bucketCounts[digitOfElement]] = arr[j];
bucketCounts[digitOfElement]++;
}
//按照桶的顺序(一维数组的下标依次取出数据,放入原来数组)
//遍历每一个桶,并将桶中的数据取出来,放入到原数组
//如果桶中有数据,我们才放入到元素中,如果桶中没有数据
for (int i = 0; i <bucketCounts.length; i++)
if (bucketCounts[i] != 0) {
//循环该桶,即第i个桶(第i个一维数组),放入数据即可
for (int j = 0; j < bucketCounts[i]; j++) {
//取出元素,放入到arr中
arr[index] = bucket[i][j];
index++;
}
}
System.out.println("第三轮后的排序处理:" + Arrays.toString(arr));
}
}
代码优化后:
public class RadixSort {
public static void main(String[] args) {
int arr[] = {53, 3, 542, 748, 14, 214};
radixSort(arr);
}
//基数排序方法
public static void radixSort(int[] arr) {
//根据前面的推导过程,我们可以得到最终的基数排序代码
int[][] bucket = new int[10][arr.length];
//为了记录每个桶中,实际存放了多少个数据,我们定义一个一维数组来记录,每个桶放入的数据个数
//可以这样理解 第一个桶
//EG:bucketCounts[0],记录的就是 bucket[0] 的桶放入数据的个数
int[] bucketCounts = new int[10];
//1.得到数组中最大的位数
int max = arr[0];//假设第一个数就是最大数
for (int i = 1; i < arr.length; i++) {
if (arr[i] > max) {
max = arr[i];
}
}
//得到最大数是几位数
int maxLength = (max + "").length();
//这里使用循环将代码处理下
for (int l = 0, n = 1; l < maxLength; l++,n*=10) {
//(针对每一轮的每个元素进行排序处理),第一次是个位,第二次是十位,第三次是百位
//定义一个二维数组,表示10个桶,每个桶就是一个一唯数组
//说明
//1.二维数组包含10个一维数组
//2.为了防止在放入数的时候,数据溢出,则每个一维数组(桶),大小定位arr.length
//3.基数排序是使用空间换时间的经典算法(空间->时间)
// 10个桶 每个桶能存放的数据
for (int j = 0; j < arr.length; j++) {
//取出每个元素对应位的值
int digitOfElement = arr[j] / n % 10;
//放入到对应的桶中
bucket[digitOfElement][bucketCounts[digitOfElement]] = arr[j];
bucketCounts[digitOfElement]++;
}
//按照桶的顺序(一维数组的下标依次取出数据,放入原来数组)
int index = 0;
//遍历每一个桶,并将桶中的数据取出来,放入到原数组
//如果桶中有数据,我们才放入到元素中,如果桶中没有数据
for (int i = 0; i < bucketCounts.length; i++)
if (bucketCounts[i] != 0) {
//循环该桶,即第i个桶(第i个一维数组),放入数据即可
for (int j = 0; j < bucketCounts[i]; j++) {
//取出元素,放入到arr中
arr[index] = bucket[i][j];
index++;
}
//第i+1轮处理后,需要将每个bucketCounts[k] = 0;!!!
bucketCounts[i] = 0;
}
System.out.println("第一轮后的排序处理:" + Arrays.toString(arr));
}
}
基数排序算法注意事项
-
基数排序是对传统桶排序的扩展,速度很快.
-
基数排序是经典的空间换时间的方式,占用内存很大,当海量数据排序时,容易造成OutOfMemoryError。
-
基数排序时稳定的。[注:假定在待排序的记录序列中,存在多个具有相同的关键字的记录,若经过排序,这些记录的相对次序保持不变,即在原序列中,r[i]=r[j],且r[i]在r[j]之前,而在排序后的序列中,r[i]仍在r[j]之前,则称这种排序算法是稳定的;否则称为不稳定的]
-
有负数的数组,我们不用基数排序来进行排序,如果要支持负数,参考:https://code.i-harness.com/zh-CN/q/e98fa9
常用排序算法的总结
相关术语解释:
稳定:如果a原本在b前面,而a=b,排序之后a仍然在b的前面;
不稳定:如果a原本在b的前面,而a=b,排序之后a可能会出现在b的后面;
内排序:所有排序操作都在内存中完成;
外排序:由于数据太大,因此把数据放在磁盘中,而排序通过磁盘和内存的 数据传输才能进行;
时间复杂度:一个算法执行所耗费的时间。
空间复杂度:运行完一个程序所需内存的大小。
n:数据规模
k:“桶”的个数
In-place:不占用额外内存
Out-place:占用额外内存