八大排序
1.插入排序
排序原理:
类似于我们手动排序扑克牌的方式,将每个元素插入到已排序部分的正确位置。对于部分有序的数据,插入排序性能较好。
性能分析
时间复杂度:平均情况为O(n^2),
最好情况为O(n),最坏情况也为O(n^2)。对于部分有序的数据,性能较好。
空间复杂度:O(1),只需要常量级的额外空间。
稳定性:稳定。
public static void insertSort(int []arr){
//直接插入排序 最坏n^2 n
for (int i = 1; i < arr.length; i++) {
int tmp=arr[i];
int j = i-1;
for ( ; j >=0; j--) {
if(tmp<arr[j]){
arr[j+1]=arr[j];
}else{
arr[j+1]=tmp;
break;
}
} arr[j+1]=tmp;
}
}
2.希尔排序
排序原理:
是插入排序的一种改进,通过允许非相邻元素的交换来加快排序速度。
使用不同的增量序列进行多次插入排序,直到增量为1时进行一次普通的插入排序。
性能分析
时间复杂度:依赖于增量序列的选择,通常介于O(n)和O(n^2)之间。
空间复杂度:O(1),只需要常量级的额外空间。
稳定性:不稳定。
适用场景:适用于需要较快排序速度且数据规模不是特别大的场景。
public static void shell2Sort(int []arr){
int gap=arr.length;
while(gap>1){
gap/=2;
shell(arr,gap);
}
}
public static void shell(int []arr,int gap) {
for (int i = gap; i < arr.length; i++) {
int tmp = arr[i];
int j = i - gap;
for (; j >= 0; j -= gap) {
if (tmp < arr[j]) {
arr[j + gap] = arr[j];
} else {
arr[j + gap] = tmp;
break;
}
}
arr[j + gap] = tmp;
}
}}
3.选择排序
排序原理:
关键在于每次从未排序部分选择最小(或最大)的元素,然后将其放到已排序部分的末尾。通过减少搜索范围来优化性能。
性能分析
时间复杂度:O(n^2),无论数据情况如何,时间复杂度都是平方级别的。
空间复杂度:O(1),只需要常量级的额外空间。
稳定性:不稳定。
public static void selectSort(int[] array){
for (int i = 0; i <array.length ; i++) {
int minIndex=i;
for (int j = i+1; j < array.length ; j++) {
if(array[j]<minIndex){
minIndex=j;
}
} swap(array, i,minIndex);
}
}
private static void creatHeap(int[] array){
for (int parent =(array.length-1-1)/2 ; parent >=0 ; parent--) {
shiftDown(0,array.length);
}
}
private static void shiftDown(int parent,int length){
int child =2*parent+1;
while (child<length){
if(child+1<length&&array[child]<array[child+1]){
child++;
}
if(array[child]>array[parent ]){
swap(array,child,parent);
parent=child;
child=2*parent+1;
else{
break;
}
}
}
}
4.堆排序
排序原理:
利用堆这种数据结构进行排序。
首先将数组构建成一个最大堆(或最小堆),然后将堆顶元素与末尾元素交换,并重新调整堆结构。
重复这个过程,直到整个数组有序。
性能分析
时间复杂度:O(nlogn),无论数据情况如何,时间复杂度都是对数级别的。
空间复杂度:O(1),只需要常量级的额外空间。
稳定性:不稳定。
// 堆排序
public static void heapSort(int[] array){
creatHeap(array);
int end=array.length-1;
while(end>0){
swap(array,0,end);
shiftDown(0,end);
end--;
}
}
5.冒泡排序
排序原理:
重点在于相邻元素之间的比较和交换。
通过重复遍历数组,每次将最大(或最小)的元素“冒泡”到数组的末尾。
性能分析
时间复杂度:平均和最坏情况为O(n^2),最好情况为O(n)。
空间复杂度:O(1),只需要常量级的额外空间。
稳定性:稳定。
public static void bubbleSort(int[] array){
for (int i = 0; i <array.length ; i++) {
boolean flg=false;
for (int j = 0; j <array.length-i ; j++) {
if(array[j]>array[j+1]){
swap(array,j,j+1);
flg=true;
}
}
if(!flg){
break;
}
}
}
6.快速排序
排序原理:
通过选择一个“基准”元素,将数组分为两部分:小于基准的和大于基准的。
递归地对这两部分进行快速排序,直到整个数组有序。
