基础排序算法如下:
1 插入类排序,如直接插入,折半插入,希尔排序等。
2 交换类排序,如冒泡排序,快速排序等。
3 选择类排序,如选择排序,堆排序等。
4 归并类排序,如归并排序等。
5 分配类排序,如基数排序等。
基础排序算法一览
排序方法 | 平均情况 | 最好情况 | 最坏情况 | 辅助空间 | 稳定性 |
---|---|---|---|---|---|
直接插入 | O(n2) | O(n) | O(n2) | O(1) | 稳定 |
希尔排序 | O(nlog2n) ~ O(n2) | O(n1.3) | O(n2) | O(1) | 不稳定 |
冒泡排序 | O(n2) | O(n) | O(n2) | O(1) | 稳定 |
快速排序 | O(nlog2n) | O(nlog2n) | O(n2) | O(nlog2n) ~ O(n) | 不稳定 |
简单选择 | O(n2) | O(n2) | O(n2) | O(1) | 不稳定 |
堆排序 | O(nlog2n) | O(nlog2n) | O(nlog2n) | O(1) | 不稳定 |
归并排序 | O(nlog2n) | O(nlog2n) | O(nlog2n) | O(n) | 稳定 |
基数排序 | O(d(n+r)) | O(d(n+r)) | O(d(n+r)) | O(rd)) | 稳定 |
1 插入类排序
所谓插入排序,是指将无序序列中的各元素依次插入到已经有序的线性表中。
直接插入排序
假设线性中前k-1元素已经有序,现在要将线性表中第k个元素插入到前面的有序子表中。空间复杂度O(1),时间复杂度O(
n2
),最好的情况时间复杂度O(n)。
代码如下:
void insertSort(int[] a) {
int j, temp;
for (int i = 1; i < a.length; i++) {
j = i - 1;
temp = a[i];
while (j >= 0 && a[j] > temp) {
a[j + 1] = a[j];
j--;
}
a[j + 1] = temp;
}
}
折半插入排序
折半插入排序,对直接插入排序算法的一种改进,由于前半部分为有序数列,不用按顺序依次寻找插入点,可以采用折半查找的方法来加快寻找插入点的速度。空间复杂度O(1),由于折半仅减少了比较次数,移动次数并没有减少,所以时间复杂度还是O(
n2
)。
代码如下:
void binaryInsertSort(int[] a) {
int temp, first, last, middle;
for (int i = 1; i < a.length; i++) {
first = 0;
last = i - 1;
while (first <= last) {
middle = (first + last) / 2;
if (a[middle] <= a[i])
first = middle + 1;
else
last = middle - 1;
}
if (first != i) {
temp = a[i];
for (int j = i; j > first; j--)
a[j] = a[j - 1];
a[first] = temp;
}
}
}
希尔排序
由于直接插入排序,在排序记录较少时候,效率较高,希尔排序从这点出发进行改进的。
希尔排序,是将整个待排序列分割成若干个子序列,分别进行直接插入排序,待整个序列中的记录基本有序时,再对全体进行一次直接插入排序。时间复杂度比O(
n2
)稍好。这里增量选择从数组一半开始。
代码如下:
void shellSort(int[] a) {
int j, temp;
for (int gap = a.length / 2; gap > 0; gap /= 2) {
for (int i = gap; i < a.length; i++) {
temp = a[i];
j = i - gap;
while (j >= 0 && a[j] > temp) {
a[j + gap] = a[j];
j -= gap;
}
a[j + gap] = temp;
}
}
}
2 交换类排序
交换类排序,是通过一系列的交换元素过程,将线性表中乱序的元素交换为有序的排序方法。
冒泡排序
冒泡排序,重复的访问待排序数列,将临近的数字两两比较,按照大小顺序进行交换,直到没有元素交换发生。冒泡排序在最好的情况下(初始数列是正序),时间复杂度为O(n),平均时间复杂度为O(
n2
)。
代码如下:
void bubbleSort(int[] a) {
boolean flag = true;
int temp = 0;
for (int i = a.length - 1; i > 0; i--) {
flag = true;
for (int j = 0; j < i; j++) {
if (a[j] > a[j + 1]) {
temp = a[j];
a[j] = a[j + 1];
a[j + 1] = temp;
flag = false;
}
}
if (flag)
return;
}
}
快速排序
快速排序,通过一趟排序将待排序的数据分割成两部分,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,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,达到整个序列变成有序。在最坏的情况下(待排序列已有序),时间复杂度为O(
n2
),平均时间复杂度为O(nlogn)。
代码如下:
void quickSort(int[] a, int low, int high) {
if (low >= high) return;
int temp = a[low], first = low, last = high;
while (low < high) {
while (a[high] >= temp && low < high) high--;
a[low] = a[high];
while (a[low] <= temp && low < high) low++;
a[high] = a[low];
}
a[low] = temp;
quickSort(a, first, low - 1);
quickSort(a, low + 1, last);
}
3 选择类排序
选择排序,每一趟在n-i(i=0,1,…n-2)个记录中选择最大的记录作为有序序列的第n-i记录。
选择排序
选择排序,第i趟选择排序是指通过n-i次关键字的比较,从n-i个记录中选出关键字最大的记录,并和第n-i个记录进行交换。共需进行n-1趟比较,直到所有记录排序完成为止。时间复杂度为O(
n2
)。
代码如下:
void selectSort(int[] a) {
int n = a.length - 1;
int max;
int loc = -1;
for (int i = 0; i < n; i++) {
max = Integer.MIN_VALUE;
for (int j = 0; j < n - i; j++) {
if (a[j] > max) {
max = a[j];
loc = j;
}
}
