文章目录
一、算法的一些概念
1.排序算法分类
排序也称排序算法(Sort Algorithm),排序是将一组数据,依指定的顺序进行排列的过程。
其可以分为两大类:
-
内部排序: 指将需要处理的所有数据都加载到内部存储器(内存)中进行排序。
-
外部排序法: 数据量过大,无法全部加载到内存中,需要借助外部存储(文件等)进行排序。
2.算法的时间复杂度
2.2.1度量一个程序(算法)执行时间的两种方法
- 运行后统计的方法 这种方法可行, 但是有两个问题:
一是要想对设计的算法的运行性能进行评测,需要实际运行该程序;
二是所 得时间的统计量依赖于计算机的硬件、软件等环境因素, 这种方式,要在同一台计算机的相同状态下运行,才能比较那个算法速度更快。
- 运行前估算的方法 通过分析某个算法的时间复杂度来判断哪个算法更优.
2.2.2时间频度
一个算法中的语句执行次数称为语句频度或时间频度。记为 T(n)。
一个算法花费的时间与算法中语句的执行次数成正比例,哪个算法中语句执行次数多,它花费时间就多。
2.3.3时间复杂度
- 一般情况下,算法中的基本操作语句的重复执行次数是问题规模 n 的某个函数,用 T(n)表示。**若有某个辅助函数 f(n),使得当 n 趋近于无穷大时,T(n) / f(n) 的极限值为不等于零的常数,**则称 f(n)是 T(n)的同数量级函数。 记作 T(n)=O( f(n) ),称O( f(n) ) 为算法的渐进时间复杂度,简称时间复杂度。
- T(n) 不同,但时间复杂度可能相同。 如:T(n)=n²+7n+6 与 T(n)=3n²+2n+2 它们的 T(n) 不同,但时间复杂度相同,都为 O(n²)。
- 计算时间复杂度的方法:
- 用常数 1 代替运行时间中的所有加法常数 : T(n)=n²+7n+6 => T(n)=n²+7n+1
- 修改后的运行次数函数中,只保留最高阶项 :T(n)=n²+7n+1 => T(n) = n²
- 去除最高阶项的系数 :T(n) = n² => T(n)= n² =>On²)
2.3.4常见的时间复杂度
- 常数阶 O(1)
- 对数阶 O(log2n)
- 线性阶 O(n)
- 线性对数阶 O(nlog2n)
- 平方阶 O(n^2)
- 立方阶 O(n^3)
- k 次方阶 O(n^k)
- 指数阶 O(2^n)
说明:
- 常见的算法时间复杂度由小到大依次为:
Ο(1)<Ο(log2n)<Ο(n)<Ο(nlog2n)<O(n^2) <O(n^3) < O(n^k) < O(2^n) ,
随着问题规模 n 的不断增大,上述时间复杂度不断增大,算法的执行效率越低
- 从图中可见,我们应该尽可能避免使用指数阶的算法
2.3.5平均时间复杂度和最坏时间复杂度
-
平均时间复杂度是指所有可能的输入实例均以等概率出现的情况下,该算法的运行时间。
-
最坏情况下的时间复杂度称最坏时间复杂度。一**般讨论的时间复杂度均是最坏情况下的时间复杂度。**这样做的 原因是:最坏情况下的时间复杂度是算法在任何输入实例上运行时间的界限,这就保证了算法的运行时间不会 比最坏情况更长。
-
平均时间复杂度和最坏时间复杂度是否一致,和算法有关(如图:)
相关术语:
-
稳定:如果 a 原本在 b 前面,而 a=b,排序之后 a 仍然在 b 的前面;
-
不稳定:如果 a 原本在 b 的前面,而 a=b,排序之后 a 可能会出现在 b 的后面;
-
内排序:所有排序操作都在内存中完成;
-
外排序:由于数据太大,因此把数据放在磁盘中,而排序通过磁盘和内存的数据传输才能进行;
-
时间复杂度: 一个算法执行所耗费的时间。
-
空间复杂度:运行完一个程序所需内存的大小。
-
n: 数据规模
-
k: “桶”的个数
-
In-place: 不占用额外内存 10) Out-place: 占用额外内存
3.算法的空间复杂度
-
类似于时间复杂度的讨论,一个算法的空间复杂度(Space Complexity)定义为该算法所耗费的存储空间,它也是 问题规模 n 的函数。
-
空间复杂度(Space Complexity)是**对一个算法在运行过程中临时占用存储空间大小的量度。**有的算法需要占用的 临时工作单元数与解决问题的规模 n 有关,它随着 n 的增大而增大,当 n 较大时,将占用较多的存储单元,例如快速排序和归并排序算法, 基数排序就属于这种情况
-
在做算法分析时,主要讨论的是时间复杂度。从用户使用体验上看,更看重的程序执行的速度。一些缓存产品 (redis, memcache)和算法(基数排序)本质就是用空间换时间。
二、八种排序算法[Java代码]
1.冒泡排序
package com.ahcfl._06sort;
import java.time.LocalDateTime;
import java.util.Arrays;
/**
* @Author: ahcfl
* @Description: 冒泡排序 - 渐进时间复杂度(时间复杂度)O(n^2)
* 通过对待排序序列从前向后(从下标较小的元素开始),
* 依次比较相邻元素的值,若发现逆序则交换,使值较大的元素逐渐从前移向后部。
* 就象水底下的气泡一样逐渐向上冒。
*
* 优化:
* 因为排序的过程中,各元素不断接近自己的位置,如果一趟比较下来没有进行过交换,就说明序列有序,
* 因此要在排序过程中设置一个标志 flag 判断元素是否进行过交换。从而减少不必要的比较。
