排序算法详解
排序算法的介绍
排序的分类:
相关术语:
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
(1)时间复杂度为O(n^2)的排序算法:
冒泡排序(交换排序)
选择排序
插入排序
希尔排序(性能略优于O(n^2),但是又比不上O(nLongn)) (插入排序)
(2)时间复杂度为O(nLogn)的排序算法:
快速排序 (交换排序)--> 最坏时间复杂度为O(n^2)
归并排序
堆排序 (选择排序)
(3)时间复杂度为线性的排序算法:
计数排序
桶排序
基数排序(是桶排序的扩展)
(4)按照内部排序外部排序分类!
冒泡排序的实现
public static void main(String[] args){
int[] array = new int[]{2,5,14,6,5,8,4};
sort(array);
System.out.println(Arrays.toString(array));
}
public static void sort(int array[]){
//第一趟排序,就是将最大的数放在最后
int temp = 0;
for(int i = 0;i < array.length-1; i++ ){
boolean isSorted = true;
for(int j = 0;j < array.lenhth-1-i;j++){
if(array[j] > array[j + 1]){
temp = array[j];
array[i] = array[j + 1];
array[j + 1] = temp;
//因为有元素交换,所以不是有序的,标记变为false
isSorted = false;
}
}
if(isSorded){
break;
}
}
}
}
冒泡排序的特点:
(1)一共进行 数组的长度-1次大的循环
(2)每一趟排序的次数在减少
(3) 我们发现在某趟排序中,没有发生交换,可以提前结束排序
选择排序的实现
public static void sort(int[] array){
for(int i = 0;i < array.length - 1;i++){
int minIndex = i;
int min = array[i];
for(int j = i + 1;j < array.length;j++){
if(min > array[i]){//说明假定的最小值,并不是最小值
min = array[i];//重置
minIndex = j;//充值
}
}
//将最小值放在arr[0]位置,也就是交换
if(minIndex != i){
arr[minIndex] = arr[i];
arr[i] = min;
}
}
}
插入排序的实现
//插入的数比较小的时候,后移的次数明显增多,对效率影响较大
public static void insertSort(int[] arr){
for(int i = 1;i < arr.length;i++){
//定义待插入的数
int insertVal = arr[i];
int insertIndex = i-1 ;//arr[i ]前面数字的下标
//给insertVal找到插入的位置
//md:
//1.insertIndex >= 0 保证在给insertVal找插入的位置,不越界
//2.insertVal < arr[insertIndex] 待插入的数字,还没有找到插入的位置
//3.就需要将arr[insertIndex]后移
while(insertIndex >= 0 && insertVal < arr[insertIndex]){
arr[insertIndex + 1] = arr[insertIndex];
insertIndex--;
}
//当退出while循环的时候,说明插入的位置找到,insertIndex + 1
arr[insertIndex + 1] = insertVal;
}
}
希尔排序实现
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,当增量减到1的时候,整个文件恰好被分为一组,算法便终止。
//交换法
public static void shellSort(int[] arr){
int temp = 0;
for(int gap = arr.length/2 ; gap > 0; gap /= 2){
for(in i =gap;i < arr.length;i++){
//遍历各组中的元素,步长为gap,共gap组,
for(int j = i-5;j >= 0; j-=5){
if(arr[j] > arr[j + 5]){
temp = arr[i];
arr[j] = arr[j + 5];
arr[j + 5] = temp;
}
}
}
}
}
//移位法
public static void shellSort(int[] arr){
for(int gap = arr.length/2 ; gap > 0; gap /= 2){
//从第gap个元素,逐个对其所在的组进行直接插入排序
for(in i =gap;i < arr.length;i++){
int j = i;
int temp = arr[j];
if(arr[j] < arr[j - gap]){
while(j - gap >= 0 && temp < arr[j - gap]){
//移动
arr[j] = arr[j - gap]
j -= gap;
}
}
//当退出while吼,就给temp找到插入的位置
arr[j] = temp;
}
}
}
快速排序的实现
快速排序的思想:
快速排序实在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为两部分,其中一部分的数据都比
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的。
//quickSort
public static void quickSort(int[] arr,int left,int right){
int l = left;
int r = right;
int pivot = arr[(left + right) / 2]
int temp= 0;
//循环的目的是让比pivot小的放在左边,比pivot大的放在右边,第一次分割
while( l < r){
//在pivot的左边一直找,找到大于等于pivot的值,才退出
while(arr[l] < pivot){
l += 1;
}
while(arr[r] > pivot){
r -= 1;
}
//说明pivot左右两边的值已经按照左边小于pivot,右面大于pivot
if( l >= r){
break;
}
//交换
temp = arr[l];
arr[l] = arr[r];
arr[r] = temp;
//交换完之后,发现arr[l] == pivot r-- --> 前移
if(arr[l] == pivot){
r -= 1;
}
//交换完之后,发现arr[r] == pivot l++ --> 后移
if(arr[r] == pivot){
l += 1;
}
}
//如果 l==r 必须l++,r--否则为栈溢出
if(l == r){
