目录
一、冒泡排序(bubbleSort)
1.1、介绍
- 比较相邻的元素,如果第一个比第二个大,就交换他们两个
- 对每一对相邻元素做同样的工作,从开始的第一对到结尾的最后一对,这步做完后,最后的元素应该会是最大的数
- 每次过后,需要排序的元素就越来越少,对剩下需要排序的元素重复上面的步骤,直到没有任何一对数字需要比较
- 时间复杂度为
O(n2)
1.2、演示
原始数组:5 4 3 2 1
- 4 3 2 1
5
- 3 2 1
4 5
- 2 1
3 4 5
- 1
2 3 4 5
1、外层排序只需要进行 数组长度-1
次(最后一次已经默认确定最小值在头部,不需要再排序)
2、内层排序
- 排序次数先
-1
,因为n
个元素只需要进行n-1
次替换 - 每一躺排序的次数在逐渐减少
-i
(因为每一次排序后都会确定一个数在末尾)
1.3、实现
public static void bubbleSort(int[] arr) {
for (int i = 0; i < arr.length - 1; i++) {
for (int j = 0; j < arr.length - 1 - i; j++) {
if (arr[j] > arr[j + 1]) {
int temp = arr[j];
arr[j] = arr[j + 1];
arr[j + 1] = temp;
}
}
System.out.println("第" + (i + 1) + "次排序后的数组:" + Arrays.toString(arr));
}
}
优化写法:如果发现某趟排序中没有发生一次变化,可以提前结束冒泡排序
public static void bubbleSort(int[] arr) {
boolean flag = false; // 表示是否发生交换
for (int i = 0; i < arr.length - 1; i++) {
for (int j = 0; j < arr.length - 1 - i; j++) {
if (arr[j] > arr[j + 1]) {
flag = true; // 发生交换
int temp = arr[j];
arr[j] = arr[j + 1];
arr[j + 1] = temp;
}
}
System.out.println("第" + (i + 1) + "次排序后的数组:" + Arrays.toString(arr));
if(!flag){
break; // 跳出循环
}else {
flag = false; // 重置flag
}
}
}
二、选择排序(Selection Sort)
2.1、介绍
- 从待排序的元素中选出最小的元素,存放在起始位置,固定住该最小元素
- 同理取出未固定的元素中的最小元素,存放在起始位置,固定
- 以此类推,直到全部待排序的数据元素的个数为零。
2.2、演示
原始序列:9 2 5 3 7
2
9 5 3 72 3
5 9 72 3 5
9 72 3 5 7
9
外层循环只需要执行(数组.length-1
)次(最后一次已经默认确定最大值在末尾,不需要再排序)
2.3、实现
public static void selectionSort(int[] arr) {
for (int i = 0; i < arr.length - 1; i++) {
int minIndex = i;
// 找出最小值下标
for (int j = i + 1; j < arr.length; j++) {
if (arr[j] < arr[minIndex]) {
minIndex = j;
}
}
if (minIndex != i) {
int temp = arr[minIndex];
arr[minIndex] = arr[i];
arr[i] = temp;
}
System.out.println("第" + (i + 1) + "次排序后的数组:" + Arrays.toString(arr));
}
}
三、插入排序(Insertion Sort)
3.1、介绍
一般也被称为直接插入排序
- 将一个待排序的数组分成两部分,前一部分代表是有序序列,后一部分代表未排序序列
- 将第一个元素看做一个有序序列,把第二个元素到最后一个元素当成是未排序序列
- 从头到尾依次扫描未排序序列,将扫描到的每个元素插入有序序列的适当位置
- 如果待插入的元素与有序序列中的某个元素相等,则将待插入元素插入到相等元素的后面,直到未排序序列全部扫描完毕为止。
3.2、演示
3.3、实现
public static void insertionSort(int[] arr) {
// 待插入的数为从下标为1开始,因为先把下标为0的固定住了
for (int i = 1; i < arr.length; i++) {
// 循环与前面的有序序列的每个值进行比较,若有序序列的下标小于0则中断循环
for (int j = i - 1; j >= 0; j -= 1) {
if (arr[j] > arr[j + 1]) {
int temp = arr[j];
arr[j] = arr[j + 1];
arr[j + 1] = temp;
}
}
}
}
四、希尔排序(Shell Sort)
4.1、介绍
一般也被称为缩小增量排序,希尔排序是对插入排序的一种改进
- 按下标的一定增量进行分组,对每组使用插入排序算法排序
- 随着增量逐渐减少,每组包含的元素越来越多,当增量减至 1 时,恰被分成一组,算法便终止
4.2、演示
4.3、实现
public static void shellSort(int[] arr) {