*/
public class BubbleSort {
public static void main(String[] args) {
//int[] array = {2, -3, 1, 8, 10, -1}; // 执行5次
//-3, 1, 2, 8, -1, 10
// -3 1 2 -1 8 10
// -3 1 -1 2 8 10
// -3 -1 1 2 8 10
// -3 -1 1 2 8 10
/*加flag 标志位优化 一次循环比较不产生交换 说明已经排序完毕
* 没必要再执行不必要的比较
* */
//int[] array = {2, -3, 1, 8, 10, -1}; // 执行4次
//int[] array = {1, 2, 3, 4, 5, 6}; // 执行1次
/*测试8w条数据排序时间*/
int[] array = new int[80000];
for (int i = 0; i < 80000; i++) {
array[i] = (int) (Math.random() * 80000);
}
System.out.println("排序前:" + LocalDateTime.now().toString());
bubbleSort(array); // 20s左右
System.out.print("排序后:" + LocalDateTime.now().toString());
}
private static void bubbleSort(int[] array) {
int count = 0;
int temp = 0; // 中间变量
boolean flag = false; // 交换标志位
for (int j = 0; j < array.length - 1; j++) {
for (int i = 0; i < array.length - 1 - j; i++) {
if (array[i] > array[i + 1]) {
flag = true; // 产生了交换
temp = array[i];
array[i] = array[i + 1];
array[i + 1] = temp;
}
}
count++;
//System.out.println(j + "--> array = " + Arrays.toString(array));
if (!flag) { // flag不变 退出
break;
} else {
flag = false; // 每次循环
}
}
System.out.println("count = " + count);
}
}
2.选择排序
package com.ahcfl._06sort;
import java.time.LocalDateTime;
import java.util.Arrays;
/**
* @Author: ahcfl
* @Description: 选择排序 (时间复杂度)O(n^2)
* 从排序的数据中,按指定的规则选出(选最小值或最大值)某一元素,再依规定交换位置
* 第一次从 arr[0]~arr[n-1]中选取最小值,与 arr[0]交换,
* 第二次从 arr[1]~arr[n-1]中选取最小值,与 arr[1]交换,
* 第三次从 arr[2]~arr[n-1]中选取最小值,与 arr[2]交换,…,
* 第 i 次从 arr[i-1]~arr[n-1]中选取最小值,与 arr[i-1]交换,…,
* 第 n-1 次从 arr[n-2]~arr[n-1]中选取最小值,与 arr[n-2]交换,
* 总共通过 n-1 次,得到一个按排序码从小到大排列的有序序列
*/
public class SelectSort {
public static void main(String[] args) {
//int[] array = {2, -3, 1, 8, 10, -5};
/*int minIndex = 0; // 初始最小索引
int minVal = array[0]; // 假定最小值
for (int j = 1; j < array.length - 1; j++) {
if (minVal > array[j]) {
minVal = array[j]; // 发现比假定值小的交换
minIndex = j; // 这里的j 表示最小值的索引
}
}
array[minIndex] = array[0]; // 0索引位置值与最小值交换
array[0] = minVal; // 把一次循环比较后的最小值放到0索引位
System.out.println("array = " + Arrays.toString(array));*/
// 测试8w条数据排序时间
int[] array = new int[80000];
for (int i = 0; i < 80000; i++) {
array[i] = (int) (Math.random() * 80000);
}
System.out.println("排序前:" + LocalDateTime.now().toString());
selectSort(array); // 3s
System.out.println("排序后:" + LocalDateTime.now().toString());
}
