- 选择排序
- 冒泡排序
- 插入排序
- 希尔排序
- 堆排序
- 归并排序
- 快速排序
- 基数排序
- 计数排序
- 桶排序
1. 选择排序
这个排序方法最简单，废话不多说，直接上代码：
public class SelectSort {
/**
* 选择排序
* 思路:每次循环得到最小值的下标，然后交换数据。
* 如果交换的位置不等于原来的位置，则不交换。
*/
public static void main(String[] args) {
selectSort(Datas.data);
Datas.prints("选择排序");
}
public static void selectSort(int[] data){
int index=0;
for (int i = 0; i < data.length; i++) {
index = i;
for (int j = i; j < data.length; j++) {
if (data[index]>data[j]) {
index = j;
}
}
if (index != i) {
swap(data,index,i);
}
}
}
public static void swap(int[] data,int i,int j){
int temp = data[i];
data[i] = data[j];
data[j] = temp;
}
}选择排序两层循环，第一个层循环遍历数组，第二层循环找到剩余元素中最小值的索引，内层循环结束，交换数据。内层循环每结束一次，排好一位数据。两层循环结束，数据排好有序。
2 冒泡排序
冒泡排序也简单，上代码先：
public class BubbleSort {
/**
* 冒泡排序
* 思路：内部循环每走一趟排好一位，依次向后排序
*/
public static void main(String[] args) {
bubbleSort(Datas.data);
}
private static void bubbleSort(int[] data) {
int temp;
for (int i = 0; i < data.length; i++) {
for (int j = i+1; j < data.length; j++) {
if (data[i]>data[j]) {
temp =data[i];
data[i]=data[j];
data[j] = temp;
}
}
}
Datas.prints("冒泡排序");
}
}冒泡排序和选择排序有点像，两层循环，内层循环每结束一次，排好一位数据。不同的是，数据像冒泡一样，不断的移动位置，内层循环结束，刚好移动到排序的位置。
该图对应上面的代码进行的说明，没有用专门的画图工具，使用的是window的maspint，大家凑合着看哈^_^明白意思就成！
3 插入排序
插入排序也是简单的排序方法，代码量不多，先看代码：
public class InsertSort {
/**
* 插入排序
* 思路：将数据插入到已排序的数组中。
*/
public static void main(String[] args) {
int[] data = Datas.data;
int temp;
for (int i = 1; i < data.length; i++) {
temp = data[i];//保存待插入的数值
int j = i;
for (; j>0 && temp<data[j-1]; j--) {
data[j] = data[j-1];
//如果带插入的数值前面的元素比该值大，就向后移动一位
}
//内部循环结束，找到插入的位置赋值即可。
data[j]=temp;
}
Datas.prints("插入排序");
}
}
该图是上面插入排序的说明图，插入排序，其过程就是其名字说明的一样，将待排序的数据插入到已排序的数据当中。两层循环，内层循环结束一次，插入排序排好一位数据。
4 希尔排序
希尔排序，也叫缩减增量排序，其中增量的设置影响着程序的性能。最好的增量的设置为1，3，5，7，11，。。。这样一组素数，并且各个元素之间没有公因子。这样的一组增量 叫做Hibbard增量。使用这种增量的希尔排序的最坏清醒运行时间为θ（）
当不使用这种增量时，希尔排序的最坏情形运行时间为θ（）
这里电脑打印这些太麻烦，干脆手写拍照啦哈哈哈哈。。。。。
好了，废话不多说，上代码；
public class ShellSort {
/**
* 希尔排序（缩减增量排序）
* 想想也不难。
* 思路：三层循环
* 第一层循环：控制增量-增量随着程序的进行依次递减一半
* 第二层循环：遍历数组
* 第三层循环：比较元素，交换元素。
* 这里需要注意的是：比较的两个元素和交换的两个元素是不同的。
*/
public static void main(String[] args) {
int[] data = Datas.data;
int k;
for (int div = data.length/2; div>0; div/=2) {
for (int j = div; j < data.length; j++) {
int temp = data[j];
for (k=j; k>=div && temp<data[k-div] ; k-=div) {
data[k] = data[k-div];
}
data[k] = temp;
}
}
Datas.prints("希尔排序");
}
}
程序中，需要注意的是第三层循环，第三层循环的代码中，if语句的比较和内部的交换是分别不同的两个数据。原因是：把大的数据后移，小的数据前移，形成这样一种趋势，才能实现排序。
当然可以试试，if语句比较的两个数据和内部移动的数据一致的话，会出现什么问题？出现的问题就是移动的数据打破了之前形成的大的数据在后，小的数据在前的趋势。无法排序。
5 堆排序