l += 1;
r- = 1;
}
//左递归
if(left < r){
quickSort(arr,left,r);
}
//右递归
if(right > 1){
quickSort(arr,l,rgiht);
}
}
归并排序的实现
分治思想的体现
合并次数n-1次
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空间
mergeSort(arr, 0, arr.length - 1, temp);
System.out.println("归并排序后=" + Arrays.toString(arr));
}
//分+合方法
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);
//向右递归进行分解
mergeSort(arr, mid + 1, right, temp);
//合并
merge(arr, left, mid, right, temp);
}
}
//合并的方法
/**
*
* @param arr 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 做中转的数组
*/
public static void merge(int[] arr, int left, int mid, int right, int[] temp) {
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)的数据按照规则填充到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
//如果左边的有序序列的当前元素,小于等于右边有序序列的当前元素
//即将左边的当前元素,填充到 temp数组
//然后 t++, i++
if(arr[i] <= arr[j]) {
temp[t] = arr[i];
t += 1;
i += 1;
} else { //反之,将右边有序序列的当前元素,填充到temp数组
temp[t] = arr[j];
t += 1;
j += 1;
}
}
//(二)
//把有剩余数据的一边的数据依次全部填充到temp
while( i <= mid) { //左边的有序序列还有剩余的元素,就全部填充到temp
temp[t] = arr[i];
t += 1;
i += 1;
}
while( j <= right) { //右边的有序序列还有剩余的元素,就全部填充到temp
temp[t] = arr[j];
t += 1;
j += 1;
}
//(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;
int tempLeft = left; //
//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(tempLeft <= right) {
arr[tempLeft] = temp[t];
t += 1;
tempLeft += 1;
}
}
}
基数排序
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。
eg:
将数组 {53, 3, 542, 748, 14, 214} 使用基数排序, 进行升序排序
第1轮排序 [按照个位排序]:
说明: 事先准备10个数组(10个桶), 0-9 分别对应 位数的 0-9
(1) 将 各个数,按照个位大小 放入到 对应的 各个数组中
(2) 然后从 0-9 个数组/桶,依次,按照加入元素的先后顺序取出
第2轮排序 [按照十位排序]
(1) 将 各个数,按照十位大小 放入到 对应的 各个数组中
(2) 然后从 0-9 个数组/桶,依次,按照加入元素的先后顺序取出
第3轮排序 [按照百位排序]
(1) 将 各个数,按照百位大小 放入到 对应的 各个数组中
(2) 然后从 0-9 个数组/桶,依次,按照加入元素的先后顺序取出
桶排序的说明:
1.基数排序是对传统桶排序的扩展,速度很快.
2.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 。
3.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。
public class RadixSort {
public static void main(String[] args) {
int arr[] = { 53, 3, 542, 748, 14, 214};
radixSort(arr);
System.out.println("基数排序后 " + Arrays.toString(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
//1. 得到数组中最大的数的位数
int max = arr[0]; //假设第一数就是最大数
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();
//定义一个二维数组,表示10个桶, 每个桶就是一个一维数组
//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),大小定为arr.length
//3. 名明确,基数排序是使用空间换时间的经典算法
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各个桶的每次放入的数据个数
//可以这里理解
//比如:bucketElementCounts[0] , 记录的就是 bucket[0] 桶的放入数据个数
int[] bucketElementCounts = new int[10];
//这里我们使用循环将代码处理
for(int i = 0 , n = 1; i < maxLength; i++, n *= 10) {
//(针对每个元素的对应位进行排序处理), 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++) {
//取出每个元素的对应位的值
int digitOfElement = arr[j] / n % 10;
//放入到对应的桶中
bucket[digitOfElement][bucketElementCounts[digitOfElement]] = arr[j];
bucketElementCounts[digitOfElement]++;
}
//按照这个桶的顺序(一维数组的下标依次取出数据,放入原来数组)
int index = 0;
//遍历每一桶,并将桶中是数据,放入到原数组
for(int k = 0; k < bucketElementCounts.length; k++) {
//如果桶中,有数据,我们才放入到原数组
if(bucketElementCounts[k] != 0) {
//循环该桶即第k个桶(即第k个一维数组), 放入
for(int l = 0; l < bucketElementCounts[k]; l++) {
//取出元素放入到arr
arr[index++] = bucket[k][l];
}
}
//第i+1轮处理后,需要将每个 bucketElementCounts[k] = 0 !!!!
