数据结构与算法三:排序

一. 排序算法

1.1 排序算法的是介绍

序也称排序算法(Sort Algorithm)排序是将数据,依指定的顺序进行排过程。

1.2 排序算法的分类

1) 部排序:

将需要处理的所有数据都加内部存储器中进行排序。

2) 外部排序法:

据量过大,无法全部加载到中,需要借助外部存储进行排序

3) 常见的排序算法分类()

1.3 算法的时间复杂度

1.3.1 度量一个程序(算法)执行时间的两种方法

1)后统计的方法
这种方法可, 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, 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

2)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.

1.3.2 时间频度

1)基本介绍

间频: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]

2)例子:

1-100所有数字之, 我们设计两种算法:

3)举例说明-忽略常数项

4)举例说明-忽略低次项

5)举例说明-略系数

1.3.3 时间复杂度

1)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)T(n)的同数量级函数。记作 T(n)=( f(n) ),称O( f(n) )  为算法的渐进时间复杂度,简称时间复杂度

2)T(n) 不同,但时间复杂度可能相同。 如:T(n)=n²+7n+6 T(n)=3n²+2n+2 它们的T(n) 不同,但时间复杂度相同,都为O(n²)3)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T(n) = => T(n) = n² => O()

1.3.4 常见的时间复杂度

1.3.5 常见的时间复杂度

1)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。

2)对数阶O(log2n)

说明: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 n 了,此时这个循环就退出了,也就是说 2 x 次方等于 n,那么 x = log2n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) .

3)线性阶O(n)

说明: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

4)线性对数阶O(nlogN)

说明: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)

5)方阶O(n²)

说明: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2n循环,它的时间复杂度就是 O(n*n),即  O(n²) 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)

6)方阶O(n³)K次方阶O(n^k)

说明: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

1.3.6 平均时间复杂度和最坏时间复杂度

1)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)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)平均时间复杂度和坏时间复杂度否一致,和算法有关(如图:)

1.3.7 算法的空间复杂度度

1)似于时间复杂度的讨论,一个算法的空间复杂度(Space Complexity)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

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.

1.4 冒泡排序算法

/**
 * @author Wnlife
 * @create 2019-10-30 19:02
 * <p>
 * 冒泡排序
 */
public class BubbleSort {

    public static void main(String[] args) {

        int[] arr = new int[100];
        for (int i = 0; i < 100; i++) {
            arr[i] = (int) (Math.random() * 100);
        }
//        int[] arr = {3, 9, -1, 10, 20};

        //排序前
        System.out.println(Arrays.toString(arr));
        bubbleSort(arr);
        //排序前
        System.out.println(Arrays.toString(arr));
    }

    private static void bubbleSort(int[] arr) {
        int temp = 0;
        boolean flage;
        for (int i = 0; i < arr.length - 1; i++) {
            flage = false;
            for (int j = 0; j < arr.length - 1 - i; j++) {
                if (arr[j] > arr[j + 1]) {
                    flage = true;
                    temp = arr[j];
                    arr[j] = arr[j + 1];
                    arr[j + 1] = temp;
                }
            }
            System.out.printf("第%d趟的排序结果为:", i + 1);
            System.out.println(Arrays.toString(arr));
            if (!flage) break;
        }
    }
}

1.5 选择排序

1)基本介绍

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,定交换位置后达到排序的目的

2)选择排序的思想

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arr[0]~arr[n-1]中选取最小值,arr[0]交换,第二次arr[1]~arr[n-1]中选取最小值,arr[1]交换,第三次arr[2]~arr[n-1]中选取最小值,arr[2]交换,,第iarr[i-1]~arr[n-1]中选取最小值,arr[i-1]交换,…, n-1arr[n-2]~arr[n-1]中选取最小值,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

3)代码示例

/**
 * @author Wnlife
 * @create 2019-11-19 9:14
 *
 * 选择排序算法
 */
public class SelectSort {

    public static void main(String[] args) {

        int[]arr={65,5,4,35,64,52};
        System.out.println("排序前:"+Arrays.toString(arr));
        selectSort(arr);
        System.out.println("排序后:"+Arrays.toString(arr));

    }

    public static void selectSort(int[]arr){

        for (int i = 0; i < arr.length-1; i++) {
            int min=arr[i];
            int minIndex=i;
            for (int j = i+1; j <arr.length ; j++) {
                if(arr[j]<min){
                    min=arr[j];
                    minIndex=j;
                }
            }
            if(minIndex!=i){
                arr[minIndex]=arr[i];
                arr[i]=min;
            }
        }

    }
}

1.6 插入排序

1)插入排序法介绍

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。

2)插入 排序法思想

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。

3)插入排序思路图

4)代码示例

/**
 * @author Wnlife
 * @create 2019-11-19 10:26
 * <p>
 * 插入排序
 */
public class InsertSort {

    public static void main(String[] args) {

        int[] arr = {12, 6, 32, 4, 58};
        System.out.println("排序之前:" + Arrays.toString(arr));
        insertSort(arr);
        System.out.println("排序之后:" + Arrays.toString(arr));

