排序算法
时间复杂度 | 排序算法 |
---|---|
O(n²) | 冒泡、插入、选择 |
O(nlogn) | 希尔、归并、快速、堆排序 |
时间复杂度O(n²)
冒泡排序
- 原地排序:空间复杂度为O(1)
- 稳定性:稳定的
- 时间复杂度:O(n²)
public class BubbleSort {
private static void bubbleSort(int[] arr) {
if (arr.length <= 1) {
return;
}
// i是冒泡次数:n个数最多需要比较冒泡n-1次
for (int i = 0; i < arr.length - 1; i++) {
boolean isSwap = false;
// 从前往后冒泡比较
for (int j = 0; j < arr.length - 1 - i; j++) {
// 交换相邻的两个元素,大数往后冒泡
if (arr[j] > arr[j + 1]) {
swap(arr, j, j + 1);
isSwap = true;
}
}
if (!isSwap) {
break;
}
}
}
private static void swap(int[] arr, int i, int j) {
int temp = arr[i];
arr[i] = arr[j];
arr[j] = temp;
}
}
插入排序
- 原地排序:空间复杂度为O(1)
- 稳定性:稳定的
- 时间复杂度:O(n²)
public class InsertionSort {
public static void insertSort(int[] arr) {
if (arr.length <= 1) {
return;
}
// 插入排序:初试将数组分为已排序区间(第1个元素)、未排序区间(从第2个元素到末尾)
for (int i = 1; i < arr.length; i++) {
int temp = arr[i];
int j = i - 1;
// 查找插入的位置
for (; j >= 0; j--) {
// <=就停止循环
if (arr[j] <= temp) {
break;
}
// >就后移元素
arr[j + 1] = arr[j];
}
// j+1下一个位置放temp
arr[j + 1] = temp;
}
}
public static void main(String[] args) {
int[] arr = {4, 5, 6, 1, 3, 2};
InsertionSort.insertSort(arr);
System.out.println(Arrays.toString(arr));
}
}
选择排序
- 原地排序:空间复杂度为O(1)
- 稳定性:不稳定的
- 时间复杂度:O(n²)
public class SelectionSort {
private static void selectSort(int[] arr) {
if (arr.length <= 1) {
return;
}
// 初始化:已排序区间(无),未排序区间(0到n-1)
for (int i = 0; i < arr.length - 1; i++) {
// 选择排序是在未排序区间中找最小值下标
int minIndex = i;
for (int j = i; j < arr.length; j++) {
minIndex = arr[j] < arr[minIndex] ? j : minIndex;
}
// 交换,这里的交换打破了稳定性
swap(arr, i, minIndex);
}
}
private static void swap(int[] arr, int i, int j) {
int temp = arr[i];
arr[i] = arr[j];
arr[j] = temp;
}
}
时间复杂度O(nlogn)
希尔排序
- 原地排序:空间复杂度为O(1)
- 稳定性:不稳定的,时间复杂度是插入排序的优化版,但是稳定性是不稳定的
- 时间复杂度:O(nlogn)
public class ShellSort {
/**
* 希尔排序
* 不稳定,时间复杂度为NlogN
*/
public static void shellSort(int[] arr) {
if (arr.length <= 1) {
return;
}
// 步长step
int step = arr.length / 2;
// 插入排序最低就是步长为1
while (step >= 1) {
// 以step为距离进行插入排序
for (int i = step; i < arr.length; i += step) {
int temp = arr[i];
int j = i - step;
for (; j >= 0; j -= step) {
if (arr[j] <= temp) {
break;
}
arr[j + step] = arr[j];
}
arr[j + step] = temp;
}
// 步长缩小
step /= 2;
}
}
public static void main(String[] args) {
int[] arr = {4, 5, 6, 1, 3, 2};
int[] arr1 = {4, 5, 6, 1, 3, 2};
ShellSort.shellSort(arr);
ShellSort.insertSort(arr1);
System.out.println(Arrays.toString(arr));
System.out.println(Arrays.toString(arr1));
}
/**
* 插入排序
* 稳定的、时间复杂度为N²
*/
public static void insertSort(int[] arr) {
if (arr.length <= 1) {
return;
}
// 插入排序:初试将数组分为已排序区间(第1个元素)、未排序区间(从第2个元素到末尾)
for (int i = 1; i < arr.length; i++) {
