排序 | 平均情况 | 最好情况 | 最坏情况 | 稳定与否 | 空间复杂度 |
---|---|---|---|---|---|
冒泡排序 | O(N2) | O(N) | O(N2) | 稳定 | 1 |
选择排序 | O(N2) | O(N2) | O(N2) | 不稳定 | 1 |
直接插入排序 | O(N2) | O(N) | O(N2) | 稳定 | 1 |
二分插入排序 | O(NlogN) | O(log2N) | O(N^2) | 稳定 | O(1) |
希尔排序 | O(NlogN) | (依赖于增量序列) | (依赖于增量序列) | 不稳定 | 1 |
快速排序 | O(NlogN) | O(NlogN) | O(N2) | 不稳定 | O(logN) |
归并排序 | O(NlogN) | O(NlogN) | O(NlogN) | 稳定 | O(N) |
二叉树排序 | O(NlogN) | O(NlogN) | O(N2) | 稳定 | O(N) |
堆排序 | O(NlogN) | O(NlogN) | O(NlogN) | 不稳定 | 1 |
拓扑排序 | O(N+E) | — | — | — | O(N) |
1、直接插入
如果碰见一个和插入元素相等的,那么插入元素把想插入的元素放在相等元素的后面。所以,相等元素的前后顺序没有改变,从原无序序列出去的顺序就是排好序后的顺序,所以插入排序是稳定的。
代码示例:
public static int[] straightInsertSort(int[] nums){
for(int i = 1; i < nums.length; i++){
if(nums[i] < nums[i-1]){
int j = i;
int temp = nums[j];
while(j > 0 && temp < nums[j-1]){
nums[j] = nums[j-1];
nums[j-1] = temp;
j--;
temp = nums[j];
}
}
}
return nums;
}
此方法的时间复杂度是O(n^2)
2、二分插入排序
二分法查找其实就是折半查找,一种效率较高的查找方法。针对有需数组来查找的。
主要思想是:(设查找的数组期间为array[low, high])
(1)确定该期间的中间位置K
(2)将查找的值T与array[k]比较。若相等,查找成功返回此位置;否则确定新的查找区域,继续二分查找。区域确定如下:
a.array[k]>T 由数组的有序性可知array[k,k+1,……,high]>T;故新的区间为array[low,……,K-1]
b.array[k] < T 类似上面查找区间为array[k+1,……,high]。每一次查找与中间值比较,可以确定是否查找成功,不成功当前查找区间缩小一半。递归找,即可。
示例代码:
public static int[] binaryInsert(int[] nums){
int high, low, mid;
int temp;
for(int i = 1; i < nums.length; i++){ // i = 4
temp = nums[i];
high = i-1;
low = 0;
while(low <= high){
mid = (high + low) / 2;
if(nums[mid] > temp){
high = mid - 1;
}else{
low = mid + 1;
}
}
for(int j = i ; j > low; j--){
nums[j] = nums[j-1];
}
nums[low] = temp;
}
return nums;
}
时间复杂度:O(log2n)
3、希尔排序
希尔排序时效分析很难,关键码的比较次数与记录移动次数依赖于增量因子序列d的选取,特定情况下可以准确估算出关键码的比较次数和记录的移动次数。目前还没有人给出选取最好的增量因子序列的方法。增量因子序列可以有各种取法,有取奇数的,也有取质数的,但需要注意:增量因子中除1 外没有公因子,且最后一个增量因子必须为1。
希尔排序方法是一个不稳定的排序方法。
示例代码:
public static int[] shellSort(int nums[]){
int dk = nums.length / 2;
while(dk>=1){
nums = ShellInsertSort(nums, dk);
dk = dk / 2;
}
return nums;
}
public static int[] ShellInsertSort(int[] nums, int dk){
for(int i = dk; i < nums.length; i++){
if(nums[i] < nums[i-dk]){
int temp = nums[i];
nums[i] = nums[i-dk];
int j = i - dk;
while(j >= 0 && temp < nums[j]){
nums[j+dk] = nums[j];
j = j - dk;
}
nums[j+dk] = temp;
}
}
return nums;
}
4、简单选择排序
第一趟,从n 个记录中找出关键码最小的记录与第一个记录交换;
第二趟,从第二个记录开始的n-1 个记录中再选出关键码最小的记录与第二个记录交换;
以此类推…
第i 趟,则从第i 个记录开始的n-i+1 个记录中选出关键码最小的记录与第i 个记录交换,
直到整个序列按关键码有序。
public static int[] selectSort(int[] nums){
int min;
for(int i = 0; i < nums.length; i++){
min = nums[i];
int temp = i;
for(int j = i + 1; j < nums.length; j++){
if(min > nums[j]){
temp = j;
min = nums[j];
}
}
nums[temp] = nums[i];
nums[i] = min;
}
return nums;
}
时间复杂度O(N^2)
5、堆排序