关键在于选择合适的基准和避免最坏情况的发生。
性能分析
时间复杂度:平均情况为O(nlogn),最坏情况为O(n^2)。通过优化可以避免最坏情况。
空间复杂度:递归实现时空间复杂度为O(logn)至O(n),取决于递归深度。
稳定性:不稳定。
public static void quickSort(int[] array){
quick(array,0,array.length-1);
}
private static void quick(int[] array,int start,int end){
if(start>=end){
return ;
}
int pivot=partition(array,start,end){
quick(array,start,pivot-1);
quick(array,pivot+1,end);
}
private static int partitionHoare(int [] array,int left,int right){
int tmp=array[left];
int i=left;
while(left<right){
if(left<right&&array[right]>=tmp){
right--;
}
if(left<right&&array[left]<=tmp){
left++;
}
swap(array,left,right);
}
swap(array,left,i);
return left;}
7.归并排序
排序原理:
采用分治策略,将数组分成两半,分别对每半进行排序,然后将两个有序数组合并成一个。
合并操作是归并排序的关键,需要确保合并后的数组仍然有序。
性能分析
时间复杂度:O(nlogn),无论数据情况如何,时间复杂度都是对数级别的。
空间复杂度:O(n),需要额外的空间来存储合并过程中的临时数组。
稳定性:稳定。
public static void mergeSortFun(int []array,int start,int end){
if(start>=end){
return ;
}
int mid=(start+end)/2;
mergeSortFun(array,start,mid-1);
mergeSortFun(array,mid+1,end);
merge(array,start,end,mid);
}
private static void merge(int[]array,int mid,int left,int right){
int s1=left;
int e1=mid;
int s2=mid+1;
int e2=right;
int[] tmpArr=new int[right-left+1];
int k=0;
if(s1<=e1&&s2<=e2){
if(array[s1]<array[s2]){
tmpArr[k++]=array[s1++];}
else{tmpArr[k++]=array[s2++];}
}
while(s1<=e1){
tmpArr[k++]=s1++;
}
while(s2<=e2){
tmpArr[k++]=s2++;
}
for (int i = 0; i <tmpArr.length ; i++) {
array[i+left]=tmpArr[i];
}
}
private static void swap(int[] array,int i,int j){
int tmp=array[i];
array[i]=array[j];
array[j]=tmp;
}
8.计数排序
排序原理:
计数排序算法的原理是基于待排序的数列中各个数值的频数(即每个值出现的次数)来进行排序的。它并不是基于比较的排序算法,其核心在于将输入的数据值转化为键存储在额外开辟的数组空间中。作为一种线性时间复杂度的排序,计数排序要求输入的数据必须是有确定范围的整数。
性能分析
时间复杂度:依赖于数据的范围和分布,通常具有较好的性能。
空间复杂度:根据具体算法实现和数据分布,可能需要额外的空间。
稳定性:通常是稳定的排序算法。
适用场景:适用于特定类型的数据,如整数或浮点数,且需要高效排序的场景。
public class CountingSort {
public static void countingSort(int[] arr) {
if (arr == null || arr.length == 0) {
return;
}
// 找出待排序数组中的最大值和最小值
int max = arr[0];
int min = arr[0];
for (int i = 1; i < arr.length; i++) {
if (arr[i] > max) {
max = arr[i];
}
if (arr[i] < min) {
min = arr[i];
}
}
// 初始化计数数组
int[] countArr = new int[max - min + 1];
for (int i = 0; i < arr.length; i++) {
countArr[arr[i] - min]++;
}
// 排序
int index = 0;
for (int i = 0; i < countArr.length; i++) {
while (countArr[i] > 0) {
arr[index++] = i + min;
countArr[i]--;
}
}
}
public static void main(String[] args) {
int[] arr = {4, 2, 2, 8, 3, 3, 1};
countingSort(arr);
for (int i : arr) {
System.out.print(i + " ");
}
}
}