int temp = arr[i];
int j = i - 1;
// 查找插入的位置
for (; j >= 0; j--) {
// <=就停止循环
if (arr[j] <= temp) {
break;
}
// >就后移元素
arr[j + 1] = arr[j];
}
// j+1下一个位置放temp
arr[j + 1] = temp;
}
}
}
归并排序
- 原地排序:空间复杂度为O(n)
- 稳定性:稳定的
- 时间复杂度:O(nlogn)
public class Solution {
private int res;
/**
* 在数组中的两个数字,如果前面一个数字大于后面的数字,则这两个数字组成一个逆序对。输入一个数组,求出这个数组中的逆序对的总数。
* 归并排序法,原理是利用nums[i]>nums[j],那么[i,mid]中都是逆序对个数
*/
public int reversePairs(int[] nums) {
int[] temp = new int[nums.length];
res = 0;
mergeSort(nums, 0, nums.length - 1, temp);
return res;
}
private void mergeSort(int[] nums, int l, int r, int[] temp) {
if (l >= r) {
return;
}
int mid = l + (r - l) / 2;
mergeSort(nums, l, mid, temp);
mergeSort(nums, mid + 1, r, temp);
if (nums[mid] > nums[mid + 1]) {
merge(nums, l, mid, r, temp);
}
}
private void merge(int[] nums, int l, int mid, int r, int[] temp) {
System.arraycopy(nums, l, temp, l, r - l + 1);
int p = l, q = mid + 1;
for (int i = l; i <= r; i++) {
if (p > mid) {
nums[i] = temp[q++];
} else if (q > r) {
nums[i] = temp[p++];
} else if (temp[p] <= temp[q]) {
// <=区域不会形成逆序对,所以和归并排序过程一样
nums[i] = temp[p++];
} else {
// 3,4,1,2
// p到mid中间元素的个数,与q构成逆序对
res += mid - p + 1;
nums[i] = temp[q++];
}
}
}
public static void main(String[] args) {
Solution solution = new Solution();
int[] arr = {3, 4, 1, 2};
System.out.println(solution.reversePairs(arr));
}
}
快速排序
- 原地排序:空间复杂度为O(logn)
- 稳定性:不稳定的
- 时间复杂度:O(nlogn)
public class QuickSort {
/**
* 快速排序
* 与寻找第k大的数做比较
*/
public static void quickSort(int[] arr) {
// random作为参数一致传递下去
Random random = new Random();
quickSort(arr, 0, arr.length - 1, random);
}
private static void quickSort(int[] arr, int l, int r, Random random) {
// 递归结束条件:显然只剩一个数时,递归结束
if (l >= r) {
return;
}
// 先划分区间
int p = partition(arr, l, r, random);
// 左边递归排序
quickSort(arr, l, p - 1, random);
// 右边递归排序
quickSort(arr, p + 1, r, random);
}
/**
* 原地分区函数
*/
private static int partition(int[] arr, int l, int r, Random random) {
int p = l + random.nextInt(r - l + 1);
// p位置元数移动到l位置,让交换后的arr[l]作为基准,划分数组
swap(arr, l, p);
int i = l + 1, j = r;
while (true) {
while (i <= j && arr[i] < arr[l]) {
i++;
}
while (i <= j && arr[j] > arr[l]) {
j--;
}
if (i >= j) {
break;
}
swap(arr, i, j);
i++;
j--;
}
// 由于i++,j--操作,j指向<=arr[p]的最后一个位置,交换j和l位置元素
swap(arr, l, j);
return j;
}
private static void swap(int[] arr, int i, int j) {
int t = arr[i];
arr[i] = arr[j];
arr[j] = t;
}
}
比较学习:查找数组中第k大的数
public class Solution {
/**
* 查找数组中第k大的数
*/
public int findKth(int[] a, int n, int K) {
if (a == null || a.length == 0 || a.length < K) {
return -1;
}
return quickSortK(a, n, K, 0, n - 1);
}
private int quickSortK(int[] arr, int n, int k, int l, int r) {