private static void selectSort(int[] array) {
for (int i = 0; i < array.length; i++) {
int minIndex = i; // 初始最小索引
int minVal = array[i]; // 假定最小值
for (int j = 1 + i; j < array.length; j++) {
if (minVal > array[j]) {
minVal = array[j]; // 发现比假定值小的交换
minIndex = j; // 这里的j 表示最小值的索引
}
}
if (minIndex != i) {
array[minIndex] = array[i]; // 0索引位置值与最小值交换
array[i] = minVal; // 把一次循环比较后的最小值放到0索引位
}
//System.out.println(i + "--> array = " + Arrays.toString(array));
}
}
}
3.插入排序
package com.ahcfl._06sort;
import java.time.LocalDateTime;
import java.util.Arrays;
/**
* @Author: ahcfl
* @Date: 2021年08月14日 14:16
* @Description: 插入排序 时间复杂度 O(n^2)
* 把 n 个待排序的元素 【看成为一个有序表和一个无序表】,
* 开始时有序表中只包含一个元素,无序表中包含有 n-1 个元素,
* 排序过程中每次从无序表中取出第一个元素,【把它的排序码依次与有序表元素的排序码进行比较】,
* 将它插入到有序表中的适当位置,使之成为新的有序表。
*/
public class InsertSort {
public static void main(String[] args) {
//int[] array = {2, -3, 8, 1, 10, -5}; // 升序排列
/*// 插入第一个数
int insertVal = array[1]; // 存放待插入值
int insertIndex = 1 - 1; // 存放最终插入值前一个值索引
// 索引>=0退出 防止索引越界
// insertVal < array[insertIndex] 待插入的数还没倒找插入位置
while (insertIndex >= 0 && insertVal < array[insertIndex]) {
array[insertIndex + 1] = array[insertIndex];
insertIndex--;
}
array[insertIndex+1] = insertVal;
System.out.println("array = " + Arrays.toString(array));*/
// 测试8w条数据排序时间
int[] array = new int[80000];
for (int i = 0; i < 80000; i++) {
array[i] = (int) (Math.random() * 80000);
}
System.out.println("排序前:" + LocalDateTime.now().toString());
insertSort(array); // 1s
System.out.println("排序后:" + LocalDateTime.now().toString());
}
private static void insertSort(int[] array) {
int insertVal = 0; // 存放待插入值
int insertIndex = 0; // 存放最终插入值前一个值索引
for (int i = 1; i < array.length; i++) {
insertVal = array[i];
insertIndex = i - 1;
// 索引>=0退出 防止索引越界
// insertVal < array[insertIndex] 待插入的数还没倒找插入位置 进入循环
while (insertIndex >= 0 && insertVal < array[insertIndex]) {
array[insertIndex + 1] = array[insertIndex]; // 比待插入值大的前移
insertIndex--; // 再找前一个值 进行 判断&&比较 直到索引为0退出
}
if (insertIndex + 1 != i) {
array[insertIndex + 1] = insertVal;
}
//System.out.println(i + "--> array = " + Arrays.toString(array));
}
}
}
4.希尔排序
package com.ahcfl._06sort;
import java.time.LocalDateTime;
import java.util.Arrays;
/**
* @Author: ahcfl
* @Date: 2021年08月14日 15:35
* @Description: 希尔排序 时间复杂度O(nlogn) 分组并进行插入排序 缩小增量排序(缩小分组的增量)
