活动地址:CSDN21天学习挑战赛
1.冒泡排序
自低向上依次比较,通过交换,使当前元素始终未最大值,直到未排序部分的末尾完成一次冒泡
void sort(int[] nums)
1.1 算法分析
冒泡排序应该是我们最早接触的算法之一了,之所以称为冒泡排序,就是因为他的特性和冒泡十分的相似,其每次冒泡的过程,随着水泡的上升,其体积也会越来越大。从代码层次解释就是从第1个元素开始,与其下一个元素进行比较,选出一个较大的元素放到后面,然后再拿这个元素与后面的元素进行比较,直到比较到未排序的数组末尾,然后将其设置为已排序的元素,进行下一轮冒泡,直到只有一个泡泡(一定为最小了)为止。
1.2 代码实现
public void sort(int[] nums) {
// 对[1, nums.length) 进行冒泡选取
for (int end = nums.length - 1; end >= 1; end--) {
// 选取第end处的最大元素
for (int begin = 1; begin <= end; begin++) {
if (nums[begin] < nums[begin - 1]) {
int tmp = nums[begin];
nums[begin] = nums[begin - 1];
nums[begin - 1] = tmp;
}
}
}
}
1.3 复杂度分析
- 时间复杂度:两层for循环都与数据nums的长度n有关,故时间复杂度为O(n^1)
- 空间复杂度:没有引入新的空间,O(1)
2.选择排序
从未排序的序列中选取一个最大的元素放到未排序的序列的末尾
void sort(int[] nums)
2.1 算法分析
选择排序可以看作是冒泡排序的一种升级,其每次选择也和冒泡排序的目的相同,都是将当前剩余元素的最大元素放到末尾,与冒泡不同的是,其在比较时发现较大的元素时不需要进行交换,而只需要进行记录,最后在进行交换即可
2.2 代码实现
public sort(int[] nums) {
for (int end = nums.length - 1; end >= 1; end--) {
int maxIndex = 0;
for (int begin = 1; begin <= end; begin++) {
if (nums[begin] > nums[maxIndex]) {
// 只是做了记录,不进行交换,相对冒泡排序,减少了时间复杂度
maxIndex = begin;
}
}
// 选出最大的元素后,与末尾进行交换
int tmp = nums[maxIndex];
nums[maxIndex] = nums[end];
nums[end] = tmp;
}
}
2.3 复杂度分析
- 时间复杂度:同冒泡排序,只不过减少了交换次数,但依旧是O(n^2)
- 空间复杂度:只使用了一个maxIndex变量用来记录最大值的下标,所以空间复杂度为O(1)
3.插入排序
将待排序序列的第一个元素,插入到已排序序列的合适位置
void sort(int[] nums)
3.1 算法分析
插入排序类似于打扑克,其将序列分为两部分,第一部分为有序部分,第二部分为无序(未排序)部分,如下所示,每次从待排序部分选出第一个元素,依次与已排序序列的元素(从右往左)进行比较,选出一个合适的位置进行插入,如下,52将依次与96、94、82、61、51进行比较,最后发现51比52小,就将其插入到51后。
3.2 代码实现
public void sort(int[] nums) {
// 对第 i 个元素进行插入
for (int i = 1; i < nums.length; i++) {
// 使用cur记录
int cur = nums[i];
// 将第 i 个元素与第j个元素进行比较
int j = i -1;
for (; j >= 0; j--) {
if (cur < nums[j]) {
nums[j + 1] = nums[j];
} else {
break;
}
}
nums[j + 1] = cur;
}
}
3.3 复杂度分析
- 时间复杂度:两层与n相关的循环结构,故时间复杂度为O(n^2)
- 空间复杂度:O(1)
3.4 优化方案
通过观察,我们可以发现,对于插入元素寻找合适位置的操作其实就是一个查找的操作,而常用的查找方式就是顺序查找和二分查找,而我们之前使用的查找显然是一个顺序查找,所以查找的时间复杂度为O(n),然而我们前面的序列是有序的,所以我们完全可以使用二分查找,来将查找的时间复杂度降低到O(logn)级别,实现如下:
public static void sort2(int[] nums) {
// 对第 i 个元素进行插入
for (int i = 1; i < nums.length; i++) {
int cur = nums[i];
int left = 0;
int right = i;
// 依然设设置为左闭右开即,[left, right),所以当 right-left=0时结束循环
while(left < right) {
int mid = (left + right) / 2;
// 分治
if (nums[mid] > cur) {
right = mid;
} else {
left = mid + 1;
}
}
// 将获取到的位置以后的元素整体往后移动一个位置
for (int j = i - 1; j >= left; j--) {
nums[j + 1] = nums[j];
}
// 对移动后空出的位置进行插入新的元素
nums[left] = cur;
}
}
这里左边界和右边界依旧使用的是左闭右开的形式,前面说过这样设计可以通过相减获取剩余元素数量,而现在我们这样设计又会带来一个好处,那就是更容易获取到临界位置,首先,我先说一下结论(在二分查找基础上):
- 对于正序序列,如果要获取第一个比待查元素值小的元素的位置,只需设置元素相同时向左移动 right
- 对于正序序列,如果要获取第一个比待查元素值大的元素的位置,只需设置元素相同时向左移动 left
最后,我们再来说一下优化后的时间复杂度,很遗憾,优化后的插入排序时间复杂度仍然为 O(n^2),这是因为我们还需要考虑元素的移动问题,通过二分查找找到下一个要插入的元素位置,确实可以在 O(logn) 的时间内完成。但是两个前提,一个是前面已排序的序列需要满足call-by-rank(能够从下标读取),另一个是可以直接插入,我们常用的存储方式如数组,就可以完成下标读取,但不能直接插入。所以如果我们将数插入有序序列,那么该元素后面的数均需要往后移动一个单位,如果运气不好,这是最小的一个数,那么子序列所有元素都要往后移动,这个操作复杂度为O(logn),2 * O(logn) = O(logn) 所以其实并不能减少复杂度。