1.桶排序
/**
* 桶排序
* 原理:假设输入数据服从均匀分布将数据分到有限数量的桶里,然后再对每个桶分别排序,最后把全部桶的数据合并。
* 时间复杂度:最好情况接近O(n),最坏情况接近O(nlogn)
* 空间复杂度:O(n+m),m为桶的数量
* 稳定性:取决于桶内使用的排序方法
* 特征:非比较排序,不涉及元素之间的比较操作。较适合用在外部排序
*
* PS:外部排序是指数据存储在外部磁盘中,数据量比较大,内存有限,无法将数据全部加载到内存中。
*/
import java.util.ArrayList;
import java.util.Arrays;
/**
* 桶排序
* 原理:假设输入数据服从均匀分布将数据分到有限数量的桶里,然后再对每个桶分别排序,最后把全部桶的数据合并。
* 时间复杂度:最好情况接近O(n),最坏情况接近O(nlogn)
* 空间复杂度:O(n+m),m为桶的数量
* 稳定性:取决于桶内使用的排序方法
* 特征:非比较排序,不涉及元素之间的比较操作。较适合用在外部排序
*
* PS:外部排序是指数据存储在外部磁盘中,数据量比较大,内存有限,无法将数据全部加载到内存中。
*/
public class 桶排序 {
public static void main(String[] args) {
int[] arr = {75, 30, 65, 22, 25, 9, 37, 21, 6, 86, 66, 83, 10, 42, 76, 87, 1, 63, 84, 5};
bucketSort(arr);
System.out.println(Arrays.toString(arr));
}
public static void bucketSort(int[] arr) {
//确定桶的数量
int max = arr[0];
int min = arr[0];
for (int i : arr) {
if (i > max) {
max = i;
}
if (i < min) {
min = i;
}
}
ArrayList<ArrayList<Integer>> bucket = new ArrayList<>();
int count = (max - min) / arr.length + 1;//桶的个数
//将桶初始化
for (int i = 0; i < count; i++) {
bucket.add(new ArrayList<>());
}
//把元素放入对应的桶中
for (int i : arr) {
bucket.get((i - min) / arr.length).add(i);
//这一步是先根据元素的数值算出对应的桶,再把元素加入到桶中
}
//把每个桶进行排序,可以采用任意一种排序方法,这里用冒泡排序的方法
for (int i = 0; i < count; i++) {
bubbleSort3(bucket.get(i));
}
//遍历每个桶的每个数据,并存放到数组中
int x = 0;
for (ArrayList<Integer> array : bucket) {
for (Integer i : array) {
arr[x] = i;
x++;
}
}
}
//桶内冒泡排序:从后往前比并加判断
public static void bubbleSort3(ArrayList<Integer> arr) {
//一共要比arr.length-1趟
for (int n = 0; n < arr.size() - 1; n++) {
//从后往前比,小的往前放,每趟比完了以后,最小的到了前面
//每趟从最后开始比,到n
boolean flag = false;//假设没有发生交换
for (int x = arr.size() - 2; x >= n; x--) {
if (arr.get(x) > arr.get(x + 1)) {
swap(arr, x, x + 1);
flag = true;//发生交换就修改标记
}
}
if (!flag) {
//如果没有发生交换,可以退出循环
break;
}
}
}
public static void swap(ArrayList<Integer> arr, int x, int y) {
int temp = arr.get(x);
arr.set(x, arr.get(y));
arr.set(y, temp);
}
}
2.计数排序
/**
* 计数排序
* 时间复杂度:O(n+k) = O(n),本来为k为待排序数组的取值范围
* 空间复杂度:O(n+k) = O(n)
* 稳定性:从后往前填回去,是稳定的
* 特点:需要排序的元素是整数,排序元素的取值要在一定范围内并且比较集中。例如高考分数统计。
*/
import java.util.Arrays;
/**
* 计数排序
* 时间复杂度:O(n+k) = O(n),本来为k为待排序数组的取值范围
* 空间复杂度:O(n+k) = O(n)
* 稳定性:从后往前填回去,是稳定的
* 特点:需要排序的元素是整数,排序元素的取值要在一定范围内并且比较集中。例如高考分数统计。
*/
public class 计数排序 {
public static void main(String[] args) {
int arr[] = {2, 3, 8, 7, 1, 2, 2, 2, 7, 3, 9, 8, 2, 1, 4, 2, 4, 6, 9, 2};
// countSort(arr, 9);
countSort2(arr,9,1);
System.out.println(Arrays.toString(arr));
}
public static void countSort(int[] arr, int max) {