建堆的核心内容是调整堆,使二叉树满足堆的定义(每个节点的值都不大于其父节点的值)。调堆的过程应该从最后一个非叶子节点开始,假设有数组A = {1, 3, 4, 5, 7, 2, 6, 8, 0}。那么调堆的过程如下图,数组下标从0开始,A[3] = 5开始。分别与左孩子和右孩子比较大小,如果A[3]最大,则不用调整,否则和孩子中的值最大的一个交换位置,在图1中是A[7] > A[3] > A[8],所以A[3]与A[7]对换,从图1.1转到图1.2。
每一次构建堆都是将此节点后面的所有节点重新排序一遍。
public static void sort(int[] arr) {
//1.构建大顶堆
for (int i = arr.length / 2 - 1; i >= 0; i--) {
//从第一个非叶子结点从下至上,从右至左调整结构
adjustHeap(arr, i, arr.length);
}
//2.调整堆结构+交换堆顶元素与末尾元素
for (int j = arr.length - 1; j > 0; j--) {
swap(arr, 0, j);//将堆顶元素与末尾元素进行交换
adjustHeap(arr, 0, j);//重新对堆进行调整
}
}
/**
* 调整大顶堆(仅是调整过程,建立在大顶堆已构建的基础上
* @param arr
* @param i
* @param length
*/
public static void adjustHeap(int[] arr, int i, int length) {
int temp = arr[i];//先取出当前元素i
for (int k = i * 2 + 1; k < length; k = k * 2 + 1) {//从i结点的左子结点开始,也就是2i+1处开始
if (k + 1 < length && arr[k] < arr[k + 1]) {//如果左子结点小于右子结点,k指向右子结点
k++;
}
if (arr[k] > temp) {//如果子节点大于父节点,将子节点值赋给父节点(不用进行交换)
arr[i] = arr[k];
i = k;
} else {
break;
}
}
arr[i] = temp;//将temp值放到最终的位置
}
/**
* 交换元素
* @param arr
* @param a
* @param b
*/
public static void swap(int[] arr, int a, int b) {
int temp = arr[a];
arr[a] = arr[b];
arr[b] = temp;
}
public static void main(String []args){
int []arr = {9,8,7,6,5,4,3,2,1};
sort(arr);
System.out.println(Arrays.toString(arr));
}
6、快速排序
public static Integer Partition(int[] a, int left, int right) {
int key;
key = a[left];
while (left < right) {
while (left < right && a[right] >= key) {
right--;
}
a[left] = a[right];
while (left < right && a[left] <= key) {
left++;
}
a[right] = a[left];
}
a[left] = key;
return left;
}
public static void QuickSort(int[] a, int left, int right) {
if (left < right) {
int pivotloc = Partition(a, left, right);
QuickSort(a, left, pivotloc - 1);
QuickSort(a, pivotloc + 1, right);
}
}
public static void main(String[] args) {
int[] a = new int[]{4, 1, 3, 2, 7, 6, 8};
QuickSort(a, 0, a.length-1);
System.out.println(a);
}
详情请参考 https://www.jianshu.com/p/7631d95fdb0b
7、归并排序
1、先将数组分成左右两部分都是有序的数组
2、在两个有序数组基础上合并成一个数组的图解。
由此,就是整个流程。
public static int[] sort(int[] sourceArray) {
int[] arr = Arrays.copyOf(sourceArray, sourceArray.length);
if (arr.length < 2) {
return arr;
}
//找到中间的点,然后一分为二
int middle = (int) Math.floor(arr.length / 2);
//将一个原始的数组original,从下标from开始复制,复制到上标to,生成一个新的数组 注意这里包括下标from,不包括上标to。
int[] left = Arrays.copyOfRange(arr, 0, middle);
int[] right = Arrays.copyOfRange(arr, middle, arr.length);
//不停地去切分、
return merge(sort(left), sort(right));
}
public static int[] merge(int[] left, int[] right) {
int[] result = new int[left.length + right.length];//新数组,用于合并
int i = 0;
while (left.length > 0 && right.length > 0) {
if (left[0] <= right[0]) {
result[i++] = left[0];
left = Arrays.copyOfRange(left, 1, left.length);//剪除第一个元素,刷新left数组
} else {
result[i++] = right[0];