堆排序，要知道什么是堆？说白了，堆就是完全二叉树，堆是优先队列。要求父元素比两个子元素要大。这就好办了。数组元素构建堆，根节点最大，删除根节点得到最大值，剩下的元素再次构建堆，接着再删除根节点，得到第二大元素，剩下的元素再次构建堆，依次类推，得到一组排好序的数据。为了更好地利用空间，我们把删除的元素不使用新的空间，而是使用堆的最后一位保存删除的数据。
代码上来：
public class HeapSort {
/**
* 堆排序(就是优先队列)
* 也就是完全二叉树
* 第一步：建堆.其实就是讲数组中的元素进行下虑操作，
* 使得数组中的元素满足堆的特性。
* 第二步：通过将最大的元素转移至堆的末尾,
* 然后将剩下的元素在构建堆。
* 完成排序。
* 最重要的过程就是构建堆的过程。
* 里面的比较思路和希尔排序中的比较思路一致。
* 将大的元素上浮，小的元素下浮。始终和temp比较。
* temp除了第一次比较可能改变外，其他次数的比较不改变该值。
* 这样的处理就是让较大的元素趋于上浮，较小的元素下浮。
*/
public static void main(String[] args) {
int[] data = Datas.data;
for (int i = data.length/2; i >=0; i--) {
buildHeap(data,i,data.length);
}
Datas.prints("堆排序-构建树");
System.out.println("============================");
for (int i = data.length-1; i>0; i--) {
swap(data, 0, i);
buildHeap(data, 0, i);
}
Datas.prints("堆排序-排序后");
}
static void swap(int[] data,int i,int j){
int temp = data[i];
data[i] = data[j];
data[j] = temp;
}
static void buildHeap(int[] data,int i,int len){
int leftChild = leftChild(i);
int temp = data[i];
for (; leftChild<len;) {
if (leftChild != len-1 && data[leftChild]<data[leftChild+1]) {
leftChild++;
}
if (temp<data[leftChild]) {
data[i] = data[leftChild];
}else {
/**braek说明两个儿子都比父节点小，
* 父节点大于两个儿子
* 所以直接停止比较，减小比较的次数。
*/
break;
}
i = leftChild;
leftChild = leftChild(i);
}
data[i] = temp;
}
//返回节点i的左儿子的index
static int leftChild(int i){
return 2*i+1;
}
}
堆排序，最重要的就是构建堆，构建堆是核心！我们代码中使用的是数组形式的二叉树，也就是优先队列。要真正看懂这部分的代码，需要知道优先队列部分的知识，不难，看看就懂啦。说白了就是二叉树。
6 归并排序
归并排序思路就是将两个已经排好序的数组插入到第三个数组当中。核心就是将原有数组分割两部分，排好序，插入到第三个与原有数组大小一致的数组中。代码上来：
public class MergeSort {
/**
* 归并排序
* 思路：如果是两个已排序的数组，进行合并非常简单。
* 所以就对原有数组进行分割，分割成各个排序的数组，
* 然后递归合并。
*/
public static void main(String[] args) {
int[] data = Datas.data;
merge(data);
Datas.prints("归并排序");
}
public static void merge(int[] data){
int[] temp = new int[data.length];
merge0(data, temp, 0, data.length-1);
}
public static void merge0(int[] data,int[] temp,int left,int rigth){
if (left<rigth) {
int center = (left+rigth)/2;
merge0(data, temp, left, center);
merge0(data, temp, center+1, rigth);
mergeSort(data,temp,left,center,rigth);
}
}
public static void mergeSort(int[] data,int[] temp,int left,int center,int right){
int leftEnd = center;
int rightStar = center+1;
int len = right-left+1;
int tempPos = left;
/**
* 这里的三个循环很容易理解。
* 其实现实两个已经排序的数组进行比较，
* 将元素添加到temp数组中保存。
*/
while (left<=leftEnd&&rightStar<=right) {
if (data[left]<=data[rightStar]) {
temp[tempPos++] = data[left++];
}else {
temp[tempPos++] = data[rightStar++];
}
}
while (left<=leftEnd) {
temp[tempPos++]=data[left++];
}
while (rightStar<=right) {
temp[tempPos++]=data[rightStar++];
}
/**
* 关键的一步是下面的拷贝工作。
* 为什么数组中的拷贝是从right--开始？？？