int i = l;
int j = r;
while (i < j) {
// 这里以arr[l]为基准,必须先走j,因为j先走一步的话,会先来到<arr[l]的最后一个数,此时交换i,j位置就不会出错
// 如果以arr[r]为基准,必须先走i,因为i先走一步的话,会先来到>arr[l]的最后一个数,此时交换i,j位置就不会出错
while (i < j && arr[j] >= arr[l]) {
j--;
}
while (i < j && arr[i] <= arr[l]) {
i++;
}
swap(arr, i, j);
}
swap(arr, i, l);
// 快排使得数组从小到大排序
// 第1大的数 = 第n-1洗标的数
// 第k大的数 = 第n-k下标的数
if (i == n - k) {
return arr[i];
} else if (i < n - k) {// <,左边界前进
return quickSortK(arr, n, k, i + 1, r);
} else {// >,右边界后退
return quickSortK(arr, n, k, l, i - 1);
}
}
private void swap(int[] arr, int i, int j) {
if (i == j) {
return;
}
int temp = arr[i];
arr[i] = arr[j];
arr[j] = temp;
}
public static void main(String[] args) {
Solution solution = new Solution();
int[] arr = {10, 10, 9, 9, 8, 7, 5, 6, 4, 3, 4, 2};
int n = arr.length;
int k = 3;
int res = solution.findKth(arr, n, k);
System.out.println(res);
Arrays.sort(arr);
System.out.println(Arrays.toString(arr));
}
}
堆排序
- 建立大根堆
public class MaxHeapSort {
// 大根堆
public static void heapSort(int[] arr) {
if (arr.length < 2) {
return;
}
// 从最右子树开始建立大根堆,堆顶保持最小值
for (int parent = (arr.length - 2) / 2; parent >= 0; parent--) {
heapify(arr, parent, arr.length);
}
// 大根堆依次将堆顶元素放回数组末尾
for (int i = arr.length - 1; i >= 0; i--) {
swap(arr, 0, i);
heapify(arr, 0, i);
}
}
// 大根堆,堆化操作
private static void heapify(int[] arr, int parent, int n) {
while (2 * parent + 1 < n) {
int left = 2 * parent + 1;
if (left + 1 < n && arr[left + 1] < arr[left]) {
left++;
}
if (arr[parent] <= arr[left]) {
break;
}
swap(arr, parent, left);
parent = left;
}
}
private static void swap(int[] arr, int i, int j) {
int temp = arr[i];
arr[i] = arr[j];
arr[j] = temp;
}
public static void main(String[] args) {
int[] arr = {4, 5, 1, 6, 6};
heapSort(arr);
System.out.println(Arrays.toString(arr));
}
}
- 建立小根堆
public class MinHeapSort {
// 小根堆
public static void heapSort(int[] arr) {
if (arr.length < 2) {
return;
}
// 小根堆,堆顶保持最大值
for (int parent = (arr.length - 2) / 2; parent >= 0; parent--) {
heapify(arr, parent, arr.length);
}
// 将堆顶最大值依次放回数组末尾
for (int i = arr.length - 1; i >= 0; i--) {
swap(arr, 0, i);
heapify(arr, 0, i);
}
}
private static void heapify(int[] arr, int parent, int n) {
while (2 * parent + 1 < n) {
int left = 2 * parent + 1;
if (left + 1 < n && arr[left + 1] > arr[left]) {
left++;
}
if (arr[parent] >= arr[left]) {
break;
}
swap(arr, parent, left);
parent = left;
}
}
private static void swap(int[] arr, int i, int j) {
int temp = arr[i];
arr[i] = arr[j];
arr[j] = temp;
}
public static void main(String[] args) {
int[] arr = {4, 5, 1, 6, 6};
heapSort(arr);
System.out.println(Arrays.toString(arr));
}
}