for (int step = arr.length / 2; step > 0; step /= 2) {
//核心代码就是插入排序,把所有的一替换成step
for (int i = step; i < arr.length; i++) {
for (int j = i - step; j >= 0; j -= step) {
if (arr[j] > arr[j + step]) {
int temp = arr[j];
arr[j] = arr[j + step];
arr[j + step] = temp;
}
}
}
}
}
五、快速排序
5.1、介绍
快速排序(Quick Sort)是对冒泡排序算法的一种改进
- 首先设定一个基准值,通过该基准值将数组分成左右两部分,将小于或等于基准值的数据放到数组的左边,将大于或等于基准值的数据放到数组的右边
- 此时左边部分中各元素都小于或等于基准值,而右边部分中各元素都大于或等于基准值,然后左边和右边的数据又可以分别独立排序。
- 对于左侧的数组数据,又可以再取一个基准值,将该部分数据分成左右两部分,同样在左边放置较小值,右边放置较大值,右侧的数组数据也可以做类似处理
- 重复上述过程,可以看出,这是一个递归定义
- 通过递归将左侧部分排好序后,再递归排好右侧部分的顺序。当左侧和右侧两个部分的数据排完序后,整个数组的排序也就完成了。
5.2、演示
5.3、实现
public static void quickSort(int[] arr) {
quickSort(arr, 0, arr.length - 1);
}
public static void quickSort(int[] arr, int left, int right) {
int l = left; //左下标
int r = right; //右下标
int p = arr[(left + right) / 2]; //基准值
//交换基准值左右大小值
while (l < r) {
//在基准值的左边一直找,直到找到大于等于基准值后才退出,最坏查找到自身
while (arr[l] < p) { l++; }
//在基准值的右边一直找,直到找到小于等于基准值后才退出,最坏查找到自身
while (arr[r] > p) { r--; }
//如果l>=r则说明:基准值左侧的值都小于基准值右侧的值
if (l >= r) {
break;
}
//将基准值左侧找到的小值与基准值右侧找到的大值进行交换
int temp = arr[l];
arr[l] = arr[r];
arr[r] = temp;
//如果交换完后,发现这个arr[r]等于基准值,l++向前移
if (arr[r] == p) { l++; }
//如果交换完后,发现这个arr[l]等于基准值,r--向前移
if (arr[l] == p) { r--; }
}
//这一步来防止堆栈溢出
if (l == r) {
l++;
r--;
}
//向左递归进行快速排序
if (left < r) {
quickSort(arr, left, r);
}
//向右递归进行快速排序
if (right > l) {
quickSort(arr, l, right);
}
}
六、归并排序
6.1、介绍
归并排序用到了分而治之的思想,其难点是治
- 申请空间,使其大小为两个已经排序序列之和,该空间用来存放合并后的序列
- 设定两个指针,最初位置分别为两个已经排序序列的起始位置
- 比较两个指针所指向的元素,选择相对小的元素放入到合并空间,并移动指针到下一位置
- 重复上一步 直到某一指针达到序列尾
- 将另一序列剩下的所有元素直接复制到合并序列尾
6.2、演示
动图演示
6.3、实现
// 分+合 默认值
public static void mergeSort(int[] arr) {
mergeSort(arr, 0, arr.length - 1, new int[arr.length]);
}
// 分+合
public static void mergeSort(int[] arr, int left, int right, int[] temp) {
if (left < right) {
int mid = (left + right) / 2;
// 向左分解
mergeSort(arr, left, mid, temp);
// 向右分解
mergeSort(arr, mid + 1, right, temp);
// 合并
merge(arr, left, mid, right, temp);
}
}
// 治
public static void merge(int[] arr, int left, int mid, int right, int[] temp) {
int i = left; // 左边序列初始索引
int j = mid + 1; // 右边序列初始索引
int t = 0; // temp数组的当前索引
// 1)先把左右序列按顺序填充到temp数组,直到左右序列有一方处理完毕
while (i <= mid && j <= right) {
// 如果左序列的值小于右序列则进行存放并将左序列指针右移
if (arr[i] < arr[j]) {
temp[t] = arr[i];
t++;
i++;
} else { // 如果右序列的值小于等于左序列则进行存放并将右序列指针右移
temp[t] = arr[j];
t++;
j++;
}
}
// 2)把有剩余数据的一边序列全部填充到temp
// 如果左边还有剩余
while (i <= mid) {
temp[t] = arr[i];
t++;
i++;
}
// 如果右边还有剩余
