高级排序
所谓高级排序就是在比时间复杂度上比简单排序更快一点,尤其是排序数量大时,排序起来耗费时间少,这是最根本的,常见的简单排序中冒泡排序,选择排序,插入排序,它们的时间复杂度都是O(N^2),而高级排序,希尔排序,归并排序,和选择排序的时间复杂度要小一点,可以更好的提高效率。
1.希尔排序
希尔排序是插入排序的一种,又称“缩小增量排序”,是插入排序算法的一种更高效的改进版本。
- 选定一个增长量h,按照增长量h作为数据分组的依据,对数据进行分组;
- 对分好组的每一组数据完成插入排序;
- 减小增长量,最小减为1,重复第二步操作。
public class Shell {
//对数组内的元素进行排序
public static void sort(Comparable[] a){
int N = a.length;
int h=1; //确定初始增长量h为1 ,
while (h<N/2){
h=h*2+1;
} //循环结束后确定增长量的最大值
while (h>=1) {
//找到待插入元素
for (int i = h; i < N; i++) {
for (int j = i; j >=h ; j-=h) {
//a[j]就是待插入元素,依次和a[j-h],a[j-2h],a[j-3h]进行比较,
// 如果a[j]小,那么 交换位置,如果不小于,a[j]大,则插入完成。
if(greater(a[j-h],a[j])){
exch(a,j-h,j);
}else {
break;
}
}
}
h=h/2; //没次将增长量减半
}
}
//判断v是否大于w
private static boolean greater(Comparable v,Comparable w){
return v.compareTo(w)>0;
}
//交换a数组中,索引i和索引j处的值
private static void exch(Comparable[] a,int i,int j){
Comparable temp =a[i];
a[i]=a[j];
a[j]=temp;
}
}
希尔排序的时间复杂度
- 在希尔排序中,增长量h并没有固定的规则,有很多论文研究了各种不同的递增序列,但都无法证明某个序列是最好的,对于希尔排序的时间复杂度分析,暂不做分析。
2.归并排序
- 它通常把一个大型复杂的问题,层层转换为一个与原问题相似的,规模较小的问题来求解。递归策略只需要少量的程序就可以描述出解题过程所需要的多次重复计算,大大地减少了程序的代码量。
在递归中,不能无限制的调用自己,必须要有边界条件,能够让递归结束,因为每一次递归调用都会在栈内存开辟新的空间,重新执行方法,如果递归的层级太深,很容易造成栈内存溢出。
归并排序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。
实现原理
- 尽可能的一组数据拆分成两个元素相等的子组,并对每一个子组继续拆分,直到拆分后的每个子组的元素个数是1为止。
- 将相邻的两个子组进行合并成一个有序的大组;
- 不断的重复步骤2,直到最终只有一个组为止。
public class Merge {
private static Comparable[] assist; //完成归并操作需要的辅助数组
//对数组内的元素进行排序
public static void sort(Comparable[] a){
assist = new Comparable[a.length];
sort(a,0,a.length-1);
}
//对数组a中从索引lo到索引hi之间的元素进行排序
private static void sort(Comparable[] a, int lo, int hi){
if(hi<=lo){
return;
}
int mid = lo + (hi-lo)/2;
//对lo到mid之间进行排序
sort(a,lo,mid);
//对mid+1到hi之间进行排序
sort(a,mid+1,hi);
//对lo到hi这一段进行归并
merge(a,lo,mid,hi);
}
//从索引lo到所以mid为一个子组,从索引mid+1到索引hi为另一个子组,
// 把数组a中的这两个子组的数据合并成一个有序的大组(从索引lo到索引hi)
private static void merge(Comparable[] a, int lo, int mid, int hi){
//定义三个指针
int i =lo ;//定义一个指针,指向assist数组中开始填充数据的索引
int p1 = lo;//定义一个指针,指向第一组数据的第一个元素
int p2 =mid+1;//定义一个指针,指向第二组数据的第一个元素
//遍历比较p1和p2指针处的值,较小的放入数组,且指针和i指针后移
while (p1<=mid && p2<=hi){
if(less(a[p1],a[p2])){
assist[i++]=a[p1++];
}else {
assist[i++]=a[p2++];
}
}
//当两组数中有一组空了之后,另一组直接把其余值赋给辅助数组
while (p2<=hi){
assist[i++]=a[p2++];
}
while (p1<=mid){
assist[i++]=a[p1++];
}
//遍历辅助数组,克隆给原数组
for (int j = lo; j <=hi ; j++) {
a[j]=assist[j];
}
}
//判断v是否小于w
private static boolean less(Comparable v,Comparable w){
return v.compareTo(w)<0;
}
//交换a数组中,索引i和索引j处的值
private static void exch(Comparable[] a,int i,int j){
Comparable temp =a[i];
a[i]=a[j];
a[j]=temp;
}
}
归并排序时间复杂度分析