* 希尔排序是希尔(Donald Shell)于 1959 年提出的一种排序算法。
* 希尔排序也是一种插入排序,它是简单插入排序经过改进之后的一个更高效的版本,也称为缩小增量排序。
*
* 希尔排序是把记录按下标的一定增量分组,对每组使用直接插入排序算法排序;随着增量逐渐减少,每组包含
* 的关键词越来越多,当增量减至 1 时,整个文件恰被分成一组,算法便终止。
*/
public class ShellSort {
public static void main(String[] args) {
//int[] array = {8, 9, 2, 7, 3, 4, 1, 5, 6, 0};
//shellMind(array);
// 测试8w条数据排序时间
int[] array = new int[80000];
for (int i = 0; i < 80000; i++) {
array[i] = (int) (Math.random() * 80000);
}
System.out.println("排序前:" + LocalDateTime.now().toString());
//swapShellSort(array); // 插入时采用交换法 6s
gressionShellSort(array); // 插入时采用移位法 40ms
System.out.println("排序后:" + LocalDateTime.now().toString());
}
private static void swapShellSort(int[] array) {
int temp = 0;
for (int gap = array.length / 2; gap > 0; gap /= 2) {
for (int i = gap; i < array.length; i++) {
// 遍历各组中所有的元素 gap组, 每组元素的步长gap
for (int j = i - gap; j >= 0; j -= gap) {
// 如果当前元素 > 加上步长元素 交换(大的值向后移动)
if (array[j] > array[j + gap]) {
temp = array[j];
array[j] = array[j + gap];
array[j + gap] = temp;
}
}
}
//System.out.println(gap + "--> array = " + Arrays.toString(array));
}
}
private static void gressionShellSort(int[] array) {
for (int gap = array.length / 2; gap > 0; gap /= 2) {
for (int i = gap; i < array.length; i++) {
// 遍历各组中所有的元素 gap组, 每组元素的步长gap
int j = i;
int temp = array[i]; //待插入的值
if (array[j] < array[j - gap]) { // 待插入值如果小于前面步长值 进行插入,反之,进行下一个
while (j - gap >= 0 && temp < array[j - gap]) { // 循环确定最终插入位置
array[j] = array[j - gap];
j -= gap;
}
// 当索引小于0退出, 或者temp大于前面的值退出
if (j != i) {
array[j] = temp; // 插入数值
}
}
}
//System.out.println(gap + "--> array = " + Arrays.toString(array));
}
}
private static void shellMind(int[] array) {
// 交换
int temp = 0;
for (int i = 5; i < array.length; i++) {
for (int j = i - 5; j >= 0; j -= 5) {
if (array[j] > array[j + 5]) {
temp = array[j];
array[j] = array[j + 5];
array[j + 5] = temp;
}
}
}
System.out.println("array = " + Arrays.toString(array));
for (int i = 2; i < array.length; i++) {
for (int j = i - 2; j >= 0; j -= 2) {
if (array[j] > array[j + 2]) {
temp = array[j];
array[j] = array[j + 2];
array[j + 2] = temp;
}
}
}
System.out.println("array = " + Arrays.toString(array));
for (int i = 1; i < array.length; i++) {
for (int j = i - 1; j >= 0; j -= 1) {
if (array[j] > array[j + 1]) {
temp = array[j];
array[j] = array[j + 1];
array[j + 1] = temp;