while (j <= right) {
temp[t] = arr[j];
t++;
j++;
}
// 3)将temp数组的元素拷贝回arr
t = 0;
int tempLeft = left;
while (tempLeft <= right) {
arr[tempLeft] = temp[t];
t++;
tempLeft++;
}
}
七、基数排序
7.1、介绍
- 将所有待比较数值(正整数)统一为同样的数位长度,数位较短的数前面补零
- 定义 0-9 十个桶进行存放排序数据
- 从最低位开始,依次进行一次排序
- 从最低位排序一直到最高位(个位->十位->百位->…->最高位)排序完成以后, 数列就变成一个有序序列
7.2、演示
下面分步骤演示:
起始数组及9个桶
1.1、按照个位,放到对应的桶中
1.2、依次取出,同一个桶中有多个元素的,先放入的先取出
2.1、再按照十位,放到对应的桶中,个位数前面补0
2.2、再依次取出桶中元素
3.1、再按照百位,放到对应的桶中,个位数和十位数前面补0
3.2、再依次取出桶中元素
7.3、实现
1、基础代码实现
public static void radixSort(int[] arr) {
// 定义桶,为防止栈溢出将每个一维数组定义为arr.length,缺点占用空间较多,因为待排序数列有可能为同样位数 1 3 5 7
int[][] bucket = new int[10][arr.length];
// 记录每个桶中的元素个数 (bucketElementCounts[0]代表0号桶,默认为0个元素)
int[] bucketElementCounts = new int[10];
/**
* 个位数
*/
for (int i = 0; i < arr.length; i++) {
int digitOfElement = arr[i] % 10;
// 放入对应桶中(如放入0号桶并记录)
bucket[digitOfElement][bucketElementCounts[digitOfElement]] = arr[i];
// 记录桶内数据 +1
bucketElementCounts[digitOfElement]++;
}
// 定义从0开始的下标为原数组复原做准备
int index = 0;
// 遍历桶并将数据放回原数组
for (int i = 0; i < bucketElementCounts.length; i++) {
if (bucketElementCounts[i] != 0) {
for (int j = 0; j < bucketElementCounts[i]; j++) {
arr[index++] = bucket[i][j];
}
}
// 重置为0为下一轮做准备
bucketElementCounts[i] = 0;
}
System.out.println("个位数结束" + Arrays.toString(arr));
/**
* 十位数
*/
for (int i = 0; i < arr.length; i++) {
int digitOfElement = arr[i] / 10 % 10;
// 放入对应桶中(如放入0号桶并记录)
bucket[digitOfElement][bucketElementCounts[digitOfElement]] = arr[i];
// 记录桶内数据 +1
bucketElementCounts[digitOfElement]++;
}
// 按照桶的顺序
index = 0;
// 遍历桶并将数据放回原数组
for (int i = 0; i < bucketElementCounts.length; i++) {
if (bucketElementCounts[i] != 0) {
for (int j = 0; j < bucketElementCounts[i]; j++) {
arr[index++] = bucket[i][j];
}
}
// 重置为0为下一轮做准备
bucketElementCounts[i] = 0;
}
System.out.println("十位数结束" + Arrays.toString(arr));
/**
* 百位数
*/
for (int i = 0; i < arr.length; i++) {
int digitOfElement = arr[i] / 100 % 10;
// 放入对应桶中(如放入0号桶并记录)
bucket[digitOfElement][bucketElementCounts[digitOfElement]] = arr[i];
// 记录桶内数据 +1
bucketElementCounts[digitOfElement]++;
}
// 按照桶的顺序
index = 0;
// 遍历桶并将数据放回原数组
for (int i = 0; i < bucketElementCounts.length; i++) {
if (bucketElementCounts[i] != 0) {
for (int j = 0; j < bucketElementCounts[i]; j++) {
arr[index++] = bucket[i][j];
}
}
// 重置为0为下一轮做准备
bucketElementCounts[i] = 0;
}
System.out.println("百位数结束" + Arrays.toString(arr));
}
2、代码优化:获取数组最大位数决定需要进行多少次排序
public static void radixSort(int[] arr) {
// 得到数组最大位数