* 原因是：通过说明图中，我们知道，元素比较之后，
* 会将元素赋值给temp数组相对应的位置上，并不会影响其他位置的数据。
* 并且下面的循环中也没有使用其他位置上面的数据，仅仅拷贝
* 本次已经排序的元素。
* 下面的拷贝是从right开始，right位置是本次排序最右边的元素
* 其实也可以从left开始，只不过left在上面的排序中值已经改变，
* 可以定义一个int leftFlag = left;保存初始最左边的位置，
* 此时下面的循环可以改为：
* for (int i = 0; i < len; i++,leftFlag++) {
* data[leftFlag]=temp[leftFlag];
* }
* 运行程序，你会发现，正确输出结果。
*/
for (int i = 0; i < len; i++,right--) {
data[right]=temp[right];
}
}
}说明图中已经说明了关于数组分割，排序、归并的步骤。归并排序其实就是分割，排序，归并，最后得到排序的结果。
排序要等到分割完成之后进行，归并要等盗排序之后进行。
分割通过递归调用进行，排序通过程序中的三个while循环进行，即完成了归并。最后将数据拷贝要原来的数组中去。
7 快速排序
快速排序有点类似于归并排序，其实也是分割，不同的是，快速排序的分割是按照中值进行分割的，所以中值的好坏影响着程序的性能。最常见的情形是三数中值分割法！！
该方法的思路是选取左，右、中三个数进行交换，把三个数中最小值放在左边，中间值放在中间，最大值放在右边，这样以中值为界形成了两部分，要注意这时候还没有排序，只是进行了枢纽元的选取。中间值就是枢纽元！
然后以枢纽元为中心，分别交换左右两侧的数据，把大的数据放在枢纽元的右侧，把小的数据放在枢纽元的左侧，最终形成大致排序的两组数据，枢纽元排好序，然后递归调用快速排序。
同时，为了移动数据方便，我们把枢纽元的位置放在right-1的位置。
大家可能要问了:为什么把枢纽元放在right-1的位置呢？
原因是：right的位置放置的是比枢纽元大的数，在选取枢纽元的时候，我们把大的数放在right的位置，最小的数放在left的位置，把枢纽元放在right-1的位置，这样当完成数据交换之后枢纽元只需一次交换。如果把枢纽元放在中间的位置，要知道的是，中间位置并不一定就是枢纽元要排序的位置。这个地方要搞清楚，还得看代码：
public class QuickSort {
/**
* 快速排序
* 首先找到三数中值，然后分别移动左右两边的数据，
* 以中值数分割成两组，一组比中值数大，一组比中值数小。
* 然后递归快排两组数组。
* 当待排序的数组小于CUTOFF时，使用插入排序。
*/
public static void main(String[] args) {
quickSort(Datas.data,0,Datas.data.length-1);
Datas.prints("快速排序");
}
public static void quickSort(int[] data,int left,int right){
int CUTOFF = 1;
if (left+CUTOFF<right) {
//找到中值数
int media = media3(data, left, right);
//保存左右界，left,right值不变
int i =left;
int j = right-1;
//循环移动左右两边的元素
while (true) {
while(data[++i]<media);
while (data[--j]>media);
if (i>j) {
break;
}
swap(data, i, j);
}
//将中值数移动到i处。中值数即排在i处。
swap(data, i, right-1);
//递归排序中值数两边的数据
quickSort(data, left, i-1);
quickSort(data, i+1, right);
}else {
/**
* 插入排序
* 当待排序的元素少于20个时候，
* 快速排序性能不如直接插入排序好。
* 所以else语句里面，在待排序基本有序的情况下
* 可以使用直接插入排序更好。
*/
InsertSort.main(null);
}
}
//找到中值数
public static int media3(int[] data,int left,int right){
int center = (left+right)/2;
/**
* 前两个if语句的比较，
* 使得最小值放在最左边。
*/
if (data[center]<data[left]) {
swap(data, center, left);
}
if (data[right]<data[left]) {
swap(data, right, left);
}
/**
* 第三个if语句使得最大值放在最右边。
* 中间值，放在中间位置。
*/
if (data[right]<data[center]) {
swap(data, right, center);
}
//把中间的位置放在right-1的位置。
swap(data, center, right-1);
return data[right-1];
}
//交换数据
public static void swap(int[] data,int i,int j){
int temp = data[i];
data[i] = data[j];
data[j] = temp;
}
}快速排序说明图，示意了i、j游标的移动位置。结合程序应该能看懂。
不过值得大家注意的是，程序中不仅仅使用快速排序的思路，而在最后，当left与right的差值在CUTOFF的时候，直接使用直接插入排序，不再使用快速排序。原因我在注释中已经给出。
如果不使用CUTOFF时候的插入排序，最终的结果并不是我们想要的。如果仅仅使用快速排序得到最终结果，则代码是不正确的。
上面的代码必须在最后使用一次插入排序才能得到最终的结果。
