前面我们讲了插入、选择、冒泡三种排序
下面我们来讲讲剩下的几种排序
希尔排序
原理
希尔排序法又称缩小增量法。希尔排序法的基本思想是:先选定一个整数,把待排序文件中所有记录分
成个组,所有距离为的记录分在同一组内,并对每一组内的记录进行排序。然后,取,重复上述分组和
排序的工作。当到达=1时,所有记录在统一组内排好序。
- 希尔排序是对直接插入排序的优化。
- 当gap > 1时都是预排序,目的是让数组更接近于有序。当gap == 1时,数组已经接近有序的了,
这样就会很快。这样整体而言,可以达到优化的效果。我们实现后可以进行性能测试的对比。
代码实现
//不区分最好情况和最坏情况
//时间复杂度: O(n^1.3 ~ 1.4)
//空间复杂度: O(1)
//不具备稳定性
public static void shellSort(long[] array) {
int group = array.length / 2;
while (true) {
insertSortWithGroup(array, group);
if (group == 1) {
break;
}
group = group / 2;
}
}
private static void insertSortWithGroup(long[] array, int group) {
for (int i = group; i < array.length; i++) {
long key = array[i];
int j;
for (j = i - group; j >= 0 && array[j] > key; j -= group) {
array[j + group] = array[j];
}
array[j + group] = key;
}
}
性能分析
不区分最好情况和最坏情况
时间复杂度: O(n^1.3 ~ 1.4)
空间复杂度: O(1)
不具备稳定性
堆排序
原理
基本原理也是选择排序,只是不在使用遍历的方式查找无序区间的最大的数,而是通过堆来选择无序区间的最大的数。
注意: 排升序要建大堆;排降序要建小堆。
代码实现
// 没有最好/平均/最坏的情况
// 时间复杂度: O(n * log(n))
// 空间复杂度: O(1)
// 不具备稳定性
public static void heapSort(long[] array) {
createBigHeap(array); // O(n * log(n))
for (int i = 0; i < array.length - 1; i++) { // O(n * log(n))
// 交换之前:无序区间:[0, array.length - i)
// 交换最大的数 [0] 和无序区间的最后一个数 [array.length - i - 1]
swap(array, 0, array.length - i - 1); // O(1)
// 交换完成之后:无序区间:[0, array.length - i - 1)
// 一共 array.length - i - 1 个元素
adjustDown(array, array.length - i - 1, 0); // O(log(n))
}
}
// 建 **大** 堆:堆中的元素是 array.length 个
private static void createBigHeap(long[] array) {
for (int i = (array.length - 2) / 2; i >= 0; i--) {
adjustDown(array, array.length, i);
}
}
private static void adjustDown(long[] array, int size, int index) {
while (true) {
int leftIndex = 2 * index + 1;
if (leftIndex >= size) {
return;
}
int rightIndex = 2 * index + 2;
int maxIndex = leftIndex;
if (rightIndex < size && array[rightIndex] > array[leftIndex]) {
maxIndex = rightIndex;
}
if (array[index] >= array[maxIndex]) {
return;
}
swap(array, index, maxIndex);
index = maxIndex;
}
}
性能分析
没有最好/平均/最坏的情况
时间复杂度: O(n * log(n))
空间复杂度: O(1)
不具备稳定性
快速排序
原理
- 从待排序区间选择一个数,作为基准值(pivot);
- Partition: 遍历整个待排序区间,将比基准值小的(可以包含相等的)放到基准值的左边,将比基
准值大的(可以包含相等的)放到基准值的右边; - 采用分治思想,对左右两个小区间按照同样的方式处理,直到小区间的长度 == 1,代表已经有序,
或者小区间的长度 == 0,代表没有数据。
代码实现
public static void quickSort(long[] array) {
quickSortRange(array, 0, array.length - 1);
}
// [from]、[to] 的元素都包含在区间内
private static void quickSortRange(long[] array, int from, int to) {
int size = to - from + 1;
if (size <= 1) {
return;
}
int pivotIdx = partition3(array, from, to);
// 通过基准值切割后的
// 左边的区间: [from, pivotIdx - 1]