right = Arrays.copyOfRange(right, 1, right.length);//剪除第一个元素,刷新right数组
}
}
while (left.length > 0) {
result[i++] = left[0];
left = Arrays.copyOfRange(left, 1, left.length);
}
while (right.length > 0) {
result[i++] = right[0];
right = Arrays.copyOfRange(right, 1, right.length);
}
return result;
}
8、二叉树排序
先构建二叉树,然后进行中序遍历,即得到了排序值。
参考:https://blog.csdn.net/u011514810/article/details/52464130
public class BinaryTree{
int val;//根节点数据
BinaryTree left;//左子树
BinaryTree right;//右子树
public BinaryTree(int val){
this.val = val;
this.left = null;
this.right = null;
}
}
public static void insert(BinaryTree root, int data){
//二叉排序树的右节点都比根节点大
if(data > root.val){
if(root.right == null)
root.right = new BinaryTree(data);
else
insert(root.right,data);//递归插入子节点
}
//二叉排序树的左节点都比根节点小
else{
if(root.left == null)
root.left = new BinaryTree(data);
else
insert(root.left, data);//递归插入子节点
}
}
public static void inOrder(BinaryTree root){
if(root != null){
inOrder(root.left);
System.out.print(root.val+"-");
inOrder(root.right);
}
}
public static void main(String[] args) {
int[] a = new int[]{4, 1, 3, 2, 7, 6, 8};
BinaryTree root = new BinaryTree(a[0]);
for(int i = 1; i<a.length; i++){
insert(root, a[i]);
}
inOrder(root);
}
9、冒泡排序
public static void bubbleSort(int[] a){
int temp;
for(int i=1;i<a.length;i++){
for(int j=0;j<a.length-i;j++){
if(a[j]>a[j+1]){
temp = a[j];
a[j] = a[j+1];
a[j+1] = temp;
}
}
}
}
10、拓扑排序
在计算机科学领域,有向图顶点的线性排序就是其拓扑排序,例如,图形的顶点可以表示要执行的任务,并且边可以表示一个任务必须在另一个任务之前执行的约束; 在这个应用中,拓扑排序只是一个有效的任务顺序。当且仅当图形没有定向循环,即如果它是有向无环图(DAG),则拓扑排序是可能的。 任何 DAG 具有至少一个拓扑排序,并且已知这些算法用于在线性时间内构建任何 DAG 的拓扑排序。
拓扑排序通常用来“排序”具有依赖关系的任务。
public class Graph {
private int V; // No. of vertices
private LinkedList<Integer> adj[]; // Adjacency List
//构造方法
Graph(int v) {
V = v;
adj = new LinkedList[v];
for (int i = 0; i < v; ++i)
adj[i] = new LinkedList();
}
// 添加一个边到图中
void addEdge(int v, int w) {
adj[v].add(w);
}
// 被拓扑排序调用的DFS函数
void topologicalSortUtil(int v, boolean visited[],
Stack stack) {
// 标记当前节点为已访问.
visited[v] = true;
Integer i;
// 递归访问它的所有邻接顶点
Iterator<Integer> it = adj[v].iterator();
while (it.hasNext()) {
i = it.next();
if (!visited[i])
topologicalSortUtil(i, visited, stack);
}
// 把当前节点加入存放结果的栈中
stack.push(new Integer(v));
}
// 拓扑排序
void topologicalSort() {
Stack stack = new Stack();
// 标记所有节点为未访问
boolean visited[] = new boolean[V];
for (int i = 0; i < V; i++)
visited[i] = false;
for (int i = 0; i < V; i++)
if (visited[i] == false)
topologicalSortUtil(i, visited, stack);
// 打印结果栈的内容
while (stack.empty() == false)
System.out.print(stack.pop() + " ");
}
public static void main(String args[]) {
Graph g = new Graph(6);
g.addEdge(5, 2);
g.addEdge(5, 0);
g.addEdge(4, 0);
g.addEdge(4, 1);
g.addEdge(2, 3);
g.addEdge(3, 1);
g.topologicalSort();
}
}