}
}
}
System.out.println("array = " + Arrays.toString(array));
}
}
5.快速排序
package com.ahcfl._06sort;
import java.time.LocalDateTime;
import java.util.Arrays;
/**
* @Author: ahcfl
* @Description: 快速排序 时间复杂度 O(nlogn) 【冒泡排序的一种改进】
* 通过第一次排序将要排序的数据【分割成独立的两部分】, (排序采用交换数值的方式)
* 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。
*/
public class QuickSort {
public static void main(String[] args) {
//int[] arr = {-9, 78, 0, 23, -567, 70};
// 一、pivot = arr[(left + right) / 2] 以0为中值
// -9, -567, 0, 23, 78, 70
// 当前 l<r : 1 < 4
// arr[l]=0 arr[r]=0
// 交换 没变化
// arr[l] == pivot r-- ,arr[r] == pivot l++
// 当前 l<r: 3<1 不满足 退出 第一轮快速排序分割两部分结束
// 二、向左递归 left < r 0<1满足
// -9, -567 ---> pivot=arr[(left + right) / 2] =arr[(0+1)/2]=arr[0]=-9
// 进行循环判断当前 arr[l]=-9 arr[r]=-567 两值交换
// -9, -567, 0, 23, 78, 70
// 当前 l=0 ,r=0, l == r 需要l++,r--,
// 继续判断 left < r 0<-1 不满足 向左递归结束
// 【注意:左递归结束这里是回溯到之前进入左递归的时候,l=3时】
// 三、向右递归 right > l 5>3满足
// 23, 78, 70 ---> pivot = arr[(left + right) / 2] =arr[(3+5)/2]=arr[4]=78
// 进行循环判断当前 arr[l]=78, arr[r]=70 两值交换
// -567, -9, 0, 23, 70, 78
// arr[l] == pivot l =5 r = 3
// 退出循环
// left < r 3<3不满足
// right > l 3>5不满足
// 回溯到原来的调用栈 顺序执行,程序结束,排序完成
// 测试8w条数据排序时间 40ms 毫秒级
int[] arr = new int[80000];
for (int i = 0; i < 80000; i++) {
arr[i] = (int) (Math.random() * 80000);
}
System.out.println("排序前:" + LocalDateTime.now().toString());
quickSort(arr, 0, arr.length - 1);
System.out.println("排序后:" + LocalDateTime.now().toString());
}
private static void quickSort(int[] arr, int left, int right) {
int l = left; // 左下标
int r = right; // 右下标
int pivot = arr[(left + right) / 2]; // 中轴值
int temp = 0; // 临时变量
// 1.循环把比 pivot 小的值--> 左,大的值--> 右
while (l < r) {
// 循环找到大于中值的值 才退出
while (arr[l] < pivot) {
l += 1;
}
// 循环找到小于中值的值 才退出
while (arr[r] > pivot) {
r -= 1;
}
// 当 l >= r 左右分割结束
if (l >= r) {
break;
}
// 循环找到的 右边大的 与 左边小的值 交换
temp = arr[l];
arr[l] = arr[r];
arr[r] = temp;
// 交换后 当 arr[l] == pivot, 则 r--
if (arr[l] == pivot) {
r -= 1;
}
// 交换后 当 arr[r] == pivot, 则 l++
if (arr[r] == pivot) {
l += 1;
}
//System.out.println("--> arr = " + Arrays.toString(arr));
}
// 2.当 l==r 时,需要l++,r--, 否则会无线递归调用 --> 出现栈溢出
if (l == r) {
l += 1;
r -= 1;
}
// 3.向左递归
if (left < r) {
quickSort(arr, left, r);
}
// 向右递归
if (right > l) {
quickSort(arr, l, right);
}
}
}
6.归并排序
package com.ahcfl._06sort;