// 右边的区间: [pivotIdx + 1, to]
quickSortRange(array, from, pivotIdx - 1);
quickSortRange(array, pivotIdx + 1, to);
}
partition过程:
private static int partition1(long[] array, int from, int to) {
long pivot = array[from];
int left = from;
int right = to;
while (left < right) { // 只要还有没有比较过的元素,就继续
while (left < right && array[right] >= pivot) {
right--;
}
while (left < right && array[left] <= pivot) {
left++;
}
Swap.swap(array, left, right);
}
Swap.swap(array, from, left);
return left;
}
private static int partition2(long[] array, int from, int to) {
long pivot = array[from];
int left = from;
int right = to;
while (left < right) { // 只要还有没有比较过的元素,就继续
while (left < right && array[right] >= pivot) {
right--;
}
array[left] = array[right];
while (left < right && array[left] <= pivot) {
left++;
}
array[right] = array[left];
}
array[left] = pivot;
return left;
}
// O(n)
private static int partition3(long[] array, int from, int to) {
long pivot = array[from];
int s = from + 1;
for (int i = from + 1; i <= to; i++) {
if (array[i] < pivot) {
Swap.swap(array, i, s);
s++;
}
}
Swap.swap(array, from, s - 1);
return s - 1;
}
性能分析
最好的情况:完全二叉树情况
最坏的情况:单支树情况
最好情况的时间复杂度:O(nlog(n))
最坏情况的时间复杂度:O(n ^ 2)
平均情况的时间复杂度:O(nlog(n))
能否保证稳定性:不能保证稳定性
最好情况的空间复杂度:O(log(n))
最坏情况的空间复杂度:O(n)
归并排序
原理
归并排序(MERGE-SORT)是建立在归并操作上的一种有效的排序算法,该算法是采用分治法(Divide and Conquer)的一个非常典型的应用。将已有序的子序列合并,得到完全有序的序列;即先使每个子序列有序,再使子序列段间有序。若将两个有序表合并成一个有序表,称为二路归并。
代码实现
public static void mergeSort(long[] array) {
mergeSortRange(array, 0, array.length);
}
// [from, to)
private static void mergeSortRange(long[] array, int from, int to) {
int size = to - from;
if (size <= 1) {
return;
}
//int mid = (from + to) / 2;
int mid = from + (to - from) / 2;
// 左半边: [from, mid)
// 右半边: [mid, to)
// 先让左右区间各自有序
mergeSortRange(array, from, mid);
mergeSortRange(array, mid, to);
// 合并两个有序区间 [from, mid) [mid, to)
merge(array, from, mid, to);
}
private static void merge(long[] array, int from, int mid, int to) {
// 需要额外空间,需要两个区间的大小之和
int size = to - from;
long[] array2 = new long[size];
int k1 = from; // array
int k2 = mid; // array
int k3 = 0; // array2
while (k1 < mid && k2 < to) {
if (array[k1] <= array[k2]) { // 加等号是为了保证稳定性
array2[k3++] = array[k1++];
} else {
array2[k3++] = array[k2++];
}
}
// 有一个区间内的元素全部取完了
if (k1 < mid) {
// 左边区间还有元素
while (k1 < mid) {
array2[k3++] = array[k1++];
}
} else {
// 右边区间还有元素
while (k2 < to) {
array2[k3++] = array[k2++];
}
}
// 我们还需要把数据搬回原数组中
for (int i = 0; i < size; i++) {
array[from + i] = array2[i];
}
}
性能分析
归并排序不区分最好情况和最坏情况
时间复杂度:O(n*log(n))
空间复杂度:O(n)
并且具备稳定性