a[loc] = a[n - i];
a[n - i] = max;
}
}
堆排序
堆排序,是树形选择排序方法。在排序中,将待排序列看作完全二叉树的顺序存储结构,利用完全二叉树中双亲结点和孩子结点的关系,在序列中选择最大或者最小的元素。时间复杂度为O(nlogn)。
堆:n个记录的序列L[1…n]称为堆,当且仅当该序列满足下面两个条件任意一个。(1 ≤ i ≤ ⌊n2⌋ )
1. L[i] ≤ L[2i] && L[i] ≤ L[2i+1] (小堆)
2. L[i] ≥ L[2i] && L[i] ≥ L[2i+1] (大堆)
以大堆为例,代码如下:
//重复堆调整,按大小输出记录
void heapSort(int[] a) {
buildMaxHeap(a, a.length);
for (int i = 0; i < a.length; i++) {
System.out.println(a[0]);
a[0] = a[a.length - i - 1];
adjustDown(a,0,a.length - i - 1);
}
}
//创建一个大堆
void buildMaxHeap(int[] a, int len) {
for (int i = len / 2 - 1; i >= 0; i--) {
adjustDown(a, i, len);
}
}
//调整堆
void adjustDown(int[] a, int k, int len) {
int temp = a[k];
int i = 2 * k + 1;
while (i < len) {
if (i + 1 < len && a[i] < a[i + 1]) i++;
if (temp >= a[i]) break;
else {
a[k] = a[i];
k = i;
}
i = 2 * i + 1;
}
a[k] = temp;
}
4 归并类排序
归并类排序,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(Divide and Conquer)的典型应用。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。
归并排序
归并排序,将待排序序列L[0…n-1]看成是n个长度为1的有序序列,两两归并,得到
⌈n2⌉
个长度为2或者1的有序表;再两两归并,如此反复进行下去,最后得到一个长度为n的有序序列,这称为二路归并排序。空间复杂度为O(n),每一趟时间复杂度为O(n),共logn趟,所以时间复杂度为O(nlogn)。
代码如下:
//递归实现
void mergeSort(int[] a, int low, int high) {
if (low < high) {
int mid = (low + high) / 2;
mergeSort(a, low, mid);
mergeSort(a, mid + 1, high);
merge(a, low, mid, high);
}
}
//非递归实现
void mergeSort(int[] a) {
int len = a.length;
int gap = 1;
int low, mid, high;
while (gap < len) {
low = 0;
while (low + gap <= len - 1) {
mid = low + gap - 1;
high = mid + gap;
if (high > len - 1)
high = len - 1;
merge(a, low, mid, high);
low = high + 1;
}
gap *= 2;
}
}
void merge(int[] a, int low, int mid, int high) {
int[] b = new int[a.length];
for (int i = low; i <= high; i++) {
b[i] = a[i];
}
int i = low, j = mid + 1, k = low;
for (; i <= mid && j <= high; k++) {
if (b[i] <= b[j])
a[k] = b[i++];
else
a[k] = b[j++];
}
while (i <= mid) a[k++] = b[i++];
while (j <= high) a[k++] = b[j++];
}
5 分配类排序
分配排序,排序过程无须比较关键字,而是通过用额外的空间来”分配”和”收集”来实现排序,它们的时间复杂度可达到线性O(n)。
基数排序
以r为基数的最低位优先排序过程:假设待排序列L[0…n-1],每个记录L[i]由d元组(
kd−1i
,
kd−2i
,…,
k0i
)组成,其中
c0
≤
kji
≤
cr−1
(0
≤
i
<
<script type="math/tex" id="MathJax-Element-58"><</script>n,0
≤
j
<
<script type="math/tex" id="MathJax-Element-60"><</script>d)。在排序过程中需要利用r个数组。
关键字为数字时,r=10, 0
≤
cj
≤
9,0
≤
j
<
<script type="math/tex" id="MathJax-Element-65"><</script>d;
关键字为字母时,r=26, ’A’
≤
cj
≤
’Z’,0
≤
j
<
<script type="math/tex" id="MathJax-Element-70"><</script>d。
排序过程如下:
对 j=0,…,d-1,依次做一次”分配”和”收集”。
分配:开始时,先把r个数组置为空,然后依次考察L中每个L[i],如果L[i]的记录 kji =k,就把L[i]放入第k个数组中。
收集:把r个数组中的记录依次取出来,组成一个新的序列。
基数排序,需要r个数组,空间复杂度为O(r)。进行了d趟分配和收集,一趟分配需要O(n),一趟收集需要O(r),所以时间复杂度为O(d(n+r))。
代码如下:
void radixSort(int[] a, int d) {
int[][] array = new int[10][a.length];
for (int i = 0; i < 10; i++) {
array[i][0] = 0;
}
//d为代表d元组
for (int i = 0; i < d; i++) {
for (int j = 0; j < a.length; j++) {//分配过程
// 取第i位数
int data = (int) (a[j] / (Math.pow(10, i) == 0 ? 1 : Math.pow(10, i))) % 10;
int index = ++array[data][0];
array[data][index] = a[j];
}
for (int t = 0, j = 0; t < 10; t++) {//收集过程
for (int k = 1; k <= array[t][0]; k++)
a[j++] = array[t][k];
array[t][0] = 0;
}
}
}