    }

    public static void insertSort(int[] arr) {

        for (int i = 1; i < arr.length; i++) {
            int insertVal = arr[i];
            int insertIndex = i - 1;

            //insertIndex>=0 :使角标不越界
            //insertVal<arr[insertIndex] :待插入的数,还没有找到插入位置
            while (insertIndex >= 0 && insertVal < arr[insertIndex]) {
                arr[insertIndex + 1] = arr[insertIndex];
                insertIndex--;
            }
            //说明插入的位置找到了
            if (insertIndex + 1 != i)
                arr[insertIndex + 1] = insertVal;

            System.out.println("第"+i+"数插入后的数组:"+Arrays.toString(arr));
        }
    }

}

1.7 希尔排序算法

1)希尔排序法介绍

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

2)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

3)希尔排序法的示意图

 

4)代码示例

/**
 * @author Wnlife
 * @create 2019-11-19 12:06
 * <p>
 * 希尔排序
 */
public class ShellSort {

    public static void main(String[] args) {

        int[] arr = {8, 9, 1, 7, 2, 3, 5, 4, 6, 0};
        System.out.println("排序前:" + Arrays.toString(arr));
        shellSort(arr);
        System.out.println("排序后:" + Arrays.toString(arr));

    }

    public static void shellSort(int[] arr) {

        //增量gap,并逐步缩小增量
        for (int gap = arr.length / 2; gap > 0; gap /= 2) {

            //对每个分组的元素进行简单插入排序
            for (int i = gap; i < arr.length; i++) {
                int insertVal = arr[i];
                int insertIndex = i - gap;
                if (insertVal < arr[insertIndex]) {

                    while (insertIndex >= 0 && insertVal < arr[insertIndex]) {
                        arr[insertIndex + gap] = arr[insertIndex];
                        insertIndex -= gap;
                    }
                    arr[insertIndex + gap] = insertVal;
                }
            }
            System.out.println("增量为"+gap+"的分组排序后的数组:"+Arrays.toString(arr));
        }

    }
}

1.8 快速排序

快速排序(Quicksort)是对冒泡排序的一种改进,借用了分治的思想,由C. A. R. Hoare在1962年提出。

1)基本思想

快速排序的基本思想:挖坑填数+分治法

首先选一个轴值(pivot,也有叫基准的),通过一趟排序将待排记录分隔成独立的两部分,其中一部分记录的关键字均比另一部分的关键字小,则可分别对这两部分记录继续进行排序,以达到整个序列有序。

2)算法描述

快速排序使用分治策略来把一个序列(list)分为两个子序列(sub-lists)。步骤为:

①. 从数列中挑出一个元素,称为”基准”(pivot)。
②. 重新排序数列,所有比基准值小的元素摆放在基准前面,所有比基准值大的元素摆在基准后面(相同的数可以到任一边)。在这个分区结束之后,该基准就处于数列的中间位置。这个称为分区(partition)操作。
③. 递归地(recursively)把小于基准值元素的子数列和大于基准值元素的子数列排序。

递归到最底部时,数列的大小是零或一,也就是已经排序好了。这个算法一定会结束,因为在每次的迭代(iteration)中,它至少会把一个元素摆到它最后的位置去。

3)代码实现

/**
 * @author Wnlife
 * @create 2019-11-19 15:04
 * <p>
 * 快速排序
 */
public class QuickSort {

    public static void main(String[] args) {
        int[] arr = {8, 9, 1, 7, 2, 3, 5, 4, 6, 0};
        System.out.println("排序前:" + Arrays.toString(arr));
        qucikSort(arr,0,arr.length-1);
        System.out.println("排序后:" + Arrays.toString(arr));
    }

    public static void qucikSort(int[] arr, int left, int right) {

        if (arr.length <= 0) return;
        if (left >= right) return;
        int l = left;
        int r = right;
        int pivot = arr[l]; //挖坑1:保存基准的值
        while (l < r) {
            while (l < r && arr[r] >= pivot)//坑2:从后向前找到比基准小的元素,插入到基准位置坑1中
                r--;
            arr[l] = arr[r];
            while (l < r && arr[l] <= pivot)//坑3:从前往后找到比基准大的元素,放到刚才挖的坑2中
                l++;
            arr[r]=arr[l];
        }
        arr[l]=pivot;//基准值填补到坑3中,准备分治递归快排
        qucikSort(arr,left,l-1);
        qucikSort(arr,l+1,right);
    }
}

1.9 归并排序

1)归并排序介绍

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(divide)成一些小的问题然后递归求解,而(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)

2)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)。阶段可以理解为就是递归拆分子序列的过

3)  归并排序思想示意图2-合并相邻有序子序列:

再来看看阶段,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][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

4)代码示例

/**
 * @author Wnlife
 * @create 2019-11-19 17:09
 * <p>
 * 归并排序
 */
public class MergetSort {

    public static void main(String[] args) {

        int[] arr = {8, 9, 1, 7, 2, 3, 5, 4, 6, 0};
        System.out.println("排序前:" + Arrays.toString(arr));
        int[] temp = new int[arr.length];
        mergeSort(arr, 0, arr.length - 1, temp);
        System.out.println("排序后:" + Arrays.toString(arr));