int max = arr[0];
for (int val : arr) {
if (val > max) {
max = val;
}
}
int maxLength = (max + "").length();
// 定义桶
int[][] bucket = new int[10][arr.length];
// 定义缺省桶元素个数
int[] bucketElementCounts = new int[10];
for (int i = 0, n = 1; i < maxLength; i++, n *= 10) {
// 入桶
for (int j = 0; j < arr.length; j++) {
int digitOfElement = arr[j] / n % 10;
bucket[digitOfElement][bucketElementCounts[digitOfElement]] = arr[j];
bucketElementCounts[digitOfElement]++;
}
// 出桶
int index = 0;
for (int a = 0; a < bucketElementCounts.length; a++) {
if (bucketElementCounts[a] != 0) {
for (int b = 0; b < bucketElementCounts[a]; b++) {
arr[index++] = bucket[a][b];
}
}
// 重置为0为下一轮做准备
bucketElementCounts[a] = 0;
}
System.out.println(n + "位数结束" + Arrays.toString(arr));
}
}
八、堆排序
8.1、介绍
堆排序是利用堆这种数据结构而设计的一种排序算法,堆排序是一种选择排序,它的最坏,最好,平均时间复杂度均为 O(nlogn),它也是不稳定排序
堆是具有以下性质的完全二叉树:
- 每个结点的值都大于或等于其左右孩子结点的值,称为大顶堆
- 每个结点的值都小于或等于其左右孩子结点的值,称为小顶堆
- 没有要求结点的左孩子的值和右孩子的值的大小关系
- 一般升序排序采用大顶堆,降序排列使用小顶堆
大顶堆特点:arr[i] >= arr[2*i+1] && arr[i] >= arr[2*i+2]
,升序排序采用大顶堆
小顶堆特点:arr[i] <= arr[2*i+1] && arr[i] <= arr[2*i+2]
,降序排序采用小顶堆
8.2、演示
排序思路
- 将无序序列构建成一个堆,根据升序降序需求选择大顶堆或小顶堆
- 找出最大值放在堆顶位置后将堆顶元素依次固定到数组末端(这里用大顶堆得到升序序列)
- 重新调整结构,使其满足堆定义,然后继续交换堆顶元素与当前末尾元素,反复执行调整+交换步骤,直到整个序列有序
详细步骤演示
步骤一:将给定无序序列构造成一个大顶堆,一般升序采用大顶堆,降序采用小顶堆
1、给定原始数组并进行初始化
2、从最后一个非叶子结点6开始,该节点左右节点中9最大,进行换位,从左至右,从下至上进行调整
3、找到第二个非叶节点4,由于[4,9,8]中9元素最大,4和9交换
4、这时交换导致了子根[4,5,6]结构混乱,继续调整,[4,5,6]中6最大,交换4和6
此时,我们就将一个无序序列构造成了一个大顶堆
步骤二:将堆顶元素与末尾元素进行交换,使末尾元素最大,然后继续调整堆,再将堆顶元素与末尾元素交换,得到第二大元素,如此重复以上操作
1、将堆顶元素9和末尾元素4进行交换
2、重新调整结构,使其继续满足堆定义
3、再将堆顶元素8与末尾元素5进行交换,得到第二大元素8
4、后续过程,继续进行调整,交换,如此反复进行,最终使得整个序列有序
动态图展示
8.3、实现
public static void heapSort(int[] arr) {
// 步骤一:将序列构造为大顶堆
for (int i = arr.length / 2 - 1; i >= 0; i--) {
adjustHeap(arr, i, arr.length);
}
// 步骤二:将堆顶元素与末尾元素进行交换,使得末尾元素最大
for (int j = arr.length - 1; j > 0; j--) {
int temp = arr[j];
arr[j] = arr[0];
arr[0] = temp;
adjustHeap(arr, 0, j);
}
}
/**
* @param index 非叶子节点索引
* @param length 对多少个元素进行调整,逐渐减少
*/
public static void adjustHeap(int[] arr, int index, int length) {
int temp = arr[index];
// 调整左子节点
for (int k = index * 2 + 1; k < length; k = k * 2 + 1) {
if (arr[k] < arr[k + 1] && k + 1 < length) { // 如果左值小于右值
k++; // k指向右子节点
}
// 如果该子节点大于父节点
if (arr[k] > temp) {
arr[index] = arr[k]; // 把该子节点的值赋给父节点
// 将父节点的下标赋值给被替换的子节点 为子节点替换父节点旧值做准备
// 如果还有子节点,这里也是为初始循环赋值父节点下标
index = k;
} else {
break;
}
}
// 当for循环结束,已经将i为父节点的树的最大值放在最顶
// 将父节点初始值赋值给被替换的子节点
arr[index] = temp;
}