import java.time.LocalDateTime;
import java.util.Arrays;
/**
* @Author: ahcfl
* @Date: 2021年08月16日 15:03
* @Description: 归并排序 时间复杂度O(nlogn) 分而治之
* 该算法采用经典的分治策略(divide-and-conquer)
* 分(divide)将问题分成一些小的问题然后递归求解,
* 治(conquer)将分的问题得到的各答案"修补"在一起。
* 注意:以空间换时间 int[] temp,治(conquer)的时候用temp额外空间存储排序好的数值
*/
public class MergeSort {
public static void main(String[] args) {
int[] arr = {8, 4, 5, 7, 1, 3, 6, 2};
// 治(conquer)的时候 需要一个额外空间存储排序数值
int[] temp = new int[arr.length];
mergeSort(arr, 0, arr.length - 1, temp);
// 测试8w条数据排序时间 20ms 毫秒级
/*int[] arr = new int[80000];
int[] temp = new int[arr.length];
for (int i = 0; i < 80000; i++) {
arr[i] = (int) (Math.random() * 80000);
}
System.out.println("排序前:" + LocalDateTime.now().toString());
mergeSort(arr, 0, arr.length - 1, temp);
System.out.println("排序后:" + LocalDateTime.now().toString());*/
}
/**
* @Description: 分离与合并
**/
public static void mergeSort(int[] arr, int left, int right, int[] temp) {
if (left < right) {
//找到中间分离索引
int mid = (left + right) / 2;
//向左递归进行分解--》不满足判断条件时--》一一回溯 --》顺序执行 合并
mergeSort(arr, left, mid, temp);
//向右递归进行分解--》不满足判断条件时--》一一回溯 --》顺序执行 合并
mergeSort(arr, mid + 1, right, temp);
//合并
merge(arr, left, mid, right, temp);
}
}
/**
* @param arr 排序的原始数组
* @param left 左边有序序列的初始索引
* @param mid 中间索引
* @param right 右边索引
* @param temp 中转的数组
* @Description: 合并
*/
public static void merge(int[] arr, int left, int mid, int right, int[] temp) {
System.out.println("-----治(conquer)-----");
int i = left; // 左边有序序列初始索引
int j = mid + 1; // 右边有序序列初始索引
int t = 0; // 指向temp数值的当前索引
// 1.分离后的左右两边数组都从初始索引开始比较
while (i <= mid && j <= right) {
// 1.1 对比同等阶上索引的值 --> 谁的值小,谁先放在 temp数组的最左变
// 假如左边数组的较小,赋值完毕,左边的索引+1,temp数组索引+1,
// 空出一个位,保存下一次左边值与右边上次值比较得出的较小值。 反之,同理。
if (arr[i] <= arr[j]) {
temp[t] = arr[i];
t += 1;
i += 1;
} else {
temp[t] = arr[j];
t += 1;
j += 1;
}
}
// 2.上面循环执行结束后 仍有(左/右)数组有剩余的数值 依次保存到temp数组
// 2.1 左边数组剩余值
while (i <= mid) {
temp[t] = arr[i];
t += 1;
i += 1;
}
// 2.1 右边数组剩余值
while (j <= right) {
temp[t] = arr[j];
t += 1;
j += 1;
}
//3. 将temp数组中的元素 copy到原来的arr
t = 0;
int tempLeft = left; //合并
// tempLeft=0,right=1 tempLeft=2,right=3 || tempLeft=4,right=5 tempLeft=6,right=7
// tempLeft=0,right=3 || tempLeft=4,right=7
// tempLeft=0,right=7
System.out.println("tempLeft = " + tempLeft + ",right = " + right);
while (tempLeft <= right) {