8 基数排序
桶排序之前不了解，我看的《数据结构与算法分析》一书中并没有给出大量的讲解，反而代码是通过例题的形式给出的。桶排序其实就是形成大的容器，通过比较数据各个位上的数进行排序。
别的不多说了，直接上代码：
public class RadixSort {
/**
* 基数排序
* 二维数组构成桶
* 一维数组记录每个位存放的个数。
* 每次构建桶完成，拷贝数据到原来的数组中去。
* 继续下一轮桶的构建。
* 分别个位，十位，百位。。。
* 程序必须知道最大值的位数。
*/
public static void main(String[] args) {
radixSort(Datas.data,3);
Datas.prints("基数排序");
}
public static void radixSort(int[] data,int maxLen){
//maxLen表示最大值的长度
//LSD最低位优先排序 MSD最高位优先排序 l从0开始 循环三次
int k = 0;
int n = 1;
int[][] bucket = new int[10][data.length];//桶
/**
* 表示桶的每一行也就是每一位存放的个数
*/
int[] orders = new int[10];
int temp = 0;
for (int l = 0; l < maxLen; l++) {
for (int i = 0; i < data.length; i++) {
temp = (data[i]/n)%10;
bucket[temp][orders[temp]] = data[i];
orders[temp]++;
}
//将桶中的数值保存会原来的数组中
for (int i = 0; i < 10; i++) {
for (int j = 0; j < orders[i]; j++) {
if (orders[i]>0) {
data[k]=bucket[i][j];
k++;
}
}
//拷贝完成清除记录的个数，设为0
orders[i]=0;
}
//n乘以10 取十位 百位的数值
n*=10;
k=0;
//k值记录拷贝数据到原有数组中的位置，拷贝完成恢复0
}
}
}
这个是实例，程序打印结果的话，不好看，只好手写大家看效果。
bucket二维数组存放原始数据。orders数组存放每一位数存放的原始数据的个数。外层循环每执行一次，就把数据拷贝给原来的数组。然后进行下一轮循环。分别进行个位、十位、百位、、、、的循环。这是从最低位开始排序。也有最高位开始进行的排序。
9 计数排序
这个直接上代码：
public class CuntingSort {
/**
* 计数排序
* 思路：构建一个与待排序中最大值相同大小的数组，
* 该数组存放待排序数组中每个数字出现的个数。
*/
public static void main(String[] args) {
cunting(Datas.data, 333);
Datas.prints("计数排序");
}
public static void cunting(int[] data,int max){
int[] temp = new int[max+1];
int[] result = new int[data.length];
/**
* 该循环设置初始值为0
*/
for (int i = 0; i < temp.length; i++) {
temp[i]=0;
}
/**
* 该for语句循环遍历原数组，将数组中元素出现的个数存放在
* temp数组中相对应的位置上。
* temp数组长度与最大值的长度一致。保证每个元素都有一个对应的位置。
*/
for (int i = 0; i < data.length; i++) {
temp[data[i]]+=1;
}
/**
* 累计每个元素出现的个数。
* 通过该循环，temp中存放原数组中数据小于等于它的个数。
* 也就是说此时temp中存放的就是对应的元素排序后，在数组中存放的位置+1。
*/
for (int i = 1; i < temp.length; i++) {
temp[i]=temp[i]+temp[i-1];
}
/**
* 这里从小到大遍历也可以输出正确的结果，但是不是稳定的。
* 只有从大到小输出，结果才是稳定的。
* result中存放排序会的结果。
*/
for (int i = data.length-1; i>=0; i--) {
int index = temp[data[i]];
result[index-1]= data[i];
temp[data[i]]--;
}
Datas.data = result;
}
}这个排序还真没法画图，其实这个排序相当容易理解。找出待排序数组中最大的元素，构建一个与最大元素数+1长度的数组temp，这样保证待排序数组中的每一个元素都能在temp数组中找到自己的位置，但是temp不是用来存放元素的，而是存放每个元素在待排序数组中出现的个数。这一步通过第二个for循环得到。
接着第三个for循环，循环遍历temp，目的就是得到每个元素排序后存放在原有数组中的位置。大家想一想，每个位置存放自己出现的个数，那么小于自己的元素出现的个数加到一起，即可得到自己排序后数组中的存放位置。是不是真的很巧妙！！！！！
到此，基本就是该排序算法的核心啦！！！
10 桶排序
桶排序是另外一种以O(n)或者接近O(n)的复杂度排序的算法. 它假设输入的待排序元素是等可能的落在等间隔的值区间内.一个长度为N的数组使用桶排序, 需要长度为N的辅助数组. 等间隔的区间称为桶, 每个桶内落在该区间的元素. 桶排序是基数排序的一种归纳结果。
算法的主要思想: 待排序数组A[1…n]内的元素是随机分布在[0,1)区间内的的浮点数.辅助排序数组B[0….n-1]的每一个元素都连接一个链表. 将A内每个元素乘以N(数组规模)取底,并以此为索引插入(插入排序)数组B的对应位置的连表中. 最后将所有的链表依次连接起来就是排序结果.