    }

    public static void mergeSort(int[] arr, int left, int right, int[] temp) {

        if (arr.length <= 0)
            return;
        if (left < right) {
            int mid = (left + right) / 2;//中间索引
            mergeSort(arr, left, mid, temp);//将左边数组进行分解
            mergeSort(arr, mid + 1, right, temp);//将右将边数组进行分解
            merge(arr, left, mid, right, temp);//合并分解后的数组
        }

    }

    //合并的方法
    public static void merge(int[] arr, int left, int mid, int right, int[] temp) {

        int i = left;//左边数组的初始索引
        int j = mid + 1;//右边数组的初始索引
        int t = 0;//初始值

        //一: 先把左右两边(有序)的数据按照规则填充到temp数组,
        // 直到左右两边有序数列有一边处理完毕为止
        while (i <= mid && j <= right) {
            //如果左边的有序数列的当前元素小于右边的有序数列的当前元素,
            // 则将左边的数列的当前元素放入到临时数组中
            if (arr[i] <= arr[j]) {
                temp[t++] = arr[i++];
            }else {
                //如果右边的有序数列的当前元素小于左边的有序数列的当前元素,
                // 则将右边的数列的当前元素放入到临时数组中
                temp[t++]=arr[j++];
            }
        }

        //二: 将左右边数组剩余的元素放入到temp数组中
        while(i<=mid){
            temp[t++] = arr[i++];
        }
        while(j<=right){
            temp[t++] = arr[j++];
        }

        //三: 将temp数组的元素拷贝到arr,注意,并不是每次都拷贝所有
        t=0;
        //第一次合并 tempLeft = 0 , right = 1
        // tempLeft = 2  right = 3 // tL=0 ri=3
        //最后一次 tempLeft = 0  right = 7
        while(left<=right){
            arr[left++]=temp[t++];
        }

    }
}

1.10 基数排序

1)基数排序(桶排序)介绍:

  1. 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
  2. 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
  3. 基数排序(Radix Sort)桶排序的扩展
  4. 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

2)基数排序基本思想

  1. 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。
  2. 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

3)基数排序图文说明

将数组 {53, 3, 542, 748, 14, 214} 使数排序, 进行升序排序

4)基数排序代码实现

/**
 * @author Wnlife
 * @create 2019-11-20 10:20
 * <p>
 * 基数排序
 */
public class RadixSort {

    public static void main(String[] args) {

        int[] arr = {8, 9, 1, 7, 2, 3, 5, 4, 6, 0};
        System.out.println("排序前:" + Arrays.toString(arr));
        radixSort(arr);
        System.out.println("排序后:" + Arrays.toString(arr));
    }

    public static void radixSort(int[] arr) {

        //1.得到数组中最大数的位数
        int max = arr[0];
        for (int i = 0; i < arr.length; i++) {
            if (arr[i] > max)
                max = arr[i];
        }
        int maxLength = (max + "").length();

        //定义一个二维数组表示10个桶,每个桶就是一个一维数组
        //二维数组包含10个一维数组
        int[][] bucket = new int[10][arr.length];

        //使用一个一维数组表示每个桶中实际存放了多少个数据
        //比如:bucketElementCounts[0] , 记录的就是  bucket[0] 桶的放入数据个数
        int[] bucketElementCount = new int[10];

        for (int i = 0, n = 1; i < bucket.length; i++, n *= 10) {
            //针对每个元素的对应位进行对应位的处理,第一次是个位,第二次是十位,第三次是百位
            for (int j = 0; j < arr.length; j++) {
                //取出对应的位元素
                int digitOfElement = arr[j] / n % 10;
                //放入对应的桶中
                bucket[digitOfElement][bucketElementCount[digitOfElement]++] = arr[j];
            }

            //将桶中的元素依次取出,放入原数组中
            int index = 0;
            for (int k = 0; k < bucket.length; k++) {
                //如果当前桶中的实际元素数不为0,循环取出桶中的元素
                if (bucketElementCount[k] != 0) {
                    for (int j = 0; j < bucketElementCount[k]; j++) {
                        //将取出的元素放入到原数组中
                        arr[index++]=bucket[k][j];
                    }
                    //将桶中的元素个数计数器清空
                    bucketElementCount[k]=0;
                }
            }
        }
    }

}

5)基数排序说明

  • 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, 当对海量数据排序时,容易造成 OutOfMemoryError
  • 基数排序时稳定的[: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]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]
  • 数的数组,我们不用基数排序来进行排, 如果要支持负数,参考: https://code.i-harness.com/zh-CN/q/e98fa9

1.11 常用的排序算法总结

常用排序算法对比:

相关术语解释:

  1. :如果a原本在b前面,而a=b,排序之后a仍然在b的前面
  2. 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
  3. 排序:所有排序操作都在内存中完成
  4. 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
  5. 间复杂度: 一个算法执行所耗费的时间
  6. 间复杂度:运行完一个程序所需内存的大小
  7. n: 数据规
  8. k: 桶”的个
  9. In-place:    不占用额外内
  10. Out-place: 占用额外内存
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值