归并排序是分治思想的最典型的例子,上面的算法中,对a[lo…hi]进行排序,先将它分为a[lo…mid]和a[mid+1…hi]两部分,分别通过递归调用将他们单独排序,最后将有序的子数组归并为最终的排序结果。该递归的出口在于如果一个数组不能再被分为两个子数组,那么就会执行merge进行归并,在归并的时候判断元素的大小进行排序。
用树状图来描述归并,如果一个数组有8个元素,那么它将每次除以2找最小的子数组,共拆log8次,值为3,,所以树共有3层,那么自顶向下第k层有2k个子数组,每个数组的长度为2(3-k),归并最多需要2^(3-k)次比较。因此每层
的比较次数为 2^k * 2(3-k)=23,那么3层总共为 32^3。
假设元素的个数为n,那么使用归并排序拆分的次数为log2(n),所以共log2(n)层,那么使用log2(n)替换上面32^3中 的3这个层数,最终得出的归并排序的时间复杂度为:log2(n)* 2^(log2(n))=log2(n)*n,根据大O推导法则,忽略底
数,最终归并排序的时间复杂度为O(nlogn);
归并排序的缺点就是需要申请额外的数组空间,导致空间复杂度提升,是典型的以空间换时间的操作。
3.快速排序
快速排序是对冒泡排序的一种改进。它的基本思想是:通过一趟排序将要排序的数据分割成独立的两部分,其中一部分的所有数据都比另外一部分的所有数据都要小,然后再按此方法对这两部分数据分别进行快速排序,整个排序过程可以递归进行,以此达到整个数据变成有序序列。
- 首先设定一个分界值,通过该分界值将数组分成左右两部分;
- .将大于或等于分界值的数据放到到数组右边,小于分界值的数据放到数组的左边。此时左边部分中各元素都小于或等于分界值,而右边部分中各元素都大于或等于分界值;
- 然后,左边和右边的数据可以独立排序。对于左侧的数组数据,又可以取一个分界值,将该部分数据分成左右两部分,同样在左边放置较小值,右边放置较大值。右侧的数组数据也可以做类似处理。
- .重复上述过程,可以看出,这是一个递归定义。通过递归将左侧部分排好序后,再递归排好右侧部分的顺序。当左侧和右侧两个部分的数据排完序后,整个数组的排序也就完成了。
public class Quick {
//对数组内的元素进行排序
public static void sort(Comparable[] a){
sort(a,0,a.length-1);
}
//对数组a中从索引lo到索引hi之间的元素进行排序
private static void sort(Comparable[] a, int lo, int hi){
if(hi<=lo){
return;
}
int index = partition(a, lo, hi);
sort(a, lo, index - 1);
sort(a, index + 1, hi);
}
/*切分原理:把一个数组切分成两个子数组的基本思想:
* 1.找一个基准值,用两个指针分别指向数组的头部和尾部;
* 2.先从尾部向头部开始搜索一个比基准值小的元素,搜索到即停止,并记录指针的位置;
* 3.再从头部向尾部开始搜索一个比基准值大的元素,搜索到即停止,并记录指针的位置;
* 4.交换当前左边指针位置和右边指针位置的元素;
* 5.重复2,3,4步骤,直到左边指针的值大于右边指针的值停止。
* */
//对数组a中,从索引lo到索引 hi之间的元 素进行分组,并返回分组界限对应的索引
public static int partition(Comparable[] a,int lo,int hi){
//定义两个指针,一个指向开始索引,一个指向尾索引后边的索引
Comparable key =a[lo];//把最左边的元素当做基准值
int left =lo ;//定义一个左侧指针,初始指向最左边的元素
int right = hi+1 ;//定义一个右侧指针,初始指向左右侧的元素下一个位置
while(true){ //进行切分
//如果右指针的指向的所有元素都大于基准值,当right==lo,则结束
while (!less(a[--right],key)){
if(right==lo){
break;
}
}
//如果左指针的指向的所有元素都小于基准值,当right==lo,则结束
while (less(a[++left],key)){
if(left==hi){
break;
}
}
//当左指针找到比基准值大的索引,且右指针找到比基准值小的索引,就交换
if(left>=right){
break;
}else {
exch(a,left,right);
}
}
//当两个指针相遇的时候的点索引就是分割点的索引交换并返回
exch(a,right,lo);
return right;
}
//判断v是否小于w
private static boolean less(Comparable v,Comparable w){
return v.compareTo(w)<0;
}
//交换a数组中,索引i和索引j处的值
private static void exch(Comparable[] a,int i,int j){
Comparable temp = a[i];
a[i]=a[j];
a[j]=temp;
}
}
快速排序时间复杂度分析
快速排序的一次切分从两头开始交替搜索,直到left和right重合,因此,一次切分算法的时间复杂度为O(n),但整个快速排序的时间复杂度和切分的次数相关。
最优情况:每一次切分选择的基准数字刚好将当前序列等分。
如果我们把数组的切分看做是一个树,那么上图就是它的最优情况的图示,共切分了logn次,所以,最优情况下快速排序的时间复杂度为O(nlogn);最坏情况:每一次切分选择的基准数字是当前序列中最大数或者最小数,这使得每次切分都会有一个子组,那么总
共就得切分n次,所以,最坏情况下,快速排序的时间复杂度为O(n^2);
平均情况:每一次切分选择的基准数字不是最大值和最小值,也不是中值,这种情况我们也可以用数学归纳法证
明,快速排序的时间复杂度为O(nlogn),
4.快速排序和归并排序的区别
