快速排序还有些问题、还可以更简便
选择排序、快速排序、冒泡排序、插入排序、希尔排序、归并排序、堆排序、位排序
<1>选择排序:
实现原理
首先从未排序序列中找到最小的元素,放置到排序序列的起始位置,然后从剩余的未排序序列中继续寻找最小元素,放置到已排序序列的末尾。所以称之为选择排序。
—————————————————code————————————————————
代码实现:
selectionSort类:
package com.lijia;
public class selectionSort
{
public static int [] SelectionSort( int arr[])
{
if(arr == null||arr.length==0)
{
return null;
}
int length = arr.length;
for(int i = 0;i<length-1;i++)
{
int min = i;
for(int j = i+1;j < length;j++)
{
if(arr[j]<arr[min])
{
min = j;
}
}
int temp = arr[i];
arr[i] = arr[min];
arr[min] = temp;
}
return arr;
}
}
主函数:
package com.lijia;
public class xuanzepaixu
{
public static void main(String []args)
{
int arr[]= {3,4,2,8,0};
selectionSort s = new selectionSort();
s.SelectionSort(arr);
for(int i:arr)
System.out.println("\t"+i);
}
}
——————————————————code—————————————————————
时间复杂度与空间复杂度
每次要找一遍最小值,最坏情况下找n次,这样的过程要执行n次,所以时间复杂度还是O(n^2)。空间复杂度是O(1)。
<2>快速排序:
实现原理
• 在数据集之中,选择一个元素作为”基准”(pivot)。
• 所有小于”基准”的元素,都移到”基准”的左边;所有大于”基准”的元素,都移到”基准”的右边。这个操作称为分区 (partition)。
• 操作,分区操作结束后,基准元素所处的位置就是最终排序后它的位置。
• 对”基准”左边和右边的两个子集,不断重复第一步和第二步,直到所有子集只剩下一个元素为止。
———————————————code—————————————————
public static int partition(int arr[],int,low,int high)
{
int key=arr[low];
while(low<high)
{
while(arr[high]>=key&&high>low)
{
high--;
}
arr[low]=arr[high];
while(arr[low]<=key&&high>low)
{
low++;
}
arr[high]= arr[low];
}
arr[low]= key;
return high;
}
}
public static int []sort(int []array,int low,int high)
{
if(low>=high)
{
return array;
}
int index = partition(array,low,high);
sort(arr,low,index-1);
sort(array,index+1,high);
}
———————————————code—————————————————
<3>冒泡排序:
实现原理
依次比较相邻的两个元素,如果第一个元素大于第二个元素就交换它们的位置。这样比较一轮之后,最大的元素就会跑到队尾。然后对未排序的序列重复这个过程,最终转换成有序序列。
———————————————code—————————————————
BubbleArray类:
package com.lijia;
public class BubbleArray
{
public static int [] Bubblearray(int arr[])
{
for(int i = 0;i<arr.length;i++)
{
for(int j = 0;j < arr.length-i-1;j++)
{
if(arr[j] > arr[j+1])
{
int temp;
temp = arr[j];
arr[j] = arr[j+1];
arr[j+1]= temp;
}
}
}
return arr;
}
}
主函数:
package com.lijia;
public class Maopaopaixu
{
public static void main(String args[])
{
int []arr = {3,4,2,8,0};
BubbleArray B = new BubbleArray();
B.Bubblearray(arr);
for(int i:arr)
System.out.println("\t"+i);
}
}
———————————————code—————————————————
时间复杂度与空间复杂度
由于我们要重复执行n次冒泡,每次冒泡要执行n次比较(实际是1到n的等差数列,也就是(a1 + an) * n / 2),也就是 O(n^2)。 空间复杂度是O(1)。
<4>插入排序:
实现原理
• 认为第一个元素是排好序的,从第二个开始遍历。
• 拿出当前元素的值,从排好序的序列中从后往前找。
• 如果序列中的元素比当前元素大,就把它后移。直到找到一个小的。
• 把当前元素放在这个小的后面(后面的比当前大,它已经被后移了)。
———————————————code—————————————————
InsertonSort类:
package com.lijia;
public class InsertionSort
{
public static int[] insertion(int []arr)
{
for(int i = 1;i<arr.length;i++)
{
for(int j = i;j>0;j--)
{
if(arr[j]<arr[j-1])
{
int temp = arr[j];
arr[j] = arr[j-1];
arr[j-1] = temp;
}
}
}
return arr;
}
}
主方法:
package com.lijia;
public class Charupaixu
{
public static void main(String []args)
{
int arr[] = {3,4,2,8,0};
InsertionSort I = new InsertionSort();
I.insertion(arr);
for(int i:arr)
System.out.println("\t"+i);
}
}
———————————————code—————————————————
时间复杂度与空间复杂度
因为要选择n次,而且插入时最坏要比较n次,所以时间复杂度同样是O(n^2)。空间复杂度是O(1)
<5>希尔排序:
实现原理
• 先取一个正整数 d1(d1 < n),把全部记录分成 d1 个组,所有距离为 d1 的倍数的记录看成一组,然后在各组内进行插入排序
• 然后取 d2(d2 < d1)
• 重复上述分组和排序操作;直到取 di = 1(i >= 1) 位置,即所有记录成为一个组,最后对这个组进行插入排序。一般选 d1 约为 n/2,d2 为 d1 /2, d3 为 d2/2 ,…, di = 1。
—————————————code———————————————————
package com.lijia;
public class shellSort
{
public static int [] shellSort(int arr[])
{
for(int gap = arr.length/2;gap > 0;gap/=2)