bucketElementCounts[k] = 0;
}
//System.out.println("第"+(i+1)+"轮,对个位的排序处理 arr =" + Arrays.toString(arr));
}
/*
//第1轮(针对每个元素的个位进行排序处理)
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][bucketElementCounts[digitOfElement]] = arr[j];
bucketElementCounts[digitOfElement]++;
}
//按照这个桶的顺序(一维数组的下标依次取出数据,放入原来数组)
int index = 0;
//遍历每一桶,并将桶中是数据,放入到原数组
for(int k = 0; k < bucketElementCounts.length; k++) {
//如果桶中,有数据,我们才放入到原数组
if(bucketElementCounts[k] != 0) {
//循环该桶即第k个桶(即第k个一维数组), 放入
for(int l = 0; l < bucketElementCounts[k]; l++) {
//取出元素放入到arr
arr[index++] = bucket[k][l];
}
}
//第l轮处理后,需要将每个 bucketElementCounts[k] = 0 !!!!
bucketElementCounts[k] = 0;
}
System.out.println("第1轮,对个位的排序处理 arr =" + Arrays.toString(arr));
//==========================================
//第2轮(针对每个元素的十位进行排序处理)
for (int j = 0; j < arr.length; j++) {
// 取出每个元素的十位的值
int digitOfElement = arr[j] / 10 % 10; //748 / 10 => 74 % 10 => 4
// 放入到对应的桶中
bucket[digitOfElement][bucketElementCounts[digitOfElement]] = arr[j];
bucketElementCounts[digitOfElement]++;
}
// 按照这个桶的顺序(一维数组的下标依次取出数据,放入原来数组)
index = 0;
// 遍历每一桶,并将桶中是数据,放入到原数组
for (int k = 0; k < bucketElementCounts.length; k++) {
// 如果桶中,有数据,我们才放入到原数组
if (bucketElementCounts[k] != 0) {
// 循环该桶即第k个桶(即第k个一维数组), 放入
for (int l = 0; l < bucketElementCounts[k]; l++) {
// 取出元素放入到arr
arr[index++] = bucket[k][l];
}
}
//第2轮处理后,需要将每个 bucketElementCounts[k] = 0 !!!!
bucketElementCounts[k] = 0;
}
System.out.println("第2轮,对个位的排序处理 arr =" + Arrays.toString(arr));
//第3轮(针对每个元素的百位进行排序处理)
for (int j = 0; j < arr.length; j++) {
// 取出每个元素的百位的值
int digitOfElement = arr[j] / 100 % 10; // 748 / 100 => 7 % 10 = 7
// 放入到对应的桶中
bucket[digitOfElement][bucketElementCounts[digitOfElement]] = arr[j];
bucketElementCounts[digitOfElement]++;
}
// 按照这个桶的顺序(一维数组的下标依次取出数据,放入原来数组)
index = 0;
// 遍历每一桶,并将桶中是数据,放入到原数组
for (int k = 0; k < bucketElementCounts.length; k++) {
// 如果桶中,有数据,我们才放入到原数组
if (bucketElementCounts[k] != 0) {
// 循环该桶即第k个桶(即第k个一维数组), 放入
for (int l = 0; l < bucketElementCounts[k]; l++) {
// 取出元素放入到arr
arr[index++] = bucket[k][l];
}
}
//第3轮处理后,需要将每个 bucketElementCounts[k] = 0 !!!!
bucketElementCounts[k] = 0;
}
System.out.println("第3轮,对个位的排序处理 arr =" + Arrays.toString(arr)); */
}
}