- 快速排序是另外一种分治的排序算法,它将一个数组分成两个子数组,将两部分独立的排序。快速排序和归并排序是互补的:归并排序将数组分成两个子数组分别排序,并将有序的子数组归并从而将整个数组排序,而快速排序的方式则是当两个数组都有序时,整个数组自然就有序了。在归并排序中,一个数组被等分为两半,归并调用发生在处理整个数组之前,在快速排序中,切分数组的位置取决于数组的内容,递归调用发生在处理整个数组之后。
5.几种快速排序的测试
我们可以在一个文件夹中写一串未排列的数组,然后逐个通过测试方法,来计算数组的每种的排序时间,所以就找了100000个数倒序,保证排序的复杂度以最坏的情况进行测试。
public static void main(String[] args) throws IOException {
//创建一个集合去存入数据
ArrayList<Integer> list =new ArrayList<>();
//创建输入读取流来读取文件
BufferedReader bufferedReader =new BufferedReader(new InputStreamReader(SortCompare.class.getClassLoader().getResourceAsStream("reverse_arr.txt")));
//文件里面是100000~1,倒序的来测试排序算法的速度
String line =null;
while ((line=bufferedReader.readLine())!=null){
//将读取到的数据存入数组
Integer s = Integer.parseInt(line);
list.add(s);
}
//关闭流
bufferedReader.close();
Integer[] a = new Integer[list.size()];
list.toArray(a);
//shellTest(a); 希尔排序的时间为38ms
//insertionTest(a); 插入排序的时间为40257ms
//mergeTest(a); 归并排序的时间为107ms
quickTest(a); //快速排序的时间为133ms
}
//希尔排序的测试
private static void shellTest(Integer[] a){
long start = System.currentTimeMillis();
Shell.sort(a);
long end = System.currentTimeMillis();
System.out.println("希尔排序的时间:"+(end-start));
}
//插入排序的测试
private static void insertionTest(Integer[] a){
long start = System.currentTimeMillis();
Insertion.sort(a);
long end = System.currentTimeMillis();
System.out.println("插入排序的时间:"+(end-start));
}
//归并排序的测试
private static void mergeTest(Integer[] a){
long start = System.currentTimeMillis();
Merge.sort(a);
long end = System.currentTimeMillis();
System.out.println("归并排序的时间:"+(end-start));
}
//快速排序的测试
private static void quickTest(Integer[] a){
long start = System.currentTimeMillis();
Quick.sort(a);
long end = System.currentTimeMillis();
System.out.println("快速排序的时间:"+(end-start));
}
我们可以清楚的发现高级排序要比简单排序的速率高几百倍。
6.排序的稳定性
稳定性的定义
数组arr中有若干元素,其中A元素和B元素相等,并且A元素在B元素前面,如果使用某种排序算法排序后,能够保证A元素依然在B元素的前面,可以说这个该算法是稳定的。
稳定性的意义
如果一组数据只需要一次排序,则稳定性一般是没有意义的,如果一组数据需要多次排序,稳定性是有意义的。例如要排序的内容是一组商品对象,第一次排序按照价格由低到高排序,第二次排序按照销量由高到低排序,如果第二次排序使用稳定性算法,就可以使得相同销量的对象依旧保持着价格高低的顺序展现,只有销量不同的对象才需要重新排序。这样既可以保持第一次排序的原有意义,而且可以减少系统开销。
-
冒泡排序:
只有当arr[i]>arr[i+1]的时候,才会交换元素的位置,而相等的时候并不交换位置,所以冒泡排序是一种稳定排序
算法。 -
选择排序:
选择排序是给每个位置选择当前元素最小的,例如有数据{5(1),8 ,5(2), 2, 9 },第一遍选择到的最小元素为2,所以5(1)会和2进行交换位置,此时5(1)到了5(2)后面,破坏了稳定性,所以选择排序是一种不稳定的排序算法。 -
插入排序:
比较是从有序序列的末尾开始,也就是想要插入的元素和已经有序的最大者开始比起,如果比它大则直接插入在其后面,否则一直往前找直到找到它该插入的位置。如果碰见一个和插入元素相等的,那么把要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。 -
希尔排序:
希尔排序是按照不同步长对元素进行插入排序 ,虽然一次插入排序是稳定的,不会改变相同元素的相对顺序,但在不同的插入排序过程中,相同的元素可能在各自的插入排序中移动,最后其稳定性就会被打乱,所以希尔排序是不稳定的。 -
归并排序:
归并排序在归并的过程中,只有arr[i]<arr[i+1]的时候才会交换位置,如果两个元素相等则不会交换位置,所以它并不会破坏稳定性,归并排序是稳定的。 -
快速排序:
快速排序需要一个基准值,在基准值的右侧找一个比基准值小的元素,在基准值的左侧找一个比基准值大的元素,
然后交换这两个元素,此时会破坏稳定性,所以快速排序是一种不稳定的算法。