{
for(int i = gap ;i<arr.length;i++)
{
int j = i;
while(j-gap>=0&&arr[j]<arr[j-gap])
{
int temp = arr[j];
arr[j] = arr[j-gap];
arr[j - gap] = temp;
j = j - gap;
}
}
}
return arr;
}
}
主函数:
package com.lijia;
public class Xierpaixu
{
public static void main(String args[])
{
int arr[]= {3,4,2,8,0};
shellSort s = new shellSort();
s.shellSort(arr);
for(int i:arr)
System.out.println("\t"+i);
}
}
—————————————code———————————————————
时间复杂度与空间复杂度
希尔排序的时间复杂度受步长的影响,平均时间复杂度是O(n log2 n),空间复杂度是O(1)。
<6>归并排序:
实现原理
• 把 n 个记录看成 n 个长度为 l 的有序子表
• 进行两两归并使记录关键字有序,得到 n/2 个长度为 2 的有序子表
• 重复第 2 步直到所有记录归并成一个长度为 n 的有序表为止。
总而言之,归并排序就是使用递归,先分解数组为子数组,再合并数组。
—————————————code——————————————————
package com.lijia;
public class MergeSort
{
public static int[] mergeSort(int[] arr)
{
int[] temp =new int[arr.length];
internalMergeSort(arr, temp, 0, arr.length-1);
return temp;
}
private static void internalMergeSort(int[] a, int[] b, int left, int right)
{
//当left==right的时,已经不需要再划分了
if (left<right)
{
int middle = (left+right)/2;
internalMergeSort(a, b, left, middle); //左子数组
internalMergeSort(a, b, middle+1, right); //右子数组
mergeSortedArray(a, b, left, middle, right); //合并两个子数组
}
}
// 合并两个有序子序列 arr[left, ..., middle] 和 arr[middle+1, ..., right]。temp是辅助数组。
private static void mergeSortedArray(int arr[], int temp[], int left, int middle, int right)
{
int i=left;
int j=middle+1;
int k=0;
while ( i<=middle && j<=right)
{
if (arr[i] <=arr[j])
{
temp[k++] = arr[i++];
}
else
{
temp[k++] = arr[j++];
}
}
while (i <=middle)
{
temp[k++] = arr[i++];
}
while ( j<=right)
{
temp[k++] = arr[j++];
}
//把数据复制回原数组
for (i=0; i<k; ++i)
{
arr[left+i] = temp[i];
}
}
}
主函数:
package com.lijia;
public class Guibingpaixu
{
public static void main(String args[])
{
int arr[]= {0,2,3,4,8};
MergeSort M = new MergeSort();
M.mergeSort(arr);
for(int i:arr)
System.out.println("\t"+i);
}
}
—————————————code——————————————————
时间复杂度与空间复杂度
在合并数组过程中,实际的操作是当前两个子数组的长度,即2m。又因为打散数组是二分的,最终循环执行数是logn。所以这个算法最终时间复杂度是O(nlogn),空间复杂度是O(1)。
<7>堆排序
实现原理
堆排序就是把最大堆堆顶的最大数取出,将剩余的堆继续调整为最大堆,再次将堆顶的最大数取出,这个过程持续到剩余数只有一个时结束。在堆中定义以下几种操作:
最大堆调整(Max-Heapify):将堆的末端子节点作调整,使得子节点永远小于父节点
创建最大堆(Build-Max-Heap):将堆所有数据重新排序,使其成为最大堆
堆排序(Heap-Sort):移除位在第一个数据的根节点,并做最大堆调整的递归运算
Parent(i) = floor((i-1)/2),i 的父节点下标
Left(i) = 2i + 1,i 的左子节点下标
Right(i) = 2(i + 1),i 的右子节点下标
/**
* 堆排序
*/
public static int[] heapSort(int[] arr) {
// 将待排序的序列构建成一个大顶堆
for (int i = arr.length / 2; i >= 0; i--){
heapAdjust(arr, i, arr.length);
}
// 逐步将每个最大值的根节点与末尾元素交换,并且再调整二叉树,使其成为大顶堆
for (int i = arr.length - 1; i > 0; i--) {
swap(arr, 0, i); // 将堆顶记录和当前未经排序子序列的最后一个记录交换
heapAdjust(arr, 0, i); // 交换之后,需要重新检查堆是否符合大顶堆,不符合则要调整
}
return arr;
}
/**
* 构建堆的过程
* @param arr 需要排序的数组
* @param i 需要构建堆的根节点的序号
* @param n 数组的长度
*/
private static void heapAdjust(int[] arr, int i, int n) {
int child;
int father;
for (father = arr[i]; leftChild(i) < n; i = child) {
child = leftChild(i);
// 如果左子树小于右子树,则需要比较右子树和父节点
if (child != n - 1 && arr[child] < arr[child + 1]) {
child++; // 序号增1,指向右子树
}
// 如果父节点小于孩子结点,则需要交换
if (father < arr[child]) {
arr[i] = arr[child];
} else {
break; // 大顶堆结构未被破坏,不需要调整
}
}
arr[i] = father;
}
// 获取到左孩子结点
private static int leftChild(int i) {
return 2 * i + 1;
}
// 交换元素位置
private static void swap(int[] arr, int index1, int index2) {
int tmp = arr[index1];
arr[index1] = arr[index2];
arr[index2] = tmp;
}
时间复杂度与空间复杂度
堆执行一次调整需要O(logn)的时间,在排序过程中需要遍历所有元素执行堆调整,所以最终时间复杂度是O(nlogn)。空间复杂度是O(1)。
注:
for(int i :arr)
相当于:
int[] arr = new int{1,2,3,4};
for{int i ; i < arr.length() ; i++ }{
i = arr[i];
}