这个过程可以简单的分步如下:
1、设置一个定量的数组当作空桶子。
2、寻访序列，并且把项目一个一个放到对应的桶子去。
3、对每个不是空的桶子进行排序。
4、从不是空的桶子里把项目再放回原来的序列中。
例如要对大小为[1..1000]范围内的n个整数A[1..n]排序，可以把桶设为大小为10的范围，具体而言，设集合B[1]存储[1..10]的整数，集合B[2]存储(10..20]的整数，……集合B[i]存储((i-1)*10, i*10]的整数，i = 1,2,..100。总共有100个桶。然后对A[1..n]从头到尾扫描一遍，把每个A[i]放入对应的桶B[j]中。 然后再对这100个桶中每个桶里的数字排序，这时可用冒泡，选择，乃至快排，一般来说任何排序法都可以。最后依次输出每个桶里面的数字，且每个桶中的数字从小到大输出，这样就得到所有数字排好序的一个序列了。
/**
* 桶排序算法，对arr进行桶排序，排序结果仍放在arr中
* @param arr
*/
public static void main(String[] args){
bucketSort(Datas.datad);
for (int i = 0; i < Datas.datad.length; i++) {
System.out.println(Datas.datad[i]+",");
}
}
public static void bucketSort(double arr[]){
int n = arr.length;
ArrayList<Double> arrList[] = new ArrayList[n];
//把arr中的数均匀的的分布到[0,1)上，每个桶是一个list，存放落在此桶上的元素
for(int i =0;i<n;i++){
int temp = (int) Math.floor(n*arr[i]);
if(null==arrList[temp])
arrList[temp] = new ArrayList<>();
arrList[temp].add(arr[i]);
}
//对每个桶中的数进行插入排序
for(int i = 0;i<n;i++){
if(null!=arrList[i])
insert(arrList[i]);
}
//把各个桶的排序结果合并
int count = 0;
for(int i = 0;i<n;i++){
if(null!=arrList[i]){
Iterator<Double> iter = arrList[i].iterator();
while(iter.hasNext()){
Double d = (Double)iter.next();
arr[count] = d;
count++;
}
}
}
}
/**
* 用插入排序对每个桶进行排序
* @param list
*/
public static void insert(ArrayList<Double> list){
if(list.size()>1){
for(int i =1;i<list.size();i++){
if((Double)list.get(i)<(Double)list.get(i-1)){
double temp = (Double) list.get(i);
int j = i-1;
for(;j>=0&&((Double)list.get(j)>(Double)list.get(j+1));j--)
list.set(j+1, list.get(j));
list.set(j+1, temp);
}
}
}
}
}原文地址：http://www.tuicool.com/articles/3emMVz
这个是我看到的关于桶排序说的最好的一篇文章。
举例说明：
假如待排序列K= { 49、 38 、 35、 97 、 76、 73 、 27、 49 }。这些数据全部在1—100之间。因此我们定制10个桶，然后确定映射函数f(k)=k/10。则第一个关键字49将定位到第4个桶中(49/10=4)。依次将所有关键字全部堆入桶中，并在每个非空的桶中进行快速排序后得到如下图所示：
对上图只要顺序输出每个B[i]中的数据就可以得到有序序列了。
这个例子有点类似于基数排序。因此，可以说，桶排序是基数排序的一种。
385
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