arr[tempLeft] = temp[t];
t += 1;
tempLeft += 1;
}
// 打印分治步骤
//System.out.println("temp = " + Arrays.toString(temp));
//System.out.println("---> arr = " + Arrays.toString(arr));
}
}
7.基数排序
package com.ahcfl._06sort;
import java.time.LocalDateTime;
import java.util.Arrays;
/**
* @Author: ahcfl
* @Date: 2021年08月16日 17:30
* @Description: 基数排序(Radix Sort) 时间复杂度O(n*k)
* 是桶排序的扩展,又称“桶子法”(bucket sort)或 bin sort。
* 将所有待比较数值统一为同样的数位长度,数位较短的数前面补零。
* 然后,从最低位开始,依次进行一次排序。
* 这样从最低位排序一直到最高位排序完成以后, 数列就变成一个有序序列。
*/
public class RadixSort {
public static void main(String[] args) {
/*int[] arr = {53, 3, 542, 748, 14, 214};
radixSort(arr);*/
// 8千万条数据所需内存:80000000 * 11 * 4 / 1024 / 1024 / 1024 =3.3G
// 测试8w条数据排序时间 20ms 毫秒级
int[] arr = new int[80000];
for (int i = 0; i < 80000; i++) {
arr[i] = (int) (Math.random() * 80000);
}
System.out.println("排序前:" + LocalDateTime.now().toString());
radixSort(arr);
System.out.println("排序后:" + LocalDateTime.now().toString());
}
/**
* @Description:基数排序方法
**/
public static void radixSort(int[] arr) {
//1. 得到数组中最大的数的位数
int max = arr[0]; //假设第一个数就是最大数
for (int i = 1; i < arr.length; i++) {
if (arr[i] > max) {
max = arr[i];
}
}
int maxLength = (max + "").length(); //得到最大数是几位数
//2.定义一个二维数组,表示10个桶, 每个桶就是一个一维数组
//2.1二维数组包含10个一维数组
//2.2为了防止在放入数的时候,数据溢出,则每个一维数组(桶),大小定为arr.length
//2.3名明确,基数排序是使用空间换时间的经典算法
int[][] bucket = new int[10][arr.length];
//3.为了记录每个桶中,实际存放了多少个数据,我们定义一个一维数组来记录各个桶的每次放入的数据个数
//比如:bucketElementCounts[0] , 记录的就是 bucket[0] 桶的放入数据个数
int[] bucketElementCounts = new int[10];
//4.使用循环处理数值放入桶中
for (int i = 0, n = 1; i < maxLength; i++, n *= 10) {
//(针对每个元素的对应位进行排序处理), 第一次是个位,第二次是十位,第三次是百位..
for (int j = 0; j < arr.length; j++) {
//取出每个元素的对应位的值
int digitOfElement = arr[j] / n % 10;
//放入到对应的桶中
bucket[digitOfElement][bucketElementCounts[digitOfElement]] = arr[j];
bucketElementCounts[digitOfElement]++;
}
//按照这个桶的顺序(一维数组的下标依次取出数据,放入原来数组)
int index = 0;
//遍历每一桶,并将桶中是数据,放入到原数组
for (int k = 0; k < bucketElementCounts.length; k++) {
//如果桶中,有数据,我们才放入到原数组
if (bucketElementCounts[k] != 0) {
//循环该桶即第k个桶(即第k个一维数组), 放入
for (int l = 0; l < bucketElementCounts[k]; l++) {
//取出元素放入到arr
arr[index++] = bucket[k][l];
}
}
//第i+1轮处理后,需要将每个 bucketElementCounts[k] = 0 !!!!
bucketElementCounts[k] = 0;
}
//System.out.println("第"+(i+1)+"轮,对个位的排序处理 arr =" + Arrays.toString(arr));
}
}
}
8.堆排序
.........