int[] temp = new int[max + 1];
//初始化一个临时数组,临时数组的下标代表的是原数组的值,临时数组中的值表示原数组中元素的个数
for (int i = 0; i < arr.length; i++) {
temp[arr[i]]++;//统计每个元素的个数
}
//把临时数组填回去:从后往前填,稳定
int index = arr.length - 1;
for (int i = max; i >= 0; i--) {//遍历temp[]数组
for (int j = temp[i] - 1; j >= 0; j--) {
arr[index] = i;
index--;
}
}
}
public static void countSort2(int[] arr, int max, int min) {
int[] temp = new int[max - min + 1];
for (int i = 0; i < arr.length; i++) {
temp[arr[i] - min]++;//统计每个元素的个数
}
//把临时数组填回去:从后往前填,稳定
int index = arr.length - 1;
for (int i = max - min; i >= 0; i--) {
for (int j = temp[i] - 1; j >= 0; j--) {
arr[index] = i + min;
index--;
}
}
}
}
3.基数排序
/**
* 基数排序
* 时间复杂度:O(k*n) = O(n),k为最大数的位数
* 空间复杂度:O(n+k),k为最大数的位数
* 稳定性:稳定
* 特点:适用于位数不多,每一位数的范围不大的情况。因为每次排序时间复杂度O(n),如果有k位,则时间复杂度为O(k*n),
*/
代码实现的思想:每个桶计数
import java.util.Arrays;
import java.util.Random;
/**
* 基数排序
* 时间复杂度:O(k*n) = O(n),k为最大数的位数
* 空间复杂度:O(n+k),k为最大数的位数
* 稳定性:稳定
* 特点:适用于位数不多,每一位数的范围不大的情况。因为每次排序时间复杂度O(n),如果有k位,则时间复杂度为O(k*n),
*/
public class 基数排序 {
public static void main(String[] args) {
//创建由20个随机数组成的数组
Random r = new Random();
int[] arr = new int[10];
int n = 0;
for (int i = 0; i < 10; i++) {
arr[n] = r.nextInt(1000);
n++;
}
System.out.println(Arrays.toString(arr));
radixSort(arr);
System.out.println(Arrays.toString(arr));
}
public static void radixSort(int[] arr) {
//获取数组中的最大值,用于确定要进行几轮排序
int max = arr[0];
for (int i : arr) {
if (i > max) {
max = i;
}
}
int exp;//排序指数,按个位排序iexp=1,按十位排序iexp=10,按百位排序iexp=100
for (exp = 1; max / exp > 0; exp *= 10) {
//从个位开始进行多轮排序,共需要几轮排序取决于最大值的位数
radix(arr, exp);
}
}
//把数组按照排序指数排序
public static void radix(int[] arr, int exp) {
int[] temp = new int[arr.length];//用于存放排序结果的临时数组
int[] bucket = new int[10];//初始化10个桶,数组里面存放的是每个桶中元素的个数
//每个桶计数
/*
bucket[0]表示个位为0的元素的个数
bucket[1]表示个位为1的元素的个数
...
bucket[9]表示个位为9的元素的个数
*/
for (int i : arr) {
bucket[(i / exp) % 10]++;
}
//调整每个桶的计数(累加)
//此时每个桶的计数的值-1,就是排序后该桶中的元素在temp数组中位置的下标
/*
bucket[0]表示个位为0的元素的个数
bucket[1]表示个位为0或1的元素的个数
bucket[2]表示个位为0或1或2的元素的个数
...
bucket[9]表示个位为0或1或2或...或9的元素的个数,也就是所有元素的个数
*/
for (int i = 1; i < 10; i++) {
bucket[i] = bucket[i] + bucket[i - 1];
}
//将arr中的元素填充到临时数组中
//从后往前遍历是为了保证排序的稳定性,即应先进先出,后进后出。
//因为同一个桶中可能由多个元素,后面的元素先遍历到,遍历到以后对应的桶的计数-1,
//所以这个桶中靠前的元素的下标就比上一个元素小
for (int i = arr.length - 1; i >= 0; i--) {
int iexp = (arr[i] / exp) % 10;//计算出这个元素在哪个桶
temp[bucket[iexp] - 1] = arr[i];//这个桶的值-1,就是元素在temp中位置的下标
bucket[iexp]--;//每往temp中放一个元素,桶的计数要-1
}
//将临时数组拷贝到arr中
for (int i = 0; i < temp.length; i++) {
arr[i] = temp[i];
}
}
}